Qwen4-Max 登上 Agent Arena 中国模型第一,阿里升至总榜第5
阿里 Qwen 团队发布 Qwen4-Max,在 Arena.ai 的 Agent Arena 排行榜上以 +7.5% 净提升超越 Qwen3.8-Max,总排名从 #39 跃升至 #14,成为榜单上排名最高的中国模型。阿里也由此成为总榜第 5 的实验室,仅次于 Anthropic、Google、OpenAI 和 Meta。该成绩基于全球社区的 1.47 万条真实智能体任务会话数据,而非纯基准测试。 细分信号上,Qwen4-Max 在四项指标全面领先前代:Praise vs. Complaint +13%、Confirmed Success +9%、Steerability +8%、Bash Reliability +3%,其中前两项均为中国模型最佳。分类别看,它在 Work(+9%,#12)、Chat(+8%,#14)、Code(+8%,#16)三个类别都是排名最高的中国模型。 中国模型阵营在 Agent Arena 上的整体格局是:Qwen4-Max #14,腾讯 Hy4 #19,Moonshot Kimi K3.1 Pro (Max) #21,小米 MiMo-V2.6-Pro #26,DeepSeek-V4.1-Flash (Max) #30。Qwen4-Max 的用户满意度和可控性提升幅度最大,对关注智能体实际任务表现的开发者是可量化的参考。
Current read
阿里新模型 Qwen4-Max 在 Agent Arena 上跳了 25 个名次,直接成为中国第一、全球第五。数据来自 1.47 万条真实任务会话,不是刷基准。做智能体选型的开发者可以看看它和 Claude、Gemini 的分项差距。
Evidence
11 sourcesConflict check
Dedup data only shows that these sources discuss the same event, not that they agree. There is no structured supporting or refuting evidence yet, so no conflict is inferred automatically.