发布当天流传的说法是:Qwen4-Max 击败了 Claude Opus 5.5、GPT-6.1 Sol 与 GPT-6 Astra,只输给 Claude Fable 5.2。OrcaRouter 把五款模型放回同一张榜单逐项核对——Artificial Analysis 智能指数 v5.0.1,11 月 16 日读数。结果是四项对照里只有「输给 Fable」成立,其余三项都反过来了:Qwen4-Max 43 分,Opus 5.5 是 59 分,落后 16 分;Astra 57 分、Sol 55 分、Fable 5.2 65 分,全在它前面。
先分清厂商原话与他人的推论。阿里官方博客全文约 3100 字,没有提任何一个竞品的名字;所有对照只对着自家上代 Qwen3.8-Max。官方宣称的四件事——2.4T 新架构、Work360 上 token 用量少 24% 至 35%、单任务成本从 $4.43 降到 $1.67、Work360 52.69 分——全部是厂商自测,没有一项是跨厂商对照,也无法拿对手的公开数字去复核。所谓「击败 Opus」,不是阿里说的,是别人把几处数字拼出来的。
AA v5.0.1 是九项评测的合成指数,由评测方统一跑分,不是各家自报。Qwen4-Max 的 43 分在 81 个模型里排第 38,高于同价位中位数 41 分;成本榜第 44/80,啰嗦度榜第 65/80。关键的不对称藏在档位里:四个对手各有五个推理档位的分数,Qwen4-Max 只有一个读数——
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,只有一个档位。也就是说,「43 对 59」不是两个模型上限的对决,而是 Qwen4-Max 唯一被测的档位,对上了 Opus 5.5 的最强档。榜单没有告诉你 43 分下面还有多少空间。
把档位一档一档往下拉,流传的说法就从「错」变成了「误导」——而误导比错更有意思。Qwen4-Max 的 43 分并没有输给对手的每一档:对 Opus 5.5,它赢 Low 档的 35 分 8 分,输 Medium 档的 48 分 5 分,交叉点在 Low 与 Medium 之间;对 Astra,它与 Low 档的 43 分打平,输 Medium 档的 52 分 9 分;对 Sol,它赢 Low 档的 35 分 8 分,输 Medium 档的 46 分 3 分,是四组里最接近的一组;对 Fable 5.2,它输给每一档,包括 Low 档的 54 分,输 11 分。
于是只有一种拼法能拼出流传的排序:让三个对手都开最低档。Opus 与 Sol 的 Low 档确实在 43 分之下,Astra 的 Low 档正好打平,Fable 的每一档都在 43 分之上——四组对照恰好同时成立。这组数字自洽得可疑:不管是谁有意拼出来的,还是拿默认配置去对了最低档,算术都落在这个点上。按同等推理档位换算,Qwen4-Max 大约落后 GPT-6.1 Sol 一个档、落后 Claude Opus 5.5 两个档。首秀有竞争力,但不是领先。
能力的一半站不住,钱的一半站得住。标价上 Qwen4-Max 是 $1.50/$4.50,混合价 $0.80/百万,是五款里最低的(Sol $1.47、Opus $2.94、Fable $5.74、Astra $7.70)。按每任务成本算:Fable $26.54、Opus $10.04、Astra $6.24、Qwen $3.27、Sol $1.27——Qwen 比 Opus 便宜约 3 倍、比 Astra 便宜约 2 倍,但比 Sol 贵 2.6 倍。
机制是啰嗦。AA 统计整轮指数:Qwen4-Max 一共生成 1.27 亿个输出 token,同价位中位数是 7860 万,高出约六成。官方说的 token 用量减少 24% 至 35% 是相对上代的真实进步,但绝对量上它仍是榜上最啰嗦的模型之一。便宜靠的是单价低,不是话少——单价的优势有一部分被多写的话吃掉了。
还有一栏值得单独拎出来:AA 给其余四款都报了每任务耗时(Opus 24.9 分钟、Astra 20.9 分钟、Sol 22.9 分钟、Fable 41.8 分钟),Qwen4-Max 一栏是 N/A,图表标注写着「No publicly available API」。这句话要小心读:它不是说模型没有 API——有价目表、有供应商、每任务成本都测出来了;更可能的解释是测试台没拿到可用的计时路径,而页面没有说明是哪一种。能站得住的结论只有一个:发布当天没有 Qwen4-Max 的独立延迟数字,而它被拿来比较的每一款都有。对延迟敏感的任务,投入生产之前只能自己先测。
只做减法不是核查。流传说法里有三件事经得起核对,值得明说:上下文窗口——官宣 1M,评测方实测 984k,是真的百万级,不是四舍五入出来的 200K;原生视觉——评测方记录为文本+图像输入、文本输出,与厂商「原生视觉」的描述一致,不是外挂编码器;降价方向——$1.50/$4.50 对上代全面下调,混合价五款最低,这一点没有争议。站不住的是排名,而排名恰恰是被重复得最多的那一部分。
参考来源:本文为本站原创改写与整理,事实与数据核对自 OrcaRouter — Qwen4-Max Claim Check: 16 Points Behind Claude Opus 5.5(2026-11-16)与 Artificial Analysis — Qwen4 Max 模型页(AA 指数 43,v5.0.1)
← 返回 Qwen4-Max 专题