Alibaba (Qwen)
Qwen3-Max 评测成绩
来自 4 个来源、6 项基准的 11 条成绩。
其他名称: qwen3-max-2025-09-23 · Qwen3-Max-Instruct · Qwen3-Max-Thinking
全部评测成绩
| 基准 | 分数 | 名次 | 设定 | 来源类型 | 日期 |
|---|---|---|---|---|---|
| LMArena Text | 1423 | 125 | Overall, style control on; 9029 votes; 95% CI 1417–1430“qwen3-max-2025-09-23” | 官方榜单 | 2026年10月8日 |
| GPQA Diamond | 72.6% | 151 | Epoch AI run, accuracy | 独立评测 | 2025年10月6日 |
| MMLU-Pro | 85.7% | 31 | Overall accuracy; data source: Self-Reported“Qwen3-Max-Thinking” | 厂商自报 | 2026年3月11日 |
| AIME (OTIS Mock AIME 2024–2025) | 73.3% | 120 | Epoch AI run, OTIS Mock AIME 2024–2025 | 独立评测 | 2025年10月6日 |
| MATH Level 5 | 97.1% | 7 | Epoch AI run, accuracy | 独立评测 | 2025年10月9日 |
| τ²-bench | 69.0% | 11 | airline domain, pass^1; submitted by Qwen; vv0.1.3“Qwen3-Max-Thinking” | 厂商自报 | 2026年1月23日 |
| τ²-bench | 59.5% | 17 | airline domain, pass^1; submitted by Alibaba; v0.1.3 | 官方榜单 | 2024年9月23日 |
| τ²-bench | 79.4% | 13 | retail domain, pass^1; submitted by Qwen; vv0.1.3“Qwen3-Max-Thinking” | 厂商自报 | 2026年1月23日 |
| τ²-bench | 72.2% | 22 | retail domain, pass^1; submitted by Alibaba; v0.1.3 | 官方榜单 | 2024年9月23日 |
| τ²-bench | 98.2% | 1 | telecom domain, pass^1; submitted by Qwen; vv0.1.3“Qwen3-Max-Thinking” | 厂商自报 | 2026年1月23日 |
| τ²-bench | 84.2% | 15 | telecom domain, pass^1; submitted by Alibaba; v0.1.3 | 官方榜单 | 2024年9月23日 |
常见问题
Qwen3-Max 的这些评测分数来自哪里？
来自 Epoch AI Benchmarking Hub、LMArena leaderboard dataset、MMLU-Pro leaderboard (TIGER-Lab)和τ²-bench leaderboard submissions。每一行都链接到原始榜单、数据集或报告，厂商自报的分数单独标注。