Qwen4-Max 发布 24 小时后,第一波外部测评火速出炉!!
先看大家熟悉的 Artificial Analysis(AA)榜,我勒个豆:
Qwen4-Max 相比上一代 Qwen3.8-Max,综合智能指数提高 9 分,完成同一套测试任务的成本却暴降约 67%。
要知道,这两代旗舰的总参数量同为 2.4 万亿。
新一代换上全新架构,愣是在这个体量上继续往上提能力、往下压开销。
合着块头没变,成绩更好了,账单反而只剩原来的三分之一?!

网友们一看 be like:这不得赶紧去试试~
于是,经典保留节目 " 鹈鹕骑自行车 " 毫无悬念地又被搬了出来,各种版本看得人眼花缭乱。
比如网友 Doe,直接让 Qwen4-Max 用 Three.js 搓出了一只 3D 鹈鹕。
不光得蹬车,羽毛还得有层次,周围甚至搭起了一座颇有生活气息的城市。
不 er,这鸟上辈子到底欠了 AI 圈多少测试啊。(笑)

另一边,网友 AJ 直接让 Qwen4-Max 搓了个 3D 海边微缩景观。
木栈桥、小船、遮阳伞,连水面倒影和岸边礁石都安排上了,整个画面像个精致的沙盘摆件。
AJ 自己也表示,相比预览版,这次的 3D 场景搭建更好了,细小模型的缝隙等问题也有所改善。

这还没完,骑斑马、造小船、复刻 Chrome 断网小恐龙……
能跑的、能蹬的、能飘的,凡是你能想到的,网友们几乎全给安排上了。
PPT、表格冲进全球前五,成本还砍掉三分之二
简单回顾一下 Qwen4-Max 这次究竟升级了什么,总结下来主要有三点:
1、块头没变,干活更省了。
主干参数规模仍是 2.4 万亿,但换上全新架构后,每次只激活约 710 亿参数。官方 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%。
2、前端能力已经跑到全球第六。
在 Code Arena 的 WebDev 综合榜上,Qwen4-Max 拿到 1750 分,前面是 GPT-6 Astra,后面则是 Claude Fable 5.1。
3、这次明显更强调让 AI 真正干活。
官方把更多篇幅留给了科研、工业、金融、法律等实际任务,还推出 Live Delivery 功能,让 Agent 先交付可用成果,再边干边迭代,用户中途也能随时调整方向。

尤其是价格,看上去挺能打。
Qwen4-Max 每百万输入、输出 Token 仅需 1.5 美元(约为人民币 10.1 元)和 4.5 美元(约为人民币 30.2 元)。
输出价格比 Kimi K3.1 Pro 便宜一半以上,只有 Claude Opus 5.5 的约四分之一、GPT-6 Astra 的不到十分之一。
△图为国内实际价格
价格都打到这个份上了,实际用起来又能省多少?
AA 这次还真给算了一笔账。
完成同一套测试任务,Qwen4-Max 平均花费 3.27 美元,上一代 Qwen3.8-Max 则要 10.02 美元。
直接省下约 67%,甚至比 Kimi K3.1 Pro 的 3.68 美元还便宜 11%。

而且,这次省钱还不只是因为 API 降价。
AA 数据显示,Qwen4-Max 平均每项任务输出约 10.5 万 Token,上一代则需要 17.1 万 Token。
少输出了将近四成 Token,成绩反而更好了。
在 AA 综合智能指数中,Qwen4-Max 从上一代的 34 分涨到了 43 分,足足提高 9 分。
但放到全球顶尖模型里,差距也很明显。
Claude Opus 5.5 拿到 59 分,GPT-6 Astra 为 57 分,Kimi K3.1 Pro 则是 46 分。
也就是说,Qwen4-Max 虽然进步明显,但距离最顶尖的一批模型,仍然有一段距离。
不过,在一些细分项目上,Qwen4-Max 倒有不少惊喜。
在另一家第三方评测机构 DesignArena 的榜单上,Qwen4-Max 直接冲进综合 Agentic 设计榜全球前五。
DesignArena 还专门发帖报喜:
PPT 制作,全球第四。
电子表格,全球第五。

尤其是电子表格,相比此前的 Qwen3.7-Max,Qwen4-Max 一口气提升了 30 个位次、379 Elo。
好家伙,直接从后排冲进前五。
这就有意思了。
综合智能指数还没追上最顶尖的一批,到了 PPT、表格这些具体任务上,却已经能和头部模型掰掰手腕。
具体实测咋样,那就请诸位网友一一登场。
网友实测结果一览
首先亮相的,依旧是那个熟悉的鹈鹕(doge)。
网友 sou 直接把难度往上拉了一档:
让鹈鹕在下雨天骑车送外卖,还顺手把 Qwen4-Max、Claude Opus 5.5 和 GPT-6.2 Sol 拉来同场 PK。
三位选手倒是都顺利交卷了,至于谁更胜一筹,意见可就不统一了。
作者本人最喜欢 Opus 5.5 那版的整体氛围,评论区却已经为 " 谁家鹈鹕更对味 " 直接吵了起来(笑)。

这边还没争出结果,另一位网友又来拱火,这次换成 Qwen4-Max 对阵 Gemini 4 Hydrogen。
Hydrogen 版细节相当丰富,围巾、车筐、海边公路一样不落。
Qwen4-Max 则明显松弛得多,画面舒展,鹈鹕骑车也不紧不慢。
最终,这位网友把票投给了 Qwen4-Max,理由就一个:
Hydrogen 赢在细节,Qwen4-Max 赢在状态。
怎么说呢,一个像顶着海风赶早高峰,一个像已经财务自由,出来随便蹬两圈。(doge)

而鹈鹕的苦日子,显然还没结束。。。
有人干脆把它做成了一款 Three.js 闯关小游戏。
这回鹈鹕得沿着海边栈道一路狂蹬,边骑边捡道具、刷连击,连分数、速度、血量 UI 都安排得明明白白。
不是哥们,骑个车怎么还卷上 KPI 了?

