首個獨立跑分怎麼看：視覺智能超過上一代，通用智能反而退步

在官方與 Artificial Analysis、LMArena 都還沒有分數的時候，Stealth Models（StealthMark）給出了 Qwen4-Max-Preview 的首個獨立測量。它的結論是一升一降：視覺智能高於上一代 Qwen3.8-Max，通用智能反而更低。這個組合初看矛盾，拆開看卻很有信息量。

升的那一半：視覺智能

視覺維度超過上一代，與其他實測的觀察互相印證：SVG 圖形、3D 場景、界面生成普遍獲得好評（見本站 techgogogo 六題實測）。如果這代模型的訓練資源明顯向視覺與生成傾斜，視覺分上漲是合理結果。

降的那一半：通用智能與兩個遊戲

通用智能的回落主要由兩個遊戲項目拉低。這點值得玩味：其他測試者在遊戲生成上給出的評價相當正面（一次生成可玩的太空射擊、抓娃娃機）。同一類任務、不同量表得出相反結論，恰恰說明早期小樣本測量的噪聲有多大——量表怎麼設計、採樣幾次、用什麼提示詞，都足以翻轉名次。

這批分數的正確用法

必須強調：StealthMark 的分數是編輯估算，樣本量小，不是標準化基準。它適合用來提出假設（例如「這代可能更偏視覺」），不適合用來下結論或做排名。真正的通用智能水平，要等 Artificial Analysis、LMArena 等機構的正式收錄，或者更多可復現的公開測試。