2026年11月18日,SuperCLUE发布最新一期中文通用大模型能力测评结果。阿里千问Qwen4-Max与腾讯混元Hy4分别获得61.61分和61.01分,与KimiK3.1Pro的61.46分同处国内领先位置。根据本次测评规则,得分差距在1分以内视为并列第一。相较前一版本,Qwen4-Max提升18.39分,Hy4提升18.05分,二者同步迈入国内第一梯队。
两款模型均于2026年11月正式上线。Qwen4-Max重点增强复杂逻辑推理与工程化开发能力,并显著降低推理资源消耗;Hy4则首次集成原生视觉理解与桌面环境操作能力,在长文本处理、智能体任务规划及代码生成方面实现系统性升级。
编程能力与使用效率成为本次测评中进步最为显著的维度。在智能体编程专项测试中,两款模型均取得57.69分,较各自前代版本均提升15.38分。此前,Qwen3.8-Max-0902的测试超时率为69.23%,Hy4-Preview为26.92%;此次新版本全部顺利完成全部测试题目,超时率归零,单题平均输出Token数量亦明显下降。
结合本次实测Token消耗量与当前市场定价测算,Qwen4-Max单题平均成本约为1.90元,较上一版本下降约87.0%;Hy4单题平均成本约为2.52元,较Preview版本下降约28.5%。模型能力提升的同时,单位任务执行成本显著优化。
细分能力方面,千问在幻觉抑制方面表现突出,Qwen4-Max该项得分为73.61分,较前代提升40.56分,位居国内分项第一;其超长上下文理解能力得分为77.80分,提升33.42分。Hy4则在超长上下文处理与指令精准执行两方面优势明显,超长上下文得分达88.86分,较Preview版本提升40.99分;精确指令遵循得分为50.00分,提升18.97分,两项指标均居国内首位。
总体来看,两款模型不仅推动综合能力达到新高度,更切实解决了编程类任务中的响应延迟与资源开销问题。千问在减少事实性错误方面保持领先,腾讯混元则在处理海量信息与严格遵循指令两个关键维度上位居国内第一。

评论
更多评论