Qwen4-Max 进入 Arena,实测 3D 场景、游戏与网页设计
Qwen4-Max by @Alibaba_Qwen is now in the Arena. @petergostev tested it on 3D scenes, games, creative prompts, website design, and interactive explanations, comp
Arena 宣布阿里 Qwen4-Max 已进入 Arena,创作者 petergostev 用 3D 场景、游戏、创意提示词、网页设计和交互式讲解等任务,将其输出与 Opus、GPT、Kimi、Fable 对比。Arena 称 Qwen4-Max 在 Agent Arena 首次上榜即位列第 14,较 Qwen3.8-Max 的第 39 名提升明显,在 14.7k 真实智能体会话上净提升 +7.5%,是榜单上排名最高的中国模型。分项上它在 Praise vs. Complaint 提升 13%、Confirmed Success 提升 9%、Steerability 提升 8%、Bash Reliability 提升 3%。
查看原帖由 @Alibaba_Qwen 推出的 Qwen4-Max 是排行榜上排名第一的中国模型,这使得阿里巴巴成为排名第一的中国实验室,并在整体实验室排名中位列第五,仅次于 Anthropic、Google、OpenAI 和 Meta。 它在 Agent Arena 上首次亮相即位列总榜第 14 名,在我们全球社区提供的 14.7k 次真实智能体会话(真实任务上的真实轨迹)中实现了 +7.5% 的净提升。 相较 Qwen3.8-Max 这是一次重大飞跃 - 排名:总榜第 39 名 → 第 14 名 Agent Arena 上的中国前沿模型: - 第 14 名 Qwen4-Max(阿里巴巴):+7.5% - 第 19 名 Hy4(腾讯):+5.7% - 第 21 名 Kimi K3.1 Pro (Max)(月之暗面):+4.0% - 第 26 名 MiMo-V2.6-Pro(小米):+1.5% - 第 30 名 DeepSeek-V4.1-Flash (Max)(DeepSeek):+1.1% 按各项信号拆解表现: Qwen4-Max 在全部四项报告信号上均优于 Qwen3.8-Max,其中在用户满意度和可控性方面提升尤为显著。 - 第 15 名 好评 vs. 差评:+13%(最佳中国模型) - 第 13 名 确认成功:+9%(最佳中国模型) - 第 19 名 可控性:+8% - 第 29 名 Bash 可靠性:+3% 按类别划分,它在全部 3 个类别中均为排名最高的中国模型: - 工作类第 12 名:+9% - 聊天类第 14 名:+8% - 代码类第 16 名:+8% 祝贺 @Alibaba_Qwen 团队发布此版本!
查看原文
Qwen4-Max by @Alibaba_Qwen is the #1 Chinese model on the leaderboard making Alibaba now the #1 Chinese lab and #5 lab overall, just behind Anthropic, Google, OpenAI and Meta. It debuts overall at #14 on Agent Arena with +7.5% net improvement across 14.7k real-world agentic sessions from our global community, real traces on real tasks. This is a major leap over Qwen3.8-Max - Rank: #39 → #14 overall The Chinese frontier on Agent Arena: - #14 Qwen4-Max (Alibaba): +7.5% - #19 Hy4 (Tencent): +5.7% - #21 Kimi K3.1 Pro (Max) (Moonshot): +4.0% - #26 MiMo-V2.6-Pro (Xiaomi): +1.5% - #30 DeepSeek-V4.1-Flash (Max) (DeepSeek): +1.1% Breaking down performance across signals: Qwen4-Max improves over Qwen3.8-Max across all four reported signals, with particularly large gains in user satisfaction and steerability. - #15 Praise vs. Complaint: +13% (best Chinese model) - #13 Confirmed Success: +9% (best Chinese model) - #19 Steerability: +8% - #29 Bash Reliability: +3% By category, it is a top-ranked Chinese model across all 3: - #12 in Work: +9% - #14 in Chat: +8% - #16 in Code: +8% Congrats to the @Alibaba_Qwen team on this release!
正文 · AI 翻译
由 @Alibaba_Qwen 推出的 Qwen4-Max 现已进入 Arena。@petergostev 在 3D 场景、游戏、创意提示词、网页设计和交互式讲解等任务上对其进行了测试,并将其输出与 Opus、GPT、Kimi 和 Fable 的输出进行了对比。
观看 Peter 的第一印象,并在帖子中的链接里找到他的提示词。
00:00 Qwen4-Max 距离前沿有多近? 00:29 金门大桥:首个 3D 测试 01:59 体素罗马及更多 3D 对比 05:35 将画作转化为 3D 世界 09:09 游戏:Qwen 对比 Opus 和 Fable 10:18 创意场景与镜头运用 12:32 钩针蘑菇测试 13:36 网页设计:差距较小 15:47 Qwen 对比 GPT:网页设计与可用性 18:26 更多测试:飞机、徒步和字体排印 19:33 交互式讲解:闪电与 Enigma 21:27 皮皮岛:Qwen 对比 Fable 22:08 定价未知数与最终感想