获取 YOLO 许可
Ultralytics 平台

Qwen4-Max 自动标注:部分数据集表现突出,提升不均衡

Qwen4-Max 在我们的自动标注基准测试中位列 51 个模型中的第 13 名,在腕部 X 光片上排名第一,在零售货架场景中排名第二。准确率、成本以及运行方法。

Miles DeansMiles Deans10 分钟阅读
Qwen 4 发布主题图片,展示 Ultralytics UL37 结果:总体 mAP50 为 0.474,腕部 X 光片上为 0.4975,在 51 个模型中表现最佳

阿里巴巴于 2026 年 11 月 16 日发布 Qwen4-Max,称其为迄今为止 Qwen 系列中能力最强的模型,支持原生视觉,并具有一百万 token 的上下文窗口。当天,我们就用 UL37——我们的 36 个数据集目标检测基准测试对它进行了测试。

总体而言,Qwen4-Max 在我们的 VLM 排行榜中位列 51 个模型中的第 13 名,mAP50 为 0.474,每 1,000 张图像的成本为 5.68 美元。这个平均分掩盖了更突出的表现。在儿童腕部 X 光片上,它的得分超过我们测试过的所有模型;在水下场景和货架商品密集排列的零售场景中,它仅次于 Gemini 4 Carbon。

Qwen4-Max 现已成为 Ultralytics Platform 中用于自动标注的阿里巴巴模型,取代了 Qwen3.8-Max。下文将介绍它的优势和不足、与其他备选模型的比较,以及一批标注任务的成本。

Qwen4-Max 在 UL37 上位列 51 个模型中的第 13 名,在腕部 X 光片上排名第一#

UL37 衡量模型预测框与人工标注的匹配程度,测试集包含 360 张图像,来自 36 个真实的目标检测数据集,每个数据集各取 10 张,涵盖医学扫描、航拍图像、零售货架、体育和电路板等场景。每个数据集在平均分中的权重相同。每张图像都经过 Platform 用户使用的同一套生产流程:使用数据集自己的类别名称,并通过 SAM 3.1 优化每个预测框。因此,这些分数反映的是优化后的流程,而不是模型的原始输出。评测方法已公开。

Qwen4-MaxQwen3.8-MaxGPT-6.1 TerraGemini 3.8 FlashKimi K3.1 Pro
排行榜排名#51 个模型中的第 13 名#51 个模型中的第 15 名#51 个模型中的第 3 名#51 个模型中的第 11 名#51 个模型中的第 16 名
mAP500.4740.4610.5600.5160.444
mAP50-950.3010.2950.3450.3210.281
精确率0.5950.5720.6460.6560.560
召回率0.5610.5240.6130.5550.483
提供商每 1,000 张图像的费用$5.68$7.74$4.36$5.86$22.50
每张图像的中位耗时12.4 s13.1 s5.1 s7.4 s22.2 s
请求失败数0%1.7%0%0%6.4%

Ultralytics VLM 排行榜的 UL37 结果,更新于 2026 年 11 月 19 日。Platform 已不再提供 Qwen3.8-Max。

Qwen4-Max 的所有主要指标都优于 Qwen3.8-Max,每张图像成本更低,并且完成了所有基准测试请求。但它的平均表现仍远逊于领先模型:GPT-6.1 Terra 的得分为 0.560,价格更低,耗时不到一半。

付费模型的 UL37 mAP50 与每 1,000 张图像的服务商成本散点图,突出显示 Qwen4-Max(0.474,5.68 美元),并列出 Qwen3.8-Max、GPT-6.1 Terra、Gemini 3.8 Flash、Kimi K3.1 Pro 和 Gemini 4 Carbon

