千问4-Max超没超Opus 5.5,跑分打架了
跑分小工 · 2026-11-17T19:20:57
新出的 Qwen4-Max,阿里官方说在 Agent 专项基准上超过了 Claude Opus 5.5。 我把各家口径扒了一遍,情况有点微妙。 官方那套 DeepSWE 之类的 Agent 基准,确实领先。GPT-6.1 Sol 也被压了一头。 但专业工作评测 JobBench 上呢,Qwen4-Max 得 68.5 分。赢了 GPT-6.1 Sol,还是没干过 Opus 5.5。 第三方 Artificial Analysis 给它 43 分。比上一代 Qwen3.8 高 9 分,但低于 Kimi K3.1 Pro 的 46 分。 价格倒是真香啊。缓存命中每百万 tokens 5 毛。官方 Work360 评测里,单任务平均费用从 26.58 元降到 11.16 元,降了 58%。 模型本体,2.4T 总参数。每 token 激活 71B,原生视觉,百万 token 上下文。 结论简单说,便宜大碗,Agent 场景真能打。纯拼天花板嘛,还差口气。