SuperCLUE 最新一轮中文通用能力测评结果正式对外公布,阿里千问 Qwen4-Max、腾讯混元 Hy4、Kimi K3.1 Pro 三款模型按照榜单规则判定为并列国内第一,本次榜单判定标准是分数差值在 1 分以内即可算作并列,三款模型分数非常接近,同时相比上一代版本,千问和混元的得分都有非常大的提升,在智能体编程、数学推理、幻觉控制、长文本理解这些核心维度都有明显进步,也是国内中文大模型第一梯队一次集中的性能刷新。本次测评重点围绕中文场景设计,包含代码开发、长文档处理、指令跟随、数理推理、幻觉抑制等多个维度,不是单一英文基准测试,更贴合国内用户日常使用需求。
一、三款并列榜首模型基础分数与信息
| 模型名称 | 厂商 | 综合得分 | 版本更新重点 |
|---|---|---|---|
| Qwen4-Max | 阿里百炼 | 61.61 | 强化复杂推理、工程代码,降低推理成本 |
| Kimi K3.1 Pro | 月之暗面 | 61.46 | 长文本、文档理解、智能体能力稳定 |
| Hy4(腾讯混元) | 腾讯 | 61.01 | 新增原生视觉、电脑操作能力,长文本与 Agent 升级 |
二、本次榜单核心测评亮点
- 智能体编程能力同步冲高。三款头部模型在智能体编程项目得分同为 57.69 分,对比前代版本提升 15.38 分,之前老版本存在大量超时问题,本次新版本全部完成试题,超时率降到 0%。
- 长上下文能力差距拉开。Kimi K3.1 Pro 在长文本单项得分最高,千问 Qwen4-Max 紧随其后,混元 Hy4 新版本也补齐了长文档处理短板。
- 幻觉控制成为拉开差距的关键指标。千问在幻觉抑制维度拿到高分,对事实错误、编造内容的控制效果更好。
- 分数门槛说明:榜单规则为差值≤1 分即并列,所以虽然三个模型分数有微小差别,但统一判定并列第一。
三、其他上榜头部模型简要情况
- DeepSeek V4.1-Flash:58.01 分,排在第二梯队,数理推理优势突出
- GLM 5.3:56.35 分,代码能力表现稳定
- Qwen3.8-Max 旧版:43.22 分,和新版 Qwen4-Max 差距巨大,体现版本迭代幅度
四、测评本身的局限说明
SuperCLUE 属于中文专项评测榜单,只代表这套测试题集下的表现,不同评测平台、不同测试集的排名结果会有明显区别,不能直接等同于全球通用能力排名。
【常见问题】
问题 1:SuperCLUE 中文大模型榜单更新,千问、腾讯混元、Kimi 并列第一名,并列的判定规则是什么?
回答 1:SuperCLUE 中文大模型榜单更新,千问、腾讯混元、Kimi 并列第一名,榜单规则是模型之间综合得分相差 1 分以内,就判定为并列第一,三款模型分数差距很小。
问题 2:SuperCLUE 中文大模型榜单更新,千问、腾讯混元、Kimi 并列第一名,腾讯混元 Hy4 新版本新增了什么能力?
回答 2:SuperCLUE 中文大模型榜单更新,千问、腾讯混元、Kimi 并列第一名,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:SuperCLUE 中文大模型榜单更新,千问、腾讯混元、Kimi 并列第一名,这个榜单是不是全球大模型排名?
回答 3:SuperCLUE 中文大模型榜单更新,千问、腾讯混元、Kimi 并列第一名,这是 SuperCLUE 中文通用能力专项榜单,偏向中文场景测试,不等于全球大模型综合排名,其他评测平台结果会不一样。
问题 4:SuperCLUE 中文大模型榜单更新,千问、腾讯混元、Kimi 并列第一名,三款模型的智能体编程表现怎么样?
回答 4:SuperCLUE 中文大模型榜单更新,千问、腾讯混元、Kimi 并列第一名,三款模型在智能体编程项目得分同为 57.69 分,相比前代提升明显,新版本全部试题可跑完,超时率归零。
【参考资料】
[2026-11-18](SuperCLUE 中文大模型榜单:千问、腾讯混元、Kimi 并列第一)OFweek 云计算网
[2026-11-18](SuperCLUE 最新测评出炉,Qwen4-Max、Hy4、Kimi K3.1Pro 并列榜首)快科技
[2026-11-18](SuperCLUE 官方中文通用能力评测报告)SuperCLUE 官网
[2026-11-18](Qwen4-Max 与混元 Hy4 新版能力对比解读)36 氪
【免责声明】
本文仅为 AI 行业榜单资讯整理,SuperCLUE 榜单是基于该机构自有测试集得出的结果,不同评测基准、测试题目、评测维度会带来不同排名,不代表模型在所有场景下的真实表现。大模型输出存在幻觉、不稳定风险,重要内容请人工复核,本文不构成选型、采购、商业落地的投资建议。模型功能、效果以厂商官方文档和线上实际调用为准。
