SuperCLUE 最新一轮中文通用能力测评榜单已经对外公布,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,按照本次测评判定规则直接并列国内第一,这也是本轮评测里关注度最高的结果,三款头部模型在中文理解、长文本处理、推理、代码智能体等核心维度表现都很接近,拉开了和后面其他国产大模型的差距,也说明国内头部大模型综合实力已经处在同一水平线,竞争非常激烈。
三款并列第一模型得分与基础信息
| 模型名称 | 厂商 | 本次得分 | 核心亮点 |
|---|---|---|---|
| Qwen4-Max | 阿里千问 | 61.61 | 强化复杂推理、工程代码开发,优化推理成本开销 |
| Kimi K3.1 Pro | 月之暗面 | 61.46 | 长文本、文档解析能力稳定,综合均衡性强 |
| Hy4 | 腾讯混元 | 61.01 | 新增原生视觉、电脑操作能力,智能体规划、代码能力提升明显 |
本次榜单测评重点变化
- 分数判定规则:同榜单内分差≤1 分,判定为并列第一名,不是三款分数完全一样
- 代码智能体提升显著:千问 Qwen4-Max 和混元 Hy4 在智能体编程项目得分同步上涨,新版模型测试超时率直接降到 0%,相比旧版本进步幅度很大
- 能力侧重不一样:千问偏向复杂推理和工程开发;混元新增多模态视觉、电脑操控;Kimi 优势集中在超大长文档阅读、内容总结
- 榜单定位:SuperCLUE 是中文通用能力专项测评,只代表这个评测体系下的排名,不等于所有评测榜单结果
选购和使用参考要点
- 写代码、做工程任务:优先看千问 Qwen4-Max、腾讯混元 Hy4
- 处理几十万字长文档、合同、论文精读:Kimi K3.1 Pro 依旧很合适
- 需要 AI 控制电脑、截图识别、多模态联动:腾讯混元 Hy4 新增功能适配这类场景
- 不同评测基准的侧重点不一样,换别的榜单排名结果会发生变动
整体来看,本轮 SuperCLUE 榜单体现出国产头部中文大模型差距持续缩小,千问、腾讯混元、Kimi 三款模型同时站上榜首,国内大模型已经进入多头相持的阶段,各家后续迭代比拼会集中在推理稳定性、智能体落地、多模态实用功能上。
【常见问题】
问题 1:本次中文大模型榜单里千问、腾讯混元、Kimi 并列第一,是分数完全相同吗?
回答 1:本次中文大模型榜单中千问、腾讯混元、Kimi 并不是分数完全一样,按照 SuperCLUE 规则,分差在 1 分以内就算并列第一,三者分值有小幅差异。
问题 2:拿下中文大模型榜单并列第一的腾讯混元 Hy4,这次更新新增了什么能力?
回答 2:拿下中文大模型榜单并列第一的腾讯混元 Hy4,新增原生视觉理解、电脑操作能力,同时强化长文本处理、智能体规划以及代码开发能力。
问题 3:这份千问、腾讯混元、Kimi 并列第一的中文大模型榜单,是全球榜单吗?
回答 3:这份千问、腾讯混元、Kimi 并列第一的榜单是 SuperCLUE 中文通用能力测评榜单,属于国内中文专项评测,不是全球综合大模型榜单。
问题 4:中文大模型榜单里并列第一的千问 Qwen4-Max,对比旧版本主要优化了哪里?
回答 4:中文大模型榜单里并列第一的千问 Qwen4-Max,重点提升复杂推理、工程开发能力,同时优化推理过程的资源开销,代码任务超时问题大幅改善。
【参考资料】
[2026-11-18](千问、腾讯混元与 Kimi 并列第 1 中文大模型最新榜单公布)新浪财经
[2026-11-18](千问、腾讯混元与 Kimi 并列第 1,SuperCLUE 新一轮中文测评结果)快科技
[2026-11-18](SuperCLUE 中文大模型测评:Qwen4-Max、Hy4、Kimi K3.1Pro 登顶)快科技官方微博
【免责声明】
本文信息仅基于 SuperCLUE 本次公开测评结果整理,该排名仅适用于本次测评的评测维度与数据集;不同评测平台、不同测试任务得出的榜单结果存在差异,模型实际效果受提示词、调用版本、使用场景影响,选型请自行实测验证。
