阿里千问Qwen4-Max正式上线,总参数2.4万亿激活71B,编程Token消耗降近半

阿里千问于11月16日发布Qwen4-Max大模型,总参数达2.4万亿,激活参数710亿,采用稀疏MoE架构与QSA注意力机制。在Terminal-Bench 4.0中,同档位下Token用量减少47...

人工智能 阅读量: 8731

阿里千问于11月16日正式发布最新大模型Qwen4-Max,标志着其在超大规模语言模型工程化落地上的又一次关键推进。该模型总参数量达2.4万亿,但实际激活参数仅710亿(71B),相比上一代Qwen3.8-Max减少约25%,在保持甚至提升能力的同时显著降低推理开销。

Qwen4-Max的核心技术路径围绕“高效激活”与“稳定交付”展开。其采用基于Qwen稀疏注意力(QSA)的新型混合专家(MoE)架构,在保证输出质量的前提下,以更少的计算资源实现更强的推理能力。这一设计直接反映在实测性能上:在Terminal-Bench 4.0编程评测中,当设定为Xhigh思考档位时,Qwen4-Max单次尝试平均Token消耗较前代下降约47.5%,而最终得分则提升近28%。尤为关键的是,模型预训练全程未出现loss spike,为长周期任务的稳定性提供了底层保障。

在第三方权威评测体系中,Qwen4-Max表现全面跃升。在面向前端开发的CodeArena全球盲测Webdev方向中,其以1,750分位列全球第6,介于Claude Fable5.1与GPT-6 Astra之间,刷新中国大模型在该细分领域的最高排名。在智能体能力测试Agents'Last Exam(ALE)中得分46.7,较上代提升18.8分;Chartography得分为54.2,提升12.2分;JobBench得分67.3;法律推理评测HLAB-Vals-1.1得分为21.3,进步5.9分。上述成绩均来自官方公开口径。

除基础能力外,Qwen4-Max强化了“工作流闭环”能力——即在真实业务场景中调用专业工具、推进多步骤长周期任务,并将抽象想法转化为可交付成果。例如,在物理课堂科普网站构建任务中,模型通过持续交付(Live Delivery)机制,根据用户反馈迭代14次,最终产出包含3D动画、交互实验与原理详解的完整站点;在汽车制造领域,模型可贯穿产线规划、零件设计与加工验证全流程,将单个工件加工编程的人工耗时从475分钟压缩至24分钟,降幅达95%;在金融投研场景中,模型能调用90个MCP专业工具,自动生成带双重溯源的Excel底稿与PPT报告。

Qwen 4 正式上线宣传图

科研应用方面,Qwen4-Max展现出自主探索潜力。针对高功率芯片散热难题,模型连续48小时自主运行,构建270万个分子候选空间,经4轮“设计—合成—测试”闭环筛选,最终获得经实验验证有效的新型冷却液材料;在阿尔茨海默病药物发现中,模型完成454次工具调用与3,239项计算评估,优选分子与靶点的名义结合亲和力较初始分子提升约3.6倍。

基础设施层面,Qwen4-Max已深度集成阿里云AI系统,具备运筹建模、求解与验证能力,可自主闭环优化自身训练、推理与应用部署流程。在数据标注场景中,模型辅助使成本费用降低10%;在CPU离线重调度任务中,最优求解速度提升超14倍。在覆盖721个细分领域的Work360全场景评测体系中,Qwen4-Max综合得分为52.69,较上一代提升超10%。

文章配图

值得注意的是,Qwen4-Max并非孤立存在,而是Qwen4系列的旗舰型号。阿里明确表示,该系列中小尺寸模型将陆续开源,具体时间与规格待后续公告。目前,Qwen4-Max已上线千问AI平台提供API服务,用户也可通过阿里Token Plan、千问办公、Qoder及千问APP等渠道直接体验。

从技术演进看,Qwen4-Max代表了当前大模型发展的一个关键转向:不再单纯追求参数膨胀,而是聚焦于“有效激活规模”与“任务完成质量”的平衡。其71B激活参数远低于总参数2.4T的设定,正是稀疏激活策略成熟落地的体现;而百万级上下文支持、原生视觉能力与工具链整合,则指向多模态智能体的实际可用性门槛正在被实质性降低。

CodeArena WebDev排行榜Qwen4-Max位列第6

行业观察指出,随着Qwen4-Max在编程、法律、科研等垂直场景的实测表现持续逼近国际头部模型,中国大模型在“能力对齐”之后,正加速进入“价值对齐”阶段——即模型能否在真实业务流中稳定、高效、低成本地完成端到端交付。这不仅是技术指标的比拼,更是工程化能力与产业理解深度的综合较量。

目前,Qwen4-Max已开放商用接入,其在工具调用效率、长任务稳定性与成本控制方面的优势,有望在企业级AI应用部署中形成差异化竞争力。后续中小模型的开源节奏,也将影响整个中文生态的技术扩散速度与开发者采纳意愿。