每个点代表 Ultralytics VLM 排行榜上的一个付费模型。

阿里巴巴打造 Qwen4-Max 的目标#

在发布公告中,阿里巴巴将 Qwen4-Max 描述为一种稀疏混合专家模型,总参数量为 2.4 万亿,每个 token 激活 710 亿个参数,并支持原生视觉。公告强调了它在编码、智能体任务和视觉推理方面的能力,并报告称,在阿里巴巴自有的 Work360 基准测试中,Qwen4-Max 的表现优于 Qwen3.8-Max,同时将每项任务的平均成本降低了约 60%。

阿里云的 Model Studio 发布说明将其称为“Qwen 系列的下一代旗舰多模态模型,融合了文本生成、图像与视频理解以及深度推理能力”。其国际版价格为每百万输入 token 1.50 美元、每百万输出 token 4.50 美元,低于 Qwen3.8-Max 的 2 美元和 6 美元。该模型可通过阿里巴巴的 API 使用;阿里巴巴表示,后续还将推出更小的开放权重 Qwen4 模型。

发布公告和发布说明都没有提供目标检测结果,因此我们对其进行了测量。

Qwen4-Max 与 Qwen3.8-Max 对比:成本更低,提升不均衡#

Qwen4-Max 在 19 个数据集上胜过前代模型,在 16 个数据集上落后,在 1 个数据集上打平。其 mAP50 平均提升 0.013,来自部分数据集的大幅进步,这些进步超过了其他数据集上的明显退步。

各数据集 UL37 mAP50 变化柱状图,比较 Qwen3.8-Max 与 Qwen4-Max;腕部 X 光片、零售货架、油罐、足球、植物病害和甲状腺超声的提升最大,网球、脑部 MRI、垃圾和道路损坏的下降最大

每根柱代表一个 UL37 数据集,按从最大跌幅到最大涨幅排序。

数据集Qwen4-MaxQwen3.8-Max变化
GRAZPEDWRI-DX 儿童腕部 X 光片0.49750.1437+0.3538
SKU110K 密集的零售货架0.62300.4516+0.1714
Airbus 石油储罐0.30050.1363+0.1642
SoccerDB 足球0.83450.6715+0.1630
RacketVision 网球0.37750.6299−0.2524
Cheng 脑肿瘤 MRI0.44210.6350−0.1929

UL37 各数据集的 mAP50,每个数据集 10 张图像,显示到小数点后四位,因此每项变化都与对应的两个分数一致。

成本下降更为明显。在我们的测试中,Qwen4-Max 每 1,000 张图像的成本为 5.68 美元,而 Qwen3.8-Max 为 7.74 美元,因此每张图像的成本约低 27%。阿里巴巴公布的约 60% 降幅来自不同基准测试和不同设置,因此两者不能直接比较。

Qwen4-Max 的突出表现#

有三项结果让 Qwen4-Max 跻身整个排行榜的前列,而不只是 Qwen 系列中的佼佼者。

数据集Qwen4-Max在 51 个模型中的排名领先模型
GRAZPEDWRI-DX 儿童腕部 X 光片0.49751stQwen4-Max(下一名:Muse Ember 1.0,0.378)
RUOD 水下物体0.7742ndGemini 4 Carbon,0.788
SKU110K 密集的零售货架0.6232ndGemini 4 Carbon,0.671

UL37 各数据集的 mAP50。在 Ultralytics VLM 排行榜的全部 51 个模型中的排名。

腕部 X 光片。在儿童腕部创伤 X 光片上,Qwen4-Max 得分为 0.4975,超过我们测试过的所有其他模型,是 Qwen3.8-Max 的三倍多。每个数据集只贡献 10 张图像,因此应将其视为值得测试的有力信号,而非最终结论。这也不代表诊断或临床验证:在医学图像分析研究标注中,Qwen4-Max 可生成初步预测框,供临床专家检查和修正。

零售货架。在 UL37 的两个零售数据集上取平均后,Qwen4-Max 得分为 0.752,高于 GPT-6.1 Terra 的 0.724。在 SKU110K 上,货架上商品密集排列且全部属于同一类别,Qwen4-Max 仅次于 Gemini 4 Carbon。

