内容提要
11月16日,阿里巴巴发布新一代基座大模型Qwen4-Max,总参数2.4T,具备原生视觉能力,支持百万上下文。该模型采用Qwen稀疏注意力MoE架构,仅激活71B参数,Token消耗较上代减少近50%,单任务费用降低58%。在CodeArena前端编程榜位列全球第6,ALE智能体评测得分46.7。模型可处理长周期复杂任务,已应用于汽车制造、金融投研及材料、药物发现等领域,并通过千问平台提供API服务。
延伸解读
稀疏MoE架构如何降低使用成本
Qwen4-Max采用Qwen稀疏注意力MoE架构,总参数2.4T但每Token仅激活71B,较上代减少25%激活参数。在Terminal-Bench 4.0中,同等思考档位下每次尝试平均Token用量从289K降至151K,得分却从38.9提升至48.5。结合缓存命中价格下降,单任务平均费用降低58%。这说明模型效率提升不仅靠堆参数,更依赖架构与训练优化,对高频调用API的开发者意味着更可控的成本。
编程与智能体评测的参考价值
CodeArena前端盲测全球第6,居于GPT6-Astra和Claude Fable5.1之间,刷新中国模型最好成绩;ALE智能体评测46.7分,较上代提升18.8分。这些第三方盲测和专项评测提供了横向对比视角,但读者需注意:榜单成绩反映特定任务表现,实际落地效果还取决于工具调用、场景适配和工程集成。JobBench得分68.5,超过GPT-6.1sol但次于Claude Opus5.5,说明其专业工作能力已进入领先梯队但并非全面领先。
从演示到生产:真实场景的落地信号
文章列举了汽车制造、金融投研、材料与药物发现等案例:汽车工件加工编程人工用时从475分钟降至24分钟;金融投研调用90个MCP工具产出Excel与PPT;材料发现连续48小时自主运行,从270万候选分子中合成新型冷却液;药物发现针对阿尔兹海默症靶点完成454次工具调用。这些案例表明Qwen4正从对话走向长周期任务闭环,但均为阿里提供的单方信息,实际规模化效果仍需独立验证。
API定价与开源节奏的实用信息
Qwen4-Max已上线千问AI平台提供API服务,缓存命中每百万Tokens低至0.5元,单任务平均费用较上代大降6成;用户也可通过阿里Token Plan调用,或在千问办公、Qoder、千问APP中体验。对于开发者,缓存命中价格是高频重复调用场景的关键成本项。此外,Qwen4系列中的中小尺寸模型将陆续开源发布,关注开源版本的开发者可留意后续进展,但具体时间与许可条款文章未披露。
Q&A
Qwen4-Max的模型规模和架构有什么特点?
Qwen4-Max总参数2.4T,采用基于Qwen稀疏注意力(QSA)的全新MoE架构,仅激活71B参数,具备原生视觉能力,支持百万上下文。
Qwen4-Max在编程和智能体方面的评测表现如何?
在CodeArena前端编程榜位列全球第6,刷新中国模型最好成绩;在ALE智能体评测中得分46.7,较上代提升18.8分;在Terminal-Bench 4.0专业编程评测中得分48.5,较上代提升近25%。
Qwen4-Max在效率和成本上相比上一代有哪些改进?
每个Token激活参数较上代少25%,Token消耗减少近50%(如Terminal-Bench中从289K降至151K),单任务平均费用降低58%,缓存命中每百万Tokens低至0.5元。
Qwen4-Max如何应用于汽车制造和金融投研等实际场景?
在汽车制造中,Qwen4贯穿产线规划、零件设计与加工验证全流程,将单个工件加工编程人工用时从475分钟降至24分钟,减少95%;在金融投研中,可调用90个MCP专业工具,产出Excel底稿与PPT报告,并支持双重溯源。
Qwen4-Max在科学发现领域取得了哪些成果?
在材料发现中,连续48小时自主运行,从270万候选分子中筛选,经4轮闭环真实合成新型冷却液材料;在药物发现中,针对阿尔兹海默症靶点,通过454次工具调用、3239项计算评估,设计优化24个候选分子,优选分子结合亲和力提升约3.6倍。
如何获取和使用Qwen4-Max?
Qwen4-Max已上线千问AI平台提供API服务,用户也可通过阿里Token Plan调用,或在千问办公、Qoder、千问APP等应用中直接体验;Qwen4系列的中小尺寸模型将陆续开源发布。