核心结论先行
2026 年 11 月 16 日,阿里通义千问团队正式发布新一代旗舰基座大模型 Qwen4-Max,这是 Qwen4 系列首款模型。模型总参数 2.4T(2.4 万亿),采用稀疏 MoE 架构,每 Token 激活 71B,原生支持视觉理解,提供 100 万 Token 上下文,输入覆盖文本、图像和视频,定位复杂推理、编程和智能体任务。相比 11 月 11 日先行开放的限时预览版,本次正式版接入千问 AI 平台 / QwenCloud API,可通过 Token Plan、Qwen Studio、QwenWork、Qoder、千问办公和千问 APP 体验。这一代的主线是 "更少 Token、更高性能、更低单任务成本":每 Token 激活参数较上代减少约 25%,Terminal-Bench 4.0 同档位 Token 用量从 289K 降到 151K、减少近 50%,评测得分从 38.9(另一口径 37.9)升到 48.5;单任务平均费用较 Qwen3.8-Max 下降 58%(媒体概括为大降约六成,另有 62% 成本口径)。能力侧,CodeArena 前端编程盲测排第 6,ALE 智能体评测 46.7 分、Chartography 54.2 分、JobBench 67.3 分,官方称 Arena 智能体榜、前端编程榜和 Vals 综合榜中国模型第一。场景覆盖汽车制造、游戏开发、Blender 三维建模、金融投研、法律尽调和临床辅助;Qwen4 系列中小尺寸模型将陆续开源,Max 旗舰本身为闭源服务形态。需要提醒:多数基准和成本数字来自官方自测或官方评测口径,目前未见完整技术报告,第三方复测和真实企业落地效果仍需观察。
模型规格一览
| 项目 | Qwen4-Max 公开信息 |
|---|---|
| 发布方 | 阿里通义千问团队(Tongyi Lab / 阿里云) |
| 发布时间 | 2026-11-16 正式版上线;11-11 10:00 至 11-25 24:00 为预览期 |
| 系列定位 | Qwen4 系列首款模型,旗舰多模态基座模型,定位 "AI 新同事" |
| 架构 | 基于 QSA 稀疏注意力的稀疏 MoE |
| 总参数 / 激活 | 2.4T 总参数;每 Token 激活 71B;激活参数较上代少约 25% |
| 上下文 | 1M(100 万)Token |
| 模态 | 文本、图像、视频输入;原生视觉理解 |
| 输出能力 | 最大输出 393,216 Token(预览版口径,思考与最终回答共享预算) |
| 思考档位 | low /medium/xhigh,默认 xhigh(预览版口径) |
| 工具与协议 | Function Calling、联网搜索、内置工具、JSON Object/Schema;兼容 OpenAI Chat Completions/Responses 与 Anthropic Messages API(预览版口径) |
| 开源 | 中小尺寸模型陆续开源;Max 闭源服务 |
架构层面的调整方向
注意力与历史压缩
- 每四层中三层使用 Gated DeltaNet,把历史信息压缩为固定状态,降低长序列重复计算。
- 剩余一层以 Qwen Sparse Attention(QSA)按 block 粒度选择相关上下文,减少注意力开销。
残差与嵌入
| 模块 | 做法 | 作用 |
|---|---|---|
| Gated Residual(门控残差) | 残差流扩展为四条并行分支,动态门控读写 | 增强跨层信息传递和训练稳定性 |
| N-gram Embedding | 第二层以查表方式提供局部 Token 模式表示 | 用较低额外算力扩展模型容量,嵌入表可配合异步预取 |
稀疏 MoE 的成本逻辑
- 总参数保留大规模知识容量,单次推理只激活相关专家和少量参数。
- 激活参数下降 25% 叠加注意力压缩,直接降低长任务 Token 和推理成本。
- 架构目标不是单纯堆参数,而是在性能、上下文和成本之间找平衡。
公开评测成绩
| 评测 | 关注能力 | 成绩与对比 |
|---|---|---|
| CodeArena WebDev | 前端编程盲测 | 第 6 名,xHigh 档位 1750 分;位于 GPT-6 Astra(1763)与 Claude Fable5.1(1743)之间,官方称刷新中国模型最好成绩 |
| Agents' Last Exam(ALE) | 智能体综合 | 46.7 分,较 Qwen3.8-Max 提升 18.8 分 |
| Chartography | 图表理解与推理 | 54.2 分,较上代提升 12.2 分 |
| JobBench | 专业工作任务 | 67.3 分,超 GPT-6.1 Sol,次于 Claude Opus5.5 |
| Terminal-Bench 4.0 | 终端 / 代理式编程 | Xhigh 档位 48.5 分;Token 289K→151K,减近 50%;得分较上代提升近 25% |
| Vals Index 等 | 综合 / 专业任务 | 官方称处于领先梯队;三榜国模第一口径含 Arena 智能体、前端编程、Vals 综合 |