水下场景。在 RUOD 水下物体数据集上,Qwen4-Max 得分为 0.774,在 51 个模型中排名第二,高于 GPT-6.1 Terra 的 0.658。

Qwen4-Max 的不足之处#

它的短板和优势一样明显。在 DeepPCB 裸板缺陷数据集上,Qwen4-Max 得分为 0.000;在 IEDXray 安检扫描数据集上,得分为 0.05,而 Gemini 4 系列模型约为 0.30。结核病胸部 X 光片上的得分为 0.037;在脑肿瘤 MRI 数据集上,它也落后于 GPT-6.1 Terra,得分分别为 0.442 和 0.904。

按领域取平均后,Qwen4-Max 在文档、UI 和 CAD 图纸(0.357 对 0.494)、道路和交通(0.396 对 0.572)以及整体医学影像(0.325 对 0.505)方面也落后于 GPT-6.1 Terra。在这些领域中的任何一个进行大规模标注之前,请先打开 Qwen4-Max 模型页面,查看页面如何在每个基准数据集上回放其已记录的预测框,并与预期标签并排对照。

Qwen4-Max 与 GPT-6.1 Terra、Gemini 3.8 Flash 和 Kimi K3.1 Pro 对比#

正面对比:36 个 UL37 数据集Qwen4-Max 胜出落败打平
对比 GPT-6.1 Terra11232
对比 Gemini 3.8 Flash17181
对比 Kimi K3.1 Pro21141
对比 Qwen3.8-Max19161

GPT-6.1 Terra 是综合表现更强的选择:它在 23 个数据集上胜过 Qwen4-Max,后者胜出 11 个;GPT-6.1 Terra 成本更低,中位响应时间也不到其一半。Gemini 3.8 Flash 在数据集上的表现与 Qwen4-Max 几乎不相上下,价格相近,但平均分更高。与 Kimi K3.1 Pro 相比,Qwen4-Max 以约四分之一的单张图像成本在 21 个数据集上胜出,Kimi K3.1 Pro 则胜出 14 个。

Ultralytics Platform 如何运行 Qwen4-Max#

有两项设置会影响 Qwen4-Max 在 Platform 中的结果。首先,它采用阿里巴巴的“low”推理强度,而非默认的“high”。Ultralytics 在 370 张基准图像(360 张计分图像加 10 张 COCO 参考图像)上测试发现,默认设置有 11 个请求超出 Platform 的 115 秒请求时限,而“low”设置有 3 个超时,两种设置的 mAP50 相同。其次,Platform 要求 Qwen 模型输出紧凑的 JSON,因为不这样做会导致 mAP50 下降约 0.02。

你无需采取任何操作来应用这两项设置:只需在模型选择器中选择 Qwen4-Max,Platform 就会自动应用这两项设置。

Qwen4-Max 标注一批图像的成本#

服务商成本根据阿里巴巴报告的 token 用量,按 Platform 为该模型设定的价格计算,以每 1,000 张成功完成标注的图像为单位;你自己的图像可能会使用更多或更少的 token。Batch Annotation 另收 Platform 处理费,每 1,000 张图像 1.00 美元,每次运行最低收费 0.01 美元。

每 1,000 张图像Qwen4-Max
阿里巴巴收费$5.68
Ultralytics Platform 处理费$1.00
总计$6.68

你通过自己的 API 密钥直接向阿里巴巴付费,包括你先行运行的测试预测;Ultralytics 不会对 token 收取加价。如果你完全不想使用付费密钥,可以在 Platform 上使用托管版 Qwen3.8 27B,无需密钥,其 UL37 mAP50 为 0.351。

