与多数在编程工具里测试的评测不同，智东西选择在千问 App 的「千问 Go!」里体验 Qwen4-Max-Preview——这是普通用户最可能接触到它的入口，测的也主要是多模态 Agent 能力：理解指令、调用搜索、生成图文与视频内容并交付成品。结论可以概括为一句话：交付能力超出预期，但多模态一致性仍是短板。
测试中，模型的指令理解与搜索执行大体精准，能把「查资料—组织内容—生成成品」串成一个完整流程，而不是停留在对话问答。多模态生成的整体质量相比上一代有明显提升，3D 仿真与交互细节的表现尤其突出。对于一个主打「办公提效与智能体任务」的模型，这种端到端交付能力比单轮对话的聪明更重要。
问题同样具体：生成内容里出现字幕与视频画面对不上的情况，属于多模态一致性缺陷；个别细节还违反基本物理常识。这类问题在单模态文本任务里不会暴露，只有把文字、图像、视频放在同一个交付物里交叉核对才会现形——也提醒我们，现阶段评价多模态 Agent 不能只看「能不能生成」，还要看「生成的东西彼此对不对得上」。
智东西对响应速度的评价是「中等」。结合其他实测中约 33 tokens/s 的个案记录（见本站阿里云开发者社区实测整理），Qwen4-Max-Preview 的生成速度大致处于「可用但不快」的区间，与它默认开启最高思考档的设定有关：深度思考换来质量，代价是等待。
参考来源：本文为本站原创改写与整理，事实与数据核对自 智东西（2026-11-11）
← 返回 Qwen4-Max 专题與多數在編程工具裏測試的評測不同，智東西選擇在千問 App 的「千問 Go!」裏體驗 Qwen4-Max-Preview——這是普通用戶最可能接觸到它的入口，測的也主要是多模態 Agent 能力：理解指令、調用搜索、生成圖文與視頻內容並交付成品。結論可以概括爲一句話：交付能力超出預期，但多模態一致性仍是短板。
測試中，模型的指令理解與搜索執行大體精準，能把「查資料—組織內容—生成成品」串成一個完整流程，而不是停留在對話問答。多模態生成的整體質量相比上一代有明顯提升，3D 仿真與交互細節的表現尤其突出。對於一個主打「辦公提效與智能體任務」的模型，這種端到端交付能力比單輪對話的聰明更重要。
問題同樣具體：生成內容裏出現字幕與視頻畫面對不上的情況，屬於多模態一致性缺陷；個別細節還違反基本物理常識。這類問題在單模態文本任務裏不會暴露，只有把文字、圖像、視頻放在同一個交付物裏交叉覈對纔會現形——也提醒我們，現階段評價多模態 Agent 不能只看「能不能生成」，還要看「生成的東西彼此對不對得上」。
智東西對響應速度的評價是「中等」。結合其他實測中約 33 tokens/s 的個案記錄（見本站阿里雲開發者社區實測整理），Qwen4-Max-Preview 的生成速度大致處於「可用但不快」的區間，與它默認開啓最高思考檔的設定有關：深度思考換來質量，代價是等待。
參考來源：本文爲本站原創改寫與整理，事實與數據覈對自 智東西（2026-11-11）
← 返回 Qwen4-Max 專題Unlike most reviewers, who tested inside coding tools, Zhidx （智东西） tried Qwen4-Max-Preview where ordinary users will meet it: the Qwen App's "Qianwen Go!" mode. The focus was multimodal agency — understanding instructions, searching, generating mixed media and delivering a finished artifact. The verdict in one line: delivery beat expectations; cross-modal consistency did not.
Instruction understanding and search execution were mostly precise, and the model chained "research — organise — generate" into a single workflow instead of stalling at chat. Multimodal generation quality is clearly up over the previous generation, with 3D simulation and interaction detail standing out. For a model pitched at office productivity and agentic work, that end-to-end delivery matters more than single-turn cleverness.
The failures were equally concrete: subtitles that mismatch the video they caption — a cross-modal consistency defect — and occasional details that violate basic physics. These bugs only surface when text, image and video must agree inside one deliverable, which is precisely how multimodal agents should be judged: not "can it generate?" but "does everything it generated agree with itself?"
Zhidx rated responsiveness as moderate. Combined with the ~33 tokens/second anecdotes in other tests (see our Alibaba Cloud developer write-up), Qwen4-Max-Preview sits in "usable, not fast" territory — consistent with a model whose reasoning defaults to its highest tier: depth bought with waiting time.
Reference source: this article is an original rewrite produced by this site; facts and figures were checked against 智东西（2026-11-11）
← Back to the Qwen4-Max topic page