搜「Qwen 4 Max benchmark」的人想要一个直接答案，先给结论：截至 2026 年 11 月 13 日，阿里没有为 Qwen4-Max-Preview 发布任何官方基准分，也没有模型卡；Artificial Analysis、LMArena 等第三方榜单尚未收录它。目前唯一可用的，是一个独立测量、一批上手实测汇总，以及几个需要警惕的网传数字。本文把这三类信息分开盘点。
StealthMark 首个独立跑分（Stealth Models，11 月 11–12 日）：视觉智能高于 Qwen3.8-Max，通用智能更低，两个游戏项目跌幅最大。但这是编辑估算分，样本很小——只能当作方向性参考，不能当作正式成绩。详见本站首个独立跑分解读。
AI First Look 8 项实测汇总（11 月 12 日）：4 正面、4 中性、0 负面。最有信息量的是编程任务：与 Qwen3.8-Max 同样 20/20 全过，但耗时约 2.5 分钟 vs 17 分钟；霸王龙游戏测试完成速度快于 Claude Fable 5.2 与 Gemini 4 Carbon，但测试者综合评价仍认为 Fable 5.2 最好。详见本站8 项实测汇总复盘。
速度个案：约 33 tok/s，来自单次上手测量，未经证实。
| 测量 | 来源 | 结论 | 可信度 |
|---|---|---|---|
| StealthMark 首个独立跑分 | Stealth Models，11 月 11–12 日 | 视觉智能高于 Qwen3.8-Max，通用智能更低 | 编辑估算分，样本小，仅供参考 |
| 8 项实测汇总 | AI First Look，11 月 12 日 | 4 正面、4 中性、0 负面；编程任务 20/20 全过且快约 7 倍 | 个案汇总，非标准化测试 |
| 速度个案 | 上手实测 | 约 33 tok/s | 单次测量，未经证实 |
「AA 指数 53」图表：在社交媒体流传，无原始来源；Artificial Analysis 官网没有 Qwen4-Max 的条目，无法核对。
「Qwen4-Coder SWE-bench 82%」：同样无原始来源；而且 Qwen4-Coder 这个型号本身未经证实存在。
一个判断原则：预览期没有公开 API，就没有可复现的测试条件。任何精确到个位数的跑分，在正式版与官方评估出来之前都值得怀疑。
三点原因。第一，预览只有两周（11 月 11–25 日），厂商通常在正式版才公布评估。第二，Token Plan 是订阅制，条款禁止自动化与批量任务，第三方大规模跑分变难。第三，榜单收录需要稳定 API 与足够样本，预览期的接入条件满足不了。
11 月 25 日预览结束前后值得盯三件事：正式版（GA）是否公布官方评估；Artificial Analysis、LMArena 是否收录 Qwen4-Max；以及 Qwen3.8-Max 的先例——它在约三周内走完了预览 → 正式版 → 开放权重，4-Max 是否复刻这个节奏。有新分数出现时，本站会更新本文与专题页。
参考来源：本文为本站原创整理，事实与数据核对自 Stealth Models（StealthMark）（2026-11-11）、AI First Look（2026-11-12） 与 Quantslant 规格页（2026-11-11）
← 返回 Qwen4-Max 专题搜「Qwen 4 Max benchmark」的人想要一個直接答案，先給結論：截至 2026 年 11 月 13 日，阿里沒有爲 Qwen4-Max-Preview 發佈任何官方基準分，也沒有模型卡；Artificial Analysis、LMArena 等第三方榜單尚未收錄它。目前唯一可用的，是一個獨立測量、一批上手實測彙總，以及幾個需要警惕的網傳數字。本文把這三類信息分開盤點。
StealthMark 首個獨立跑分（Stealth Models，11 月 11–12 日）：視覺智能高於 Qwen3.8-Max，通用智能更低，兩個遊戲項目跌幅最大。但這是編輯估算分，樣本很小——只能當作方向性參考，不能當作正式成績。詳見本站首個獨立跑分解讀。
AI First Look 8 項實測彙總（11 月 12 日）：4 正面、4 中性、0 負面。最有信息量的是編程任務：與 Qwen3.8-Max 同樣 20/20 全過，但耗時約 2.5 分鐘 vs 17 分鐘；霸王龍游戲測試完成速度快於 Claude Fable 5.2 與 Gemini 4 Carbon，但測試者綜合評價仍認爲 Fable 5.2 最好。詳見本站8 項實測彙總覆盤。
速度個案：約 33 tok/s，來自單次上手測量，未經證實。
| 測量 | 來源 | 結論 | 可信度 |
|---|---|---|---|
| StealthMark 首個獨立跑分 | Stealth Models，11 月 11–12 日 | 視覺智能高於 Qwen3.8-Max，通用智能更低 | 編輯估算分，樣本小，僅供參考 |
| 8 項實測彙總 | AI First Look，11 月 12 日 | 4 正面、4 中性、0 負面；編程任務 20/20 全過且快約 7 倍 | 個案彙總，非標準化測試 |
| 速度個案 | 上手實測 | 約 33 tok/s | 單次測量，未經證實 |
「AA 指數 53」圖表：在社交媒體流傳，無原始來源；Artificial Analysis 官網沒有 Qwen4-Max 的條目，無法覈對。
「Qwen4-Coder SWE-bench 82%」：同樣無原始來源；而且 Qwen4-Coder 這個型號本身未經證實存在。
一個判斷原則：預覽期沒有公開 API，就沒有可復現的測試條件。任何精確到個位數的跑分，在正式版與官方評估出來之前都值得懷疑。
三點原因。第一，預覽只有兩週（11 月 11–25 日），廠商通常在正式版才公佈評估。第二，Token Plan 是訂閱制，條款禁止自動化與批量任務，第三方大規模跑分變難。第三，榜單收錄需要穩定 API 與足夠樣本，預覽期的接入條件滿足不了。
11 月 25 日預覽結束前後值得盯三件事：正式版（GA）是否公佈官方評估；Artificial Analysis、LMArena 是否收錄 Qwen4-Max；以及 Qwen3.8-Max 的先例——它在約三週內走完了預覽 → 正式版 → 開放權重，4-Max 是否復刻這個節奏。有新分數出現時，本站會更新本文與專題頁。
參考來源：本文爲本站原創整理，事實與數據覈對自 Stealth Models（StealthMark）（2026-11-11）、AI First Look（2026-11-12） 與 Quantslant 規格頁（2026-11-11）
