网易首页 > 网易号 > 正文 申请入驻

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

0
分享至

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 token的免费额度,需要绑支付方式、在控制台打开Free quota only,然后创建新加坡区域的API key。阿里云百炼这边,新用户开通后有数千万到上亿级别的免费Token(具体额度随活动变化),足够跑一批验证任务。

Token Plan Lite。 首月19.5元,包含20,000 Credits/月,支持文本和视觉模型,可支持1到2个Agent并发。它适合“高频轻量调用”,不适合“拿来做大规模压测”。如果你的任务是长上下文、多轮Agent、工具调用密集,1M免费额度或者20,000 Credits的消耗速度会比你想的快——先跑一个中等复杂度的任务,看账单,再决定要不要留在主工作流里。

国际定价方面,API是$1.50/百万输入、$4.50/百万输出,缓存命中**$0.075/百万输入**。国内是**10元/30元**,缓存命中**0.5元**。输出价不到Opus 5.5($20/百万输出)的四分之一,也不到GPT-6.1 Sol($10/百万输出)的一半。



值不值得用:看你的任务落在“执行”还是“操作”

值得认真试的人: 你的任务是在明确框架里完成具体工作——写代码、做长文档分析、跑多工具协同的Agent任务、需要百万上下文把整段材料塞进去。Qwen4-Max在这些方向上有真实的反超数据,而且成本比同级闭源模型低一个量级。

需要先跑对照测试的人: 你的任务是终端操作、黑盒复现、需要模型自己在模糊环境里找路。Terminal-Bench和ProgramBench上的差距不是靠“便宜”能补回来的,重试的成本会把单价优势吃掉。

暂时不该等的人: 你在等Qwen4-Max本身开源。它不开源。中小尺寸模型“将陆续开源”没有时间表。如果你的架构依赖可下载权重,现在能做的是先用API验证Qwen4系列的能力方向,同时把开源版本的选型决策留给真正发布的那一天。

“参数最大”是一个营销事实,“智能指数第9”也是一个事实。 两个事实同时成立,说明的是一件事:2026年底选模型,不该再问“谁最大”,该问“我的任务落在哪个能力格子里,那个格子里谁最划算”。 Qwen4-Max在“执行”的格子里有牌,在“操作”的格子里还不是第一。你的任务落在哪一格,比它在HN上拿了多少赞重要得多。

声明:内容由AI生成

特别声明:以上内容(如有图片或视频亦包括在内)为自媒体平台“网易号”用户上传并发布,本平台仅提供信息存储服务。

Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.

相关推荐
热点推荐
她是最干净女演员,被军官苦追5年才嫁,如今和女儿被宠如宝

她是最干净女演员,被军官苦追5年才嫁,如今和女儿被宠如宝

娱深有瓜
2026-11-22 14:05:10
从110万跌到30万,海景房真的凉了!业主哭诉:当年抢着买,现在倒贴也没人要!

从110万跌到30万,海景房真的凉了!业主哭诉:当年抢着买,现在倒贴也没人要!

巢客HOME
2026-11-22 13:55:04
河南小县城传来巨响!一个农民攻克世界难题,打破欧美技术封锁

河南小县城传来巨响!一个农民攻克世界难题,打破欧美技术封锁

基斯默默
2026-11-22 09:38:25
新深圳人退休了,社保不足20年,个人账户只有5.5万,50岁退休照样近2000养老金,知足了

新深圳人退休了,社保不足20年,个人账户只有5.5万,50岁退休照样近2000养老金,知足了

平静话社保
2026-11-22 09:56:38
德媒:德国太天真了,我们最大的幻想,就是信了中国是个现代强国

德媒:德国太天真了,我们最大的幻想,就是信了中国是个现代强国

你是我心中最美星空
2026-11-22 05:46:42
环球体育:博卡2-0米内罗竞技,三夺南美杯

环球体育:博卡2-0米内罗竞技,三夺南美杯

懂球帝
2026-11-22 09:08:03
NPC“房玄龄”王泽回应离开大唐不夜城:面对大量游客,觉得离角色越来越远

NPC“房玄龄”王泽回应离开大唐不夜城:面对大量游客,觉得离角色越来越远

娱乐嗑学家.
2026-11-08 11:37:18
董路怒骂马德兴:口贩子王八蛋!给浮嶋敏洗地,当初你怎么骂李铁的?

