2.4万亿参数、百万上下文:阿里 Qwen4-Max 发布,AI 开始像同事一样交付
原创
asaotomo
asaotomo
Hx0极客圈
2026年11月16日 21:26
安徽
去阅读
AI · 快讯
Qwen4-Max
阿里把 AI 变成「新同事」
2026 年 11 月 16 日,阿里 Qwen 团队发布 Qwen4-Max:2.4 万亿参数、百万 token 上下文、原生视觉,主打长程任务与真实交付。API 同步降价,单任务平均费用降 58%。
· 模型发布 · 来源:Qwen 官方博客 · 2026-11-16
官方给它的定位不是“更强的聊天模型”,而是“与你并肩工作、创作和探索的全天候 AI 新同事”。这个说法听起来像宣传语,但看完发布内容会发现,它指向一个很具体的变化:模型不再只负责回答问题,而是被要求把一个复杂目标从头跟到尾,最后交出能用的东西。
01参数更大,推理更省
Qwen4-Max 基于 Qwen4 系列全新架构,主干参数 2.4 万亿,每个 token 激活 71B 参数,另有 328B 的 N-gram Embedding 参数;具备原生视觉能力,支持百万 token 上下文窗口。这意味着它可以一次性读入极长的文档、成批的图纸和多份病历影像。
图1 | 关键评测与成本——Work360 从 47.74 升到 52.69,单任务费用从 26.58 元降到 11.16 元。(数据:Qwen 官方博客;信息图为本文重绘)
官方给出的对比基准是上一代 Qwen3.8-Max。参数更大,但推理更省:在 Work360 上,Xhigh、High 两档推理强度的 token 消耗分别减少约 24% 和 35%;在 Terminal-Bench 4.0 上分别减少约 48% 和 49%。
1GDN + QSA——每四层中,三层用 Gated DeltaNet 将历史信息压缩为固定大小的状态,另一层 QSA 通过轻量级 Indexer,以 block 为粒度选择相关上下文,降低长序列的 Attention 计算与索引开销。
2Gated Residual——将 Residual Stream 扩展为四条并行分支,通过动态读写门控增强跨层信息传递,提升训练稳定性。
3N-gram Embedding——根据局部上下文查表,在第二层提供局部 token 模式的表示,以较低的额外计算扩展模型容量。
图2 | Qwen4-Max 模型结构——GDN+QSA、四条 Gated Residual 分支与 N-gram Embedding。(图源:Qwen 官方博客)
官方称,2.4T 规模下预训练全程未出现 loss spike;Qwen4-Max-Base 在知识、代码、问答、STEM 四类内部评测中的 BPB 均为参评模型最低,相比上一代下降约 5%–13%,同时每个 token 的激活参数减少约 25%。
翻成大白话:同样是干活,它的“脑容量”更大,但每次动用的“脑力”更少。
02从“会聊”到“能交付”
发布内容里,最有信息量的不是跑分,而是一批具体场景。
三维与游戏。 Qwen4-Max 能调用 Blender,把建模、场景搭建、材质、灯光和渲染串起来;也能在 Unity、Unreal Engine、Godot 里独立完成场景、玩法逻辑、资产整合、HUD 和特效,并实际运行游戏,根据画面与交互反馈调整镜头、动作与打击感。
图3 | 游戏开发演示——Qwen4-Max 在 Unreal Engine 中搭建的猫咪法师冒险场景。(图源:Qwen 官方博客)
工业制造。 在三丰智能装备、统联精密的真实生产场景中,它根据二维布局图和工艺参数构建三维产线,做节拍仿真和 PLC 虚拟调试;也能完成车门总成、摩擦轮等零件的建模、工艺规划、刀路生成与仿真核验。官方案例中,单个工件加工编程的人工投入从约 475 分钟降到 24 分钟,减少约 95%。
金融投研。 它能调用 90 个 MCP 工具,获取 A 股、港美股、债券、基金及衍生品数据,结合搜索交叉核验,最后交付 Excel 底稿和可编辑 PPT。每个数字能点回原始出处,图表与底稿对齐。
