阿里发布Qwen4-Max:2.4T参数,编程盲测全球第六
11月16日,阿里巴巴发布全新一代基座大模型Qwen4-Max
11月16日,阿里巴巴推出新一代基座大模型Qwen4-Max,总参数2.4T,原生支持视觉,上下文可达百万级。依靠新架构和训练优化,这款模型用更少的Token换来更高性能,智能体与编程能力继续走强:在全球前端编程盲测CodeArena中排到第六;在Agents’ Last Exam(ALE)、Vals Index等智能体能力和专业任务第三方评测里,Qwen4都处在领先梯队。该模型针对全领域真实任务做了深度优化,能更顺手地调用专业工具处理长周期任务,推动AI在汽车制造、游戏开发、金融投研及科学研究等专业领域落地。
Qwen4-Max已在千问AI平台上线,对外提供API服务,缓存命中价格每百万Tokens低至0.5元,完成单任务的平均花费比上代模型降了6成;用户也能通过阿里Token Plan调用新模型,或者直接在千问办公、Qoder、千问APP等应用里体验。据了解,Qwen4系列的中小尺寸模型后续将陆续开源。

图说:CodeArena前端编程全球榜上,Qwen4-Max位列第6
Qwen4-Max用的是基于Qwen稀疏注意力(QSA)的新MoE架构,2.4T总参数只激活71B,每个Token激活的参数比上代少25%,思考效率也更高:Terminal-Bench 4.0专业编程评测中,同样处在Xhigh思考档位,Qwen4-Max每次尝试的平均Token用量从Qwen3.8-Max的289K降到151K,少了近50%,得分则从38.9分升到48.5分,提高近25%。缓存命中价格大幅下降之后,评测结果显示,Qwen4-Max完成单个任务的平均费用(Cost per Task)比Qwen3.8-Max低58%。
新架构加上高效的训练优化,让Qwen4-Max的性能整体上了一个台阶。聚焦编程的CodeArena全球盲测权威榜单里,Qwen4-Max前端(Webdev)排全球第6,夹在GPT6-Astra和Claude Fable5.1之间,刷新了中国模型的最好成绩;在“智能体最后的考试”Agents’ Last Exam(ALE)中拿到46.7的最高分,比Qwen3.8-Max高出18.8分;评估大模型理解专业图表与推理能力的Chartography评测中,Qwen4-Max得54.2分,比上代提升12.2分;专业工作评测JobBench中,新模型得分68.5,超过GPT-6.1sol,次于Claude Opus5.5;专注法律专业的HLAB-Vals-1.1上,Qwen4-Max得21.3分,较Qwen3.8-Max进步5.9分,进入行业领先模型行列。
日常的简单需求也好,长周期的复杂任务也好,Qwen4都能可靠交付,人机协作更顺畅。Qwen4-Max在模型内实现了持续交付(Live Delivery)机制,先给出一个能用的首版,再按用户意见一版版扩展内容直到完成:面对一个物理课堂科普网站的设计需求,Qwen4-Max交付了14次可用版本,最终扩成一个含3D动画、交互实验和原理详解的精致网站。它还能围绕复杂目标与约束做运筹建模、求解与验证,自主规划、持续迭代,编排智能体处理更复杂的任务:基于阿里云AI基础设施,Qwen4-Max自主闭环优化了支撑自身应用、推理与训练的运行系统,数据标注场景中把模型成本费用压低10%,CPU离线重调度场景的最优求解速度提升超14倍。

图说:面向全场景721个方向的真实工作领域,Qwen4较上代模型整体提升超10%的专业能力
从专业协作(Cowork)到全天候智能体,Qwen4正走进更多真实工作任务和生产环境。千问团队搭建了覆盖721个细分领域的Work360全场景建模体系,系统评测中Qwen4-Max得分52.69,比上一代模型提升超10%。游戏开发等专业设计领域,Qwen4的3D建模能力很强,调用Blender等专业工具也更熟练,一句话就能生成一个好玩的3D游戏。汽车制造行业里,Qwen4已贯穿产线规划、零件设计与加工验证全流程,单个工件加工编程的人工用时从475分钟降到24分钟,减少95%;金融投研场景中,Qwen4熟练调用90个MCP专业工具,产出Excel底稿与PPT报告,并支持双重溯源保证结论可靠。
AI辅助科学发现(AI For Science)的前沿领域,Qwen4已初步拿出材料和药物发现的真实成果。材料发现方面,Qwen4连续48小时自主运行,从270万个候选分子中挑出候选分子,经过4轮“设计—合成—测试”闭环,真实合成出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;药物发现方面,针对阿尔兹海默症关键靶点,Qwen4完成454次工具调用、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名义结合亲和力比起点分子提升约3.6倍,是更有效的新选择。