首个独立跑分怎么看：视觉智能超过上一代，通用智能反而退步

在官方与 Artificial Analysis、LMArena 都还没有分数的时候，Stealth Models（StealthMark）给出了 Qwen4-Max-Preview 的首个独立测量。它的结论是一升一降：视觉智能高于上一代 Qwen3.8-Max，通用智能反而更低。这个组合初看矛盾，拆开看却很有信息量。

升的那一半：视觉智能

视觉维度超过上一代，与其他实测的观察互相印证：SVG 图形、3D 场景、界面生成普遍获得好评（见本站 techgogogo 六题实测）。如果这代模型的训练资源明显向视觉与生成倾斜，视觉分上涨是合理结果。

降的那一半：通用智能与两个游戏

通用智能的回落主要由两个游戏项目拉低。这点值得玩味：其他测试者在游戏生成上给出的评价相当正面（一次生成可玩的太空射击、抓娃娃机）。同一类任务、不同量表得出相反结论，恰恰说明早期小样本测量的噪声有多大——量表怎么设计、采样几次、用什么提示词，都足以翻转名次。

这批分数的正确用法

必须强调：StealthMark 的分数是编辑估算，样本量小，不是标准化基准。它适合用来提出假设（例如「这代可能更偏视觉」），不适合用来下结论或做排名。真正的通用智能水平，要等 Artificial Analysis、LMArena 等机构的正式收录，或者更多可复现的公开测试。