Wink Pings

1674 分排第 6,Qwen4-Max 在网页生成榜压过 Claude Opus 5 和 GPT-6 Sol

Arena.ai 的 Image-to-WebDev 初步榜单上,Qwen4-Max 拿到 1674 分,比上一代高 35 分,排在第 6。它压过 Claude Opus 5 和 GPT-6 Sol,但这是 AutoEval 初步分数,别急着当终局。

Arena.ai 的 Image-to-WebDev Arena 初步榜单上,Qwen4-Max 排第 6,1674 分。

image

这个分数比上一代 Qwen3.8-Max 的 1639 高 35 分。榜单片段里,它压过第 7 的 Claude Opus 5 (Max) 1664 分,也压过第 8 的 GPT-6 Sol (Max) 1657 分;第 10 的 Muse Spark 1.3 (Max) 是 1637 分。Arena.ai 的推文 写了 preliminary,Qwen 的推文 引用了这条结果。

第 6 听起来像终局,其实发布当天就出分。Arena 这套 AutoEval 用奖励模型代替人类投票,按同一套排名方法算分,先给一个 Day-1 信号,等人工票够了再校准。Arena 在 AutoEval 说明 里说,它和 live eval 的排名相关超过 0.98;真实差距超过 10 分时,选优准确率超过 90%,超过 15 分时到 100%。5 分以内,统计上分不清。放到这次:Qwen4-Max 对 Claude Opus 5 的 10 分差在边界,对 GPT-6 Sol 的 17 分差更清楚。等人类票进来,排名可能变。

评论区反应不一样。Alice The Ai Expert 说它已经在大联盟里;s.h 在等开放权重;小梦梦直接问有没有免费额度测试。VkDream 只回了一句“实际不然 怎么敢的啊??”,并配了图。

image

一个值得看的细节是 +35 分。前代到新一代,Image-to-WebDev 的分数抬了一截,同时挤进 Claude Opus 5 和 GPT-6 Sol 前面。这个位置有含金量,但 AutoEval 的初步分不是最终判决。看榜单可以去 WebDev leaderboard,分数后面还会动。

发布时间: 2026-11-16 11:27