模型多源确认

Qwen4-Max 基准出炉:Artificial Analysis 拿 43 分,原生视觉加 1M 上下文

精选理由

阿里新版旗舰 Qwen4-Max 的成绩单来了,比上一代高 9 分,智能体会话实测也有 +7.5% 提升。做 Agent 或长文本应用的开发者可以对照 Kimi K3.1 Pro 的分数看看值不值得切换。

阿里巴巴 Qwen4-Max 的基准成绩公布,在 Artificial Analysis Index 拿到 43 分,比 Muse Wonder 低 1 分,比 Kimi K3.

正文

1 Pro(46 分)低 3 分,但比 Qwen3.8 Max(xhigh)高出 9 分。

模型采用新的 MoE 架构,支持原生视觉输入,上下文窗口达到 1M token。在 xhigh reasoning effort 设置下跑出的成绩显示,Qwen 系列相比上一代提升明显。

Agent Arena 是另一个亮点:Qwen4-Max 首次上榜即排名第 14,在 14.7k 个真实世界智能体会话中取得 +7.

5% 的净提升,说明其在多步任务执行上有实际表现。与 Kimi K3.

1 Pro、Muse Wonder 同场对比可以看出,顶级旗舰档的分数差距已收敛到个位数。

原文 · TestingCatalog

ALIBABA 🔥: Qwen4-Max benchmarks are out, and it scored 43 points on the Artificial Analysis Index, one point below Muse Wonder.

Qwen4-Max is a new MoE architecture model with native vision and a 1M-token context window.

> Qwen4 Max, using xhigh reasoning effort, scores 9 points ahead of Qwen3.8 Max (xhigh) and 3 points behind Kimi K3.1 Pro (max, 46).

> It also debuted at #14 overall on Agent Arena with a +7.5% net improvement across 14.7k real-world agentic sessions.

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、阿里巴巴、Kimi K3.1 Pro、MoE,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「TestingCatalog」(@testingcatalog),经 AITOP 多维评分管线结构化提炼。截至目前,全网已有 9 家独立信源对该事件进行交叉印证与跟进报道(含 阿里通义 Qwen、lmarena.ai、OpenRouter 等),属于近期高关注度行业信号。