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。
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
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 v2.2 | 63.20% ±1.01 | 11/38 |
| Vals Finance Index | 61.99% ±1.45 | 8/41 |
| Vals Legal Index | 70.71% ±1.75 | 17/39 |
| Finance Agent v2.1 | 66.68% ±2.02 | 8/41 |
| EMB v1.1 | 70.83% ±2.36 | 18/43 |
| Terminal-Bench 4.0 | 48.48% ±0.88 | 15/65 |
| Vibe Code Bench v1.1 | 86.66% ±2.27 | 15/129 |
| Code Migration v1.1 | 57.3% | 页面未列排名与误差区间 |
| Legal Research Bench | 41.35% ±3.42 | 33/95 |
| HLAB-Vals-1.1 | 21.25% ±3.33 | 7/39 |
| Tax Agent Bench | 40.35% ±3.54 | 13/86 |
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%。
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。
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。
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。
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
Qwen4-Max