千问、腾讯混元与Kimi并列第一,中文大模型最新榜单公布
快科技11月18日消息,SuperCLUE公布新一轮中文通用能力测评结果,阿里千问Qwen4-Max取得61.61分,腾讯混元Hy4取得61.01分,与61.46分的KimiK3.1Pro并列国内榜首。
按照此次测评规则,相差1分以内的模型视为并列。相比上一版本,Qwen4-Max、Hy4分别提高18.39分、18.05分,双双进入国内第一梯队。

2款模型均在2026年11月正式发布。Qwen4-Max重点提升复杂推理、工程开发等能力,并优化推理开销;Hy4新增原生视觉理解和电脑操作能力,强化长文本处理、智能体规划及代码开发。
这次测评中,编程能力和使用成本的变化尤其明显。智能体编程项目里,2款模型均拿到57.69分,比各自上一版本提高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2款新模型都顺利跑完全部试题,超时率降至0%,单题平均输出Token量也明显减少。
按本次测试的Token开销和模型定价计算,Qwen4-Max平均每题成本约1.90元,比上一版本下降约87.0%;Hy4约2.52元,比Preview版本下降约28.5%。完成任务的能力提高了,单题花费也降了下来。
分项成绩上,千问更突出的是幻觉控制。Qwen4-Max拿到73.61分,比上一版本提高40.56分,位列国内分榜第1;超长上下文得分为77.80分,提高33.42分。
Hy4则在处理超长内容和准确执行要求上表现更强。其超长上下文得分达到88.86分,比Preview版本提高40.99分;精确指令遵循取得50.00分,提高18.97分,2项均位列国内分榜第1。
从此次结果看,2款模型既拉高了综合成绩,也改善了编程任务中的超时和成本问题。千问在幻觉控制上领先,腾讯混元则拿下超长上下文和精确指令遵循2项国内第1。

“特别声明:以上作品内容(包括在内的视频、图片或音频)为凤凰网旗下自媒体平台“大风号”用户上传并发布,本平台仅提供信息存储空间服务。
Notice: The content above (including the videos, pictures and audios if any) is uploaded and posted by the user of Dafeng Hao, which is a social media platform and merely provides information storage space services.”




