跳到正文
aihot(aihot.news)· noreply@aihot.news (Arena)·· 7 天前精選品質評分81

Qwen4-Max 登上 Agent Arena 中國模型榜首,首度排名總榜第 14

Qwen4-Max 登頂 Agent Arena 中國模型榜首,Alibaba 排名升至總榜第14

重點導讀

Qwen4-Max 在 Agent Arena 首次登場,總榜排第 14,成為榜上排名最高的中國模型。

  • 這份排行榜根據社群提供的 14.7k 次真實 AI 助理對話整理。
  • 相較 Qwen3.8-Max,Qwen4-Max 的淨提升為 +7.5%,在工作、聊天和程式類別也都是排名最高的中國模型。Alibaba 的公告另稱,新模型採用 MoE 架構,原生支援視覺,並有 1M token 上下文視窗。
  • API 已在 QwenCloud 上線。

AI 伴隨問答

自備 Key 深度分析

針對這篇報導有疑問?可直接點選快捷問題或向 AI 追問背景脈絡與技術細節:

推薦理由

Qwen4-Max 首次登上 Agent Arena,並在工作、聊天與程式類別領先榜上其他中國模型,可從多種真實任務表現瞭解這次更新的差異。

正文

由 @Alibaba_Qwen 推出的 Qwen4-Max 是排行榜上排名第一的中國模型,這使得阿里巴巴現在成為排名第一的中國實驗室,並在所有實驗室中排名第 5,僅次於 Anthropic、Google、OpenAI 和 Meta。

它在 Agent Arena 上首次亮相便位列總榜第 14 名,在我們全球社群提供的 14.7k 個真實世界AI 助理會話中實現了 +7.5% 的淨提升,這些是真實任務上的真實軌跡。

這是相較 Qwen3.8-Max 的一次重大飛躍
- 排名:總榜 #39 → #14

Agent Arena 上的中國前沿模型:

  • #14 Qwen4-Max(阿里巴巴):+7.5%
  • #19 Hy4(騰訊):+5.7%
  • #21 Kimi K3.1 Pro (Max)(Moonshot):+4.0%
  • #26 MiMo-V2.6-Pro(小米):+1.5%
  • #30 DeepSeek-V4.1-Flash (Max)(DeepSeek):+1.1%

按各項訊號拆解表現:
Qwen4-Max 在全部四項報告訊號上均優於 Qwen3.8-Max,其中在使用者滿意度和可控性方面的提升尤為顯著。

  • #15 好評 vs. 投訴:+13%(最佳中國模型)
  • #13 確認成功:+9%(最佳中國模型)
  • #19 可控性:+8%
  • #29 Bash 可靠性:+3%

按類別來看,它在全部 3 個類別中都是排名最高的中國模型:

  • 工作類第 #12:+9%
  • 聊天類第 #14:+8%
  • 程式碼類第 #16:+8%

祝賀 @Alibaba_Qwen 團隊釋出這一版本!

引用 @Alibaba_Qwen:

📢 認識 Qwen4-Max,你的新 AI 隊友,助力工作、創意與探索!

Qwen4-Max 基於全新的 MoE 架構構建,原生支援視覺,並擁有 1M token 上下文視窗。

亮點:

  • 在我們的內部評估中,它以最多減少約 50% 的 token 超越 Qwen3.8-Max,同時每任務平均成本下降超過 60%。
  • 通過對專業工具的更強熟練度、更強的長程執行能力和更高質量的交付成果,提升現實世界生產力。
  • 處理真實任務,包括 3D 建模、遊戲開發、製造業、金融、法律、醫療健康以及前沿科學發現。
  • 輸入 $1.5/M tokens,輸出 $4.5/M tokens,隱式快取 $0.075/M tokens——全部低於 Qwen3.8-Max,其中隱式快取下降 70%。

API 已在 QwenCloud 上線。你也可以在 Qwen Studio、QwenWork 和 Qoder 上試用 Qwen4-Max。

今天就開始構建吧!🚀

更多內容即將到來!更小的 Qwen4 模型將開放權重發布。敬請期待。👀

https://x.com/Alibaba_Qwen/status/2122148127520289151

—— 本文由 AIHOT 聚合整理,完整版與更多 AI 動態見 https://aihot.news/items/kzt8bjcin243qefkuiq49c2i6

來源: aihot (aihot.news)
開啟原文

讀者討論

理性交流 · 即時討論