Qwen3.8 Max vs Qwen4 Max
完整资料:Qwen3.8 Max(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 13 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)。看重编程(61 比 55)选 Qwen3.8 Max;看重推理(59 比 51)和知识(59 比 58)选 Qwen4 Max。
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 Max 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)。
- 在两者都有结果的 17 项基准测试中,Qwen4 Max 领先 15 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 |
|---|---|---|---|
| 编程 | Qwen3.8 Max | 类别得分 61 比 55;FrontierCode 2.0 (AA) 23.4% 比 26.4% | 中 |
| 推理 | Qwen4 Max | 类别得分 59 比 51;HLE-Diamond (AA) 44.9% 比 24.0% | 高 |
| 知识 | Qwen4 Max | 类别得分 59 比 58;AA-Omniscience v1.1 27.7 比 10.5 | 中 |
| 对话质量(人类偏好) | – | 只有 Qwen3.8 Max 有 Arena 评分(类别得分 68) | 无法比较 |
| 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 | Qwen3.8 Max | 首个回答 token 93.1 秒(Qwen3.8 Max)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。
- Qwen3.8 Max 在编程方面更强。
- 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)。
概览
| 规格 | Qwen3.8 Max | Qwen4 Max |
|---|---|---|
| 提供商 | Alibaba | Alibaba |
| 发布日期 | 2026年8月3日 | 2026年11月16日 |
| 上下文窗口(token) | 1,000,000 | 991,808 |
| 对比时的配置 | Qwen3.8 Max | Qwen4 Max |
| 开放权重 | 否 | 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 Max | Qwen4 Max | 领先者 |
|---|---|---|---|
| 推理 | 50.9 | 58.5 | Qwen4 Max |
| 编程 | 61.0 | 55.1 | Qwen3.8 Max |
| 智能体与工具 | 65.0 | – | 无法比较 |
| 数学 | 64.9 | – | 无法比较 |
| 知识 | 58.0 | 59.0 | Qwen4 Max |
| 人类偏好 | 67.5 | – | 无法比较 |
| 多模态 | 65.5 | – | 无法比较 |
| 长上下文 | 64.8 | – | 无法比较 |
| 综合 | 43.3 | – | 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。
未绘制(测得的模型少于两个):智能体与工具, 数学, 指令遵循, 长上下文, 多模态, 人类偏好。
各来源的分歧
在两者都有结果的 17 项基准测试中,Qwen3.8 Max 领先 2 项,Qwen4 Max 领先 15 项。所有同时评测两者的综合评分都认为 Qwen4 Max 更强。
| 综合 Index | Qwen3.8 Max | Qwen4 Max | 领先者 |
|---|---|---|---|
| AA Intelligence Index v5.0.1 | 33.6 | 42.9 | Qwen4 Max |
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 Max | Qwen4 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) | $10.02 | $3.27 |
| 每项任务输出 token(AA Index) | 171k | 105k |
| 其中推理部分 | 120k | 69k |
| 每项任务耗时(AA Index) | 48 min | 30 min |
| 输出速度 | 60 tok/s | 59 tok/s |
| 首次回答时间 | 93.1 秒 | 139.2 秒 |
| 完整回答耗时(最近一次测量 2026年11月13日) | 282.4 秒 | – |
按 token 计价不等于按任务计价:在 Artificial Analysis 的 Intelligence Index 中,一项平均任务在 Qwen3.8 Max 上花费 $10.02,在 Qwen4 Max 上花费 $3.27;完成同样的工作,Qwen3.8 Max 输出的 token 是对方的 1.6 倍,这是只看 token 单价看不出来的。
每个模型都按其排名最高的推理强度设置进行对比。Qwen3.8 Max 得分 59.0,首个回答 token 需 93 秒;Qwen3.8 Max (xhigh) 为 56.4(116 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 143 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 Max | Qwen4 Max |
|---|---|---|---|
| BenchLeader Index | BenchLeader | 59.0 | – |
| 智能体与工具得分 | BenchLeader | 65.0 | – |
| 编程得分 | BenchLeader | 61.0 | 55.1 |
| 综合得分 | BenchLeader | 43.3 | – |
| 人类偏好得分 | BenchLeader | 67.5 | – |
| 知识得分 | BenchLeader | 58.0 | 59.0 |
| 长上下文得分 | BenchLeader | 64.8 | – |
| 数学得分 | BenchLeader | 64.9 | – |
| 多模态得分 | BenchLeader | 65.5 | – |
| 推理得分 | BenchLeader | 50.9 | 58.5 |
