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