第三方测评机构 SuperCLUE 最新一轮中文通用大模型测评结果出炉,阿里千问 Qwen4-Max、腾讯混元 Hy4、Kimi K3.1-Pro 三款模型分数差距在 1 分以内,按照榜单规则判定为并列国内榜首,这次上榜的千问和混元都是 11 月刚更新的新版本,能力相比前代有很大提升。千问 Qwen4-Max 得分 61.61 分,重点优化复杂推理、工程代码能力,同时大幅降低推理成本;Kimi K3.1-Pro 拿到 61.46 分,长文本处理依旧是强项;腾讯混元 Hy4 为 61.01 分,新增原生视觉理解、电脑操作能力,补齐智能体规划短板。本轮测评重点覆盖中文理解、逻辑推理、代码编程、多模态、指令跟随等多个维度,三款模型在编程智能体项目上表现亮眼,全部完成全部测试题目,超时率降到 0,同时 Token 消耗减少,综合性价比明显提升,但这个排名只适用于 SuperCLUE 这套测试集,换别的评测榜单,排名结果会出现变化。
一、三款榜首模型得分与核心亮点表
| 模型名称 | 本次得分 | 核心升级方向 |
|---|---|---|
| 千问 Qwen4-Max | 61.61 | 复杂推理、工程开发,推理成本大幅下降 |
| Kimi K3.1-Pro | 61.46 | 长文本一致性、超长上下文任务处理 |
| 腾讯混元 Hy4 | 61.01 | 原生视觉、电脑操作、智能体规划、代码能力 |
二、本轮测评重点观察项清单
- 编程能力提升:三款头部模型在智能体编程项目得分 57.69 分,相比上一代提升 15.38 分,全部试题无超时。
- 成本优化:千问 Qwen4-Max 单题平均成本约 1.9 元,相比旧版下降 87%;混元 Hy4 单题成本约 2.52 元,降幅 28.5%。
- 评测范围:以中文语境任务为主,包含问答、创作、数理推理、代码、多模态识别、工具调用。
- 并列判定规则:总分差值小于等于 1 分,即判定为并列第一。
三、榜单局限性说明
- 仅代表 SuperCLUE 测试集下的表现,不是所有场景、所有评测基准的统一结论
- 侧重通用中文能力,行业垂直领域(医疗、法律、工业)专项表现不在本次排名里
- 线上实际使用体验还受服务器负载、限流、版本灰度影响
【相关 FAQ】
问题 1:千问、混元、Kimi 在 SuperCLUE 中文大模型测评并列榜首,为什么分数不一样也算并列?
回答 1:本次 SuperCLUE 中文大模型测评设置规则,模型总分相差 1 分以内就视为并列榜首,千问、混元、Kimi 三者分差都在这个区间,所以判定并列第一。
问题 2:拿下并列榜首的千问 Qwen4-Max,相比旧版主要提升了什么?
回答 2:在这次中文大模型测评拿到并列榜首的千问 Qwen4-Max,重点加强复杂推理、工程开发能力,同时减少 token 输出,大幅降低单次调用成本。
问题 3:腾讯混元 Hy4 在本次中文大模型测评里新增加了哪些能力?
回答 3:和千问、Kimi 并列中文大模型测评榜首的腾讯混元 Hy4,新增原生视觉理解、电脑操作能力,强化长文本、智能体任务规划以及代码开发能力。
问题 4:千问、混元、Kimi 并列国内榜首,是不是意味着所有场景下这三个模型都最强?
回答 4:千问、混元、Kimi 只是在 SuperCLUE 这套中文大模型测评里并列榜首,不同测评平台、垂直行业任务的测试结果不一样,不能代表全部使用场景。
【参考资料】
[2026-11-18](千问、腾讯混元与 Kimi 并列第一,中文大模型最新榜单公布)凤凰网科技
[2026-11-18](SuperCLUE 最新测评:千问、混元、Kimi 并列国内第一)快科技
[2026-11-18](Qwen4-Max、Hy4、Kimi K3.1-Pro 登顶中文通用大模型榜单)36 氪
[2026-11-18](国产大模型新一轮比拼,三款模型并列榜首)IT 之家
【免责声明】
本文内容为 SuperCLUE 单轮中文大模型测评结果整理,仅代表该评测体系下的得分排名;不同评测数据集、测试方向会产生不同排名,不代表模型在所有场景、垂直行业的能力高低,不构成选型、采购建议,模型实际体验以官方线上版本为准。
本文来自作者[雾矢网关]投稿,不代表乌兰科技网立场,如若转载,请注明出处:https://www.wlcbnews.com/shangye/202611/4338.html
评论列表(4条)
我是乌兰科技网的签约作者“雾矢网关”!
希望本篇文章《SuperCLUE 中文大模型测评千问、混元、Kimi 并列国内榜首》能对你有所帮助!
本站[乌兰科技网]内容主要涵盖:互联网行业的追踪与探索
本文概览:第三方测评机构 SuperCLUE 最新一轮中文通用大模型测评结果出炉,阿里千问 Qwen4-Max、腾讯混元 Hy4、Kimi K3.1-Pro 三款模型分数差距在 1 分以内,按照榜单规则判定为并列国内榜首,这次上榜的千问和混元都是 11 月刚更新的新版本,能力相比前代有很大提升。千问 Qwen4-Max 得分 61.61 分,重点优化复杂推理、工程代码能力,同时大幅降低推理成本;Kimi K3.1-Pro 拿到 61.46 分,长文本处理依旧是强项;腾讯混元 Hy4 为 61.01 分,新增原生视觉理解、电脑操作能力,补齐智能体规划短板。本轮测评重点覆盖中文理解、逻辑推理、代码编程、多模态、指令跟随等多个维度,三款模型在编程智能体项目上表现亮眼,全部完成全部测试题目,超时率降到 0,同时 Token 消耗减少,综合性价比明显提升,但这个排名只适用于 SuperCLUE 这套测试集,换别的评测榜单,排名结果会出现变化。