跳到正文
RadarAI· X:通义千问 / Qwen (@Alibaba_Qwen)·· 2 天前AI 评分67

Qwen4-Max 登顶 Agent Arena 中国模型第一,阿里巴巴升至全球第五实验室

AI 导读

Qwen4-Max 在 Agent Arena 上以 +7.5% 净提升超过 Qwen3.8-Max,总排名从 #39 升至 #14,成为榜单第一的中国模型,阿里巴巴由此成为第一中国实验室、全球第五实验室,仅次于 Anthropic、Google、OpenAI 和 Meta。

正文 · AI 翻译

Qwen· @Alibaba_Qwen · X·2026-11-16 10:55· 43 分钟前AI 评分64

AI 导读

Qwen4-Max 在 Agent Arena 以 +7.5% 净提升超过 Qwen3.8-Max,总体排名从 #39 升至 #14,是榜单第一名中国模型,使阿里巴巴成为第一中国实验室、全球第五实验室,仅次于 Anthropic、Google、OpenAI 和 Meta。提升基于 14.7k 条真实智能体会话,四项信号全面改进,其中 Praise vs. Complaint +13%、Confirmed Success +9%,用户满意度和可控性提升最大;分类上 Work #12、Chat #14、Code #16,均为中国模型前列。

正文 · 原文

Qwen4-Max 在 Agent Arena 上以 +7.5% 的净提升超过 Qwen3.8-Max,使阿里巴巴成为全球第 5 的实验室。

引用Arena.ai@arena

@Alibaba_Qwen 的 Qwen4-Max 是排行榜上排名第一的中国模型,使阿里巴巴成为第一中国实验室、全球第五实验室,仅次于 Anthropic、Google、OpenAI 和 Meta。

它在 Agent Arena 上首次亮相即位列总榜第 14,基于我们全球社区 14.7k 条真实智能体会话、真实任务上的真实轨迹,净提升 +7.5%。

这是对 Qwen3.8-Max 的重大飞跃
- 排名:#39 → 总榜 #14

Agent Arena 上的中国前沿模型:

  • #14 Qwen4-Max(阿里巴巴):+7.5%
  • #19 Hy4(腾讯):+5.7%
  • #21 Kimi K3.1 Pro (Max)(Moonshot):+4.0%
  • #26 MiMo-V2.6-Pro(小米):+1.5%
  • #30 DeepSeek-V4.1-Flash (Max)(DeepSeek):+1.1%

按信号拆解表现:
Qwen4-Max 在全部四项报告信号上均优于 Qwen3.8-Max,其中用户满意度和可控性提升尤为显著。

  • #15 Praise vs. Complaint:+13%(最佳中国模型)
  • #13 Confirmed Success:+9%(最佳中国模型)
  • #19 Steerability:+8%
  • #29 Bash Reliability:+3%

按类别看,它在全部 3 个类别中均位列中国模型前列:

  • #12 Work:+9%
  • #14 Chat:+8%
  • #16 Code:+8%

祝贺 @Alibaba_Qwen 团队发布!

在 X 查看被引用的帖子

来源:Qwen · x.com

事件后续 · 2

查看事件全部

来源:RadarAI · aihot.news