阿里Qwen4-Max上线:2.4万亿参数,Work360单任务费用降58%
实测多模态Agent交付能力亮眼。
11月16日,阿里发布Qwen4系列首款模型Qwen4-Max。它用的是Qwen4系列新架构,总参数2.4万亿,每个token激活71B参数,带原生视觉能力,支持百万token上下文窗口。
这款模型把力气主要花在三件事上:用专业工具、跑长程任务、把成果交出来。3D建模与游戏开发、工业制造、金融、法律、医疗、前沿科学探索都在覆盖范围内,强调的是看懂工作全貌、把项目一路推下去。
阿里公布的DeepSWE、AA-Briefcase、HLAB-Vals等多个Agent专项基准里,Qwen4-Max的得分比前代Qwen3.8-Max提升明显,也压过了Claude Opus5.5、GPT-6.1 Sol、GPT-6 Astra等模型。
▲Qwen4-Max测评成绩(图源:阿里)
Artificial Analysis公布的人工智能分析智能指数(AII)中,xhigh推理难度的Qwen4 Max拿到43分,比Qwen3.8 Max(xhigh)高9分,比Kimi K3.1 Pro(max,46分)低3分;不过AII测出的单任务成本比Qwen3.8 Max降了约11%。阿里自己的Work360测评里,Qwen4-Max单任务成本降幅达到58%。
▲Qwen4-Max的人工智能分析智能指数得分
现在Qwen4-Max已经在千问AI平台提供API服务,缓存命中每百万tokens最低0.5元。走阿里Token Plan也能调用,或者在千问办公、Qoder、千问APP、Qwen Studio等应用里直接用。Qwen4系列的中小尺寸模型会陆续开源。
海外社交平台X上,不少开发者看到Qwen4-Max的第一反应是催Qwen4-27B。



▲海外社交平台X上的开发者评论
往前推,11月11日阿里曾宣布Qwen4-Max预览版上线。当时第一时间体验下来,多模态Agent能力挺亮眼,指令理解、搜索执行、多模态生成、3D交互都表现不错;但碰上复杂任务,会出现多模态不一致、违背物理规律之类的问题。
正式版今天上线,表现如何?体验下来,Qwen4-Max在多模态Agent的交付效果上比预览版又进了一步。拿“厉娜原谅许飞”Gif动图那个任务来说,要基于图片加自行搜索来生成,预览版出现过嘴型对不上的毛病,正式版生成的动图已经把这个问题解决了。
基础编程这块,Qwen4-Max也正确画出了“鹈鹕骑自行车的SVG动画”,没看出明显违反物理规律的地方。
博客: https://qwen.ai/blog?id=qwen4-max API: https://www.qianwenai.com/models/qwen4-max Token Plan: https://platform.qianwenai.com/pricing/token-plan
一、Agent测评能打,单任务费用降58%
前面已经提过,Agent专项测评里Qwen4-Max整体表现突出。
DeepSWE、AA-Briefcase、HLAB-Vals、BioMysteryBench、HealthBench等多个基准上它都拿了不错的成绩,代码、法律、生物科研、医疗推理、图表理解、视频理解这几块优势明显。相比前代Qwen3.8-Max提升显著,得分也比Claude Opus5.5、GPT-6.1 Sol、GPT-6 Astra等国际前沿模型高。
但它不是样样领先。Agents’ Last Exam、AgentArena这类长周期、真实复杂任务上,Qwen4-Max的成绩依然出色,却弱于Opus 5.5、GPT-6 Astra等顶尖模型。整体看,垂直专业Agent任务上它爆发力强,超长时序、开放式复杂智能体任务还有提升空间。
Code Arena:WebDev的结果也显示Qwen4-Max前端编程能力出色,在Code Arena盲测榜单上排在全球前列。

token效率和成本方面,阿里官方说法是:Qwen4-Max用更少的token消耗拿到了优于Qwen3.8-Max的性能。Work360上,Xhigh和High两档推理强度的token消耗分别少了约24%和35%;Terminal-Bench 4.0上分别少了约48%和49%。
定价也整体往下调了,缓存命中价格降得尤其狠。Work360评测中,单个任务平均费用从26.58元降到11.16元,降幅58%。

二、2.4T总参数只激活71B,每字节比特数最高降13%
Qwen4-Max用的是Qwen4系列全新架构,总参数2.4T,每个token激活71B参数,另外还有328B N-gram Embedding参数。这套架构从Attention、Residual和Embedding三处下手升级稀疏MoE模型,目的是优化计算效率、模型容量和训练稳定性:
GDN+Qwen Sparse Attention(QSA)的做法是:每四层里,三层Gated DeltaNet把历史信息压成固定大小的状态,剩下一层QSA靠轻量级索引器、以block为粒度挑选相关上下文,长序列的注意力计算和索引开销因此降了下来;
Gated Residual(GR)把残差流拆成四条并行分支,靠动态读写门控加强跨层信息传递,训练稳定性随之提升;
N-gram Embedding则依据局部上下文查表,在第二层补上局部token模式的额外表示,用较低的额外计算代价换来模型容量扩展。

参数规模到2.4T,Qwen4-Max的预训练全程平稳,loss一路往下走,没有出现loss spike。模型架构与训练优化上的改进是主要功劳。

内部知识、代码、问答和STEM四类评测里,Qwen4-Max-Base的每字节比特数(BPB)在五个参评模型中都是最低的;总参数量同为2.4T,各领域BPB比Qwen3.8-Max-Base降了约5–13%,每个token激活参数还少了约25%。

