Qwen4-Max追近Kimi:綜閤差3分、成本低11%,但編程差距仍明顯
BiRun 訊,獨立評測機構 Artificial Analysis 公佈 Qwen4-Max 正式版成績。在最高 xhigh 推理檔位下,模型綜閤智能指數達到 43 分,比上一代 Qwen3.8-Max 的 34 分提高 9 分,距離 Kimi K3.1 Pro 的 46 分還差 3 分。
Qwen4-Max 在全部 9 項評測中均超過前代。高難知識推理測試 HLE-Diamond 的正確率從 24% 提昇至 45%,企業軟件自動化測試提高 17 個百分點。在模擬眞實業務文件處理的 AA-Briefcase 中,Qwen4-Max 獲得 1686 Elo,略高於 Kimi K3.1 Pro 的 1674。
編程能力仍是短板。Terminal-Bench 4.0 測試中,Qwen4-Max 得分 48%,明顯落後 Kimi K3.1 Pro 的 67%。在考査眞實開源項目開發能力的 FrontierCode 2.0 中,兩者均為 26%,落後騰訊 Hy4 的 31%。
成本方面,Qwen4-Max 的平均單任務費用為 3.27 美元,上一代為 10.02 美元,降低約 67%,也比 Kimi K3.1 Pro 的 3.68 美元便宜約 11%。
除了 API 降價,模型本身也減少了 Token 消耗。Qwen4-Max 每項任務平均輸出約 10.5 萬 Token,比上一代的 17.1 萬減少 39%。不過,Kimi K3.1 Pro 只需要約 7.2 萬 Token。
信源
動察 Beating 頻道 · 動察 Beating 交流羣。
Qwen4-Max 在全部 9 項評測中均超過前代。高難知識推理測試 HLE-Diamond 的正確率從 24% 提昇至 45%,企業軟件自動化測試提高 17 個百分點。在模擬眞實業務文件處理的 AA-Briefcase 中,Qwen4-Max 獲得 1686 Elo,略高於 Kimi K3.1 Pro 的 1674。
編程能力仍是短板。Terminal-Bench 4.0 測試中,Qwen4-Max 得分 48%,明顯落後 Kimi K3.1 Pro 的 67%。在考査眞實開源項目開發能力的 FrontierCode 2.0 中,兩者均為 26%,落後騰訊 Hy4 的 31%。
成本方面,Qwen4-Max 的平均單任務費用為 3.27 美元,上一代為 10.02 美元,降低約 67%,也比 Kimi K3.1 Pro 的 3.68 美元便宜約 11%。
除了 API 降價,模型本身也減少了 Token 消耗。Qwen4-Max 每項任務平均輸出約 10.5 萬 Token,比上一代的 17.1 萬減少 39%。不過,Kimi K3.1 Pro 只需要約 7.2 萬 Token。
信源
動察 Beating 頻道 · 動察 Beating 交流羣。
評論
0/500
登彔 後參與討論
免責聲明:本文內容僅供參考,不構成任何投資建議。
更多快訊