Artificial Analysis 报告称,Qwen4 Max 在其 Intelligence Index(xhigh)得 43 分,比 Qwen3.8 Max(xhigh)高 9 分;估算每个指数任务成本为 3.27 美元,低于 Qwen3.8 Max 的 10.02 美元和 Kimi K3.1 Pro(max)的 3.68 美元,但其输出 token 用量高于 Kimi,Terminal-Bench 4.0 分数也较低。
适合判断的任务:对照 Artificial Analysis 同一指数快照中的综合得分、分项结果、token 用量与估算任务成本。
不适合外推的任务:其他任务集、真实业务成功率、实际账单,以及不同评测框架之间的绝对排名。
适用的模型版本:帖子所称 Qwen4 Max;对照为 Qwen3.8 Max(xhigh)、Kimi K3.1 Pro(max)与腾讯 Hy4。
测试环境或客户端:Artificial Analysis Intelligence Index。帖子未披露完整任务输入、提示词、API 部署、样本数或完整运行配置。
推理档位和参数:Qwen4 Max 与 Qwen3.8 Max 使用 xhigh;Kimi K3.1 Pro 使用 max。其他参数未注明。
Artificial Analysis 模型资料页将 Intelligence Index 标为 v5.0.1,由 AA-Briefcase v1.1、AutomationBench-AA、Terminal-Bench 4.0、FrontierCode-AA 2.0、AA-Omniscience v1.1、GDP.pdf、HLE-Diamond、CritPt v2(Hard Subset)和 Terminal-Bench-Science 0.1 九项评测构成。X 帖子未注明指数版本,故此处的版本与构成来自 2026-11-17 查阅的模型资料页,不能据此确定帖子发布时的版本标签。
帖子称,Qwen4 Max 在九项评测上均高于 Qwen3.8 Max(xhigh)。其中 HLE-Diamond 从 24% 升至 45%;AA-Briefcase 是 Elo 评分。任务成本与 token 用量为 Artificial Analysis 对指数评测的汇总口径,并非公开的逐题 API 账单。
| 指标 | Qwen4 Max | 对照与差异 |
|---|---|---|
| Intelligence Index | 43(xhigh) | Qwen3.8 Max(xhigh)34;Kimi K3.1 Pro(max)46 |
| 每指数任务成本 | $3.27 | Qwen3.8 Max $10.02;Kimi $3.68;腾讯 Hy4 $1.03,指数分低 8 分 |
| 每任务输出 token | 约 105k | Qwen3.8 Max 约 171k(少 39%);Kimi 约 72k;Hy4 约 78k |
| 指数运行输入 token | 约 9.9B | Qwen3.8 Max 约 14.5B(少 32%) |
| AA-Briefcase | 1686 Elo | Kimi 1674;腾讯 Hy4 1446 |
| Terminal-Bench 4.0 | 48% | Kimi 67%;腾讯 Hy4 37% |
| FrontierCode 2.0 | 26% | Kimi 26%;腾讯 Hy4 31% |
Qwen4 Max 相比 Qwen3.8 Max 在其他指数分项的提升:AA-Omniscience +18、AutomationBench-AA +17、CritPt v2 +13、Terminal-Bench-Science +11、GDP.pdf +3、FrontierCode 2.0 +3;AA-Briefcase 提升 82 Elo。以上为帖子报告的分项差值,不应将不同评测的分数直接相加或视为同一种成功率。
Artificial Analysis 报告的 Qwen4 Max Intelligence Index 分数为 43,比 Qwen3.8 Max(xhigh)高 9 分;Kimi K3.1 Pro(max)为 46。
每指数任务成本为加权估算:Qwen4 Max $3.27、Qwen3.8 Max $10.02、Kimi $3.68、腾讯 Hy4 $1.03。帖子称,Qwen4 Max 与 Qwen3.8 Max 的指数运行成本下降同时来自更低价格和更低 token 用量;输入占两者总成本约 85%–90%。
帖子列出阿里巴巴官方 API 价格:Qwen4 Max 每百万输入/输出 token 为 $1.50/$4.50,缓存命中 $0.075;Qwen3.8 Max 为 $2.00/$6.00,缓存命中 $0.25。价格和成本均为帖子发布时所述口径,后续可能变化。
分项差异按帖子记录:HLE-Diamond 24%→45%(+21 个百分点)、AA-Omniscience +18、AutomationBench-AA +17、CritPt v2 +13、Terminal-Bench-Science +11、Terminal-Bench 4.0 +9、GDP.pdf +3、FrontierCode 2.0 +3、AA-Briefcase +82 Elo。
这组结果显示,在 Artificial Analysis 报告的这一指数快照中,Qwen4 Max 相比 Qwen3.8 Max 得分更高、估算成本和 token 用量更低;它的综合分仍低于 Kimi K3.1 Pro。分项并非全面领先:Terminal-Bench 4.0 低于 Kimi,FrontierCode 2.0 低于腾讯 Hy4;Hy4 的任务成本更低但综合分低 8 分。
指数由不同任务及评分方式组成,不能解释成单一任务通过率。帖子与模型页未公开完整提示词、逐题数据、模型端点细节、重复次数或不确定性区间,外部读者无法逐项复现;成本是基于所列价格与指数用量的估算,也不等于特定账户的账单。成绩只代表该发布快照,不能推断所有任务表现。
原始线程公开了汇总分数、部分分项差值、token 用量与成本估算,但没有公开完整任务集及执行配置。读者可在 Artificial Analysis 页面查看当前模型资料和指数构成;若要比较,应确认指数版本、推理档位、提供方价格和缓存计费口径一致,并把每项评测单独解读。
X 原始线程:https://x.com/ArtificialAnlys/status/2122161629592953032
Artificial Analysis 模型资料页:https://artificialanalysis.ai/models/qwen4-max
Qwen4-Max