阿里Qwen4-Max发布 单任务成本降至前代三分之一
作者:亿邦AI 文章来源:亿邦动力
2026-11-17 16:11
作者:亿邦AI 文章来源:亿邦动力
2026-11-17 16:11
邦小白快读
阿里云发布新一代旗舰模型Qwen4-Max,总参数2.4万亿,每次推理仅激活710亿参数,原生支持图像输入,上下文窗口达到100万token。这款模型对标Anthropic的Opus 5.5、OpenAI的GPT-6以及月之暗面的Kimi K3.1 Pro,面向工业、科研与金融等专业工作场景,并以更低价格切入市场。
Qwen4-Max首次搭载重新设计的Qwen4架构。模型不再只依赖标准注意力层,而是混合两种机制。三层网络把前文压缩成浓缩状态,第四层只提取其中关键部分,长文本处理因此不再需要对上下文的每个部分平均分配注意力,计算开销大幅下降。架构还加入四条并行连接,配以动态门控稳定信息流动。一个含3280亿参数的N-gram嵌入层提供常见token序列作为现成构件。阿里公布的数据显示,2.4万亿参数配置的训练过程保持稳定,训练损失全程平稳下降,未出现突然跳变。
效率提升直接反映在成本上。在阿里自有的Work360基准中,该基准覆盖721个专业领域的工业工作任务,Qwen4-Max解决同类任务所用token比前代减少约四分之一到三分之一,单任务平均成本从4.43美元降至1.67美元,降幅62%,同期基准得分从47.74升至52.69。在代理基准Terminal-Bench 4.0上,token用量下降近一半。官方公告显示,Qwen4-Max在最高推理档位下于Artificial Analysis Intelligence Index拿到43分,比Qwen3.8-Max高出9分,落后中国模型榜首Kimi K3.1 Pro的46分。分项上,HLE-Diamond提升21分至45%,AA-Omniscience提升18分,AutomationBench-AA提升17分。
价格层面,Artificial Analysis测算Qwen4-Max每项Intelligence Index任务成本为3.27美元,约为Qwen3.8-Max的10.02美元的三分之一,比Kimi K3.1 Pro的3.68美元低约11%。节省来自三处,token单价较前代低25%,缓存命中便宜70%,同时模型消耗token更少,每项基准任务约需10.5万输出token,而前代为17.1万。腾讯的Hy4单任务成本低至1.03美元,但指数得分低8分。在Terminal-Bench 4.0上,Qwen4-Max得分48%,低于Kimi K3.1 Pro的67%。在Cognition的编程基准FrontierCode 2.0上,它与Kimi同为26%,落后腾讯Hy4的31%。通过自有API,阿里对每百万输入token收费1.50美元,输出token收费4.50美元,缓存命中0.075美元。
外部基准表现有高有低。在长时程代理任务Agents' Last Exam v1.1上,Qwen4-Max拿到46.7分,是对比组中最佳。它在Humanity's Last Exam上落后于Opus 5.5和GPT系列,在HealthBench Professional上落后于GPT系列但超过Opus 5.5。
Qwen4-Max围绕自主代理打造,并推出名为Live Delivery的功能。模型会先交付一个可用的初版,再在后续轮次中逐步完善,用户可以在任意节点介入并改变方向,避免长任务只在结束时才暴露错误而无法修正。配套的Qwen-Live-Delivery-Plugin已经开源。
阿里列举了若干落地案例。汽车领域的SANF与Pacific Union使用该模型后,单个工件的编程时间从约475分钟缩短到24分钟。金融场景中,模型调用90个MCP工具从多个来源拉取市场数据,输出可校验的Excel和PowerPoint文件,每个数字都可追溯回原始出处。阿里内部也用Qwen4-Max优化云基础设施,与自研求解器MindOpt配合后,数据标注的算力分配成本平均下降10.42%,在数据中心分配CPU任务时找到最优解的速度比对比方法快14倍以上。
Qwen4-Max还被用于物理实验。与创业公司Deep Principle的系统Mira配合后,模型自主运行48小时,设计、合成并测试了一款面向高性能数据中心芯片的冷却液,期间检索270万个候选分子,控制自动化实验室,完成四个完整的设计、合成与测量循环。在药物研发方向,模型与北京AI制药创业公司深势科技的平台PharmMaster协作,针对与阿尔茨海默病相关的炎症反应靶点,经过多轮文献检索、设计与计算,优化出24个候选分子。阿里公布,最终候选分子与靶蛋白的结合能力约为专利中已知起始化合物的3.6倍,深势科技专家认为该结果足以推进后续实验。