← 返回 Qwen4-Max 專題Anyone searching "Qwen 4 Max benchmark" wants a straight answer, so here it is up front: as of November 13, 2026, Alibaba has published no official benchmark scores for Qwen4-Max-Preview and no model card, and third-party leaderboards such as Artificial Analysis and LMArena have not listed it. What exists is one independent measurement, a roundup of hands-on tests, and a few rumored numbers to be wary of. This article inventories all three, separately.
StealthMark's first independent run (Stealth Models, Nov 11–12): visual intelligence above Qwen3.8-Max, general intelligence below it, with the two game tasks falling most. These are editorial estimates on a small sample — a directional signal, not a formal score. See our read on the first independent run.
AI First Look's 8-test roundup (Nov 12): 4 positive, 4 mixed, 0 negative. The most informative data point is a coding task passed 20/20, same as Qwen3.8-Max, in about 2.5 minutes instead of 17; a T-Rex game test finished faster than Claude Fable 5.2 and Gemini 4 Carbon, though the tester still rated Fable 5.2 best overall. See our 8-test roundup review.
A speed anecdote: about 33 tokens per second, from a single hands-on measurement, unverified.
| Measurement | Source | Finding | Reliability |
|---|---|---|---|
| StealthMark first independent run | Stealth Models, Nov 11–12 | Visual intelligence above Qwen3.8-Max, general intelligence below it | Editorial estimates, small sample — reference only |
| 8-test roundup | AI First Look, Nov 12 | 4 positive, 4 mixed, 0 negative; coding task 20/20 at ~7x the speed | Anecdote collection, not a standardized test |
| Speed anecdote | Hands-on tests | ~33 tok/s | Single measurement, unverified |
The "AA index 53" chart: circulating on social media with no primary source; Artificial Analysis has no Qwen4-Max entry to check it against.
"Qwen4-Coder at 82% on SWE-bench": likewise sourceless — and the Qwen4-Coder model itself is unconfirmed to exist.
A rule of thumb: with no public API during the preview, there are no reproducible test conditions. Any benchmark precise to the single digit is suspect until GA and official evaluations arrive.
Three reasons. First, the preview lasts only two weeks (Nov 11–25), and vendors usually publish evaluations at GA. Second, Token Plan is subscription-only and its terms bar automation and batch jobs, which makes large-scale third-party testing hard. Third, leaderboards need a stable API and enough samples — the preview's access terms don't provide them.
Around the November 25 preview end, watch for three things: whether a GA release comes with official evaluations; whether Artificial Analysis and LMArena list Qwen4-Max; and whether it follows the Qwen3.8-Max precedent, which went preview → GA → open weights in about three weeks. When new scores appear, we will update this article and the topic page.
Reference sources: this article is an original write-up by this site; facts and figures were checked against Stealth Models (StealthMark) (Nov 11, 2026), AI First Look (Nov 12, 2026) and Quantslant's specs page (Nov 11, 2026)
← Back to the Qwen4-Max topic page