阿里Qwen4-Max发布:总参数2.4万亿,API输入降至10元
阿里Qwen4-Max发布:更省更会干活,Code Arena全球第六
近来大模型圈子热闹得很,可这波喧嚣跟国产模型基本不沾边。
Claude Fable 5.2 才刷完屏,Gemini 4 又在一周里接连更新好几款,GPT-6.2 Astra 的测试消息也漏出不少。反观国产旗舰,动静小了很多。
今天上午,阿里拿出了自己的破局之作:新一代旗舰模型 Qwen4-Max。刘大一恒接手 Qwen 大语言模型之后,这是第一款发布的旗舰。

发布之前,APPSO 已经试用了 Qwen4-Max 一段时间,想看看它能不能重新站回国模第一梯队。
提前上手这段日子,我们发现它的着力点很实在:把长周期任务的成本压下去,同时真的钻进重型专业软件里干活。

Qwen4-Max 用上了全新架构,总参数 2.4 万亿,每个 token 只激活其中 710 亿,比同规模的上一代 Qwen3.8-Max 少了大约四分之一。它自带原生视觉能力,上下文支持百万 token。
架构这么改,图的是三件事:长上下文算起来更省,模型能装得更多,训练也更稳。落到用户身上,最直接的感受就一个字,省。
编程评测 Terminal-Bench 4.0 上,它的 token 消耗比上一代少了将近一半,得分却从 38.9 升到 48.5。

国内 API 每百万 token 的输入价从 12 元下调到 10 元,输出价从 36 元降到 30 元,缓存命中最低只要 0.5 元。

阿里自家的 Work360 评测里,跑完一个任务的平均花费从 26.58 元掉到 11.16 元,降了 58%。

Code Arena 网页开发榜靠真实用户盲测投票,Qwen4-Max 在这里拿到 1750 分,一举冲到全球第 6。夹在它前后的正是 GPT-6 Astra 和 Claude Fable 5.1,它也是当前榜单上名次最高的国产模型。
当然,跟眼下最强的 Claude Fable 5.2(1826 分)比,它还有一段路要追。

第三方评测 DesignArena 那边,Qwen4-Max 在 PPT 生成榜排第 4,压过 GPT-6.1 Sol 和 Kimi K3.1 Pro;表格榜上排第 5。
这么看,它像是天生的干活模型,办公场景才是 Qwen4-Max 的主场。

长周期任务评测里,Qwen4-Max 也压住了 Claude Opus 5.5 和 Kimi K3.1 登顶。碰上要连跑几十步的复杂任务,它成功率最高,单任务成本还比前代砍掉近六成。

阿里还展示了 Qwen4-Max 在各行各业里的用法,并给这种干活方式取了个名字,叫「持续交付」(Live Delivery):先交一版能用的,再照着用户意见一版版往上叠。
他们举的例子是一个物理课堂科普网站。Qwen4-Max 前后交付了 14 个可用版本,最后扩成一个带 3D 动画、交互实验和原理详解的精致站点。

现在 Qwen4-Max 已经在千问 AI 平台上线,走 API 或阿里的 Token Plan 都能调用,千问办公、Qoder、千问 App 和 Qwen Studio 里也能直接使用。

开源方面,大家惦记的 Qwen4-Max 这回还没放出来,得等 Qwen4 系列里更小的模型陆续补齐。
我们让它拆了台 iPhone
说了这么多,还是得实测,看 Qwen4-Max 的真实表现。
测试围绕电路设计、机械建模、Blender 三维创作和游戏引擎展开,跑的全是本地实打实的重型专业软件。
我们让它用 Three.js 给橙色 iPhone 17 Pro 和特斯拉 Cybertruck 各做一个能交互的拆解演示,视角要能转,展开进度要能拖,还得能合回去。
整个演示没走捷径去读外部 3D 模型文件,从螺丝孔位到金属拉丝质感,全凭代码从零搭建几何体拼出来。
初版交出来时,iPhone 的外形已经像模像样,问题在于拆开之后内部零件太少。我让它继续往下细化,它就在原有代码上接着改,内部结构很快补全了。

新版本里屏幕慢慢移开,电池、托盘、排线、充电线圈一层压一层错落排开,金属、玻璃、橡胶的质感各是各的。三维空间理解这件事,到这一步才算摸得着了。
Cybertruck 也用同样的路数拆了一遍,制动、悬挂、电池连接之间的错落结构都齐了。把展开滑块推回零点,几十个零件全部回到原位,基本没出现错位或者穿模。

试下来,APPSO 觉得「先出初版—看画面提意见—在原工程上迭代」这条路子效率更高,等于把「持续交付」那套工作流完整跑通了。

靠 AI 重度干活的人,多半都盯着额度刷新倒计时焦虑过,有人半夜还得爬起来把任务续上。
这回我索性让它自己设计一个床头用的物理提醒器,额度一恢复就自动响。
这等于让它一个人把结构、电子、动画三个工种的活都干了:先用 OpenSCAD 写代码画出工业图纸、建出精准外壳,再用电子电路模拟器 ngspice 把内部电路跑通,最后导进三维动画软件 Blender 做整机装配和动态演示。
跨软件协作最难的地方,是三者得严丝合缝地共用同一套物理尺寸。Qwen4 最后处理得相当到位。

我们还让它在 Blender 里设计了一台掌上音乐合成器,名字叫 LOOP / 8——巴掌大的机身,正面排满手感按键和调音旋钮,小屏上跳着实时声波,里面藏着好几层精密电路板。
它先给出静态外观效果图,接着我们让镜头绕机身转一圈,再把整机像拆积木那样分成四层展开、最后重新合拢。中途它自己改了一版脚本代码,修掉小毛病,整段丝滑的工业级展示动画就渲染出来了。

Qwen4-Max 背后真正的秘密武器
光看榜单,编程盲测排第 6 的 Qwen4-Max 确实还不算最顶流。但模型迭代太快了,这些名次一个月就能翻好几回。
阿里这一代想讲的故事,也许压根不在跑分榜上。
话要从 9 月的云栖大会讲起。阿里当时提了个很热的概念——递归自我改进(RSI),说白了就是让 AI 参与到自己的迭代循环里去。
上一代 Qwen3.8-Max 已经跑出过雏形:全自动迭代 33 轮,在芯片实验里连续调用上万次 EDA 工具,硬是把芯片面积压小了 42%。
到 Qwen4-Max,这个自我改进的故事又往前挪了一步。架构上,总参数不变,每次计算却少动用四分之一的参数,先把自己变省。
省下来之后,它被派去优化自己跑在上面的调度系统。模型写出候选算法,求解器打分,再改下一版,结果标注任务的调度成本降了 10.42%,CPU 离线重调度快了 14.61 倍。
省出来的算力也没闲着。阿里在云栖大会上预告过,后面的 Qwen 4.5 和 Qwen 5 要做到 5 万亿到 10 万亿参数,是现在的两到四倍。
这么看,Qwen4-Max 的真实身位就清楚了:它未必是眼下最聪明的那个,却是整条进化回路里的关键一环。自己先学会省吃俭用,后面的庞然大物才造得起、跑得动。
当然,眼下它能改的还只是调度和资源分配,离真正意义上的「模型造模型」还有距离。不过 Qwen 4.5 的答卷,倒是可以期待一波。
2026 即将进入尾声,模型迭代也要翻过新的一页了。