FIELD NOTE / {$vo.autoindex}

Qwen4-Max以843赞登顶HN,但第三方智能指数只排第9:我翻完470条评论,发现“参数最大”和“最好用”第一次被拉得这么开

Qwen4-Max发布当天,Hacker News首页843赞,470条评论。 但同一个模型,在第三方Artificial Analysis的智能指数上只有 43分,排第9 。Claude Opus 5.5是59分,Kimi K3.1 Pro是46分。 一个在HN上被顶到首页第一的国产旗舰,在一个不看参数、只看综合能力的榜单上,连前三都没进。 我把HN评论区从头翻到尾,发现海外开发者的讨论重心根本

Qwen4-Max以843赞登顶HN,但第三方智能指数只排第9:我翻完470条评论,发现“参数最大”和“最好用”第一次被拉得这么开
NX REPORT
2026
当前位置 PG电子试玩精选游戏-PG作品体验 资讯中心 Qwen4-Max以843赞登顶HN,但第三方智能指数只排第9:我翻完470条评论,发现“参数最大”和“最好用”第一次被拉得这么开

Qwen4-Max发布当天,Hacker News首页843赞,470条评论。 但同一个模型,在第三方Artificial Analysis的智能指数上只有 43分,排第9 。Claude Opus 5.5是59分,Kimi K3.1 Pro是46分。 一个在HN上被顶到首页第一的国产旗舰,在一个不看参数、只看综合能力的榜单上,连前三都没进。 我把HN评论区从头翻到尾,发现海外开发者的讨论重心根本不在这2.4万亿参数上。被反复提及最多的词是: “低一档” 。几条高赞评论的原话是,Qwen4-Max大致落在“比最顶尖的美国模型低一档”的位置。 先把“参数最大”这件事拆开:2.4万亿是总参数,71B才是你每次付钱的那个 Qwen4-Max的2.4万亿是 总参数 。它采用稀疏MoE架构,每个Token实际激活的只有 71B ,比上一代Qwen3.8-Max的95B 减少了约25% 。 总参数决定“模型脑子里装了多少东西”,激活参数决定“每次推理要调动多少算力”。 71B激活在万亿级MoE里是一个非常克制的数字,这正是它能把单任务成本降下来的底层原因。官方数据:Work360基准上,单任务平均费用从Qwen3.8-Max的26.58元降到 11.16元,降了58% ;国际口径从$4.43降到$1.67,降约62%。 “参数最大”和“用起来最贵”之间没有必然关系。 Qwen4-Max用更少的激活参数换来了更低的推理成本,这是它真正的工程选择。但这个选择也直接解释了为什么它在某些任务上“够用且便宜”,在另一些任务上“不是最强”。 能力分化:它在“干活”的任务上反超Opus 5.5,在“操作”的任务上被甩开 把评测拆成两半看,Qwen4-Max的定位会清楚得多。 它赢的地方,是“完成一件具体工作”的能力。 DeepSWE v1.1编程 75.7分 ,高于Claude Opus 5.5的74.2、GPT-6.1 Sol的75.2、Kimi K3.1的75.5。Agents‘ Last Exam长程实务 46.7分 ,反超Opus 5.5的43.4和GPT-6 Astra的42.6。法律智能体HLAB-Vals、生物信息BioMysteryBench也是第一梯队。Code Arena前端开发榜排到 全球第6 ,对国产模型来说是一个扎实的位置。 它输的地方,是“在终端里一步步操作、在模糊信息里做推理”的能力。 Terminal-Bench 4.0只有 48.5分 ,Opus 5.5是59.6,Kimi K3.1是67.2。黑盒复现ProgramBench 31.5分 ,Opus 5.5是65分,差了整整一倍多。多学科推理HLE 51.7分 ,Opus 5.5是59.8。 这两组数据放在一起,指向一个很具体的判断:Qwen4-Max是一台“任务执行引擎”,不是一台“终端操作引擎”。 官方对它的定位其实写得很清楚——“核心目标不是把通用对话做得更流畅,而是解决高复杂度、长链路、多工具协同的专业任务”。它擅长的是在明确的框架里把活干完,不擅长的是在没有明确路径的终端环境里自己摸索。 HN评论区真正在吵的,不是分数,是“你到底在为什么付钱” 我把470条评论里被反复点赞的几个观点抽出来,比官方跑分表更能说明问题。 第一,关于AA智能指数的争议。 有人质疑Artificial Analysis的方法论:指数频繁重写、权重不透明、私有基准,以及被认为系统性偏向Anthropic/OpenAI。但反方也有人说,AA已经是现有较好的多模型视角之一,因为实验室会在公开基准上训练,私有评测是必要的。 这场争论的共识是:基准已经被严重benchmaxxed,严肃用户越来越依赖自己的内部评测 。 第二,关于“便宜”的真实含义。 有人在HN上算了一笔账:Qwen4-Max在AA上的平均成本是 $3.27/任务 ,得分43;Opus 5.5得分59,但单任务成本更高。 问题不是“谁绝对便宜”,是“每多一分智能,你要多付多少钱” 。对高频、低判断的任务,Qwen4-Max的性价比是成立的;对需要一次做对的复杂终端任务,省下来的单价会被重试吃掉。 第三,海外开发者最在意的,是“小模型什么时候开源”。 HN评论区被催得最凶的不是Max本身,是 Qwen4-27B和Flash的开源权重 。上一代Qwen3.8 Flash/27B被社区称为“主力型工作马”和“同尺寸里的SOTA”,很多人在等这个系列的新版本,而不是闭源的Max。官方只说“中小尺寸模型将陆续开源”, 没有给时间表 。 想试的话,免费额度和Token Plan是两条路,但“够不够试”取决于你的任务 如果你只是想验证它在你自己的工作流里表现如何,有两条低成本路径。 免费额度。 QwenCloud新加坡区域有 1M toke

