BenchLeader

Qwen3.8 2.4T A95B vs Qwen4 Max

完整资料:Qwen3.8 2.4T A95B(Alibaba)和 Qwen4 Max(Alibaba),包括全部基准测试、价格和排名。

更新于 · 数据来自 8 个来源

截至 2026年11月19日,两者共同的基准测试太少,无法判断质量高下。Qwen4 Max 更便宜,对方的价格是它的 1.3 倍(每百万 token 混合价格 $2.25 比 $3.00)。在两者都有成绩的所有类别中,Qwen4 Max 均领先。Qwen4 Max 输出更快。

Qwen4 Max 于 2026年11月16日 发布,目前还没有 BenchLeader Index(需要覆盖两个类别的五项第三方结果)。因此本页不给出质量结论,只对比两者目前已公布的价格、上下文窗口、速度、两者都有结果的基准测试。首批结果将在以下页面跟踪: Qwen4 Max 的页面

要点(截至 2026年11月19日)

  • Qwen3.8 2.4T A95B 每百万 token 混合价格为 $3.00(标价,2026年11月19日)。
  • Qwen4 Max 每百万 token 混合价格为 $2.25(标价,2026年11月19日)。
  • Qwen4 Max 比 Qwen3.8 2.4T A95B 输出更快(Artificial Analysis,7 日中位数,2026年11月19日)。
  • 在两者都有结果的 11 项基准测试中,Qwen4 Max 领先 10 项(BenchLeader,2026年11月19日)。

按用途怎么选

推荐模型的数值列在前面。类别得分采用 BenchLeader 标尺(50 为模型平均水平,15 分为一个标准差)。领先半个标准差及以上为“高”置信度;相差不到 1 分则视为“均可”。

用途推荐理由置信度
推理Qwen4 Max类别得分 59 比 46;HLE-Diamond (AA) 44.9% 比 20.1%高
知识Qwen4 Max类别得分 59 比 49;AA-Omniscience v1.1 27.7 比 7.8高
成本最低Qwen4 Max每百万 token 混合价格 $2.25 比 $3.00;智能体编程会话 $0.108 比 $0.144–
首次回答最快均可首个回答 token 111.5 秒(Qwen3.8 2.4T A95B)比 139.2 秒(Qwen4 Max)–
低预算大批量两者都不选通常更小的模型更合适:便宜好用的大模型、最快的大模型–

主要差异

  • 共同的基准测试太少,无法给出结论。
  • Qwen4 Max 在知识、推理方面更强。
  • Qwen4 Max 更便宜,对方的价格是它的 1.3 倍(每百万 token 混合价格 $2.25 比 $3.00)。
  • Qwen4 Max 的输出速度是对方的 1.4 倍(59 比 41 token/秒)。

概览

规格Qwen3.8 2.4T A95BQwen4 Max
提供商AlibabaAlibaba
发布日期2026年8月12日2026年11月16日
上下文窗口(token)1,000,000991,808
对比时的配置Qwen3.8 2.4T A95BQwen4 Max
开放权重是否
每百万 token 价格(输入 / 输出 / 缓存输入)$2.00 / $6.00 / $0.250$1.50 / $4.50 / $0.071

逐类别对比

类别得分采用 BenchLeader 标尺:50 为参评模型的平均水平,15 分为一个标准差。差距不到 1 分视为持平。

类别Qwen3.8 2.4T A95BQwen4 Max领先者
推理45.558.5Qwen4 Max
编程–55.1无法比较
智能体与工具50.3–无法比较
知识48.859.0Qwen4 Max
长上下文64.8–无法比较

同一图表对比

各领域采用与 Index 相同的标尺,平均模型为 50 分。单击某个领域可查看构成它的基准测试。 可从列表中最多选择 5 个模型。

2550 avg75推理编程智能体与工具知识长上下文Qwen3.8 2.4T A95B, 推理: 45.5Qwen3.8 2.4T A95B, 智能体与工具: 50.3Qwen3.8 2.4T A95B, 知识: 48.8Qwen3.8 2.4T A95B, 长上下文: 64.8Qwen4 Max, 推理: 58.5Qwen4 Max, 编程: 55.1Qwen4 Max, 知识: 59.0

虚线:该模型在所经过的轴上没有结果,线条只连接相邻的点。

未绘制(这些模型没有结果):数学, 指令遵循, 多模态, 人类偏好。

模型(单击添加或移除)Index

各来源的分歧

在两者都有结果的 11 项基准测试中,Qwen3.8 2.4T A95B 领先 1 项,Qwen4 Max 领先 10 项。

各发布方使用各自的任务、评测框架和推理强度设置,因此总体结论可能不同;BenchLeader 将它们统一到同一标尺上。† 表示同一模型在另一推理强度设置下的测量值(发布方未测试本页对比的设置)。

