發佈當天流傳的說法是:Qwen4-Max 擊敗了 Claude Opus 5.5、GPT-6.1 Sol 與 GPT-6 Astra,只輸給 Claude Fable 5.2。OrcaRouter 把五款模型放回同一張榜單逐項覈對——Artificial Analysis 智能指數 v5.0.1,11 月 16 日讀數。結果是四項對照裏只有「輸給 Fable」成立,其餘三項都反過來了:Qwen4-Max 43 分,Opus 5.5 是 59 分,落後 16 分;Astra 57 分、Sol 55 分、Fable 5.2 65 分,全在它前面。
先分清廠商原話與他人的推論。阿里官方博客全文約 3100 字,沒有提任何一個競品的名字;所有對照只對着自家上代 Qwen3.8-Max。官方宣稱的四件事——2.4T 新架構、Work360 上 token 用量少 24% 至 35%、單任務成本從 $4.43 降到 $1.67、Work360 52.69 分——全部是廠商自測,沒有一項是跨廠商對照,也無法拿對手的公開數字去複覈。所謂「擊敗 Opus」,不是阿里說的,是別人把幾處數字拼出來的。
AA v5.0.1 是九項評測的合成指數,由評測方統一跑分,不是各家自報。Qwen4-Max 的 43 分在 81 個模型裏排第 38,高於同價位中位數 41 分;成本榜第 44/80,囉嗦度榜第 65/80。關鍵的不對稱藏在檔位裏:四個對手各有五個推理檔位的分數,Qwen4-Max 只有一個讀數——
Opus 5.5:Max 59、Xhigh 57、High 52、Medium 48、Low 35;GPT-6 Astra:Max 57、Xhigh 55、High 55、Medium 52、Low 43;GPT-6.1 Sol:Max 55、Xhigh 52、High 50、Medium 46、Low 35;Fable 5.2:Max 65、Xhigh 62、High 62、Medium 56、Low 54;Qwen4-Max:43 分,只有一個檔位。也就是說,「43 對 59」不是兩個模型上限的對決,而是 Qwen4-Max 唯一被測的檔位,對上了 Opus 5.5 的最強檔。榜單沒有告訴你 43 分下面還有多少空間。
把檔位一檔一檔往下拉,流傳的說法就從「錯」變成了「誤導」——而誤導比錯更有意思。Qwen4-Max 的 43 分並沒有輸給對手的每一檔:對 Opus 5.5,它贏 Low 檔的 35 分 8 分,輸 Medium 檔的 48 分 5 分,交叉點在 Low 與 Medium 之間;對 Astra,它與 Low 檔的 43 分打平,輸 Medium 檔的 52 分 9 分;對 Sol,它贏 Low 檔的 35 分 8 分,輸 Medium 檔的 46 分 3 分,是四組裏最接近的一組;對 Fable 5.2,它輸給每一檔,包括 Low 檔的 54 分,輸 11 分。
於是只有一種拼法能拼出流傳的排序:讓三個對手都開最低檔。Opus 與 Sol 的 Low 檔確實在 43 分之下,Astra 的 Low 檔正好打平,Fable 的每一檔都在 43 分之上——四組對照恰好同時成立。這組數字自洽得可疑:不管是誰有意拼出來的,還是拿默認配置去對了最低檔,算術都落在這個點上。按同等推理檔位換算,Qwen4-Max 大約落後 GPT-6.1 Sol 一個檔、落後 Claude Opus 5.5 兩個檔。首秀有競爭力,但不是領先。
能力的一半站不住,錢的一半站得住。標價上 Qwen4-Max 是 $1.50/$4.50,混合價 $0.80/百萬,是五款裏最低的(Sol $1.47、Opus $2.94、Fable $5.74、Astra $7.70)。按每任務成本算:Fable $26.54、Opus $10.04、Astra $6.24、Qwen $3.27、Sol $1.27——Qwen 比 Opus 便宜約 3 倍、比 Astra 便宜約 2 倍,但比 Sol 貴 2.6 倍。
機制是囉嗦。AA 統計整輪指數:Qwen4-Max 一共生成 1.27 億個輸出 token,同價位中位數是 7860 萬,高出約六成。官方說的 token 用量減少 24% 至 35% 是相對上代的真實進步,但絕對量上它仍是榜上最囉嗦的模型之一。便宜靠的是單價低,不是話少——單價的優勢有一部分被多寫的話喫掉了。
還有一欄值得單獨拎出來:AA 給其餘四款都報了每任務耗時(Opus 24.9 分鐘、Astra 20.9 分鐘、Sol 22.9 分鐘、Fable 41.8 分鐘),Qwen4-Max 一欄是 N/A,圖表標註寫着「No publicly available API」。這句話要小心讀:它不是說模型沒有 API——有價目表、有供應商、每任務成本都測出來了;更可能的解釋是測試臺沒拿到可用的計時路徑,而頁面沒有說明是哪一種。能站得住的結論只有一個:發佈當天沒有 Qwen4-Max 的獨立延遲數字,而它被拿來比較的每一款都有。對延遲敏感的任務,投入生產之前只能自己先測。
只做減法不是覈查。流傳說法裏有三件事經得起覈對,值得明說:上下文窗口——官宣 1M,評測方實測 984k,是真的百萬級,不是四捨五入出來的 200K;原生視覺——評測方記錄爲文本+圖像輸入、文本輸出,與廠商「原生視覺」的描述一致,不是外掛編碼器;降價方向——$1.50/$4.50 對上代全面下調,混合價五款最低,這一點沒有爭議。站不住的是排名,而排名恰恰是被重複得最多的那一部分。
參考來源:本文爲本站原創改寫與整理,事實與數據覈對自 OrcaRouter — Qwen4-Max Claim Check: 16 Points Behind Claude Opus 5.5(2026-11-16)與 Artificial Analysis — Qwen4 Max 模型頁(AA 指數 43,v5.0.1)
← 返回 Qwen4-Max 專題