| 混合价格(美元/百万 token) | BenchLeader | $3.00 | $2.25 |
| 输出速度 | BenchLeader | 60 tok/s | 59 tok/s |
| 首次回答时间 | BenchLeader | 93.1 秒 | 139.2 秒 |
| 上下文窗口 | BenchLeader | 1,000,000 token | 991,808 token |
| 推理 | |||
| GPQA Diamond | Epoch AI Benchmarking Hub | 92.7%† | – |
| Arena Hard Prompts | Arena (LMArena) | 1507 | – |
| LiveBench 2.0 Reasoning | LiveBench | 88.2% | 92.2%† |
| LiveBench 1.0 Reasoning | LiveBench | 88.2% | – |
| GPQA Diamond (AA) | Artificial Analysis | 92.8% | – |
| Humanity's Last Exam (AA) | Artificial Analysis | 43.1% | – |
| HLE-Diamond (AA) | Artificial Analysis | 24.0% | 44.9% |
| GPQA Diamond (Vals) | Vals AI | 93.7% | – |
| CritPt | Artificial Analysis | 20.0% | – |
| CritPt v2 hard subset (AA) | Artificial Analysis | 29.5% | 43.0% |
| MysteryMechanism | Vals AI | 23.9% | – |
| Arena Expert | Arena (LMArena) | 1514 | – |
| Chess Puzzles | Epoch AI Benchmarking Hub | 46.0%† | – |
| Mystery Game Puzzles | Epoch AI Benchmarking Hub | 38.0%† | – |
| LMCA | Epoch AI Benchmarking Hub | 46.2%† | – |
| DTBench | Epoch AI Benchmarking Hub | 92.0%† | – |
| 编程 | |||
| SciCode | SciCode | 53.2% | – |
| Arena Coding | Arena (LMArena) | 1525 | – |
| Arena WebDev | Arena (LMArena) | 1675 | 1750† |
| LiveBench 2.0 Coding | LiveBench | 60.9% | 69.8%† |
| LiveBench 1.0 Coding | LiveBench | 72.9% | – |
| LiveCodeBench | Vals AI | 87.8% | – |
| IOI | Vals AI | 68.9% | – |
| SWE-bench (Vals) | Vals AI | 85.6% | – |
| Code Migration | Vals AI | 24.0% | – |
显示全部 143 项基准测试
| 指标 | 发布方 | Qwen3.8 Max | Qwen4 Max |
|---|---|---|---|
| 编程 | |||
| ProgramBench | Vals AI | 0.0% | – |
| SWE-bench Multimodal | Vals AI | 42.5% | – |
| Vibe Code Bench 1-100 | Vals AI | 12.8% | – |
| Vibe Code Bench v1.1 | Vals AI | 64.7% | 86.7%† |
| SWE Atlas v1.1 | Scale AI SEAL | 64.4% | – |
| SWE Atlas v1.1: Codebase QnA | Scale AI SEAL | 81.5% | – |
| SWE Atlas v1.1: Test Writing | Scale AI SEAL | 58.9% | – |
| SWE Atlas v1.1: Refactoring | Scale AI SEAL | 52.9% | – |
| MirrorCode | Epoch AI Benchmarking Hub | 52.2%† | – |
| DeepSWE v1.1 | Epoch AI Benchmarking Hub | 57.5%† | – |
| ALE-Bench | Epoch AI Benchmarking Hub | 1679.1† | – |
| FrontierSWE | Epoch AI Benchmarking Hub | 17.8%† | – |
| Terminal-Bench 4.0 (AA) | Artificial Analysis | 38.9% | 48.5% |
| Terminal-Bench 2.1 (AA) | Artificial Analysis | 88.8% | – |
| Startrise Frontend | Startrise | 71.3% | – |
| GameBench 2 Overall | DuelLab GameBench 2 | 54.2 | – |
| GameBench 2 by reasoning setting | DuelLab GameBench 2 | 69.6† | – |
| Design Arena Website | Design Arena | 1272 | – |
| FrontierCode 1.1 (AA) | Artificial Analysis | 43.2% | – |
| FrontierCode 2.0 (AA) | Artificial Analysis | 23.4% | 26.4% |
| 智能体与工具 | |||
| Terminal-Bench | Terminal-Bench | 27.0%† | – |
| APEX-Agents | Mercor | 63.3% | – |
| Arena Agent | Arena (LMArena) | -0.9 | 7.3† |
| LiveBench Long Agentic | LiveBench | 26.6% | 46.6%† |
| LiveBench Browser | LiveBench | 49.4% | 80.7%† |
| LiveBench Agentic Coding | LiveBench | 64.7% | – |