价格、速度与延迟

标价按每 1 个输出 token 对应 3 个输入 token 混合计算。每项任务的价格采用方法论页面中的 token 数量。每项基准测试任务的成本、token 数和耗时均为实测值,取自 Artificial Analysis 整个 Intelligence Index 测试的平均值。

指标Qwen3.8 2.4T A95BQwen4 Max
每百万 token 混合价格$3.00$2.25
每百万 token 输入 / 输出$2.00 / $6.00$1.50 / $4.50
每百万 token 缓存输入$0.250$0.071
每项任务价格:聊天回复$0.0026$0.0020
每项任务价格:总结一份 30 页的报告$0.028$0.021
每项任务价格:代码编辑$0.021$0.016
每项任务价格:智能体编程会话$0.144$0.108
每项任务价格:结构化信息提取$0.0052$0.0039
智能体编程会话(输入大多命中缓存)$0.065$0.044
每项基准测试任务成本(AA Index)–$3.27
每项任务输出 token(AA Index)–105k
其中推理部分–69k
每项任务耗时(AA Index)–30 min
输出速度41 tok/s59 tok/s
首次回答时间111.5 秒139.2 秒
完整回答耗时(最近一次测量 2026年11月13日)248.5 秒–

每个模型都按其排名最高的推理强度设置进行对比。Qwen3.8 2.4T A95B 得分 51.6,首个回答 token 需 111 秒。Qwen4 Max首个回答 token 需 139 秒。推理强度越高,回答前思考越久:得分更高,但等待更长、计费 token 也更多。 推理强度如何影响得分和成本

全部基准测试

共 61 项基准测试,按类别分组;点击名称可查看该排行榜及领先模型。† 表示同一模型在另一推理强度设置下的测量值,仅供参考,不计入胜场。

指标发布方Qwen3.8 2.4T A95BQwen4 Max
BenchLeader IndexBenchLeader51.6–
智能体与工具得分BenchLeader50.3–
知识得分BenchLeader48.859.0
长上下文得分BenchLeader64.8–
推理得分BenchLeader45.558.5
编程得分BenchLeader–55.1
混合价格(美元/百万 token)BenchLeader$3.00$2.25
输出速度BenchLeader41 tok/s59 tok/s
首次回答时间BenchLeader111.5 秒139.2 秒
上下文窗口BenchLeader1,000,000 token991,808 token
推理
LiveBench 2.0 ReasoningLiveBench–92.2%†
GPQA Diamond (AA)Artificial Analysis93.5%–
Humanity's Last Exam (AA)Artificial Analysis42.5%–
HLE-Diamond (AA)Artificial Analysis20.1%44.9%
CritPtArtificial Analysis20.0%–
CritPt v2 hard subset (AA)Artificial Analysis–43.0%
编程
Arena WebDevArena (LMArena)–1750†
LiveBench 2.0 CodingLiveBench–69.8%†
SciCode (AA)Artificial Analysis54.0%–
Vibe Code Bench v1.1Vals AI–86.7%†
Terminal-Bench 4.0 (AA)Artificial Analysis11.1%48.5%
Terminal-Bench 2.1 (AA)Artificial Analysis82.0%–
GameBench 2 OverallDuelLab GameBench 252.8–
GameBench 2 by reasoning settingDuelLab GameBench 249.4†–
FrontierCode 2.0 (AA)Artificial Analysis–26.4%
智能体与工具
Arena AgentArena (LMArena)–7.3†
LiveBench Long AgenticLiveBench–46.6%†
LiveBench BrowserLiveBench–80.7%†
MCP AtlasScale AI SEAL84.5%†–
GDPval-AA v2.1, normalised scoreArtificial Analysis55.4%–
GDPval-AA v2.1Artificial Analysis16141809
τ³-Banking (AA)Artificial Analysis49.1%–
Analyst Agent (AA)Artificial Analysis–46.3%
APEX-Agents (AA)Artificial Analysis–59.1%
Finance Agent v2.1Vals AI–66.7%†
显示全部 61 项基准测试
指标发布方Qwen3.8 2.4T A95BQwen4 Max
智能体与工具
Harvey's Legal Agent Benchmark v1.1Vals AI–21.3%†
Legal Research BenchVals AI–41.4%†
Tax Agent BenchVals AI–40.4%†
Terminal-Bench 4.0 (Vals)Vals AI–48.5%†
Arena Agent Task CompletionArena (LMArena)–8.8†
AutomationBenchArtificial Analysis57.3%72.6%
GDP.pdf (AA)Artificial Analysis15.6%26.2%
Harvey LAB-AA v1.1Harvey–9.4%
EnterpriseOps-GymArtificial Analysis47.4%48.5%
AA-Briefcase v1.1Artificial Analysis14301686
Design Arena AgenticDesign Arena–1356
Terminal-Bench-Science 0.1 (AA)Artificial Analysis–23.3%
CWE-Bench (AA)Artificial Analysis28.3%–
DeepSec-Bench (AA)Artificial Analysis9.5%–
CyberGym end-to-end (AA)Artificial Analysis0.0%–
知识
LiveBench 2.0 Data AnalysisLiveBench–83.4%†
LiveBench ResearchLiveBench–84.7%†
AA-Omniscience v1.1Artificial Analysis7.827.7
Excel Modeling Benchmark v1.1Vals AI–70.8%†
AA-Omniscience v1.1: accuracyArtificial Analysis31.4%43.7%
AA-Omniscience v1.1: non-hallucinationArtificial Analysis65.5%71.6%
人类偏好
EQ-Bench Creative Writing v3EQ-Bench1844–
多模态
LiveBench DesignLiveBench–79.1%†
长上下文
AA-LCR v1.1Artificial Analysis80.3%–
MLCRArtificial Analysis30.6%19.4%
综合
LiveBench 2.0LiveBench–73.1%†
AA Intelligence Index v5.0.1Artificial Analysis–42.9
AA Intelligence Index v4.3.2Artificial Analysis40.0–
AA Progress Index v1Artificial Analysis317.8–
Vals IndexVals AI–63.2†
Vals Finance IndexVals AI–62.0%†
Vals Legal IndexVals AI–70.7%†
AA Cyber IndexArtificial Analysis12.6–
安全与诚实
FORTRESSScale AI SEAL21.6%†–
DistressBenchScale AI SEAL77.5%–
元数据
AA Openness IndexArtificial Analysis27.8–

