快科技 11 月 18 日消息,SuperCLUE 公布新一轮中文通用能力测评结果,阿里千问 Qwen4-Max 取得 61.61 分,腾讯混元 Hy4 取得 61.01 分,与 61.46 分的 KimiK3.1Pro 并列国内榜首。
按照此次测评规则,相差 1 分以内的模型视为并列。相比上一版本,Qwen4-Max、Hy4 分别提高 18.39 分、18.05 分,双双进入国内第一梯队。

2 款模型均在 2026 年 11 月正式发布。Qwen4-Max 重点提升复杂推理、工程开发等能力,并优化推理开销;Hy4 新增原生视觉理解和电脑操作能力,强化长文本处理、智能体规划及代码开发。
这次测评中,编程能力和使用成本的变化尤其明显。智能体编程项目里,2 款模型均拿到 57.69 分,比各自上一版本提高 15.38 分。
此前,Qwen3.8-Max-0902 的测试超时率为 69.23%,Hy4-Preview 为 26.92%。此次 2 款新模型都顺利跑完全部试题,超时率降至 0%,单题平均输出 Token 量也明显减少。
按本次测试的 Token 开销和模型定价计算,Qwen4-Max 平均每题成本约 1.90 元,比上一版本下降约 87.0%;Hy4 约 2.52 元,比 Preview 版本下降约 28.5%。完成任务的能力提高了,单题花费也降了下来。
分项成绩上,千问更突出的是幻觉控制。Qwen4-Max 拿到 73.61 分,比上一版本提高 40.56 分,位列国内分榜第 1;超长上下文得分为 77.80 分,提高 33.42 分。
Hy4 则在处理超长内容和准确执行要求上表现更强。其超长上下文得分达到 88.86 分,比 Preview 版本提高 40.99 分;精确指令遵循取得 50.00 分,提高 18.97 分,2 项均位列国内分榜第 1。
从此次结果看,2 款模型既拉高了综合成绩,也改善了编程任务中的超时和成本问题。千问在幻觉控制上领先,腾讯混元则拿下超长上下文和精确指令遵循 2 项国内第 1。



登录后才可以发布评论哦
打开小程序可以发布评论哦