| Terminal-Bench 2.1 (Vals) | Vals AI | 67.4% | – |
| τ³-bench Banking | τ²-bench | 55.1%† | – |
| GDPval-AA v2.1, normalised score | Artificial Analysis | 58.3% | – |
| GDPval-AA v2.1 | Artificial Analysis | 1674 | 1809 |
| τ³-Banking (AA) | Artificial Analysis | 51.3% | – |
| ITBench SRE (AA) | Artificial Analysis | 40.3% | – |
| Analyst Agent (AA) | Artificial Analysis | 45.0% | 46.3% |
| APEX-Agents (AA) | Artificial Analysis | 42.4% | 59.1% |
| CyberBench | Vals AI | 28.6% | – |
| Finance Agent v2 | Vals AI | 50.6% | – |
| Finance Agent v2.1 | Vals AI | – | 66.7%† |
| Harvey's Legal Agent Benchmark v1.1 | Vals AI | – | 21.3%† |
| Harvey's Legal Agent Benchmark v1 | Vals AI | 10.4% | – |
| Legal Research Bench | Vals AI | 47.6% | 41.4%† |
| Robo-bench | Vals AI | 5.2%† | – |
| SkillsBench | Vals AI | 42.0% | – |
| Tax Agent Bench | Vals AI | 32.1% | 40.4%† |
| Terminal-Bench 4.0 (Vals) | Vals AI | 34.3% | 48.5%† |
| Terminal-Bench Science | Vals AI | 12.9% | – |
| Arena Search | Arena (LMArena) | 1227 | – |
| Arena Agent Task Completion | Arena (LMArena) | 3.6 | 8.8† |
| AutomationBench | Artificial Analysis | 56.2% | 72.6% |
| GDP.pdf (AA) | Artificial Analysis | 22.8% | 26.2% |
| Harvey LAB-AA v1.1 | Harvey | – | 9.4% |
| EnterpriseOps-Gym | Artificial Analysis | 47.6% | 48.5% |
| AA-Briefcase v1.1 | Artificial Analysis | 1604 | 1686 |
| GDPx | GDPx by SemiAnalysis | 3.5%† | – |
| Design Arena Agentic | Design Arena | 1255 | 1356 |
| Terminal-Bench-Science 0.1 (AA) | Artificial Analysis | 11.9% | 23.3% |
| MKA (AA) | Artificial Analysis | 37.4% | – |
| FACTS Search | 85.0% | – | |
| 数学 | |||
| FrontierMath Tiers 1–3 | Epoch AI Benchmarking Hub | 74.7%† | – |
| FrontierMath Tier 4 | Epoch AI Benchmarking Hub | 46.3%† | – |
| OTIS Mock AIME | Epoch AI Benchmarking Hub | 100.0%† | – |
| ProofBench | Vals AI | 58.0% | – |
| LiveBench Mathematics | LiveBench | 91.3% | – |
| Arena Maths | Arena (LMArena) | 1501 | – |
| 知识 | |||
| SimpleQA Verified | Epoch AI Benchmarking Hub | 47.3%† | – |
| LiveBench 2.0 Data Analysis | LiveBench | 78.4% | 83.4%† |
| LiveBench Research | LiveBench | 72.8% | 84.7%† |
| LiveBench 1.0 Data Analysis | LiveBench | 78.4% | – |
| AA-Omniscience v1.1 | Artificial Analysis | 10.5 | 27.7 |
| MMLU-Pro | Vals AI | 88.6% | – |
| LegalBench | Vals AI | 83.6% | – |
| CorpFin | Vals AI | 65.8% | – |
| TaxEval | Vals AI | 75.5% | – |
| Excel Modeling Benchmark | Vals AI | 60.1% | – |
| Excel Modeling Benchmark v1.1 | Vals AI | 66.0% | 70.8%† |
| MedCode | Vals AI | 40.7% | – |
| MedScribe | Vals AI | 85.0% | – |
| Public Benefits Bench v1.1 | Vals AI | 67.1% | – |
| Access to Justice Benchmark | Vals AI | 76.4% | – |
| Financial Coaching Bench | Vals AI | 75.6% | – |
| Immigration Bench | Vals AI | 70.1% | – |
| GDP.pdf | Epoch AI Benchmarking Hub | 42.8%† | – |
| AA-Omniscience v1.1: accuracy | Artificial Analysis | 29.5% | 43.7% |
| AA-Omniscience v1.1: non-hallucination | Artificial Analysis | 72.9% | 71.6% |
| FACTS Parametric | 30.8% | – | |
