模型多源确认74°

Qwen4-Max 登上 Agent Arena 中国模型第一,阿里升至总榜第5

精选理由

阿里新模型 Qwen4-Max 在 Agent Arena 上跳了 25 个名次,直接成为中国第一、全球第五。数据来自 1.47 万条真实任务会话,不是刷基准。做智能体选型的开发者可以看看它和 Claude、Gemini 的分项差距。

阿里 Qwen 团队发布 Qwen4-Max,在 Arena.ai 的 Agent Arena 排行榜上以 +7.5% 净提升超越 Qwen3.8-Max,总排名从 #39 跃升至 #14,成为榜单上排名最高的中国模型。阿里也由此成为总榜第 5 的实验室,仅次于 Anthropic、Google、OpenAI 和 Meta。该成绩基于全球社区的 1.47 万条真实智能体任务会话数据,而非纯基准测试。

正文

细分信号上,Qwen4-Max 在四项指标全面领先前代:Praise vs. Complaint +13%、Confirmed Success +9%、Steerability +8%、Bash Reliability +3%,其中前两项均为中国模型最佳。分类别看,它在 Work(+9%,#12)、Chat(+8%,#14)、Code(+8%,#16)三个类别都是排名最高的中国模型。

中国模型阵营在 Agent Arena 上的整体格局是:Qwen4-Max #14,腾讯 Hy4 #19,Moonshot Kimi K3.1 Pro (Max) #21,小米 MiMo-V2.6-Pro #26,DeepSeek-V4.1-Flash (Max) #30。Qwen4-Max 的用户满意度和可控性提升幅度最大,对关注智能体实际任务表现的开发者是可量化的参考。

原文 · 阿里通义 Qwen

Qwen4-Max outperforms Qwen3.8-Max by +7.5% net on Agent Arena, making Alibaba #5 lab overall. Arena.ai @arena Qwen4-Max by @Alibaba_Qwen is the #1 Chinese model on the leaderboard making Alibaba now the #1 Chinese lab and #5 lab overall, just behind Anthropic, Google, OpenAI and Meta. It debuts overall at #14 on Agent Arena with +7.5% net improvement across 14.7k real-world agentic sessions from our global community, real traces on real tasks. This is a major leap over Qwen3.8-Max - Rank: #39 → #14 overall The Chinese frontier on Agent Arena: - #14 Qwen4-Max (Alibaba): +7.5% - #19 Hy4 (Tencent): +5.7% - #21 Kimi K3.1 Pro (Max) (Moonshot): +4.0% - #26 MiMo-V2.6-Pro (Xiaomi): +1.5% - #30 DeepSeek-V4.1-Flash (Max) (DeepSeek): +1.1% Breaking down performance across signals: Qwen4-Max improves over Qwen3.8-Max across all four reported signals, with particularly large gains in user satisfaction and steerability. - #15 Praise vs. Complaint: +13% (best Chinese model) - #13 Confirmed Success: +9% (best Chinese model) - #19 Steerability: +8% - #29 Bash Reliability: +3% By category, it is a top-ranked Chinese model across all 3: - #12 in Work: +9% - #14 in Chat: +8% - #16 in Code: +8% Congrats to the @Alibaba_Qwen team on this release! 🔗 View Quoted Tweet📊 23 ⚡

产业坐标与信源核验

本条情报归属 AITOP「模型」核心栏目,重点聚焦中国 AI 产业与国产大模型生态。在跨区域产业观察坐标中,该动态直接关联「中美大模型技术代差与商业化对照」「AI 开发者工具链、Coding Agent 与工程化实践」研究主线,反映出当前技术演进与商业落地的最新风向。涉及核心实体与技术议题包括:Qwen4-Max、Alibaba、Agent Arena、Kimi,读者可通过下方标签进入对应专题页查阅历史脉络与关联对比。

信源核验说明:本文原始线索采编自「阿里通义 Qwen」(@Alibaba_Qwen),经 AITOP 多维评分管线结构化提炼。截至目前,全网已有 11 家独立信源对该事件进行交叉印证与跟进报道(含 lmarena.ai、掘金本周最热、AIGCLINK 等),属于近期高关注度行业信号。