模型结果 / QWEN4-MAX

qwen4-max × 鹈鹕测试

本页使用与公开星级榜相同的实时榜单查询,单独查看 qwen4-max,并与四个参照模型按同一口径并列。页面不计算名次,也不把访客评分当成模型能力分。

01 / 实时数据

同口径并列,不排名次

下列模型全部来自同一份实时榜单查询,统一展示公开运行数、评分人数与登录访客评分的平均值。顺序是固定的对照顺序,不是排名。

模型公开运行评分人数平均星级
qwen4-max10未评级
claude-opus-5115.0 / 5
gpt-6-astra115.0 / 5
qwen3.8-max114.0 / 5
glm-5.3114.0 / 5

实时查询:尚无评分(averageStars: null),因此是未评级,不是零星。

真实零星会显示为 0.0 / 5;未评级只表示还没有人给这个模型评分。

02 / 真实预览

公开运行的真实位图

截取自公开隔离预览地址的真实位图。本页没有注入生成的 HTML,预览的 CSP 与沙箱均未放宽。

qwen4-max 鹈鹕测试运行截图:一只橙色喙的白鹈鹕骑着红色自行车,行驶在海边小路上。
指定历史运行 d50da632-a9cf-4097-91da-7ec283c0ee8a,修订 1,取证时间 2026-11-19T18:51:01Z(UTC),来源为公开预览。打开隔离预览
03 / 题目与评分口径

同一个题目,一次主观投票

共同题目是生成一个自包含的单文件 HTML,画出骑自行车的鹈鹕。平均星级只来自登录访客的投票。

  • 所有模型收到同一个提示:生成一个 HTML 文件画出骑车鹈鹕,全部样式、SVG 与图片都内联在这个文件里。
  • 只有登录访客可以评分,按主观印象打 0–5 星;每个账号对每个模型只能投一次,0 星是有效的负分票。
  • 平均星级不按思考强度或其他服务商的努力设置归一化,也不表示模型能力分。
  • 没有平均星级表示未评级,不是零星;只有访客真的投出 0 星,才会显示 0.0 的平均值。
04 / FAQ

常见问题

鹈鹕测试要求模型做什么?

生成一个自包含的单文件 HTML,画出骑自行车的鹈鹕;全部样式、SVG 和图片都内联在这一个文件里。

谁可以评分,星级代表什么?

只有登录访客可以评分,按主观印象打 0–5 星;每个账号对每个模型只能投一次,0 星是有效的负分票。

平均星级能代表模型能力吗?

不能。它是登录访客主观评分的平均,不按思考强度或其他服务商的努力设置归一化,也不是模型能力分。

这个页面给 qwen4-max 排名了吗?

没有。页面只按固定对照顺序并列展示 qwen4-max 与四个参照模型的相同字段,不计算、不显示也不暗示名次。

没有平均星级是不是等于零星?

不是。查询返回 null 表示还没有评分,即未评级;只有真实存在的 0 星投票才会显示 0.0 / 5。

页面数据从哪里来?

页面与公开星级榜使用同一份服务端榜单查询,本页只按模型键选取五个模型;缺条目或查询失败时显示数据不可用,不回填固定数字。

PELICAN TEST

跑同一个题目,再看实时星级榜。

使用自己的 API Key 运行鹈鹕测试,API 供应商可能按用量计费。评分是登录访客的主观意见,每个账号每个模型一票。

跑一次鹈鹕测试

实时数字来自公开榜单查询;截图是指定历史运行的真实快照,不是实时 iframe。