動察 Beating AI 速報、独立評価機関 Artificial Analysis が Qwen4-Max 正式版の成績を発表。最高の xhigh 推論ティアにおいて、モデルの総合知能指数は 43 ポイントに達し、前世代の Qwen3.8-Max の 34 ポイントから 9 ポイント向上、Kimi K3.1 Pro の 46 ポイントまであと 3 ポイントに迫った。
Qwen4-Max は全 9 項目の評価すべてで前世代を上回った。高難度知識推論テスト HLE-Diamond の正答率は 24% から 45% に向上し、企業ソフトウェア自動化テストは 17 ポイント改善。実際の業務ファイル処理を模擬する AA-Briefcase では、Qwen4-Max は 1686 Elo を獲得し、Kimi K3.1 Pro の 1674 をわずかに上回った。
プログラミング能力は依然として弱点である。Terminal-Bench 4.0 テストで、Qwen4-Max は 48% を記録し、Kimi K3.1 Pro の 67% に明らかに後れを取った。実際のオープンソースプロジェクト開発能力を試す FrontierCode 2.0 では、両者とも 26% で、テンセント Hy4 の 31% に劣る。
コスト面では、Qwen4-Max の平均タスク単価は 3.27 ドルで、前世代の 10.02 ドルから約 67% 削減され、Kimi K3.1 Pro の 3.68 ドルよりも約 11% 安い。
API の値下げに加え、モデル自体も Token 消費を削減している。Qwen4-Max はタスクあたり平均約 10.5 万 Token を出力し、前世代の 17.1 万から 39% 減少した。ただし、Kimi K3.1 Pro は約 7.2 万 Token しか必要としない。