基座模型的竞争,过去一年基本围绕两条线打:参数规模往上堆,或者价格往下砍。11月16日阿里巴巴发布的Qwen4-Max,试图用同一套架构把两件事同时做到——总参数做到2.4万亿,单Token激活却只有约710亿,比上一代少四分之一。
先看架构。Qwen4-Max采用基于Qwen稀疏注意力(QSA)的混合专家(MoE)架构。MoE的思路是把模型拆成许多「专家」子网络,每次推理只唤醒其中一部分,因此总参数可以做得很大,实际计算量却由激活参数决定。QSA则是把注意力的计算稀疏化,让模型在处理长文本时不必对每个词元都做全量两两比对——这是它能支持百万级上下文的工程前提。模型同时具备原生视觉能力,可处理图像输入。
性能上,官方给出的评测分成三类。编程侧,在全球前端编程盲测CodeArena中,Qwen4-Max位列第六,处在GPT6-Astra与Claude Fable5.1之间,是中国模型在该榜单的最好名次。智能体侧,在「智能体最后的考试」(Agents' Last Exam,考察模型能否完成需要多步工具调用的专业任务)中取得46.7分,较上一代提升18.8分;在图表理解与推理评测Chartography中得54.2分,提升12.2分。专业工作侧,JobBench得分68.5,超过GPT-6.1sol,次于Claude Opus5.5;法律专业评测HLAB-Vals-1.1得21.3分,提升5.9分。
真正让企业客户敏感的是成本结构。在Terminal-Bench 4.0专业编程评测中,同样是最高思考档位,Qwen4-Max每次尝试的平均Token用量从上一代的289K降到151K,接近腰斩,而得分从38.9升到48.5,提升约四分之一。这意味着它用更少的推理步数换来了更高的正确率。叠加缓存命中价格下降,官方测算完成单个任务的平均费用下降约58%,缓存命中价格低至每百万Token 0.5元。对需要跑长周期任务的团队来说,这个降幅比榜单名次更实用。
产品侧有一个值得注意的机制:模型内实现了「持续交付」(Live Delivery)。它不追求一次生成完整成品,而是先给一个可用首版,再按用户意见逐版扩展。官方举的例子是一个物理课堂科普网站的需求,模型交付了14次可用版本,最终扩充为包含3D动画、交互实验与原理详解的站点。这种迭代方式更接近人类协作,也把「一次成功率」这个指标变得没那么关键。
落地样本给了三类。汽车制造场景中,Qwen4贯穿产线规划、零件设计与加工验证,单个工件的加工编程人工用时从475分钟降到24分钟,减少95%。金融投研场景中,模型调用90个MCP专业工具,产出Excel底稿与PPT报告,并做双重溯源。科学发现场景最能说明它的自主性:在材料发现任务里,模型连续运行48小时,从270万个候选分子中筛选,经四轮「设计—合成—测试」闭环,真实合成出一种新型冷却液材料;在药物发现任务里,针对阿尔茨海默症关键靶点完成454次工具调用、3239项计算评估,设计优化24个候选分子,优选分子与靶点的名义结合亲和力较起点提升约3.6倍。
值得注意的是它对自身运行系统的优化:基于阿里云AI基础设施,Qwen4-Max自主闭环优化了支撑其应用、推理与训练的系统,在数据标注场景把模型成本降低10%,在CPU离线重调度场景把最优求解速度提升超过14倍。这类「模型改自己的基础设施」的案例,比单纯的榜单分数更能说明智能体能力的成熟度。
供给节奏上,Qwen4-Max已上线千问AI平台提供API服务,也可通过Token Plan调用,或在千问办公、Qoder、千问App中直接使用;官方表示Qwen4系列的中小尺寸模型将陆续开源。对大模型市场而言,这一轮发布把竞争焦点从「参数有多大」推向「完成任务要花多少钱」,而这正是企业采购时真正会比较的那一栏。