法律尽调。 面对 198 份格式混乱、命名不一的底稿,它按实质内容重命名并归入 14 个目录,主动检索工商、知识产权、司法和信用信息做交叉核验,最终交付 86 页、6 万余字的尽调报告,覆盖 12 个模块、14 项法律问题,结论附底稿引用。
临床医疗。 在一份包含几十份检验单、上万字病程记录、多份医嘱和 1,433 张原始影像的复杂病例中,它单次对话通读全部资料:跨日期定位指标、把六天病程对齐成时间线、并行读取数百张胸部 CT,识别出“双肺背侧实变”,与主管医生诊断一致,并给出四条与当日医嘱逐条对应的处置建议。
这些案例都来自厂商和合作方,不能当成独立的第三方验证。但它们至少说明,模型厂商竞争的焦点,正在从“考试分数”转向“能不能把活干完”。
0324/7 长程 Agent:边做边交付
长任务最怕两件事:模型闷头做很久,方向错了也不知道;以及最后交出一个“看起来完整、其实没法用”的结果。
Qwen4-Max 的解法叫 Live Delivery:先交一个可用首版,再持续交付更新版本,逐版扩展内容、提升质量。用户可以按每一版评估进展、校准方向,模型再根据反馈调整计划。官方同步开源了 Qwen-Live-Delivery-Plugin。
云资源调度。 Qwen4-Max 围绕目标与约束做运筹建模、求解和验证,在阿里云真实业务中优化数据标注的多模型调用、GPU 在线分配和 CPU 离线重调度。官方数据是:标注调度费用平均降低 10.42%,GPU 在线分配的整机空闲容量时长提升 4.62%,CPU 离线重调度求解速度提升超过 14.61 倍。
说得直白些:它开始参与优化“支撑自己运行的系统”。
04科研:从屏幕走到实验台
发布里最“科幻”的一段,是材料与药物发现。
冷却液材料。 Qwen4 连续自主运行 48 小时,完成路线调研,构建包含 270 万个分子的候选空间,做结构筛选、性质预测、第一性原理计算、逆合成设计和实验规划,再调度自动化湿实验室完成配制、合成、分离纯化和测试。经过 4 轮“设计—合成测试—主动学习”的闭环,最终拿到经实验验证的新型冷却液分子。
药物发现。 在阿尔茨海默病相关靶点的任务中,Qwen4-Max 在深势科技平台上累计调用工具 454 次,完成 3,239 项计算指标评估,设计优化 24 个候选分子。相比专利起点,最终优选分子的 RBFE 计算显示,与目标靶点的名义结合亲和力约为起点的 3.6 倍。
这不等于“AI 独立做出了新药”,但确实是 AI 在科研流程里承担了越来越长的链条。
05价格、接入与冷静提醒
Qwen4-Max 已上线千问 AI 平台,开发者可通过 Token Plan 或 API 接入;也能在千问办公、Qoder CN、千问 App、Qwen Studio 中使用。
价格方面,官方称相比 Qwen3.8-Max 全面下调 API 定价,尤其大幅降低缓存命中价格。结合单任务成本降 58% 的数据,这次发布不只是“能力更强”,也在主动压低重度使用的门槛。
还有一个容易被忽略的信息:Max 只是 Qwen4 系列的第一款模型,系列中的小尺寸模型将陆续开源。大模型冲上限,小模型走开源和落地,两条线会同时推进。
当然,发布材料终究是厂商视角。Work360、JobBench 等基准的分数、案例里的效率提升,都需要在真实业务里复现;百万上下文能不能稳定用、长程任务会不会中途跑偏、专业场景的错误由谁兜底,也都要等更多独立测试和实际使用。
06写在最后
但方向已经很清楚了:下一阶段的 AI 竞争,不只是比谁更会回答,而是比谁能把一件复杂的事,稳稳当当地做完。
信息来源
https://qwen.ai/blog?id=qwen4-max
整理:Hx0 极客圈|2026-11-16
版权声明
本站仅做备份收录,仅供研究与教学参考之用。
读者将信息用于其他用途的,全部法律及连带责任由读者自行承担,本站不承担任何责任。










评论