BenchLeader

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 MaxQwen4 Max
提供商AlibabaAlibaba
发布日期2026年8月3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 MaxQwen4 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 MaxQwen4 Max领先者
推理50.958.5Qwen4 Max
编程61.055.1Qwen3.8 Max
智能体与工具65.0–无法比较
数学64.9–无法比较
知识58.059.0Qwen4 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。

2550 avg75推理编程知识Qwen3.8 Max, 推理: 50.9Qwen3.8 Max, 编程: 61.0Qwen3.8 Max, 知识: 58.0Qwen4 Max, 推理: 58.5Qwen4 Max, 编程: 55.1Qwen4 Max, 知识: 59.0

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。

模型(单击添加或移除)Index

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 IndexQwen3.8 MaxQwen4 Max领先者
AA Intelligence Index v5.0.133.642.9Qwen4 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 MaxQwen4 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)171k105k
其中推理部分120k69k
每项任务耗时(AA Index)48 min30 min
输出速度60 tok/s59 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 MaxQwen4 Max
BenchLeader IndexBenchLeader59.0–
智能体与工具得分BenchLeader65.0–
编程得分BenchLeader61.055.1
综合得分BenchLeader43.3–
人类偏好得分BenchLeader67.5–
知识得分BenchLeader58.059.0
长上下文得分BenchLeader64.8–
数学得分BenchLeader64.9–
多模态得分BenchLeader65.5–
推理得分BenchLeader50.958.5
混合价格(美元/百万 token)BenchLeader$3.00$2.25
输出速度BenchLeader60 tok/s59 tok/s
首次回答时间BenchLeader93.1 秒139.2 秒
上下文窗口BenchLeader1,000,000 token991,808 token
推理
GPQA DiamondEpoch AI Benchmarking Hub92.7%†–
Arena Hard PromptsArena (LMArena)1507–
LiveBench 2.0 ReasoningLiveBench88.2%92.2%†
LiveBench 1.0 ReasoningLiveBench88.2%–
GPQA Diamond (AA)Artificial Analysis92.8%–
Humanity's Last Exam (AA)Artificial Analysis43.1%–
HLE-Diamond (AA)Artificial Analysis24.0%44.9%
GPQA Diamond (Vals)Vals AI93.7%–
CritPtArtificial Analysis20.0%–
CritPt v2 hard subset (AA)Artificial Analysis29.5%43.0%
MysteryMechanismVals AI23.9%–
Arena ExpertArena (LMArena)1514–
Chess PuzzlesEpoch AI Benchmarking Hub46.0%†–
Mystery Game PuzzlesEpoch AI Benchmarking Hub38.0%†–
LMCAEpoch AI Benchmarking Hub46.2%†–
DTBenchEpoch AI Benchmarking Hub92.0%†–
编程
SciCodeSciCode53.2%–
Arena CodingArena (LMArena)1525–
Arena WebDevArena (LMArena)16751750†
LiveBench 2.0 CodingLiveBench60.9%69.8%†
LiveBench 1.0 CodingLiveBench72.9%–
LiveCodeBenchVals AI87.8%–
IOIVals AI68.9%–
SWE-bench (Vals)Vals AI85.6%–
Code MigrationVals AI24.0%–
显示全部 143 项基准测试
指标发布方Qwen3.8 MaxQwen4 Max
编程
ProgramBenchVals AI0.0%–
SWE-bench MultimodalVals AI42.5%–
Vibe Code Bench 1-100Vals AI12.8%–
Vibe Code Bench v1.1Vals AI64.7%86.7%†
SWE Atlas v1.1Scale AI SEAL64.4%–
SWE Atlas v1.1: Codebase QnAScale AI SEAL81.5%–
SWE Atlas v1.1: Test WritingScale AI SEAL58.9%–
SWE Atlas v1.1: RefactoringScale AI SEAL52.9%–
MirrorCodeEpoch AI Benchmarking Hub52.2%†–
DeepSWE v1.1Epoch AI Benchmarking Hub57.5%†–
ALE-BenchEpoch AI Benchmarking Hub1679.1†–
FrontierSWEEpoch AI Benchmarking Hub17.8%†–
Terminal-Bench 4.0 (AA)Artificial Analysis38.9%48.5%
Terminal-Bench 2.1 (AA)Artificial Analysis88.8%–
Startrise FrontendStartrise71.3%–
GameBench 2 OverallDuelLab GameBench 254.2–
GameBench 2 by reasoning settingDuelLab GameBench 269.6†–
Design Arena WebsiteDesign Arena1272–
FrontierCode 1.1 (AA)Artificial Analysis43.2%–
FrontierCode 2.0 (AA)Artificial Analysis23.4%26.4%
智能体与工具
Terminal-BenchTerminal-Bench27.0%†–
APEX-AgentsMercor63.3%–
Arena AgentArena (LMArena)-0.97.3†
LiveBench Long AgenticLiveBench26.6%46.6%†
LiveBench BrowserLiveBench49.4%80.7%†
LiveBench Agentic CodingLiveBench64.7%–
Terminal-Bench 2.1 (Vals)Vals AI67.4%–
τ³-bench Bankingτ²-bench55.1%†–
GDPval-AA v2.1, normalised scoreArtificial Analysis58.3%–
