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