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