还有网友看鹈鹕骑得太累,干脆自己上阵,带着自家猫猫一起出游。
只不过……
怎么还有人在偷偷倒骑啊??

接下来,画风开始逐渐失控:鹈鹕骑斑马,斑马再骑马。
马:只有我受伤的世界达成了。。。
网友把这道套娃 Prompt 同时交给 Qwen4-Max、Claude Fable 5.2、GPT-6 Astra 和 Gemini 4 Hydrogen,还特意打乱顺序,让大家盲猜哪张出自哪个模型。

对照答案,你猜中哪个是 Qwen4-Max 了吗?(正确答案是 D)

动物园里折腾一圈之后,网友们终于想起来:
Qwen4-Max 还能拿来干点别的。
比如下面这位,一句话就让它在单个 HTML 文件里搓起了3D 射击游戏。
要求还不低——
人物得有真人效果,场景也得是 3D 的,结果页面打开就能直接开打,前端 Demo 当场进化成游戏原型。

玩累了?那就来点音乐。
另一位网友让 Qwen4-Max 做出了一把可以直接演奏的网页小提琴。
界面走的是 Apple GarageBand 风格,琴身、琴弦和控制面板都做成了 3D 效果,打开浏览器就能来上一曲。

同一位网友甚至把《传送门 2》的结尾场景也搬进了浏览器。
从游戏场景到整段演出,都尝试用代码重新搭建,经典结局就这么变成了一份可以运行的网页作品。
别人复刻网页,它开始复刻游戏名场面了。

再往下,连飞行模拟器也来了。
飞机能操控不说,网友还给它安排了电影式回放模式,飞完一圈,切换视角,还能重新欣赏自己的空中表演。
挺好,飞行员和摄影师的活儿都给包了。

甚至还有人直接让 Qwen4-Max 搭建起了泰坦尼克号 3D 场景。
船体、海面、镜头运动一应俱全,浏览器秒变电影片场。
再这么 Roll 下去,下一步是不是该直接重拍《泰坦尼克号》了?(doge)

这边《泰坦尼克号》还没拍完,另一边,《玩具总动员》也被拉来做起了成本测试。
有人让 Qwen4-Max 和 Claude Opus 5.5 分别用 3D 体素复刻同一个电影场景。
成品都做出来了,账单却完全不是一个画风。
按照发布者公布的数据,Qwen4-Max 的生成成本只有 Opus 5.5 的约十一分之一。
好家伙,同样是复刻电影,别人按大片预算拍,Qwen 主打一个勤俭持家。

一圈看下来,感觉网友们对 AI 写代码的要求,已经越来越离谱了。
不过想想也不奇怪。
一个模型只要能力够用、价格足够便宜,就有机会让更多人放开手脚折腾。
Qwen4-Max 就是个挺典型的例子。
虽然综合能力距离 Opus 5.5、GPT-6 Astra 这些顶尖选手还有差距,但在前端、PPT、电子表格等具体任务上,已经能掰掰手腕。
更关键的是,它把试错成本打下来了。
第一次效果不满意,可以再 Roll 一次,功能不够完整还能继续加 Prompt。
以前跑一两次就得心疼 Token 账单,现在同样的预算,可以多折腾好几轮。
这或许才是 Qwen4-Max 这次最值得关注的地方。
毕竟,很多时候限制大家整活的,还真不是想象力——是钱包啊啊啊。
至于网友们接下来还能玩出什么新花样……
别的不好说,这边建议鹈鹕先请个假。(doge)
参考链接:
[ 1 ] https://the-decoder.com/alibabas-qwen4-max-takes-on-opus-5-5-gpt-6-and-kimi-k3-1-pro-at-much-lower-prices/
[ 2 ] https://x.com/Aurora0x3f/status/2122260111502524468
[ 3 ] https://x.com/tinkerlog/status/2122304927732998401
[ 4 ] https://x.com/DesignArena/status/2122148318814081136
[ 5 ] https://x.com/teortaxesTex/status/2122155558841036890
一键三连「点赞」「转发」「小心心」
欢迎在评论区留下你的想法!
— 完 —
AI 从「能说」到「能干」,中间隔着什么?
12 月 9 日 · 北京金茂万丽酒店,MEET2027 智能未来大会来为你拆解。
当前 16 位嘉宾已确认!百度王颖、分子之心许锦波、昆仑万维方汉、基元律动王云鹤、紫东太初王金桥、蚂蚁顾进杰、商汤宣善明、酷哇廖文龙、相干科技金贻荣都来了了解详情
邀请你和我们一起,不再只是讨论 AI 能做什么,而是看它怎么把活干完、干稳、干得敢交付。

点亮星标
科技前沿进展每日见



登录后才可以发布评论哦
打开小程序可以发布评论哦