文章摘要
阿里近期发布2.4万亿参数的Qwen4-Max大模型,采用创新混合专家架构,原生支持视觉处理、百万级上下文交互,多项核心能力评测跻身行业前列,单任务调用成本较前代下降6成,目前已上线提供API服务,可落地多领域生产及科研场景,后续将开源系列中小尺寸模型。

11月中旬,某机构推出全新一代基座大模型Qwen4-Max,这款模型总参数达2.4万亿,具备原生视觉处理能力,支持百万级上下文交互。依托创新的模型架构与训练优化,Qwen4-Max能以更少的Token消耗实现更高性能,在智能体、编程等关键能力上持续进化,同时面向全领域真实任务深度优化,可更好地调用专业工具处理长周期任务,助力AI在多专业领域的落地应用。

Qwen4-Max现已在相关大模型平台上线,对外提供API服务:每百万Token的缓存命中成本低至0.5元,单任务平均调用费用较前代模型下降6成;用户可通过相关模型调用计划使用该模型,也能在多款相关应用中直接体验。据悉,该系列的中小尺寸模型将陆续开源发布。

架构创新:高效混合专家架构,大幅提升性能与效率

Qwen4-Max采用基于稀疏注意力的全新混合专家架构,总参数2.4万亿,但每次仅激活710亿参数,单Token激活量较前代模型减少25%,思考效率显著提升。在专业编程评测中,同为高思考档位,Qwen4-Max单轮尝试的Token用量从28.9万降至15.1万,减少近50%,评测得分从38.9分升至48.5分,提升近25%;基于缓存命中价格的优化,完成单任务的平均费用较前代降低58%。

权威评测:多项核心能力跻身行业领先

在全球多项权威专业评测中,Qwen4-Max展现出强劲实力:全球前端编程权威盲测榜单中,Qwen4-Max位列全球第6,刷新国产模型最佳成绩;在智能体能力专项评测中取得46.7分,较前代提升18.8分;在专业图表理解与推理评测中获54.2分,提升12.2分;在专业工作能力评测中得68.5分,超越多款行业主流模型;在法律专业评测中获21.3分,进步5.9分,跻身行业领先行列。

任务处理:覆盖日常需求与复杂长周期任务

Qwen4-Max不仅能满足日常简单需求,更能高效处理长周期复杂任务,实现人机协作的流畅性与可靠性。其内置的持续交付机制可先生成可用的初始版本,再根据用户反馈逐步迭代完善:针对物理课堂科普网站的设计需求,模型先后交付14个可用版本,最终形成包含3D动画、交互实验与原理详解的完整平台。同时,模型具备复杂目标与约束下的运筹建模、求解与验证能力,可自主规划迭代以完成高难度任务:基于相关AI基础设施,模型自主优化了自身应用、推理与训练的运行系统,在数据标注场景中降低10%的成本,将CPU离线重调度的最优求解速度提升超14倍。

专业落地:深入多领域生产场景

在专业协作与生产场景中,Qwen4-Max的表现同样突出。该模型依托包含721个细分领域的全场景工作建模体系,系统评测得分达52.69,较前代提升超10%。在游戏开发领域,模型展现出强大的3D建模能力,可调用专业3D工具,仅需一句话就能生成优质的3D游戏;在汽车制造行业,模型贯穿产线规划、零件设计与加工验证全流程,将单个工件加工编程的人工用时从475分钟降至24分钟,减少95%;在金融投研场景中,模型可熟练调用90个专业工具,生成合规的Excel底稿与PPT报告,支持双重溯源确保结论可靠。

科学发现:AI辅助科研产出真实成果

在AI辅助科学发现领域,Qwen4-Max已产出实际成果。在材料发现方向,模型连续48小时自主运行,从270万个候选分子中筛选出目标分子,并通过4轮“设计—合成—测试”闭环流程,成功合成一种新型冷却液材料,为缓解高功率芯片带来的数据中心散热难题提供了新思路;在药物发现领域,针对阿尔兹海默症关键靶点,模型通过454次工具调用,完成3239项计算评估,设计优化了24个候选分子,最终优选分子与靶点的结合亲和力较起点分子提升约3.6倍,成为更具潜力的新选择。

以上内容不代表本平台立场,仅供读者参考