Tabbit
活动资源博客模型
Tabbit LogoTabbit

Tabbit — 为你工作的 AI 浏览器

主题资源

  • 浏览器排行榜
  • AI 浏览器指南
  • 浏览器对比
  • 浏览器测评
  • 浏览器替代方案
  • 浏览器专题目录
  • Agentic 浏览器
  • 下载与安装
  • 浏览器效率
  • SillyTavern 模型指南

热门指南

  • Best Browsers 2026: Top 10 Ranked & Compared
  • Best Free AI Browsers 2026: Plans & Prices Compared
  • Rabbit Browser: What It Is & Why Tabbit Is Better
  • Firefox vs Chrome 2026: Privacy, RAM & Speed Compared
  • Best Lightweight Browsers 2026: 7 Tested for RAM & Speed
  • AI Browser List 2026: 10 Browsers Compared
  • Neobrowser: Norton Neo, Download & Alternatives
  • Edge vs Chrome 2026: Speed, RAM & Battery Tested
  • Best Internet Browser for Android 2026
  • Best AI Browser 2026: Top 9 Tested & Ranked

活动

  • 别装了,你在《牛来》里早有原型
  • Tabbit 妙招大赛
  • KPOP SBTI 饭圈人格测试
  • Tabbit 校园共创者计划
  • fifi 的论文文献妙招精选
  • 用户问卷

关于

  • Tabbit 博客
  • 媒体报道
简体中文
简体中文English
测评
媒体Qwen4-Max

Plotly:Qwen4 Max 数据分析基准与图表实测

原始来源

Plotly Blog

作者未注明

原文日期2026-11-16

Tabbit 整理2026-11-16

查看原文

一句话结论

Plotly 的 43 题数据分析基准中,Qwen4 Max 单次答对 35 题(81%,B),花费 2.29 美元,每题中位耗时 40 秒。歧义题与无法完成的请求均处理正确,数据质量检查、统计陷阱和隐藏模式仍有失分。

适用场景

  • 适合判断的任务:在 Plotly 的 Dash 数据分析 Agent 与其合成风电数据仓库上,评估多轮工具调用、图表分析、澄清歧义和拒绝无法完成请求的表现。

  • 不适合外推的任务:其他数据集、业务数据库、不同 Agent 或 API 配置,以及总体模型能力排序。该基准为私有题集,结果仅代表一次运行。

  • 适用的模型版本:文章所称 Qwen4 Max;未给出 API 模型 ID 或快照标识。

  • 测试环境或客户端:Plotly Studio Embedded(运行于 Dash 应用的分析 Agent),通过 OpenRouter 调用;Plotly 称所有参测模型使用同一 harness 和评分方式。

  • 推理档位和参数:未注明。

测评方法

Plotly 使用其 PlotlyDataAnalyticsBench,共 43 题,运行于面向数据分析查询和图表生成的多轮工具调用 Agent。该基准包含 20 道常规分析题、5 道歧义题、5 道无法完成的请求、3 道数据质量问题、5 道统计陷阱和 5 道隐藏模式题。题目使用虚构风电运营商的数据仓库;Plotly 称题集为私有,并向研究者开放。

本文是 Qwen4 Max 的一次运行。Plotly 说明其他模型的重复运行分数曾有最多 3 分波动,因此单次成绩相差 1–2 分时应视为接近平手。

关键结果

  • 总分 35/43(81%,B)。分项为:常规分析 19/20,歧义题 5/5,无法完成请求 5/5,数据质量 1/3,统计陷阱 3/5,隐藏模式 2/5。

  • 8 道错题中,一道因时间计算精度损失导致最终数字错误;另有 2 道数据质量问题、2 道统计陷阱及 3 道隐藏模式题未答对。

  • 每题约调用模型 6 次,输出约 3,200 tokens;读取的输入 tokens 中约 92% 来自供应商缓存。全卷耗时约 47 分钟,每题中位耗时 40 秒。

  • 单次全卷成本为 $2.29。按每人每天 10 题、每年 250 个工作日、1,000 人规模折算约 $133/人/年;这是文章给定使用量和运行时 OpenRouter 价格下的估算。

  • 同一文章列出的对照:Qwen 3.8 27B 为 38/43、$1.71、每题中位 53 秒;Kimi K3 为 35/43、$5.01、43 秒;Hy4 为 42/43、$2.11、117 秒。不同模型均为各自单次运行。

  • 文章报告当时 Qwen4 Max 输入/输出价格为每百万 tokens $1.50/$4.50;此价格和单次成本是发布时数据。

原始数据

指标Qwen4 Max
总分35/43(81%,B)
常规分析19/20
歧义题5/5
无法完成请求5/5
数据质量1/3
统计陷阱3/5
隐藏模式2/5
单次全卷成本$2.29
每题中位耗时40 秒
每题模型调用约 6 次
每题输出 tokens约 3,200
输入 tokens 缓存占比约 92%

结论与边界

在此测试中,Qwen4 Max 能处理大多数常规问题,并正确处理全部歧义题和无法完成的请求;它在发现数据质量问题、识别统计误导和搜索隐藏模式方面失分。对比文章中的 Qwen 3.8 27B,Qwen4 Max 少 3 分且成本更高,但中位速度更快。该结论限于 Plotly 的 harness、题集和各模型的单次运行,不能推断为通用数据分析能力或稳定的跨模型排名。

复现说明

复现需要访问 Plotly 的私有 PlotlyDataAnalyticsBench、合成风电数据仓库、评分规则及 Plotly Studio Embedded harness。公开文章未提供完整题目、数据、答案键、运行日志或 Qwen4 Max 的 API 模型 ID、推理档位与请求参数,因此无法仅凭公开内容独立重跑并确认原始成绩。文章称可联系 Plotly 获取研究访问权限。

Tabbit 小编提醒

本文是第三方资料导航。测试环境、模型版本和主观体验可能不同,请以原文为准。

Qwen4-Max

在 Tabbit 中使用并对比模型

Qwen4-Max

相关测评

媒体Qwen 官方博客2026-11-16

Qwen4-Max 官方发布基准与 Work360

媒体Atomic Agent Blog2026-11-16

Atomic Agent:Qwen 4 Max 推理档位与单任务 Agent 实测

媒体Vals AI2026-11-15

Vals AI:Qwen4 Max 行业任务指数、分项成绩与成本

媒体Spring Prompt2026-11-16

Spring Prompt:Qwen4-Max 默认档位多任务独立基准

Qwen4-Max

相关提示词与案例

媒体阿里云 Model Studio 官方文档2026-11-16

阿里云 Model Studio:Qwen4-Max OpenAI Chat Completions 配置

媒体QwenCloud 官方文档

QwenCloud Token Plan:Qwen4-Max Codex 配置

媒体QwenCloud 官方文档

QwenCloud:Claude Code 接入 Qwen4-Max 正式版

媒体QwenCloud 官方文档、OpenCode 官方文档

QwenCloud:在 OpenCode 中配置 GA 版 Qwen4-Max 输出上限