跳到正文

内容类型

评测基准 最新动态

模型到底谁更强:Benchmark 评测成绩、评测方法的争议与排行榜变化。

4 条精选近 30 天 3 条共收录 30 条

更新

评测基准的精选

11月16日周一第 1–4 条
  1. TestingCatalog86

    Qwen4-Max 基准成绩公布,Artificial Analysis Index 获得 43 分

    Qwen4-Max 在 Artificial Analysis Index 获得 43 分,比 Muse Wonder 低 1 分。Qwen4 Max(xhigh)比 Qwen3.8 Max(xhigh)高 9 分,比 Kimi K3.1 Pro(max,46)低 3 分;它还以 14.7k 次真实智能体会话的 +7.5% 净提升位列 Agent Arena 第 14 名。

    推荐理由:材料并列呈现外部基准成绩与官方内部评测数据,便于比较 Qwen4-Max 相对前代的能力、token 消耗和调用成本。

  2. Qwen72

    Qwen4-Max 在 Agent Arena 排名升至 #14,Alibaba 成为整体第5实验室

    Qwen4-Max 在 Agent Arena 中较 Qwen3.8-Max 净提升 +7.5%,整体排名从 #39 升至 #14,Alibaba 位列整体第5实验室。该结果基于 14.7k 个真实世界智能体会话,Qwen4-Max 在四项报告信号上均有提升,并成为排名最高的中国模型。

    推荐理由:原文将 Qwen4-Max 与 Qwen3.8-Max 的排名、净提升和四项信号变化放在 Agent Arena 中比较,便于理解这次模型更新的具体表现。

11月9日周一
10月15日周四