| 指令遵循 | |||
| LiveBench Language | LiveBench | 79.7% | – |
| LiveBench Instruction Following | LiveBench | 74.1% | – |
| Arena Instruction Following | Arena (LMArena) | 1478 | – |
| 人类偏好 | |||
| Arena Text | Arena (LMArena) | 1484 | – |
| Arena Creative Writing | Arena (LMArena) | 1473 | – |
| Arena Multi-turn | Arena (LMArena) | 1495 | – |
| Arena Longer Queries | Arena (LMArena) | 1498 | – |
| 多模态 | |||
| Arena Vision | Arena (LMArena) | 1312 | – |
| LiveBench Design | LiveBench | 76.6% | 79.1%† |
| MMMU-Pro | Artificial Analysis | 82.8% | – |
| MMMU-Pro (Vals) | Vals AI | 88.0% | – |
| MortgageTax | Vals AI | 64.0% | – |
| SAGE | Vals AI | 81.8% | – |
| Humanity's Sixth Sense | Scale AI SEAL | 33.0%† | – |
| Furniture Assembly | Epoch AI Benchmarking Hub | 20.0%† | – |
| VIALS-AA | Handshake AI | 31.7% | – |
| Code2Video-AA | Artificial Analysis | 1021 | – |
| AA-3D | Artificial Analysis | 954 | – |
| FACTS Multimodal | 51.5% | – | |
| 长上下文 | |||
| AA-LCR v1.1 | Artificial Analysis | 80.3% | – |
| MLCR | Artificial Analysis | 26.1% | 19.4% |
| FACTS Grounding | 73.8% | – | |
| 综合 | |||
| Epoch Capabilities Index | Epoch AI Benchmarking Hub | 157.6 | – |
| LiveBench 2.0 | LiveBench | 60.9% | 73.1%† |
| LiveBench 1.0 | LiveBench | 78.5% | – |
| AA Intelligence Index v5.0.1 | Artificial Analysis | 33.6 | 42.9 |
| AA Intelligence Index v4.3.2 | Artificial Analysis | 45.4 | – |
| AA Progress Index v1 | Artificial Analysis | 323.7 | – |
| Vals Index | Vals AI | – | 63.2† |
| Vals Finance Index | Vals AI | – | 62.0%† |
| Vals RSI Index | Vals AI | 21.8%† | – |
| Vals Multimodal Index | Vals AI | 65.4% | – |
| Vals Legal Index | Vals AI | – | 70.7%† |
| 安全与诚实 | |||
| DistressBench | Scale AI SEAL | 77.6% | – |
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 Max:BenchLeader Index 63.8 → 59.1。
- Qwen3.8 Max:113 项新结果(FACTS Search, FACTS Grounding, FACTS Parametric…);2 项分数修订。
- Qwen3.8 Max:1 项分数修订。
- Qwen3.8 Max:1 项分数修订。
相关对比
- Qwen3.8 Max vs Gemini 4 Carbon
- Qwen4 Max vs Inkling 2 Small
- Qwen3.8 Max vs Qwen3.8-Flash-Next
- Qwen3.8 Max vs GPT-6 Astra
- Qwen3.8 Max vs GPT-6.1 Sol
- Qwen3.8 Max vs Gemini 4 Argon
- Qwen3.8 Max vs Claude Opus 5
- Qwen3.8 Max vs Muse Spark
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 Max vs Qwen4 Max:常见问题
- Qwen3.8 Max 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。
- 编程用 Qwen3.8 Max 还是 Qwen4 Max 更好?
- Qwen3.8 Max 在编程方面得分更高(类别得分 61 比 55,50 为平均水平)。在两者共同的最主要编程基准测试 FrontierCode 2.0 (AA) 上,Qwen3.8 Max 为 23.4%,Qwen4 Max 为 26.4%。
- Qwen3.8 Max 和 Qwen4 Max 哪个更快?
- Qwen3.8 Max 输出更快(输出 60 比 59 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 Max 为 1,000,000,Qwen4 Max 为 991,808)。
- 哪个延迟更低?
- Qwen3.8 Max 先开始回答:据 Artificial Analysis 测量,首个回答 token 的等待时间为 93.1 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。
更多问题(2)
- 第三方基准测试对 Qwen3.8 Max 和 Qwen4 Max 的看法一致吗?
- 在两者都有结果的 17 项基准测试中,Qwen3.8 Max 领先 2 项,Qwen4 Max 领先 15 项。所有同时评测两者的综合评分都认为 Qwen4 Max 更强。
- Qwen4 Max 是什么时候发布的?
- Qwen4 Max 于 2026年11月16日 发布。