FIELD NOTE / {$vo.autoindex}

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

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

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
NX REPORT
2026
当前位置 PG电子试玩精选游戏-PG作品体验 资讯中心 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

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 toke

about image
MORE TO EXPLORE

继续阅读

米体:利贝拉利肌肉不适,可能缺席科莫战萨索洛

米体:利贝拉利肌肉不适,可能缺席科莫战萨索洛

根据《米兰体育报》的报道,利贝拉利出现了肌肉不适的情况,并可能因此缺席本周末科莫主场与萨索洛的比赛。 该报道指出,在科莫本就相当庞大的伤员名单——阿萨内-迪奥、特雷沃-查洛巴、赫苏斯-罗德里格斯和莫伊塞-基恩——之外,利贝拉利也加入其中。 这名年轻前腰上周日在佛罗伦萨刚刚庆祝自己在科莫的首发首秀,并打进意甲处子球,但他在周三晚与曼联的比赛热身时出了状况:当时他感到肌肉不适,法布雷加斯出于保险起见没

西甲第十轮个人大胆预测:第192次国家德比狂人带领皇马全取三分

西甲第十轮个人大胆预测:第192次国家德比狂人带领皇马全取三分

周末即将迎来西甲第十轮的激烈对抗,其中最受瞩目的无疑是巴萨与皇马的国家德比。除此之外,马竞也将在主场迎战拉科鲁尼亚,塞尔塔对阵状态良好的贝蒂斯,以及瓦伦西亚与比利亚雷亚尔的较量。接下来,我们对这几场比赛进行预测。 在巴萨与皇马的对决中,巴萨凭借主场之利和良好的状态占据一定优势。新赛季巴萨在弗里克的执教下取得了九场连胜,尤其是中场的佩德里、罗德里和费尔明的表现极为出色。然而,巴萨在欧冠中的失利可能会

被骂大半年,韩红靠500万把口碑砸回来了

被骂大半年,韩红靠500万把口碑砸回来了

500万,韩红又把口碑“砸”回来了 老话说得好:路遥知马力,日久见人心。可搁韩红身上,这话得改改——日久见人心没错,但人心这玩意儿,翻脸比翻书还快 10月22号半夜,西藏那曲巴青县猛地晃了起来,7.0级地震,大冷天的,房子塌了,余震没完没了,多少人裹着被子站在外头打哆嗦。全国人民心都揪着,救援队连夜往高原上赶。 结果呢?地震发生还不到24小时,23号上午,韩红爱心慈善基金会悄没声地发了条公告:50

没有世界杯和欧冠冠军 凯恩凭什么赢得金球奖?

没有世界杯和欧冠冠军 凯恩凭什么赢得金球奖?

10月27日,2026年金球奖颁奖典礼落下帷幕,33岁的英格兰前锋哈里·凯恩在激烈的竞争中脱颖而出,职业生涯首次捧起金球奖。从长期背负“无冠”标签,到加盟拜仁后逐渐收获团队荣誉,如今又登上世界足坛个人荣誉的最高领奖台,昔日被寄予厚望的“大英帝星”,为自己的职业生涯添上了浓墨重彩的一笔。 今年的金球奖竞争相当激烈,可以说从第一名到第七名都有获得金球奖的理由,排名第三的亚马尔是西班牙队夺得世界杯冠军的

柳岩参加综艺活动,身材傲人,粉丝羡慕不已!

柳岩参加综艺活动,身材傲人,粉丝羡慕不已!

文/桔彤 作为一个艺人,或者是一个女艺人,他们最注重是哪些方面呢,小编列出了几点,其中包括,颜值,身材,还有人气,演技,当然最重要的还是颜值,和身材,这是一个艺 人的出彩的大前提,也是大家的共识。 我们本期说下艺人柳岩,之所以谈起她,在于她在出道的时候,就以颜值在线,身材傲人备受期待,尤其是很多异性的青睐,如今她已经46岁了,可以说人到中年了,还是着实让人羡慕了,近期她参加活动也是备受期待。 近日