如何在 Ultralytics Platform 中运行 Qwen4-Max 自动标注#

Qwen4-Max 是一款基于类别提示的模型,适用于包含 1 到 200 个类别的检测数据集。它会根据你数据集自身的类别名称返回边界框,然后由你检查并修正。

  1. 在阿里云 Model Studio 中为国际(新加坡)区域创建 API 密钥;Platform 使用的就是该区域的端点。
  2. 请让工作区所有者在存放你数据集的工作区中,前往 Settings > API Keys,并在 Alibaba 下添加该密钥。服务商密钥文档介绍了具体细节。
  3. 在标注编辑器中切换到 Smart 模式,然后在模型选择器的 Alibaba 下选择 Qwen4-Max。
  4. 在几张能代表你数据的图像上点击 Predict,或运行 P。
  5. 满意后,打开数据集页面并选择 更多操作 > 批量标注,为所有未标注图像添加标签。Batch Annotation 支持托管在 Platform 上且最多包含三个图像通道的数据集;Platform 会先保存一个数据集版本,方便你回滚。
  6. 检查边界框并保存,然后在同一工作区中基于结果训练 Ultralytics YOLO26 模型。

标注文档详细介绍了 Smart 模式和 Batch Annotation;我们的如何根据精确率和召回率选择 VLM 指南则能帮助你为审核工作流选对模型。

哪些人适合使用 Qwen4-Max#

如果你需要……从这里开始
通用付费标注模型GPT-6.1 Terra:UL37 得分更高、成本更低、速度也快于 Qwen4-Max
用于专家审核的儿童腕部 X 光片初步标注Qwen4-Max:在该数据集的 51 个模型中,UL37 得分最高
密集的零售货架或水下场景Qwen4-Max,并在你自己的图像上与 Gemini 4 Carbon 比较
阿里巴巴模型,或从 Qwen3.8-Max 迁移Qwen4-Max:得分更高、单张图像成本更低,并且我们的测试中没有请求失败
没有付费 API 密钥在 Platform 中使用托管版 Qwen3.8 27B、Gemma 4 26B 或 SAM 3.1 Text

对于大多数标注任务,GPT-6.1 Terra 仍是更好的默认选择。如果你的数据与 Qwen4-Max 表现突出的数据集相似,它就值得一试;因此请先用你自己的一小批图像进行测试。

常见问题

  • 它在我们的基准测试中位列 51 个模型中的第 13 名,并在少数场景中表现突出。在 UL37 基准测试中,它的 mAP50 为 0.474,在 51 个模型中排名第 13,且没有请求失败。它在儿童腕部 X 光片上排名第一,在水下物体和密集零售货架场景中排名第二,但在电路板缺陷和安检 X 光片上的得分较低。

  • 平均来看,是的。Qwen4-Max 的 mAP50 为 0.474,高于 Qwen3.8-Max 的 0.461;每 1,000 张图像的成本为 5.68 美元,低于后者的 7.74 美元;此外,Qwen3.8-Max 有 1.7% 的请求失败,而 Qwen4-Max 完成了所有请求。提升并不均衡:它在 19 个数据集上胜过 Qwen3.8-Max,在 16 个数据集上落后;在网球检测和脑部 MRI 检测上则出现了大幅退步。

  • 对于通用标注,GPT-6.1 Terra 的得分为 0.560 mAP50,在与 Qwen4-Max 对比的 36 个数据集中赢得 23 个,处理每 1,000 张图像的费用为 4.36 美元,中位响应时间为 5.1 秒。如果你的数据与 Qwen4-Max 表现最好的数据集相似,例如手腕 X 光片、商品密集的零售货架或水下场景,可以选择 Qwen4-Max,并用你自己的图像进行验证。

  • 它可以为研究标注生成待专家审核的框,但不能用于诊断。在儿童手腕 X 光片上,它的 UL37 得分在 51 个模型中最高,为 0.4975 mAP50;但在我们的 8 个医学数据集上,平均得分为 0.325,低于 GPT-6.1 Terra 的 0.505,而且在胸部 X 光片上的得分很低。

