阿里Qwen4-Max发布 长周期任务成本大幅下降
阿里新一代旗舰模型Qwen4-Max于今天上午正式发布。这是刘大一恒负责Qwen大语言模型后推出的首款旗舰产品。与此前海外模型密集更新相比,Qwen4-Max把重点放在长周期任务成本与专业软件落地能力上。
新模型采用全新架构,总参数2.4万亿,每个token仅激活710亿参数,较上一代Qwen3.8-Max同规模版本减少约四分之一。它具备原生视觉能力,支持百万token上下文。架构调整目标集中在三方面:降低长上下文计算开销、提升模型容量效率、增强训练稳定性。
在编程评测Terminal-Bench 4.0中,Qwen4-Max的token消耗较上一代减少近一半,得分由38.9提升至48.5。国内API每百万token输入价格由12元降至10元,输出价格由36元降至30元,缓存命中最低0.5元。在阿里Work360评测中,完成单个任务的平均费用从26.58元降至11.16元,降幅58%。
第三方榜单方面,Code Arena网页开发榜上,Qwen4-Max获得1750分,位列全球第六,前后分别为GPT-6 Astra和Claude Fable 5.1,是当前排名最高的国产模型。最强旗舰Claude Fable 5.2得分为1826分。DesignArena上,Qwen4-Max在PPT生成榜排名第四,位于GPT-6.1 Sol和Kimi K3.1 Pro之前;表格榜排名第五。
在长周期任务评测中,Qwen4-Max超过Claude Opus 5.5和Kimi K3.1登顶。面对需要连续执行数十步的复杂任务,它不仅成功率最高,单任务成本较前代下降近六成。阿里将这种交付方式称为“持续交付”(Live Delivery):先给出可用版本,再根据反馈持续迭代。其示例是一个物理课堂科普网站,模型先后交付14个可用版本,最终扩展为包含3D动画、交互实验和原理详解的网站。
体验测试集中在电路设计、机械建模、Blender三维创作和游戏引擎等本地重型专业软件。其中一个任务是使用Three.js为橙色iPhone 17 Pro和特斯拉Cybertruck制作可交互拆解演示,要求支持旋转视角、拖动展开进度和恢复合拢。演示没有调用外部3D模型文件,从螺丝孔位到金属拉丝质感均由代码构建几何体拼接完成。
第一版中,iPhone外观还原度较高,但拆开后的内部零件偏少。继续细化后,模型基于原有代码迭代,补齐电池、托盘、排线和充电线圈等结构,金属、玻璃与橡胶质感区分清楚。Cybertruck拆解演示也覆盖制动、悬挂和电池连接结构;将展开滑块推回零点后,数十个零件能够归位,未出现明显错位或穿模。
另一组测试是设计床头物理提醒器,使额度恢复时自动提醒。该任务同时涉及结构、电子和动画:先用OpenSCAD绘制工业图纸并建立外壳,再用ngspice跑通电路,最后导入Blender完成装配与动态演示。跨软件协作要求三者共用同一套物理尺寸,Qwen4-Max在这一环节处理较为完整。模型还在Blender中设计掌上音乐合成器LOOP / 8,先给出静态外观,再完成镜头环绕、四层展开与重新合拢,并自行修改脚本修正问题后渲染展示动画。
Qwen4-Max的迭代思路与阿里此前提出的递归自我改进有关。上一代Qwen3.8-Max曾完成全自动迭代33轮,在芯片实验中连续调用上万次EDA工具,使芯片面积缩小42%。到Qwen4-Max,模型被用于优化自身运行所依赖的调度系统:模型生成候选算法,求解器打分,再进入下一轮修改,最终使标注任务调度成本下降10.42%,CPU离线重调度速度提升14.61倍。
阿里此前预告,后续Qwen 4.5和Qwen 5的参数规模将达到5万亿至10万亿,为当前的两到四倍。Qwen4-Max先降低参数激活与任务成本,为更大规模模型的计算和运行留出空间。目前,Qwen4-Max已上线千问AI平台,可通过API或阿里Token Plan调用,也可在千问办公、Qoder、千问App和Qwen Studio中使用;其开源版本暂未发布。