分享好友 行业资讯首页 行业资讯分类 切换频道

Qwen4-Max首批实测,能力第一梯队成本暴砍67%!

2026-11-17 14:1420关注前沿科技量子位
一水 发自 凹非寺
量子位 | 公众号 QbitAI

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?!

图片

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)

图片

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。

图片

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。

图片

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。

图片△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%。

图片

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:

图片

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)。

图片

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)

图片

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?

图片

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??

图片

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。

图片

对照答案,你猜中哪个是Qwen4-Max了吗?(正确答案是D)

图片

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。

图片

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。

图片

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。

图片

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。

图片

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)

图片

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。

图片

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)

来源:量子位

点赞 0
举报
收藏 0
评论 0
分享 1