BenchLeader
Alibaba推理模型新2026年11月16日 发布与其他模型对比

Qwen4 Max

发布追踪 · 第 4 天

Qwen4 Max 发布之初:首批第三方结果

截至 2026年11月19日,Qwen4 Max(Alibaba,发布于 2026年11月16日)已有来自 Artificial Analysis(AA Intelligence Index v5.0.1 42.9)、LMArena(Arena WebDev 1750)、Vals AI(Vals Index 63.2)、LiveBench(LiveBench 2.0 73.1%)和 Design Arena(Design Arena Agentic 1356)的第三方结果。它还没有 BenchLeader Index:Index 需要至少两个类别、合计至少五项第三方结果。标价为输入 $1.50、输出 $4.50(每百万 token),上下文窗口为 992k token。Epoch AI、ARC Prize、Scale AI 和 SWE-bench 尚未测量。

发布日期
2026年11月16日(第 4 天)
提供商
Alibaba
价格
输入 $1.50、输出 $4.50(每百万 token)
上下文窗口
992k token
开放权重
否
BenchLeader Index
暂无(需要两个类别、共五项结果)
第三方排行榜目前的结果
Artificial AnalysisAA Intelligence Index v5.0.1 42.9 · AA-Omniscience v1.1 27.7 · HLE-Diamond (AA) 44.9% · 下方还有更多
LMArenaArena WebDev 1750 · Arena Agent 7.3 · Arena Agent Task Completion 8.8
Vals AIVals Index 63.2 · Excel Modeling Benchmark v1.1 70.8% · Finance Agent v2.1 66.7% · 下方还有更多
LiveBenchLiveBench 2.0 73.1% · LiveBench 2.0 Reasoning 92.2% · LiveBench 2.0 Coding 69.8% · 下方还有更多
Design ArenaDesign Arena Agentic 1356

各排行榜通常在模型发布后几天内公布结果;本页每 3 小时重新生成一次。

仅显示第三方发布方的分数;提供商就自家模型公布的基准测试数字不予显示。

推理强度
价格第 186 / 263 名
$2.25每百万 token
比多数贵
中位数的 2.5 倍
速度第 149 / 216 名
59token/秒
低于中位数
中位数的 0.7 倍

在这一档性价比不错: 在 Index 相差 2 分以内的已排名模型中,没有价格不超过它四分之三的模型。

没有比它更便宜且得分更高的已排名模型:它位于价格前沿上。

截至 2026年11月19日,Qwen4 Max(Alibaba)尚未进入 BenchLeader Index 排名,Index 需要至少两个类别、合计至少五项第三方结果。API 价格为输入每百万 token $1.50、输出每百万 token $4.50(按 3:1 混合为 $2.25),为 2026年11月19日的标价。输出速度约为 59 token/秒(Artificial Analysis)。发布于 2026年11月16日。

要点(截至 2026年11月19日)

  • Qwen4 Max 的 API 价格为输入每百万 token $1.50、输出每百万 token $4.50(按 3:1 混合为 $2.25)(标价,2026年11月19日)。
  • Qwen4 Max 的输出速度约为 59 token/秒(Artificial Analysis,2026年11月19日)。
  • Qwen4 Max 于 2026年11月16日发布(Alibaba)。

详细说明:Qwen4 Max 是 Alibaba 的闭源推理模型,发布于 2026年11月16日。尚未进入排名:Index 需要至少两个类别、合计至少五项第三方结果。按混合价格计,每百万 token $2.25,比大多数已排名模型贵。输出速度为 59 token/秒,首次回答需 139.2 秒,比大多数模型慢。它已在 2 种推理强度设置下测得结果;本摘要描述的是得分最高的设置,可用上方标签切换。最近一次测量:2026年11月16日。

混合价格
$2.25/M
输入 $1.50 · 输出 $4.50
来源:Artificial Analysis
输出速度
59 tok/s
由 Artificial Analysis 测量
首次回答
139 s
首 token 1.97 s
上下文
992k
来源:LiteLLM price table
输入类型
文本 · 图像 · 视频
来源:models.dev, OpenRouter
单任务成本
$3.27
每项任务 30 min,AA Index
单任务 token 数
105k
其中 66% 为推理
发布日期
2026年11月16日
各类别得分虚线 = 平均模型(50)。每 15 分为一个标准差。
  1. 推理59
  2. 编程55
  3. 知识59

Qwen4 Max 首次获得基准测试结果时发邮件通知我

Alibaba 发布新模型时也会通知,每周一另有每周回顾。

选择提供商和邮件类型

不同推理强度的配置

同一个模型允许思考的程度不同,表现也会不同。每一行是一种推理强度设置,只用在该设置下运行的基准测试打分。“未说明”汇总了发布方没有注明所用设置的结果;对推理模型而言这通常是其思考模式,但我们不做这一假定。在这里或页面顶部选择一个设置,即可查看其价格、速度和各类别得分。

推理强度Index排名速度首次回答聊天回复成本类别
xhigh––59 tok/s139 s$0.0020智能体与工具 60 · 编程 75 · 综合 57
未说明最佳––59 tok/s139 s$0.0020编程 55 · 知识 59 · 推理 59

基准测试结果

查看全部大模型基准测试。每种推理强度一列。排名是在该基准测试上所有模型的所有配置中的位置。将鼠标悬停在分数上可查看对应的测试运行。

推理

基准测试xhigh默认来源趋势
LiveBench 2.0 Reasoning不计入 Index92.2%#4–LiveBench
HLE-Diamond (AA)推理强度未说明–44.9%#47Artificial Analysis
CritPt v2 hard subset (AA)推理强度未说明–43.0%#71Artificial Analysis

