阿里发布 Qwen4 Max 智能指数跃升 9 分

原标题:Alibaba has launched Qwen4 Max, gaining 9 points over Qwen3.8 Max on the Artificial Analysis Intelli...
84AI 研判分

阿里发布 Qwen4 Max,在 Artificial Analysis 智能指数上以 xhigh 推理档位取得 43 分,较 Qwen3.8 Max 提升 9 分,仅落后 Kimi K3.1 Pro 3 分。单任务成本降至 3.27 美元,约为前代的三分之一,并比 Kimi K3.1 Pro 低约 11%,主要来自每 token 降价 25%、缓存命中价格降 70% 以及输出 token 用量减少 39%。

报道正文

Artificial Analysis (@ArtificialAnlys) · 2026-11-16 02

阿里巴巴已发布 Qwen4 Max,在 Artificial Analysis 智能指数上较 Qwen3.8 Max 提升 9 分,并以约低 11% 的单任务成本落后 Kimi K3.1 Pro 3 分

Qwen4 Max 在采用 xhigh 推理强度时,智能指数得分为 43,领先 Qwen3.8 Max(xhigh)9 分,落后 Kimi K3.1 Pro(max,46)3 分

关键要点:

➤ 与 Qwen3.8 Max(xhigh,34)相比,Qwen4 Max 在指数中的每一项评估上均有提升: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 每完成一项智能指数任务的成本为 $3.27,约为 Qwen3.8 Max($10.02)的 1/3,并比 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 的单任务成本约为 Qwen4 Max 的 1/3($1.03),但在指数上低 8 分。

➤ Qwen4 Max 每项任务的输出 token 用量比 Qwen3.8 Max 少 39%:每项智能指数任务约 105k 输出 token,而 Qwen3.8 Max 约为 171k,Kimi K3.1 Pro 约为 72k,腾讯 Hy4 约为 78k。Qwen4 Max 使用了更少的 token,同时在智能指数上提升了 9 分

➤ AA-Briefcase(知识工作)方面的改进:在 AA-Briefcase 上——我们对跨真实商业文件的智能体工作的评估——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 上得分为 48%,而 Kimi K3.1 Pro 为 67%,腾讯 Hy4 为 37%。在 FrontierCode 2.0 上——@cognition 对真实世界编码任务的私有评估——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:支持文本和图像输入,文本输出

➤ 定价:在阿里巴巴第一方 API 上为每 1M 输入/输出 token 1.50/1.50/4.50,缓存命中价格为 $0.075。这全面低于 Qwen3.8 Max(2.00/2.00/6.00,缓存命中价格为 $0.25)

➤ 可用性:@Alibaba_Qwen 的第一方 API

推文配图