SuperCLUE 中文大模型测评千问、混元、Kimi 并列国内榜首

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-Max61.61复杂推理、工程开发,推理成本大幅下降
Kimi K3.1-Pro61.46长文本一致性、超长上下文任务处理
腾讯混元 Hy461.01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

  1. 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。
  2. 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%。
  3. 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。
  4. 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

赞 (7)

今日大家都在搜的词:

发表回复

本站作者后才能评论

评论列表(4条)

  • 雾矢网关
    雾矢网关 2026年11月18日

    我是乌兰科技网的签约作者“雾矢网关”!

  • 雾矢网关
    雾矢网关 2026年11月18日

    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!

  • 雾矢网关
    雾矢网关 2026年11月18日

    本站[乌兰科技网]内容主要涵盖:互联网行业的追踪与探索

  • 雾矢网关
    雾矢网关 2026年11月18日

    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。

联系我们

联系:143 0457 151

工作时间:周一至周五,9:30-18:30,节假日休息

关注我们