董路怒骂马德兴:口贩子王八蛋!给浮嶋敏洗地,当初你怎么骂李铁的?

念洲
2026-11-22 08:49:31
二战时美军有个气象预报员,每天不琢磨怎么让飞行员活下来,反而想着怎么一次弄死最多的人

二战时美军有个气象预报员,每天不琢磨怎么让飞行员活下来,反而想着怎么一次弄死最多的人

言过于诚
2026-11-21 21:03:49
普京和特朗普专机差距到底有多大

普京和特朗普专机差距到底有多大

观界z
2026-11-21 15:05:48
黄仁勋走后,台积电掏出账本:以后,老黄是老黄,英伟达是英伟达

黄仁勋走后,台积电掏出账本:以后,老黄是老黄,英伟达是英伟达

指忘崖
2026-11-22 08:31:37
记者:蒋光太是最成功的归化球员,即使伤病增多也未曾离开

记者:蒋光太是最成功的归化球员,即使伤病增多也未曾离开

懂球帝
2026-11-22 14:44:20
佩莱格里尼:我们本可以赢下德比,最后的丢球完全能够避免

佩莱格里尼:我们本可以赢下德比,最后的丢球完全能够避免

懂球帝
2026-11-22 05:36:11
因担心变同性恋,父亲逼儿子与后妈发生性关系

因担心变同性恋,父亲逼儿子与后妈发生性关系

侠客栈
2026-11-21 11:37:29
金饰克价年内大跌超650元

金饰克价年内大跌超650元

21世纪经济报道
2026-11-21 13:31:39
新一轮冷空气来了,四川多地降雨降雪降温

新一轮冷空气来了,四川多地降雨降雪降温

掌上金牛
2026-11-22 11:53:57
李邑飞主持宁夏省级老同志座谈会和党外人士座谈会,张雨浦、陈雍出席

李邑飞主持宁夏省级老同志座谈会和党外人士座谈会,张雨浦、陈雍出席

政知新媒体
2026-11-22 14:27:53
深度长文:黎曼猜想,统治数学界160年的无冕之王,到底有多恐怖?

深度长文:黎曼猜想,统治数学界160年的无冕之王,到底有多恐怖?

宇宙时空
2026-10-12 11:58:16
末节连续失误,山东男篮杯赛出局,姚柯宇14+3值得培养,陶汉林11+5

末节连续失误,山东男篮杯赛出局,姚柯宇14+3值得培养,陶汉林11+5

替补席看球
2026-11-22 17:14:58
不忍了!北约突然掀桌,准备直捣俄罗斯腹地

不忍了!北约突然掀桌,准备直捣俄罗斯腹地

今观天下
2026-11-07 07:49:23
2026-11-22 18:48:49
阿鑫讲ai
阿鑫讲ai
专门讲解现阶段高热度的AI
134文章数 16关注度
往期回顾 全部

科技要闻

Anthropic收涨17.1%,市值一度破2万亿美元

头条要闻

女子花2万存脐带血如今公司注销"断联":我的血还在吗

头条要闻

女子花2万存脐带血如今公司注销"断联":我的血还在吗

体育要闻

约基奇vs申京:最强的策应巨人?

娱乐要闻

官媒发文 官宣赵丽颖新身份,进步很大

财经要闻

最大回撤超37%,黄金崩盘了吗?

汽车要闻

35万级MPV的满配答案 享界V8正式上市售31.98万起

态度原创

亲子
数码
本地
公开课
军事航空

亲子要闻

宝宝必看的5个启蒙动画,豆瓣评分都是在9.0以上

数码要闻

内存价格暴涨下,华硕考虑将中低端PC内存由16GB降至8GB

本地新闻

43年起落记忆倒计时,去厦门高崎领绝版登机牌!

公开课

李玫瑾:为什么性格比能力更重要?

军事要闻

俄乌炸桥冲突升级 相关谈判设想被放弃

无障碍浏览 进入关怀版