Qwen4 Max 实测:Agent 自动化比肩 GPT-6.1,难 SWE 仍落后且更贵
haider1 · x · 2026-11-16
博主 haider 用 5 个编码与 Agent 基准对比 Qwen4 Max 与 GPT-6.1 Sol/Terra、Opus 5.5、Muse Wonder 等模型。
- 强项:Agentic 自动化——AutomationBench-AA 上以 72.6% 排第一(成本 $0.51,远低于 Muse Wonder 的 $0.72);Terminal-Bench 4.0 (Vals) 得 48.48%。
- 弱项:更难的 SWE 任务——FrontierCode-AA 2.0 仅 26.5%,落后于 GPT-6.1 Terra Max 的 42.3%;Terminal-Bench 4.0 (AA) 48.5%。
- 价格:比 GPT-6.1 Sol 更贵,Vibe Code Bench 上单次 $41.40 vs Sol 的 $6.23。
结论:Qwen4 Max 竞争力超出预期,Agent 场景接近 GPT-6.1 Sol,但难度更高的编码任务和价格仍有差距。
「模型」频道最新
- Nous 高管提醒:勿用 GPT 900k 变体,272k 后加收费用 — Teknium · 2026-11-16
- 爆料称 Gemini Argon 与 Carbon 均为 12T 参数大模型 — oran_ge · 2026-11-16
- Qwen4 Max 对比 GPT-6.1 Sol:同为高推理档,单价 $0.0909 vs $0.132 — Angaisb_ · 2026-11-16
- FutureSim Q3:LLM 从经验中真实变强,Opus 5.5 登顶 — rickasaurus · 2026-11-16
- Teknium 提醒:勿用 900k 版 GPT 模型,272k 上下文后额外计费 — Teknium · 2026-11-16
- ChatGPT 商业 agent 实机首秀,agent builder 同步亮相 — gaganghotra_ · 2026-11-16