NewToken 新词元关注新智能
读懂

并列第一只是 SuperCLUE 的 1 分规则

SuperCLUE在18日把Qwen4-Max和Hy4补进当月通用榜,国内前三总分差不到1分,按规则并列第一。分项并不相同,参照位Gemini-4-Argon仍是73.62分。

专题月之暗面:持续追踪 · 腾讯:持续追踪主线模型竞争

读懂|并列第一只是 SuperCLUE 的 1 分规则
本文提纲3 节
  1. 总分差 0.60 分,规则写成并列
  2. 编程三项同分,幻觉和指令不在一边
  3. 单题成本降了,参照位仍高 12 分

SuperCLUE 在 11 月 18 日把 Qwen4-Max 和旗舰 Hy4 补进了当月中文通用榜。三家国内模型的总分是 61.61、61.46、61.01,彼此差不到 1 分。按该榜自己的规则,它们并列国内第一。

这张榜的数字排行仍给 Qwen4-Max、Kimi-K3.1-Pro、Hy4 标了 1、2、3。规则写在榜上:相差 1 分以内视为并列,国外模型与部分国内模型不参与排名,只做参考。记者会写成「并列第一」,依据就是这条规则,不是三家分项已经长成同一种模型。

总分差 0.60 分,规则写成并列

据 SuperCLUE 官网通用榜 2026 年 11 月总排行榜,Qwen4-Max 总分 61.61,Kimi-K3.1-Pro 61.46,Hy4 61.01,最高与最低只差 0.60 分。

CLUE中文语言理解测评基准 11 月 18 日 10:59 的公众号说明把前两家写成与 Kimi K3.1 Pro「并列国内榜首」,并写相对前代分别上涨 18.39 分、18.05 分。快科技同日转述了这组数字和并列规则。

对照表上还能直接核对:Qwen3.8-Max-0902 是 43.22 分,Hy4-Preview 是 42.96 分。这两行还留在同一张榜上,新模型的总分抬升可以逐项相减,不必另找口径。

排在第四的 DeepSeek-V4.1-Flash-1017 总分 58.95,与 Hy4 相差 2.06 分,已经越出 1 分的并列带。并列只覆盖这三家,不是国内模型集体并到第一档。

编程三项同分,幻觉和指令不在一边

智能体编程上,三家都是 57.69 分。DeepSeek-V4.1-Flash-1017 是 65.38 分,高于这三家,与参照位上的 Gemini-4-Argon 相同。总分并列第一,并不等于编程也排在国内最前。

分项并不重合。幻觉控制是 Qwen4-Max 73.61、Kimi-K3.1-Pro 67.78、Hy4 52.22。精确指令遵循则反过来:Hy4 50.00、Kimi-K3.1-Pro 44.83、Qwen4-Max 31.03。

超长上下文是 Hy4 88.86、Kimi-K3.1-Pro 87.25、Qwen4-Max 77.80。公众号把 Qwen4-Max 的幻觉控制和 Hy4 的超长上下文、精确指令遵循写成国内分榜第一,总排行榜上的国内行可以核对。

有人会把不到 1 分的总分差读成三家已经站在同一条能力线上。分析推断是:总分接近只说明综合分落在该榜自己的波动带里,解释不了幻觉控制和指令遵循上十几到二十分的差距。要用这张榜做选择,分项比名次更有用。

本榜写入的是旗舰 Hy4,开源状态写成「即将开源」。它不是当天下午放出权重的 Hy4 flash,两件事情不要并成一次发布。

单题成本降了,参照位仍高 12 分

公众号写,前代测评里 Qwen3.8-Max-0902 超时率 69.23%,Hy4-Preview 为 26.92%;两款新模型「顺利跑完全部试题,超时率为 0%」。

官网成本表按本次测试的 Token 开销和定价核算平均单题成本:Qwen4-Max 约 1.90 元,对前代下降约 87.0%;Hy4 约 2.52 元,对 Preview 下降约 28.5%。快科技按同一口径做了转述。成本表可以逐行对上,超时率只出现在公众号说明里,官网总排行榜没有另列。

同一张成本表里,Kimi-K3.1-Pro 的平均单题成本约 2.10 元,落在两家之间。Hy4 在智能体编程上的单题 Token 约 301 万,明显高于 Qwen4-Max 的约 122 万,这是它单价更低、平均单题成本仍更高的直接原因。

参照位上,Gemini-4-Argon 总分 73.62,GPT-6.1-Sol 71.76,都不进入国内排名。前者比 Qwen4-Max 高出 12.01 分。精确指令遵循上,这两行都是 68.97,明显高于国内前三。

表上 OpenAI 的参照模型仍是 GPT-6.1-Sol,没有出现 11 月 17 日发布的 GPT-6.2。各分项题目数量,官网总排行榜也没有单独给出。这些是这张快照的边界,不是用来改写并列规则的借口。

读者如果只记住「三家并列第一」,记住的是 SuperCLUE 的进位规则,不是这三家已经站在同一条能力线上。要用这张榜,看分项,并把 73.62 和 71.76 那两行一起看。

来源

引用与数据Markdown 镜像