RadarAI· X:Artificial Analysis (@ArtificialAnlys)·· 2 天前精选AI 评分82
阿里巴巴发布 Qwen4 Max,Artificial Analysis 评测 Intelligence Index 得 43 分
AI 导读
Artificial Analysis 评测阿里巴巴新发布的 Qwen4 Max,在 xhigh 推理档下 Intelligence Index 得 43 分,比 Qwen3.8 Max 高 9 分,比 Kimi K3.1 Pro 低 3 分。
推荐理由
第三方评测给出 Qwen4 Max 与 Kimi K3.1 Pro、腾讯 Hy4 的分数与单任务成本对比,可据此判断性价比位置。
正文 · AI 翻译
Artificial Analysis· @ArtificialAnlys · X·2026-11-16 10:55· 47 分钟前AI 评分74
AI 导读
Artificial Analysis 评测阿里巴巴新发布的 Qwen4 Max:在 Intelligence Index 上以 xhigh 推理档得 43 分。
正文 · 原文
Alibaba 已发布 Qwen4 Max,在 Artificial Analysis Intelligence Index 上比 Qwen3.8 Max 提升 9 分,落后 Kimi K3.1 Pro 3 分,而每任务成本约低 11%
Qwen4 Max 在 xhigh 推理档下于 Intelligence Index 得分 43,领先 Qwen3.8 Max(xhigh)9 分,落后 Kimi K3.1 Pro(max,46)3 分
要点:
- 与 Qwen3.8 Max(xhigh,34)相比,Qwen4 Max 在 Index 的每项评测上均有提升:HLE-Diamond +21 分(24% 至 45%)、AA-Omniscience +18 分、AutomationBench-AA +17 分、CritPt v2 +13 分、Terminal-Bench-Science +11 分、Terminal-Bench 4.0 +9 分、GDP.pdf +3 分、FrontierCode 2.0 +3 分,以及 AA-Briefcase +82 Elo。
- Qwen4 Max 每项 Intelligence Index 任务成本为 $3.27,约为 Qwen3.8 Max($10.02)的 1/3,比 Kimi K3.1 Pro($3.68)低约 11%:这得益于其每 token 定价比 Qwen3.8 Max 低 25%、缓存命中价格便宜 70%,以及更低的 token 用量。腾讯 Hy4 每任务成本约为 Qwen4 Max 的 1/3($1.03),但在 Index 上得分低 8 分。
- Qwen4 Max 每任务输出 token 数比 Qwen3.8 Max 少 39%:每项 Intelligence Index 任务约 105k 输出 token,而 Qwen3.8 Max 约 171k、Kimi K3.1 Pro 约 72k、腾讯 Hy4 约 78k。Qwen4 Max 使用更少 token,同时在 Intelligence Index 上提升 9 分
- AA-Briefcase(知识工作)方面的提升:在 AA-Briefcase 这一跨真实商业文件的智能体工作评测中,Qwen4 Max 达到 1686 Elo,而 Kimi K3.1 Pro 为 1674、腾讯 Hy4 为 1446。
- Qwen4 Max 在 Terminal-Bench 4.0 上落后于 Kimi K3.1 Pro,在 FrontierCode 2.0 上落后于腾讯 Hy4:Qwen4 Max 在 Terminal-Bench 4.0 得分 48%,而 Kimi K3.1 Pro 为 67%、腾讯 Hy4 为 37%。在 @cognition 对真实世界编码任务的私有评测 FrontierCode 2.0 上,其得分为 26%,与 Kimi K3.1 Pro(26%)持平,落后于腾讯 Hy4(31%)。
关键模型细节:
- 上下文窗口:1M token
- 多模态:文本与图像输入,文本输出
- 定价:在阿里巴巴第一方 API 上为每 1M 输入/输出 token $1.50/$4.50,缓存命中价格为 $0.075。全面低于 Qwen3.8 Max($2.00/$6.00,缓存命中价格 $0.25)
- 可用性:@Alibaba_Qwen 的第一方 API
来源:Artificial Analysis · x.com
事件后续 · 2
来源:RadarAI · aihot.news