Qwen4 Max 分项评测全图:知识工作超 Kimi,编码仍落后
ArtificialAnlys · x · 2026-11-16
Artificial Analysis 发布 Qwen4 Max 在 Intelligence Index 全部 9 项评测中的分项成绩图。亮点:AA-Briefcase(真实商业文件上的 agentic 知识工作)达 1686 Elo 位居前列;AA-Omniscience 准确率 44%,幻觉率表现亦大幅改善;AutomationBench-AA 73%。短板仍明显:Terminal-Bench 4.0 仅 48%,Terminal-Bench-Science 22%,FrontierCode 2.0 26%,编码与终端任务与头部模型差距较大。HLE-Diamond 45%、CritPt v2 43%、GDP.pdf 29%。
「模型」频道最新
- Qwen4 Max 智能指数涨9分,单任务成本降67%至$3.27 — ArtificialAnlys · 2026-11-16
- Qwen4-Max 登顶 Agent Arena 中国第一,全球升至第14名 — Alibaba_Qwen · 2026-11-16
- 新 MoE 底座称以少 50% token 胜 Qwen3.8-Max,网友质疑撞墙 — teortaxesTex · 2026-11-16
- Qwen4-Max 基准图曝光:号称省 50% token、单任务成本降超 60% — teortaxesTex · 2026-11-16
- 实测三大模型审查尺度:Gemini 提前拦截,Claude 悄悄改稿,OpenAI 只读不拦 — ivan_bezdomny · 2026-11-16
- Qwen4-Max 登上 Code Arena WebDev 第 6 名,较上代涨 74 分 — Alibaba_Qwen · 2026-11-16