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

Vals AI:Qwen4 Max 行业任务指数、分项成绩与成本

原始来源

Vals AI

作者Vals AI

原文日期2026-11-15

Tabbit 整理2026-11-15

查看原文

一句话结论

在 Vals AI 于 2026-11-15 更新的 Vals Index v2.2 中,Qwen4 Max 以 xhigh 推理档位得 63.20%(±1.01),排名 38 个模型中的第 11;行业加权指数单次评测成本为 $9.33。成绩不是通用任务成功率,成本也不是固定单任务报价。

适用场景

  • 适合判断的任务:对照 Vals AI 同一快照中的金融、编码、法律、税务任务表现及其 GDP 加权总分。

  • 不适合外推的任务:一般问答、未覆盖行业、实际业务绩效或不同评测框架之间的绝对排名。

  • 适用的模型版本:Vals AI 标为 Qwen 4 Max;模型页发布日期为 2026-11-15。阿里巴巴新闻稿于 2026-11-16 发布,日期口径不同。

  • 测试环境或客户端:Vals Index v2.2;页面标明私有基准与公开基准混合,未披露逐题输入、完整 harness 或运行日志。

  • 推理档位和参数:xhigh;temperature 1.0、top_p 0.95、top_k 20。模型页称上下文窗口为 1M、最大输出 262K。

测评方法

Vals Index 将四个行业的分数按其估计的美国 GDP 占比加权:金融 8.0、编码 5.6、法律 1.2、税务 0.5,总权重 15.3。每个行业先取其基准均值,再按下式汇总:

金融 = AVG(Finance Agent v2.1, EMB v1.1)
编码 = AVG(Terminal-Bench 4.0, Vibe Code Bench v1.1, Code Migration v1.1)
法律 = AVG(Legal Research Bench, HLAB-Vals-1.1)
税务 = Tax Agent Bench
Vals Index = (8.0×金融 + 5.6×编码 + 1.2×法律 + 0.5×税务) / 15.3

基准覆盖多步金融推理、电子表格建模、命令行与应用构建、代码迁移、引用法律材料的研究与长期工作产出,以及带依据的美国企业税务问答。Vals 使用 BEA 发布于 FRED 的行业增加值数据估计权重,以任务表现估计潜在经济影响。Vals Index v2.2 方法

关键结果

以下为模型页在 2026-11-17 查阅时显示的结果;误差区间为 ±1 标准误。

指标Qwen4 Max页面排名
Vals Index v2.263.20% ±1.0111/38
Vals Finance Index61.99% ±1.458/41
Vals Legal Index70.71% ±1.7517/39
Finance Agent v2.166.68% ±2.028/41
EMB v1.170.83% ±2.3618/43
Terminal-Bench 4.048.48% ±0.8815/65
Vibe Code Bench v1.186.66% ±2.2715/129
Code Migration v1.157.3%页面未列排名与误差区间
Legal Research Bench41.35% ±3.4233/95
HLAB-Vals-1.121.25% ±3.337/39
Tax Agent Bench40.35% ±3.5413/86

Vals Index 排行页同时显示该次评测约使用 27.27M tokens、耗时约 1 小时 5 分钟、成本 $9.33;模型页将时长列为 64 分 39 秒。Vals Index 公告称 Qwen4 Max 高于 Kimi K3.1 Pro 的 62.52% 和 Qwen 3.8 Max 0902 的 59.05%。

原始数据

  • Vals 模型页列出的 token 单价为每百万输入/输出 tokens $1.50/$4.50;阿里云新加坡区 Model Studio 文档对 qwen4-max 列出相同单价(国际部署,输入长度不超过 1M)。这是厂商标价,不等同于 Vals 一次完整指数运行的费用。

  • $9.33/次是 Vals Index 排行页的评测成本,随评测 token 用量和输入/输出构成变化。该页注明指数成本包含 Code Migration;公开资料未给出该运行按缓存、区域、折扣拆分后的账单。

  • Vals 模型页注明模型权重为 private。其索引方法公开了基准构成、行业权重和汇总公式,但部分行业基准为私有题集,未提供完整题目和逐题结果。

  • 日期口径:Vals 模型页把发布日期列为 2026-11-15,Vals Index 页也标记 2026-11-15 更新;阿里巴巴新闻稿的发布时间是 2026-11-16。此处保留来源各自日期,不将其合并为单一发布日期。

结论与边界

该快照显示 Qwen4 Max 的 Vals Index 排名靠前,金融与应用构建分项较强,法律研究分数较低;分项榜单和总榜各自有独立样本与排名范围。GDP 加权总分反映 Vals 选定基准与权重下的综合表现,不能解释为“63.20% 的经济工作可由模型完成”。

单次测试成本受用量、输出长度、缓存、服务区域和计费优惠影响。官方标价只能用于估算,不能取代 Vals 公布的 $9.33 运行成本,也不能直接作为实际账户账单。私有题集、未公开的逐题材料及模型服务快照限制了外部复现;与其他机构分数比较时,需保留各自的题集、评分方式、推理档位和成本口径。

复现说明

可按 Vals Index v2.2 公开公式理解 GDP 权重与行业汇总,并查看公开模型页的分数、排名和参数。由于部分基准为 Vals 私有、模型权重也未公开,外部读者无法独立重跑完整指数。阿里云单价为 2026-11-17 查阅的新加坡区页面值;后续价格或服务配置可能变化。

来源

  • Vals AI 模型页:Qwen 4 Max Benchmarks, Cost and Capabilities

  • Vals AI 指数方法页:Vals Index v2.2

  • 阿里云 Model Studio:Qwen4-Max 定价及模型参数

  • 阿里巴巴新闻稿:Alibaba Unveils Qwen4-Max

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Plotly Blog2026-11-16

Plotly:Qwen4 Max 数据分析基准与图表实测

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