阿里发布Qwen4-Max 国产大模型进入Qwen时代

11月16日,国内科技厂商发布新一代基座模型Qwen4-Max,该模型总参数达2.4T,每步仅激活71B,支持百万级上下文处理与原生视觉能力。过去一周,其预览版已在海外开发者圈子引发广泛讨论,今日官方正式发布完整评测结果与定价信息。
从核心评测来看,这款模型已实现国产大模型的重要突破:在无标准答案可“刷题”的全球前端双盲竞赛中,Qwen4-Max获得1750分,位列全球第6,刷新了中国模型的最好成绩;在真实代码修复任务和智能体核心任务中,得分均超过同场对比的海外顶级模型。
在开源领域,该模型相关的开源基座在全球开源模型平台累计下载量超30亿次,衍生模型超30万个,此前该基座的中小尺寸模型已获得广泛认可,但一直缺少超大杯旗舰级产品,Qwen4-Max的发布填补了这一空白。
这款模型的核心优势之一是成本控制,在新架构的支持下,完成相同编程任务所需的Token量减少近一半。官方公布的价格显示,国内缓存命中部分每百万Token仅需0.5元,远低于海外主流模型;企业工作流平台的单任务平均费用从上一代的26.58元降至11.16元,降幅达58%。
其架构设计是实现成本优势的关键:每四层网络中,三层采用Gated DeltaNet压缩历史信息,搭配一层稀疏注意力机制按块提取重点,同时外挂328B的N-gram词表层,总参数2.4T但每步仅激活71B,单Token激活参数量比上一代减少25%。在专业编程评测中,开启高思考档位时,其平均Token消耗从上一代的289K降至151K,评测得分从38.9分提升至48.5分,实现了效率与性能的双重提升。
这款模型还具备实用的落地能力,融入了持续交付机制:接手复杂任务时会先快速交付可用首版,再逐版扩展更新,用户可随时校准方向。在实际应用中,开发者通过3D建模工具插件实现零素材搭建场景,通过分析卫星图自动纠正数据误差;在行业场景中,它可帮助车企减少95%的编程人工投入,处理IPO法律尽调的散乱底稿,甚至在科研实验中自主完成48小时的分子筛选与实验调度,生成新型冷却液样品。
使用这款模型时需注意两点:一是思考档位的选择,正式版默认已改为适合日常工作的高档位,日常任务无需切换至高档位,重度复杂开发再手动调整;二是避免“一句话抽卡”,需明确需求并添加清晰的验收标准,例如在前端开发需求末尾补充视觉层级、交互反馈等要求,可显著提升结果质量。
目前,Qwen4-Max已在该厂商的AI平台上线API服务,也可通过旗下办公工具、编程工具、移动应用等直接体验。后续该系列的中小尺寸模型也将陆续开源发布。
如果你此前测试预览版觉得速度较慢,或有需要反复调整的复杂项目,可尝试切换到正式版使用。使用过程中的体验与成本情况,欢迎在交流分享。

