Wink Pings

Qwen4 Max 43分,单任务3.27美元:Kimi那3分还值多少钱

Qwen4 Max在Artificial Analysis Intelligence Index拿到43,落后Kimi K3.1 Pro三分,单任务成本3.27美元,比Kimi低约11%,比Qwen3.8 Max低约67%。分数和账单放在一起,选择不再只看榜首。

Artificial Analysis 更新了 Qwen4 Max 的独立评测。Qwen4 Max 使用 xhigh 推理,Intelligence Index 得分 43,比 Qwen3.8 Max 高 9 分,比 Kimi K3.1 Pro 低 3 分。单任务成本 3.27 美元,Kimi K3.1 Pro 是 3.68 美元,低约 11%;上一代 Qwen3.8 Max 是 10.02 美元。发布时的口径和第三方结果有出入,有网友提到,阿里发布时称 Qwen4 Max 超过 Kimi K3.1 Pro,但这份指数把它放在后面 3 分。第三方评测的意义也在这里,发布表格之外还得看复现结果。

Qwen4 Max 评测总览

细项上,Qwen4 Max 对 Qwen3.8 Max 的提升很整齐:HLE-Diamond 从 24% 到 45%,加 21 分;AA-Omniscience 加 18 分;AutomationBench-AA 加 17 分;CritPt v2 加 13 分;Terminal-Bench-Science 加 11 分;Terminal-Bench 4.0 加 9 分;GDP.pdf 加 3 分;FrontierCode 2.0 加 3 分;AA-Briefcase 提升 82 Elo。AA-Briefcase 这项覆盖真实商业文件里的 agentic 工作,Qwen4 Max 到 1686 Elo,Kimi K3.1 Pro 是 1674,Tencent Hy4 是 1446。知识工作场景里,这个分数有明显竞争力。

但它没有全面领先。Terminal-Bench 4.0 上,Qwen4 Max 是 48%,Kimi K3.1 Pro 是 67%,Tencent Hy4 是 37%。FrontierCode 2.0 上,Qwen4 Max 是 26%,和 Kimi K3.1 Pro 持平,低于 Tencent Hy4 的 31%。如果工作流核心是终端里的 agentic coding,这组数据比总榜排名更值得看。

Qwen4 Max 单任务成本

成本下降不是只靠降价。Qwen4 Max 每个任务约 105k 输出 token,比 Qwen3.8 Max 的 171k 少 39%;跑指数用的输入 token 是 9.9B,对比 14.5B,少 32%。缓存命中价格是每百万 token 0.075 美元,上一代是 0.25 美元,低 70%;输入价格是每百万 token 1.50 美元,上一代 2.00 美元,低 25%。agentic 评测每一轮都会重新发送上下文,输入占运行指数的成本约 85% 到 90%,缓存价格和输入 token 一起把单任务成本压了下来。

Qwen4 Max 各评测表现

模型本身支持 1M token 上下文窗口,页面标注为 984k,输入支持文本和图像,输出是文本。第一方 API 价格是每百万输入 token 1.50 美元,每百万输出 token 4.50 美元,缓存命中 0.075 美元。Tencent Hy4 的单任务成本更低,1.03 美元,但指数低 8 分。便宜和分数之间没有免费选项。

有网友算过账,41 美分的单任务差价换 3 分,放在后台办公类任务里可以接受。也有人对 benchmark 的稳定性保留意见,认为不同人跑出来的结果未必一致。完整对比可以看 Artificial Analysis 的模型页:https://artificialanalysis.ai/models/qwen4-max

网友评论

选型时,总分差 3 分只是入口。任务组合里如果是文档、知识工作、自动化流程,Qwen4 Max 的价格和 AA-Briefcase 表现更有说服力;如果每天跑终端 coding,Kimi 在 Terminal-Bench 4.0 上的 67% 对 48% 不能跳过。榜单看位置,账单看日常,失败一次的成本也得算进去。

发布时间: 2026-11-16 19:29