  • 阿里巴巴收取的费用约为 5.68 美元:按每 1,000 张成功完成标注的图像计算,使用阿里巴巴报告的 token 用量,并按该模型在 Platform 的价格计费。阿里巴巴的国际标价为每百万输入 token 1.50 美元、每百万输出 token 4.50 美元。Ultralytics Platform 另收取每 1,000 张图像 1.00 美元的 Batch Annotation 费用,总计约 6.68 美元。

  • 创建一个阿里巴巴云 Model Studio 国际版 API 密钥,让工作区所有者在 Settings > API Keys 的 Alibaba 项下添加该密钥,然后在标注编辑器的 Smart 模式中选择 Qwen4-Max。先测试几张图像,再运行 Batch Annotation、审核边界框,并在同一工作区中训练 Ultralytics YOLO26 模型。

作者

Miles Deans
Miles Deans

SEO 主管 · Ultralytics

Miles Deans 是常驻伦敦的 Ultralytics SEO 负责人,负责推动公司的搜索策略和自然增长。他此前曾在 Adobe、Kaizen 和 Virgin Media O2 任职。

评论

提出问题、分享你的结果,或帮助其他人。

探索解决方案

体育领域的计算机视觉

体育领域的计算机视觉

了解 Ultralytics YOLO 如何通过球员和球追踪、表现分析、教练洞察及运动员康复,推动体育视觉技术的发展。
了解详情
航空影像计算机视觉

航空影像计算机视觉

使用 Ultralytics YOLO 将无人机和航空影像转化为农业、水产养殖、保护工作和地理空间分析的实时洞察。
了解详情
航空航天中的计算机视觉

航空航天中的计算机视觉

使用 Ultralytics YOLO 将计算机视觉应用于航空航天领域,包括飞机检查、跑道 FOD 检测、机场地面作业和复合材料缺陷检测。
了解详情
安防领域的计算机视觉

安防领域的计算机视觉

使用 Ultralytics YOLO 模型守护每个场所。视觉 AI 可用于周界监控、威胁检测、车牌识别和工作场所安全。
了解详情
机器人领域的计算机视觉

机器人领域的计算机视觉

使用 Ultralytics YOLO 模型提升智能机器的能力。机器人领域的视觉 AI 可用于自主导航、感知、目标跟踪和实时控制。
了解详情
物流中的计算机视觉

物流中的计算机视觉

借助 Ultralytics YOLO 模型优化物流流程。视觉 AI 可用于包裹检查、分拣、车辆跟踪和仓库安全实时监控。
了解详情
零售中的计算机视觉

零售中的计算机视觉

借助 Ultralytics YOLO 模型重新构想零售。视觉 AI 可用于库存跟踪、货架监控、排队管理和更深入的客户洞察。
了解详情
医疗领域的计算机视觉

医疗领域的计算机视觉

借助 Ultralytics YOLO 模型构建医疗解决方案。医疗领域的视觉 AI 可加快医学影像处理、优化诊断并监测患者。
了解详情
制造业中的计算机视觉

制造业中的计算机视觉

利用 Ultralytics YOLO 模型优化制造流程。视觉 AI 可用于质量控制、缺陷检测、个人防护装备合规检查和装配线自动化。
了解详情
汽车领域的计算机视觉

汽车领域的计算机视觉

利用 Ultralytics YOLO 模型在汽车领域应用计算机视觉。视觉 AI 可提升道路安全、驾驶辅助和车辆自动化水平,让道路更智能。
了解详情
农业中的计算机视觉

农业中的计算机视觉

借助 Ultralytics YOLO 模型,将视觉 AI 引入智慧农业。为作物监测、牲畜追踪和精准农业提供支持,从而提高产量并实现更智能的生产。
了解详情

让我们携手构建 AI 的未来!

开启你的旅程,迎接机器学习的未来