Artificial Analysis: Qwen4 Max Scores 43 on Intelligence Index, Cuts Task Cost 67%
Artificial Analysis 于 11 月 16 日发布阿里 Qwen4 Max 的完整评测:模型在 Intelligence Index 上得 43 分,比 Qwen3.8 Max 高 9 分,仅比 Kimi K3.1 Pro(46 分)低 3 分,同时单任务成本从 $10.02 降至 $3.27(降 67%)。这一组合使其性价比明显改善,但绝对排名仍靠后,社区评价出现分歧。
已确认
- 智能指数 43 分,略高于同类中位数 41,整体排名 38/81,上下文长度 98 万(m5)
- 单任务成本 $3.27,比 Qwen3.8 Max 的 $10.02 低 67%,略低于 Kimi K3.1 Pro 的 $3.68;腾讯 Hy4 仅 $1.03 但分数低 8 分(m3)
- 成本下降来自两方面:缓存价格下调 70%,以及输出 token 减少 39%(m3)
- 每个 Intelligence Index 任务平均输出约 10.5 万 token(含 5.6 万推理 token),比 Qwen3.8 Max 的约 17.1 万明显更少,推理更克制但分数反升(m4)
- 分项表现:在 AA-Briefcase(真实商业文件上的 agentic 知识工作)达 1686 Elo,知识工作超过 Kimi;但编码仍落后(m2)
争议与质疑
- @OddConsideration7290 认为 Qwen4-Max 作为备受期待的阿里旗舰仅得 43 分、榜单排名靠后(远低于 Claude Fable 5.2 的 65 分、Gemini 4 Carbon 的 60 分),表现令人失望(m6)
为什么重要
- Qwen4 Max 展示了一条「以更低成本和更少 token 输出换取相当智能提升」的路线,对高吞吐商用场景有直接吸引力
- 知识工作分项超越 Kimi K3.1 Pro 说明其优势集中在商业 agentic 任务,编码短板则限制了综合排名,后续版本能否补齐编码是观察重点
2026-11-16 ~ 2026-11-16 · 6 related posts
Primary sources
- Qwen4 Max Scores 43 on Intelligence Index With 984k Context, Artificial Analysis Finds — ArtificialAnlys ·
- Qwen4 Max scores 43 on AA Intelligence Index, 67% cheaper per task than predecessor — ArtificialAnlys ·
- How Qwen4 Max cut cost per task 67%: cheaper cache hits and 39% fewer tokens — ArtificialAnlys ·
- Qwen4-Max flops its debut with a disappointing 43 on Artificial Analysis — OddConsideration7290 · 2026-11-16
- [source] Qwen4 Max scores 43 on AA Intelligence Index, 67% cheaper per task than predecessor — ArtificialAnlys · 2026-11-16
- Qwen4 Max uses 39% fewer output tokens while scoring 9 points higher — ArtificialAnlys · 2026-11-16
- [source] How Qwen4 Max cut cost per task 67%: cheaper cache hits and 39% fewer tokens — ArtificialAnlys · 2026-11-16
- Qwen4 Max per-eval breakdown: strong on knowledge work, lagging in coding — ArtificialAnlys · 2026-11-16
- [source] Qwen4 Max Scores 43 on Intelligence Index With 984k Context, Artificial Analysis Finds — ArtificialAnlys · 2026-11-16