Vals AI, составитель независимых рейтингов ИИ-моделей, поставила Qwen4-Max на 11-е место среди 38 моделей в Vals Index v2.2 — сводной оценке по набору тестов. Модель набрала 63,2%. Новинка Alibaba стала лучшей китайской моделью в этом тесте: Kimi K3.1 Pro от Moonshot AI получила 62,52%, а предыдущая Qwen3.8 Max 0902 — 59,05%.
Результаты Qwen4-Max и выбранных китайских моделей на 15 ноября:
| Модель | Компания | Баллы |
|---|---|---|
| Qwen4-Max | Alibaba | 63,20% |
| Kimi K3.1 Pro | Moonshot AI | 62,52% |
| Qwen3.8 Max 0902 | Alibaba | 59,05% |
Vals AI тестировала Qwen4-Max с максимальным уровнем рассуждений xhigh. Отрыв от модели Moonshot AI составил 0,68 процентного пункта, а результат предыдущего флагмана Alibaba новинка превзошла на 4,15 пункта. Это оценка в конкретном наборе тестов, а не универсальная вероятность правильного ответа.
Читайте также
Результаты заметно различаются в зависимости от задачи. Qwen4-Max заняла восьмое место из 41 в тесте финансовых ИИ-агентов и общем финансовом индексе Vals. В программировании она стала 15-й из 129 моделей в Vibe Code Bench и 15-й из 65 в Terminal-Bench 4.0. В тесте юридического поиска модель разделила 32-е место из 95.
Оценка Vals AI датирована 15 ноября, за день до официального запуска Qwen4-Max: у предварительной версии, открытой 11 ноября, ещё не было опубликованных независимых результатов. Ранее мы рассказали о запуске модели и ценах её API.
Qwen4-Max работает только через облачные сервисы Alibaba: её веса нельзя скачать и развернуть на собственном сервере. Компания обещала позднее открыть веса меньших моделей семейства Qwen4.