数据截至 2026年11月19日。对比的是每个模型的最佳配置;每项分数的来源链接都在模型页面上。

DuelLab GameBench 2, release gb2-20261114-ca113f475f5e (https://benchmarks.duellab.org/releases/gb2-20261114-ca113f475f5e/), CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). Scores mapped to BenchLeader model names; not endorsed by DuelLab.

变化

  • Qwen3.8 2.4T A95B:BenchLeader Index 51.0 → 51.6。
  • Qwen3.8 2.4T A95B:BenchLeader Index 51.5 → 51.0。
  • Qwen3.8 2.4T A95B:BenchLeader Index 52.0 → 51.5。
  • Qwen3.8 2.4T A95B:1 项分数修订。
  • Qwen3.8 2.4T A95B:BenchLeader Index 53.0 → 52.0。
  • Qwen3.8 2.4T A95B:1 项新结果(HLE-Diamond (AA))。
  • Qwen3.8 2.4T A95B:BenchLeader Index 56.1 → 53.0。
  • Qwen3.8 2.4T A95B:1 项新结果(AA Progress Index v1);2 项分数修订。
  • Qwen3.8 2.4T A95B:5 项新结果(AA Cyber Index, CWE-Bench (AA), DeepSec-Bench (AA)…)。
  • Qwen3.8 2.4T A95B:1 项分数修订。

排行榜: 综合最佳大模型 · 最适合智能体的大模型 · 便宜好用的大模型

Qwen3.8 2.4T A95B vs Qwen4 Max:常见问题

Qwen3.8 2.4T A95B 和 Qwen4 Max 哪个更便宜?价格会变吗?
目前 Qwen4 Max 更便宜:每百万 token $2.25 比 $3.00(按每 1 个输出 token 对应 3 个输入 token 混合计算)。两者均未公布价格调整。
Qwen3.8 2.4T A95B 和 Qwen4 Max 哪个更快?
Qwen4 Max 输出更快(输出 59 比 41 token/秒,Artificial Analysis 7 日中位数)。
处理长文档哪个更好?
两者都约为 1M token(Qwen3.8 2.4T A95B 为 1,000,000,Qwen4 Max 为 991,808)。
哪个延迟更低?
Qwen3.8 2.4T A95B 先开始回答:据 Artificial Analysis 测量,首个回答 token 的等待时间为 111.5 秒比 139.2 秒。这主要取决于推理强度:设置越高,回答前思考得越久。
第三方基准测试对 Qwen3.8 2.4T A95B 和 Qwen4 Max 的看法一致吗?
在两者都有结果的 11 项基准测试中,Qwen3.8 2.4T A95B 领先 1 项,Qwen4 Max 领先 10 项。
更多问题(1)
Qwen4 Max 是什么时候发布的?
Qwen4 Max 于 2026年11月16日 发布。