内部评测指标是10×BPB,数值越低越好;参数量按激活参数/总参数标注;GLM-5.3和Kimi-K3.1-Pro属于后训练模型,后训练可能影响它们与基座模型之间的比较。
三、从3D游戏到汽车制造,专业场景直接交付
为了把工业与专业场景的协作能力做上去,Qwen4-Max搭了Work360综合场景建模框架,对复杂行业场景做系统解构和细粒度分类,形成26个一级领域、182个二级子领域、721个三级细分领域的层级分类体系。
以这套体系为基础的Work360行业基准测试中,Qwen4-Max拿到52.69分,Qwen3.8-Max为47.74分,提升明显。

在Blender的三维建模与场景创作里,Qwen4-Max能把几何建模、场景搭建、材质配置和灯光渲染串起来,把创意落成三维作品,建筑与室内空间、自然景观、科幻场景都能覆盖,空间布局、物体结构、视觉效果的综合把握也体现在其中。
这套能力接着用到游戏开发上,再经3D打印做成实体作品,接上后续的开发、制作流程,设计探索、内容创作和原型制作都能支撑。
Unity、Unreal Engine、Godot这些主流游戏引擎,Qwen4-Max都能驾驭。给它自然语言需求,它就能调用外部资产独立完成场景搭建、玩法逻辑开发、资产整合、材质配置、HUD设计与特效制作,交付一款能上手玩的游戏。开发途中它会实际跑起游戏,看着画面和交互反馈去调各种细节。
样例“喵出法随”就是这样:Qwen4-Max在Unreal Engine里做出一款猫咪法师冒险游戏,玩家可以施放多种法术、挑选能力强化,还要逐波挑战敌群与首领。
汽车制造这边,三丰智能装备、泛海统联精密的实际生产场景中,Qwen4-Max把图纸理解、参数化建模与专业工具调用融进工程流程,产线规划、零件设计、加工验证都能支持,设计生成、工具执行与反馈验证串成一条线。案例里,单个工件加工编程的人工投入从约475分钟降到24分钟,少了约95%。
在Agentic视频创作上,Qwen4和万镜一刻可以帮用户打通一条端到端的工作流:先出分镜脚本和静态资产,再用白模预演驱动相机动画、渲染出独立片段,最终剪接成多场景连贯影片。这背后靠的是Qwen4在语言、多模态和智能体上的能力,为创作注入知识、提供可控性并保证稳定。
金融投研、法律尽调与临床医疗这三大高门槛场景同样如此,Qwen4能处理繁杂原始资料,完成深度逻辑推演与证据链溯源,从“信息检索”走向“专业交付”。
四、智能体全天候干活:边交付边迭代,自主闭环设计冷却液
团队称,Qwen4-Max支持智能体全天候推进长周期任务,靠自主规划与持续迭代分阶段交付可用成果,自主执行与用户掌控两头兼顾。
持续交付上,长程智能体缺少阶段性反馈、用户难掌握进展,这是个老问题。Qwen4-Max为此融入Live Delivery能力:先交可用首版,再不断交付更新版本,一版版扩内容、提质量。用户能按每版成果评估进展、校准方向,Agent也能结合反馈动态调整计划,长程任务的交付进展看得见,执行方向也控得住。
阿里同步开源了Qwen-Live-Delivery-Plugin,装上插件就能体验持续交付能力。
云资源调度上,Qwen4-Max能围绕复杂目标与约束做运筹建模、求解与验证,交付优化决策方案。该能力已在阿里云真实业务场景落地,实现模型自主迭代并优化自身所需调度方案的闭环,覆盖数据标注中的多模型调用调度、云计算GPU资源在线分配调度、云计算CPU资源离线重调度。
对应场景中,数据标注场景的模型调用调度费用较参考基线平均降10.42%,GPU在线分配相对基线的整机空闲容量时长提升4.62%,CPU离线重调度场景达到最优目标的求解速度提升超14.61倍。
驱动科学发现这块,面对高功率芯片散热难题,Qwen4依托深度原理Mira干湿实验环境,在连续48小时的自主Agent运行中构建出270万个分子候选空间;再通过4轮设计-测试-学习闭环,完成新型冷却液分子的设计、合成与实验验证。
针对阿尔茨海默病NLRP3靶点,Qwen4-Max依托深势PharmMaster完成药物发现全链路智能设计,多轮迭代优化后得到24个候选分子,优选分子的结合亲和力约为起点的3.6倍,具备湿实验验证价值。
阿里方面还提到,Qwen4-Max遵循六大AI原则,治理贯穿全生命周期。代码安全能力提升明显,安全代码通过率大幅上涨;网络安全侧重防御类数据,强化攻击防护;CBRN场景下能识别风险请求,不输出可落地的高危方案,同时避免过度拒答。
全球头部模型的比拼重心已经挪了位置。过去看的是推理能力,眼下则盯代码开发、计算机操作、专业知识工作和长程Agent执行。OpenAI的GPT-6 Astra与GPT-6.1 Sol在复杂任务处理和计算机使用上继续加码;Anthropic近期拿出Fable 5.2、Mythos 5.2,往编程、金融、科学研究这些高难度方向推。
阿里想用Qwen4-Max走一条不同的路:把大模型的能耐和产业工作流绑在一起。2.4万亿参数、百万Token上下文,加上专业工具调用、自主迭代和科研闭环,目标指向的是让模型交付成果,而不只是回答问题。
小尺寸模型正陆续开源。Qwen4系列能不能把企业部署和使用的门槛再往下压,会是下一阶段竞争的关键。