GDPval-AA v2.1Artificial Analysis16741809
τ³-Banking (AA)Artificial Analysis51.3%–
ITBench SRE (AA)Artificial Analysis40.3%–
Analyst Agent (AA)Artificial Analysis45.0%46.3%
APEX-Agents (AA)Artificial Analysis42.4%59.1%
CyberBenchVals AI28.6%–
Finance Agent v2Vals AI50.6%–
Finance Agent v2.1Vals AI–66.7%†
Harvey's Legal Agent Benchmark v1.1Vals AI–21.3%†
Harvey's Legal Agent Benchmark v1Vals AI10.4%–
Legal Research BenchVals AI47.6%41.4%†
Robo-benchVals AI5.2%†–
SkillsBenchVals AI42.0%–
Tax Agent BenchVals AI32.1%40.4%†
Terminal-Bench 4.0 (Vals)Vals AI34.3%48.5%†
Terminal-Bench ScienceVals AI12.9%–
Arena SearchArena (LMArena)1227–
Arena Agent Task CompletionArena (LMArena)3.68.8†
AutomationBenchArtificial Analysis56.2%72.6%
GDP.pdf (AA)Artificial Analysis22.8%26.2%
Harvey LAB-AA v1.1Harvey–9.4%
EnterpriseOps-GymArtificial Analysis47.6%48.5%
AA-Briefcase v1.1Artificial Analysis16041686
GDPxGDPx by SemiAnalysis3.5%†–
Design Arena AgenticDesign Arena12551356
Terminal-Bench-Science 0.1 (AA)Artificial Analysis11.9%23.3%
MKA (AA)Artificial Analysis37.4%–
FACTS SearchGoogle85.0%–
数学
FrontierMath Tiers 1–3Epoch AI Benchmarking Hub74.7%†–
FrontierMath Tier 4Epoch AI Benchmarking Hub46.3%†–
OTIS Mock AIMEEpoch AI Benchmarking Hub100.0%†–
ProofBenchVals AI58.0%–
LiveBench MathematicsLiveBench91.3%–
Arena MathsArena (LMArena)1501–
知识
SimpleQA VerifiedEpoch AI Benchmarking Hub47.3%†–
LiveBench 2.0 Data AnalysisLiveBench78.4%83.4%†
LiveBench ResearchLiveBench72.8%84.7%†
LiveBench 1.0 Data AnalysisLiveBench78.4%–
AA-Omniscience v1.1Artificial Analysis10.527.7
MMLU-ProVals AI88.6%–
LegalBenchVals AI83.6%–
CorpFinVals AI65.8%–
TaxEvalVals AI75.5%–
Excel Modeling BenchmarkVals AI60.1%–
Excel Modeling Benchmark v1.1Vals AI66.0%70.8%†
MedCodeVals AI40.7%–
MedScribeVals AI85.0%–
Public Benefits Bench v1.1Vals AI67.1%–
Access to Justice BenchmarkVals AI76.4%–
Financial Coaching BenchVals AI75.6%–
Immigration BenchVals AI70.1%–
GDP.pdfEpoch AI Benchmarking Hub42.8%†–
AA-Omniscience v1.1: accuracyArtificial Analysis29.5%43.7%
AA-Omniscience v1.1: non-hallucinationArtificial Analysis72.9%71.6%
FACTS ParametricGoogle30.8%–
指令遵循
LiveBench LanguageLiveBench79.7%–
LiveBench Instruction FollowingLiveBench74.1%–
Arena Instruction FollowingArena (LMArena)1478–
人类偏好
Arena TextArena (LMArena)1484–
Arena Creative WritingArena (LMArena)1473–
Arena Multi-turnArena (LMArena)1495–
Arena Longer QueriesArena (LMArena)1498–
多模态
Arena VisionArena (LMArena)1312–
LiveBench DesignLiveBench76.6%79.1%†
MMMU-ProArtificial Analysis82.8%–
MMMU-Pro (Vals)Vals AI88.0%–
MortgageTaxVals AI64.0%–
SAGEVals AI81.8%–
Humanity's Sixth SenseScale AI SEAL33.0%†–
Furniture AssemblyEpoch AI Benchmarking Hub20.0%†–
VIALS-AAHandshake AI31.7%–
Code2Video-AAArtificial Analysis1021–
AA-3DArtificial Analysis954–
FACTS MultimodalGoogle51.5%–
长上下文
AA-LCR v1.1Artificial Analysis80.3%–
MLCRArtificial Analysis26.1%19.4%
FACTS GroundingGoogle73.8%–
综合
Epoch Capabilities IndexEpoch AI Benchmarking Hub157.6–
LiveBench 2.0LiveBench60.9%73.1%†
LiveBench 1.0LiveBench78.5%–
AA Intelligence Index v5.0.1Artificial Analysis33.642.9
AA Intelligence Index v4.3.2Artificial Analysis45.4–
AA Progress Index v1Artificial Analysis323.7–
Vals IndexVals AI–63.2†
Vals Finance IndexVals AI–62.0%†
Vals RSI IndexVals AI21.8%†–
Vals Multimodal IndexVals AI65.4%–
Vals Legal IndexVals AI–70.7%†
安全与诚实
DistressBenchScale AI SEAL77.6%–

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。

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。