about image
MORE TO EXPLORE

继续阅读

[流言板]克里斯半场出战14分钟,投篮7中5、罚球3中3得到13分5篮板

[流言板]克里斯半场出战14分钟,投篮7中5、罚球3中3得到13分5篮板

虎扑篮球资讯(1280级)楼主2026-10-25 20:31:56发布于上海 [流言板]克里斯半场出战14分钟,投篮7中5、罚球3中3得到13分5篮板由虎扑篮球资讯 发表在CBA专区 https://bbs.hupu.com/cba 虎扑10月25日讯 CBA常规赛:辽宁男篮对阵新疆男篮的比赛正在进行中。 半场战罢,辽宁55-50领先新疆。 辽宁球员克里斯半场出战14分钟,投篮7中5、罚球3中3

尼克斯109:97骑士队揭露3大事实!豪华内线成摆设,哈登巅峰不再

尼克斯109:97骑士队揭露3大事实!豪华内线成摆设,哈登巅峰不再

骑士队在连续输给雷霆队2场之后,迎来了与东部第一76人的较量,这一次球队发挥出色,在主场大胜76人,止住了连败,也增长了球队的士气,而紧接着背靠背,他们又迎来了一支东部顶级队伍,上赛季总冠军尼克斯! 本场比赛,是2队在上赛季东部决赛后,首次相遇,骑士队想要报4:0被横扫的一箭之仇,可是背靠背的压力,也让他们想要取胜变得比较困难! 比赛上来,骑士队状态不错,米切尔、莫布里带领球队发起进攻,哈登手感不

《龙珠》已经彻底被玩坏,沙鲁吸收18号剖面图公布,网友:这对吗?

《龙珠》已经彻底被玩坏,沙鲁吸收18号剖面图公布,网友:这对吗?

沙鲁篇章出现了很多令粉丝意难平的剧情,明明可以阻止沙鲁变成完全体,贝吉塔却放任不管,最终酿成了不可收拾的局面。 沙鲁吸收18号剖面图公布 粉丝们也对人造人18号感到可惜,如此漂亮的一个角色,最终成了沙鲁的养料。当然,也有网友十分好奇,沙鲁的尾巴那么小,他是如何吸收18号的? 在动漫中讲科学,好像显得没必要。然而有较真的大神按照自己的理解,画出了沙鲁吸收18号时候的剖面图。 网友们看了直接绷不住了,

火箭狂胜夜零封奇才核心 阿门变身得分箭头意外吗?

火箭狂胜夜零封奇才核心 阿门变身得分箭头意外吗?

上场轻取爵士后,火箭队马不停蹄开启了一波四连客的征程。 四连客第一场对阵奇才,外界提前预设的剧情焦点还是申京和浓眉哥的内线激战。 常规赛至今,浓眉哥基本找回了巅峰期九成的功力,他场均拿到25.6分10.5篮板1.3抢断1封盖,52.4%的投篮命中率也是三年来的新高。 申京的状态更是不含糊,他场均贡献23.1分9.6篮板,还能送出多达7.6次助攻,在得分和助攻两项上都已经领跑全队了。上场对阵爵士,申

[流言板]加兰采访全文:对手投篮太准了;接下来客场要找到赢球方法

[流言板]加兰采访全文:对手投篮太准了;接下来客场要找到赢球方法

虎扑11月18日讯 今日NBA常规赛,洛杉矶快船队以107-132不敌犹他爵士队。在赛后采访中,快船队球员达里厄斯-加兰坦言对手在进攻端展现了极佳的投篮手感,导致快船在防守端陷入被动。 同时,加兰展望了即将开启的客场之旅,强调全队需要把此前主场赢球时展现出的高强度与能量延续到客场,并认为大家可以通过在客场一起聚餐和放松来增进团队感情与凝聚力。 记者:今晚对手在进攻端的投篮表现实在太出色了…… 加兰