Động Sát Beating Tin nhanh AI, tổ chức đánh giá độc lập Artificial Analysis công bố kết quả phiên bản chính thức Qwen4-Max. Ở mức suy luận cao nhất xhigh, chỉ số thông minh tổng hợp của mô hình đạt 43 điểm, tăng 9 điểm so với 34 điểm của thế hệ trước Qwen3.8-Max, còn kém 3 điểm so với 46 điểm của Kimi K3.1 Pro.
Qwen4-Max vượt qua thế hệ trước ở cả 9 bài đánh giá. Tỷ lệ chính xác trong bài kiểm tra suy luận tri thức khó HLE-Diamond tăng từ 24% lên 45%, bài kiểm tra tự động hóa phần mềm doanh nghiệp tăng 17 điểm phần trăm. Trong AA-Briefcase mô phỏng xử lý tệp nghiệp vụ thực tế, Qwen4-Max đạt 1686 Elo, cao hơn một chút so với 1674 của Kimi K3.1 Pro.
Khả năng lập trình vẫn là điểm yếu. Trong bài kiểm tra Terminal-Bench 4.0, Qwen4-Max đạt 48%, kém rõ rệt so với 67% của Kimi K3.1 Pro. Trong FrontierCode 2.0 kiểm tra khả năng phát triển dự án mã nguồn mở thực tế, cả hai đều đạt 26%, kém 31% của Tencent Hy4.
Về chi phí, chi phí trung bình mỗi tác vụ của Qwen4-Max là 3,27 USD, thế hệ trước là 10,02 USD, giảm khoảng 67%, cũng rẻ hơn khoảng 11% so với 3,68 USD của Kimi K3.1 Pro.
Ngoài việc giảm giá API, bản thân mô hình cũng giảm mức tiêu thụ Token. Qwen4-Max trung bình xuất ra khoảng 10,5 vạn Token mỗi tác vụ, giảm 39% so với 17,1 vạn của thế hệ trước. Tuy nhiên, Kimi K3.1 Pro chỉ cần khoảng 7,2 vạn Token.
