阿里Qwen4-Max发布 2.4万亿参数
11月16日,阿里巴巴发布新一代基座大模型Qwen4-Max。据千问团队博客,这个模型基于Qwen4系列的全新结构,总参数2.4万亿,采用以Qwen稀疏注意力(QSA)为核心的混合专家架构,具备原生视觉能力,支持百万token上下文窗口。官方给它的定位很直白:「与你并肩工作、创作和探索的全天候AI新同事」。
真正被强调的是Token效率。在专业编程评测Terminal-Bench 4.0上,同样开到Xhigh思考档,Qwen4-Max每次尝试的平均Token用量从上代Qwen3.8-Max的289K降到151K,减少近一半;得分则从37.9升至48.5,提升近28。在Work360上,Xhigh与High两档的Token消耗分别减少约24和35。第三方盲测里,它在Code Arena的WebDev榜单位居全球前列,彭博社的报道称其在编程基准上胜过Fable 5.1与Kimi K3.1 Pro。
价格是另一半故事。随新模型上线,阿里全面下调了API定价,尤其大幅压低缓存命中价:缓存命中每百万Tokens低至0.5元。按官方口径,完成单个任务的平均费用比上代降低近58。分析机构Artificial Analysis给出的智能指数为43分,称其性能超过Qwen3.8-Max、而每任务成本低约三分之二,但仍落后于Kimi K3.1 Pro。
开源策略出现分层。这次发布的旗舰Qwen4-Max并不开放权重,官方明确表示Qwen4系列中的中小尺寸模型将陆续开源。也就是说,阿里一手用闭源旗舰抢企业级订单,一手继续用开源小模型维持开发者生态——过去两年它正是靠后者在全球积累了声量。
落地场景被摆到了很具体的位置。官方披露,在三丰智能、泛海统联的生产场景里,模型把图纸理解、参数化建模与专业工具调用接进工程流程:产线上根据二维布局图与工艺参数调用既有设备库、构建三维产线并做节拍仿真与PLC虚拟调试;零件侧完成车门总成、摩擦轮等部件的建模与刀路生成。官方称,在所展示的加工案例中,单个工件加工编程所需的人工投入由约475分钟降到26分钟,减少约95。
面向科研,Qwen4还参与了材料发现:依托深度原理的Mira干湿实验环境,模型在连续48小时的智能体运行中完成路线调研,构建包含270万个分子的候选空间,并依次做结构筛选、性质预测、第一性原理计算、逆合成设计与实验规划。这类长程任务的稳定性,正是各家旗舰模型今年比拼的新战场。
编译自 千问官方博客(另据彭博社、澎湃新闻核实),原标题:"Qwen4-Max 正式上线"