编程

基准测试xhigh默认来源趋势
Arena WebDev1750#9–Arena (LMArena)
LiveBench 2.0 Coding不计入 Index69.8%#25–LiveBench
Vibe Code Bench v1.1不计入 Index86.7%#18–Vals AI
Terminal-Bench 4.0 (AA)不计入 Index推理强度未说明–48.5%#46Artificial Analysis
FrontierCode 2.0 (AA)推理强度未说明–26.4%#62Artificial Analysis

智能体与工具

基准测试xhigh默认来源趋势
Arena Agent7.3#18–Arena (LMArena)
LiveBench Long Agentic不计入 Index46.6%#16–LiveBench
LiveBench Browser不计入 Index80.7%#12–LiveBench
GDPval-AA v2.1不计入 Index推理强度未说明–1809#7Artificial Analysis
Analyst Agent (AA)不计入 Index推理强度未说明–46.3%#25Artificial Analysis
APEX-Agents (AA)不计入 Index推理强度未说明–59.1%#1Artificial Analysis
Finance Agent v2.1不计入 Index66.7%#9–Vals AI
Harvey's Legal Agent Benchmark v1.1不计入 Index21.3%#7–Vals AI
Legal Research Bench不计入 Index41.4%#35–Vals AI
Tax Agent Bench不计入 Index40.4%#14–Vals AI
Terminal-Bench 4.0 (Vals)不计入 Index48.5%#18–Vals AI
Arena Agent Task Completion不计入 Index8.8#16–Arena (LMArena)
AutomationBench不计入 Index推理强度未说明–72.6%#18Artificial Analysis
GDP.pdf (AA)不计入 Index推理强度未说明–26.2%#50Artificial Analysis
Harvey LAB-AA v1.1不计入 Index推理强度未说明–9.4%#8Harvey
EnterpriseOps-Gym不计入 Index推理强度未说明–48.5%#5Artificial Analysis
AA-Briefcase v1.1不计入 Index推理强度未说明–1686#9Artificial Analysis
Design Arena Agentic不计入 Index推理强度未说明–1356#5Design Arena
Terminal-Bench-Science 0.1 (AA)不计入 Index推理强度未说明–23.3%#58Artificial Analysis

知识

基准测试xhigh默认来源趋势
LiveBench 2.0 Data Analysis不计入 Index83.4%#5–LiveBench
LiveBench Research不计入 Index84.7%#17–LiveBench
AA-Omniscience v1.1推理强度未说明–27.7#57Artificial Analysis
Excel Modeling Benchmark v1.1不计入 Index70.8%#21–Vals AI
AA-Omniscience v1.1: accuracy不计入 Index推理强度未说明–43.7%#72Artificial Analysis
AA-Omniscience v1.1: non-hallucination不计入 Index推理强度未说明–71.6%#39Artificial Analysis

多模态

基准测试xhigh来源趋势
LiveBench Design不计入 Index79.1%#14LiveBench

长上下文

基准测试默认来源趋势
MLCR不计入 Index19.4%#75Artificial Analysis

综合

基准测试xhigh默认来源趋势
LiveBench 2.073.1%#14–LiveBench
AA Intelligence Index v5.0.1不计入 Index推理强度未说明–42.9#52Artificial Analysis
Vals Index不计入 Index63.2#14–Vals AI
Vals Finance Index不计入 Index62.0%#9–Vals AI
Vals Legal Index不计入 Index70.7%#18–Vals AI

API 价格:在哪里调用

通过 OpenRouter 提供这个模型的所有提供商:吞吐量和首 token 延迟基于过去 30 分钟的实时流量测得,价格为各提供商自己的报价。紫色标出每列的最佳值。

提供商速度首 token输入 $/M输出 $/M上下文量化
Alibaba Cloud Int.48 tok/s2.19 s$1.43$4.281M–

一项任务的成本

根据最佳配置的标价、输出速度和首次回答时间估算。“使用缓存”假定四分之三的输入来自提示缓存,价格为每百万 token $0.071。未计入推理 token。

工作负载输入 / 输出 token成本使用缓存耗时
聊天回复400 / 300$0.0020$0.00152.4 min
总结一份 30 页的报告12,000 / 600$0.021$0.00782.5 min
代码编辑6,000 / 1,500$0.016$0.00932.7 min
智能体编程会话60,000 / 4,000$0.108$0.0443.5 min
结构化信息提取2,000 / 200$0.0039$0.00182.4 min

Alibaba 的更多模型

本月新上线

将 Qwen4 Max 与以下模型对比

另请参阅

常见问题

为什么 Qwen4 Max 没有 BenchLeader Index 得分?
Index 需要至少两个类别、合计至少五项第三方结果,截至 2026年11月19日,Qwen4 Max 尚未达到。我们从不采用发布文章中的分数,因此要等第三方发布方完成测量后才会排名。
Qwen4 Max 每百万 token 的价格是多少?
截至 2026年11月19日,Qwen4 Max 的价格为输入每百万 token $1.50、输出每百万 token $4.50,混合价格(每 1 个输出 token 对应 3 个输入 token)为 $2.25。
Qwen4 Max 比 Qwen3.8 Max 更好吗?
截至 2026年11月19日,两者中只有一个有足够的第三方结果进入排名,请参考下方逐项基准测试的对比。逐项基准测试的详细对比见对比页面。
Qwen4 Max 是什么时候发布的?
Alibaba 于 2026年11月16日发布了 Qwen4 Max。BenchLeader 收录了它在 2 种推理强度设置下的结果。

数据截至 2026年11月19日。 对比这些配置

引用格式:BenchLeader,《Qwen4 Max:基准测试、价格、速度与排名》,数据截至 2026年11月19日,https://www.benchleader.com/zh/models/qwen4。