游戏开发是另一个展示场景。Qwen4-Max与Unity、Unreal Engine和Godot等成熟引擎配合,从单句自然语言描述出发,处理场景搭建、游戏逻辑、外部资源匹配以及材质、界面和视觉特效,直到游戏可玩。开发过程中模型会自行运行游戏,用视觉与交互反馈调整镜头、角色动画、受击反应和光照。阿里的示例项目是虚幻引擎冒险游戏Meow of Magic,讲述一只会魔法的猫对抗成波敌人的故事。Qwen4-Max还能在Blender中生成可复用于游戏和3D打印的三维模型。与之相反,Anthropic近期在大量非官方《光环》和《GTA:罪恶都市》克隆游戏出现后,禁止其编码助手Claude Code复刻现有游戏。
安全方面,在Last Secure Code Bench上,功能完整且安全的代码占比从22%升至31.8%,三个测试级别全部通过安全评级的代码占比从8%升至14.7%。阿里还对化学、生物、放射与核风险做了测试,内部评审人员检查了模型的完整思维链,结论是模型未展现出能为用户带来显著能力提升的真实创新能力。
Qwen4-Max已通过QwenCloud上线,并可在QwenWork、Qoder和QwenStudio中使用,更小的Qwen4模型计划后续以开源权重形式发布。在此之前,阿里于8月推出Qwen3.8-Max,同样为2.4万亿参数,但每token激活950亿参数,当时Artificial Analysis测得该模型每任务需64步而非14步,单任务成本是Qwen3.7-Max的两倍以上。8月下旬,阿里以Qwen3.8-Flash-Next预览Qwen4架构,其中已使用510亿参数的N-gram嵌入层。竞争对手方面,月之暗面10月推出Kimi K3.1 Pro,参数达2.8万亿,自称在Terminal-Bench 4.0上仅次于Claude Opus 5.5。DeepSeek在V4-Pro中采用混合注意力与稀疏注意力设计以降低长上下文成本,智谱AI的GLM-5.3则完全依靠额外后训练获得提升。
本文首发于 亿邦动力 官方网站
【版权提示】亿邦动力倡导尊重与保护知识产权。未经许可,任何人不得复制、转载、或以其他方式使用本网站的内容。如发现本站文章存在版权问题,烦请提供版权疑问、身份证明、版权证明、联系方式等发邮件至run@ebrun.com,我们将及时沟通与处理。
已点赞
{{ praise_text }}
好文章,值得被更多人看到
FAQ回顾
Qwen4-Max是什么?有哪些核心技术特点?
Qwen4-Max是阿里云发布的新一代旗舰大模型,总参数2.4万亿,每次推理仅激活710亿参数,原生支持图像输入,上下文窗口达100万token。它首次搭载Qwen4架构,混合两种注意力机制、加入四条并行连接与动态门控,并配有3280亿参数的N-gram嵌入层,面向工业、科研与金融等专业工作场景。
Qwen4-Max的单任务成本是多少?成本为何能大幅下降?
Artificial Analysis测算Qwen4-Max每项Intelligence Index任务成本为3.27美元,约为Qwen3.8-Max的10.02美元的三分之一。在覆盖721个专业领域的Work360基准上,单任务平均成本从4.43美元降至1.67美元,降幅62%。节省来自三处:token单价较前代低25%、缓存命中便宜70%,且每项任务输出token从17.1万降至约10.5万。
Qwen4-Max在代理与编程类基准上表现如何?
Qwen4-Max在Terminal-Bench 4.0得分48%,低于Kimi K3.1 Pro的67%;在Cognition的FrontierCode 2.0上与Kimi同为26%,落后腾讯Hy4的31%。长时程代理任务Agents' Last Exam v1.1上拿到46.7分,为对比组最佳;Artificial Analysis Intelligence Index得43分,比Qwen3.8-Max高9分,但落后榜首Kimi K3.1 Pro的46分。
Qwen4-Max适合哪些行业场景?有哪些落地案例?
Qwen4-Max面向工业、科研与金融等专业场景。汽车领域SANF与Pacific Union将其用于工件编程,时间从约475分钟缩短到24分钟;金融场景中调用90个MCP工具拉取市场数据,输出数字可追溯的Excel与PowerPoint;与深势科技PharmMaster协作优化出24个阿尔茨海默病相关候选分子,结合能力约为专利已知起始化合物的3.6倍。
Qwen4-Max的API价格是多少?可以通过哪些渠道使用?
通过阿里自有API,Qwen4-Max每百万输入token收费1.50美元,输出token收费4.50美元,缓存命中0.075美元。模型已通过QwenCloud上线,并可在QwenWork、Qoder和QwenStudio中使用;更小的Qwen4模型计划后续以开源权重形式发布。
下一篇
Akeneo AI代理白皮书:部署多代理如何形成运营模型
Akeneo白皮书警示:企业从首个AI代理到第十个代理时,挑战将从单一用例转向运营模型,需解决产品数据、治理与多代理协同问题,否则将放大碎片化数据风险。









