1:名無しさん

 



@Alibaba_Qwen
のQwen4-Maxがランキングで中国モデル第1位となり、アリババは中国の研究機関として第1位、全体ではAnthropic、Google、OpenAI、Metaに次ぐ第5位に躍進しました。

Agent Arenaでは初登場で総合第14位となり、世界中のコミュニティから寄せられた14.7k件の実環境でのエージェント利用セッションにおいて、正味で+7.5%の改善を達成しました。実際のタスクにおける実際の実行記録に基づく結果です。

Qwen3.8-Maxから大きく飛躍しました
– 順位:総合 #39 → #14

Agent Arenaにおける中国の最先端モデル:
– #14 Qwen4-Max(アリババ):+7.5%
– #19 Hy4(テンセント):+5.7%
– #21 Kimi K3.1 Pro (Max)(Moonshot):+4.0%
– #26 MiMo-V2.6-Pro(シャオミ):+1.5%
– #30 DeepSeek-V4.1-Flash (Max)(DeepSeek):+1.1%

各指標の内訳:
Qwen4-Maxは、報告されている4つの指標すべてでQwen3.8-Maxを上回り、特にユーザー満足度と指示追従性で大幅な改善を見せています。
– #15 称賛対不満:+13%(中国モデルで最高)
– #13 成功確認:+9%(中国モデルで最高)
– #19 指示追従性:+8%
– #29 Bashの信頼性:+3%

カテゴリ別では、3カテゴリすべてで中国モデルの上位に入りました:
– 仕事:#12、+9%
– チャット:#14、+8%
– コード:#16、+8%

https://x.com/arena/status/2122153116959482051