什么值得买 11 月 12 日的这篇实测是首批测评里信息量最大的一篇：它既讲工程规格的变化，也给出了可核查的 Agent 跑分式记录，还附带了一个对所有首批测评都成立的重要警告。本站按「规格—证据—短板—警告」四段重新整理。
工程层面最值得注意的三点：最大输出从上一代的 128K 提升到约 384K（官方口径 393,216 tokens）；多轮对话默认保留历史思考过程；max_tokens 的语义改为「思考 + 答案」合计上限——最后一点会直接影响各类 Agent 框架的 token 预算算法，迁移时不改配置就可能被截断。
B 站 UP 主 Scorpio-117 用 4 个一次性 Agent 任务实测：Qwen4-Max-Preview 总耗时 23 分 03 秒，Qwen3.8-Flash 用了 98 分 42 秒，且全程无人工纠正。另一个例子是单个提示词 1 小时内复刻出《Super Bunny Man》克隆，含单人、多人模式与多关卡。这类「给任务、等成品」的记录，比聊天问答更能反映 Agent 模型的真实差距。
同一篇实测也明确列出弱点：前端 UI 的美观度仍属一般；3D 拆解任务缺少内部零件细节。ModelDial 给出的三项评分是：交互 80 分、视觉美观 64 分、可维护性 55 分——功能强、卖相与工程整洁度跟不上的画像相当一致。
最重要的部分在最后。同一位 UP 主用相同提示词在 2 台电脑、4 个客户端、8 个账号上测试，主观感受是「随机路由到了多个模型」，社区评价随之两极分化；另一位创作者上午测出异常的 9 分钟结果，复测又恢复正常。原文给出的建议值得每个读者照做：不要凭单一样本下结论；固定一个入口，用自己的真实仓库任务至少跑两遍。这也是本站所有实测整理都标注「个案」的原因。
参考来源：本文为本站原创改写与整理，事实与数据核对自 什么值得买（2026-11-12）
← 返回 Qwen4-Max 专题什麼值得買 11 月 12 日的這篇實測是首批測評裏信息量最大的一篇：它既講工程規格的變化，也給出了可覈查的 Agent 跑分式記錄，還附帶了一個對所有首批測評都成立的重要警告。本站按「規格—證據—短板—警告」四段重新整理。
工程層面最值得注意的三點：最大輸出從上一代的 128K 提升到約 384K（官方口徑 393,216 tokens）；多輪對話默認保留歷史思考過程；max_tokens 的語義改爲「思考 + 答案」合計上限——最後一點會直接影響各類 Agent 框架的 token 預算算法，遷移時不改配置就可能被截斷。
B 站 UP 主 Scorpio-117 用 4 個一次性 Agent 任務實測：Qwen4-Max-Preview 總耗時 23 分 03 秒，Qwen3.8-Flash 用了 98 分 42 秒，且全程無人工糾正。另一個例子是單個提示詞 1 小時內復刻出《Super Bunny Man》克隆，含單人、多人模式與多關卡。這類「給任務、等成品」的記錄，比聊天問答更能反映 Agent 模型的真實差距。
同一篇實測也明確列出弱點：前端 UI 的美觀度仍屬一般；3D 拆解任務缺少內部零件細節。ModelDial 給出的三項評分是：交互 80 分、視覺美觀 64 分、可維護性 55 分——功能強、賣相與工程整潔度跟不上的畫像相當一致。
最重要的部分在最後。同一位 UP 主用相同提示詞在 2 臺電腦、4 個客戶端、8 個賬號上測試，主觀感受是「隨機路由到了多個模型」，社區評價隨之兩極分化；另一位創作者上午測出異常的 9 分鐘結果，複測又恢復正常。原文給出的建議值得每個讀者照做：不要憑單一樣本下結論；固定一個入口，用自己的真實倉庫任務至少跑兩遍。這也是本站所有實測整理都標註「個案」的原因。
參考來源：本文爲本站原創改寫與整理，事實與數據覈對自 什麼值得買（2026-11-12）
← 返回 Qwen4-Max 專題SMZDM's November 12 test is the most information-dense of the first wave: it covers engineering changes, offers checkable agent-run timings, and ends with a warning that applies to every early review — including the ones on this site. We reorganise it into specs, evidence, weaknesses and that warning.
Three engineering changes matter. Max output rises from the previous generation's 128K to roughly 384K (officially 393,216 tokens). Multi-turn chats now retain historical reasoning by default. And max_tokens has been redefined as a combined cap on thinking plus answer — which silently changes the token-budget math of every agent harness; migrate without adjusting configs and you will get truncated runs.
Bilibili creator Scorpio-117 ran four one-shot agent tasks: Qwen4-Max-Preview finished in 23 minutes 03 seconds against Qwen3.8-Flash's 98 minutes 42 seconds, with no human correction along the way. Separately, a single prompt produced a "Super Bunny Man" clone within an hour, single-player, multiplayer and multiple levels included. "Give it a task, grade the artifact" records like these say more about an agent model than any chat transcript.
The same review is candid about the gaps: front-end UI aesthetics remain average, and a 3D disassembly task lacked internal part detail. ModelDial's three scores sketch the same portrait — interaction 80, visual aesthetics 64, maintainability 55: functionally strong, presentationally and structurally behind.
The most important part comes last. The same creator ran one prompt across 2 computers, 4 clients and 8 accounts and came away feeling that requests were "randomly routed to multiple models"; community verdicts polarised accordingly. Another creator saw an anomalous 9-minute result in the morning that was normal on retest. The original advice deserves quoting in substance: never judge by a single sample — fix one entry point and run your own real repository tasks at least twice. It is why every test summary on this site is labelled an anecdote.
Reference source: this article is an original rewrite produced by this site; facts and figures were checked against 什么值得买（2026-11-12）
← Back to the Qwen4-Max topic page