Qwen4-Max的外部测评已经出现。Artificial Analysis的记录中,这代旗舰的综合智能得分比Qwen3.8-Max多9分,而完成同一组任务的开销减少约三分之二。两款旗舰的总参数量都维持在2.4万亿,新架构使同等参数体量下的能力继续上升,开销则明显下降。
价格方面,Qwen4-Max每百万输入、输出Token分别为1.5美元和4.5美元,按国内实际价格折算约为10.1元和30.2元。其输出价格比Kimi K3.1 Pro低一半以上,约为Claude Opus5.5的四分之一,也不到GPT-6 Astra的十分之一。
Artificial Analysis还计算了同套测试任务的实际花费:Qwen4-Max平均为3.27美元,上一代Qwen3.8-Max为10.02美元,降幅约67%,比Kimi K3.1 Pro的3.68美元低11%。成本下降并非只来自API降价,Qwen4-Max平均每项任务输出约10.5万Token,上一代需要17.1万Token,输出量少近四成,成绩反而更好。
在Artificial Analysis综合智能指数中,Qwen4-Max从上一代的34分升到43分;Claude Opus5.5为59分,GPT-6 Astra为57分,Kimi K3.1 Pro为46分。
Qwen4-Max延续2.4万亿总参数规模,但每次只激活约710亿参数。Work360测试中,High推理档位的Token消耗减少约35%,平均单任务成本下降超过60%。Code Arena的WebDev综合榜上,Qwen4-Max得到1750分,位列全球第六,排在GPT-6 Astra之后、Claude Fable5.1之前。
科研、工业、金融、法律等实际任务在Qwen4-Max的介绍中占据更多篇幅。该模型还推出Live Delivery功能,让Agent先交付可用成果,再边执行边迭代,用户可在过程中调整方向。
DesignArena的榜单给出了另一组结果:Qwen4-Max进入综合Agentic设计榜全球前五,PPT制作排名全球第四,电子表格排名全球第五。电子表格一项相比Qwen3.7-Max提升30个位次、379 Elo,从后排进入前五。综合智能指数尚未追上最顶尖模型,但在PPT、表格等具体任务上,Qwen4-Max已经能与头部模型交手。
网友的实测从“鹈鹕骑自行车”开始。网友Doe让Qwen4-Max用Three.js生成一只3D鹈鹕,鹈鹕要蹬车,羽毛要有层次,周围还搭出带有生活气息的城市。网友AJ则让Qwen4-Max搭建3D海边微缩景观,木栈桥、小船、遮阳伞、水面倒影和岸边礁石都被放入画面。AJ表示,相比预览版,这次3D场景搭建更好,细小模型的缝隙等问题有所改善。骑斑马、造小船、复刻Chrome断网小恐龙等也被网友拿来测试。
网友sou把难度提高:让鹈鹕在下雨天骑车送外卖,并让Qwen4-Max、Claude Opus5.5和GPT-6.2 Sol同场比较。三款模型都交出结果,sou本人更喜欢Opus5.5版本的整体氛围,评论者则对哪一版更符合预期意见不一。另一位网友安排Qwen4-Max对阵Gemini4 Hydrogen:Hydrogen版细节丰富,围巾、车筐、海边公路齐备;Qwen4-Max画面更舒展,鹈鹕蹬车不紧不慢。该网友把票投给Qwen4-Max,理由是Hydrogen赢在细节,Qwen4-Max赢在状态。
有人把鹈鹕骑车做成Three.js闯关小游戏,鹈鹕沿海边栈道前进,边骑边捡道具、刷连击,分数、速度、血量UI都已加入。还有网友带自家猫出游,画面里出现倒骑的猫。另有网友把“鹈鹕骑斑马、斑马再骑马”的套娃提示词同时交给Qwen4-Max、Claude Fable5.2、GPT-6 Astra和Gemini4 Hydrogen,打乱顺序让人盲猜;公布的答案中,Qwen4-Max对应D。
在单个HTML文件中,Qwen4-Max被要求生成3D射击游戏,人物要有真人效果,场景要3D,页面打开即可开打,前端Demo因此变成游戏原型。另有网友让Qwen4-Max制作可直接演奏的网页小提琴,界面采用Apple GarageBand风格,琴身、琴弦和控制面板均呈3D效果,浏览器中即可演奏。同一位网友还让Qwen4-Max用代码重建《传送门2》结尾场景,从游戏场景到整段演出都做成可运行的网页作品。
飞行模拟器也被纳入测试:飞机可以操控,还带有电影式回放模式,飞完一圈可切换视角重新观看空中表演。泰坦尼克号3D场景紧随其后,船体、海面和镜头运动都出现在浏览器中。在一项《玩具总动员》场景的3D体素复刻测试中,Qwen4-Max和Claude Opus5.5都交出了成品,该网友公布的数据显示,Qwen4-Max的生成成本约为Opus5.5的十一分之一。
