| Work360 | 自建全场景体系 | 52.69 分,上代 47.74 分,提升约 10%;覆盖 721 个细分领域 |
评测口径提醒
- 榜单版本、思考档位、提示词和测试集不同,分数会波动;对比的 GPT-6、Claude 系列名称以对应榜单为准。
- ALE、JobBench、Work360 等含官方自建或第三方评测,样本设计与真实企业项目不完全等同。
- 目前公开材料未见完整技术报告,部分指标为官方自测口径。
成本与定价
单任务成本变化
| 指标 | Qwen3.8-Max | Qwen4-Max | 变化 |
|---|---|---|---|
| Terminal-Bench 4.0 平均 Token | 289K | 151K | 减少约 48%—50% |
| 单任务平均费用(官方评测) | 基准 | 下降 58% | 媒体概括约六成 |
| Work360 单任务成本 | 26.58 元 | 11.16 元 | 官方体系内降幅约 58% |
| 激活参数 | 基准 | 少约 25% | 每 Token 更少激活 |
国内 API 价格(千问平台口径)
| 价格项 | 上代 | Qwen4-Max |
|---|---|---|
| 输入(每百万 Token) | 12 元 | 10 元 |
| 输出(每百万 Token) | 36 元 | 30 元 |
| 缓存命中(每百万 Token) | 1.5 元 | 0.5 元 |
- 国际版定价口径称输出价格不到 Claude Opus 5.5 的四分之一(外媒对比口径)。
- 实际账单受上下文长度、工具轮次、缓存命中率和输出长度影响,不能只看单任务均值。
能力方向与落地场景
智能体(Agent)
- 支持长周期任务、专业工具调用和结构化输出。
- 可在真实工作流中规划、执行、调用工具并迭代交付。
- 面向复杂办公、终端代理、跨步骤任务和多工具协同。
编程与多模态
- 覆盖复杂编程、前端设计、终端调试和专业软件操作。
- 图像、视频输入支撑截图分析、文档理解、图表推理和视觉参考转代码。
- Qoder 等阿里侧编程应用直接接入新模型。
公开行业案例
| 领域 | 工具 / 流程 | 案例效果 |
|---|---|---|
| 汽车制造 | 产线规划、零件设计、加工编程 | 单个工件编程人工投入约 475 分钟降至 24 分钟 |
| 游戏开发 | Blender 三维建模、Unity/Unreal 引擎 | 一句话生成 3D 游戏场景和模型方案 |
| 金融投研 | 90 个 MCP 专业工具 | 产出 Excel 底稿与 PPT 报告 |
| 法律尽调 | 文档理解与专业任务 | 官方案例场景之一,具体指标未展开 |
| 科学 / 医疗辅助 | 长时自主运行、工具调用 | 冷却液材料分子筛选;危重症临床辅助场景演示 |
| 科研发现 | 反复工具调用 | 阿尔兹海默靶点优化候选分子(此前 Qwen4 报道口径) |
接入方式与开源节奏
当前可用入口
- 千问 AI 平台 / QwenCloud:正式 API 调用。
- 阿里 Token Plan:套餐方式接入。
- 应用侧:Qwen Studio、QwenWork、Qoder、千问办公、千问 APP。
- 预览版兼容 OpenAI 与 Anthropic API 协议,便于接入主流 Agent 和编程工具。
开源安排
- Qwen4-Max 为闭源托管旗舰。
- 系列中小尺寸模型将陆续开源,沿袭同源技术路线,面向小模型擅长的场景取舍。
- 开发者呼声包括 27B、Flash 等尺寸,具体型号和时间以官方公告为准。
边界与后续观察点
- 参数预期:部分市场此前预期 Qwen4 可能超过 3T,本次 2.4T 总参规模或低于部分期待;参数不等于能力上限。
- 数据透明度:官方基准、成本和案例需要第三方复测;技术报告、模型卡和详细评测体系尚待补充。
- 真实落地:Agent 长任务在企业环境中仍受权限、异常恢复、工具失败、数据合规和结果审计约束。
- 成本口径:0.5 元 / 百万 Token 是缓存命中档位,常规输入输出单价另计;58% 降幅基于评测样本。
- 开源范围:Max 是否开放权重未明确;小模型开源节奏需等待后续公告。
- 后续节点:正式 API 文档与价格表、开源小模型权重、企业级工具生态、长任务稳定性和第三方独立评测。
总结
阿里这一代基座大模型 Qwen4-Max,选择的竞争路线不是单纯宣称参数最大,而是用 2.4T 稀疏 MoE、71B 激活、百万上下文和原生视觉支撑智能体与编程任务,同时把 Token 消耗和单任务成本压下来。评测显示它在前端编程、智能体和专业工作任务上进入领先梯队,场景案例覆盖制造、游戏、投研和科研医疗;短期价值是 API 性价比和长任务效率,中长期要看开源小模型生态、企业真实交付稳定性和第三方复测结果。
【常见问题】
问题 1:阿里发布的新一代基座大模型是什么,参数规模和架构如何?
回答:正式发布的是 Qwen4-Max,Qwen4 系列首款旗舰模型;总参数 2.4T,稀疏 MoE 架构,每 Token 激活 71B,原生视觉理解,支持 100 万 Token 上下文,输入覆盖文本、图像和视频。它是闭源托管旗舰,系列中小尺寸模型后续陆续开源。
问题 2:Qwen4-Max 相比上代在 Token 和成本上省了多少?
回答:Terminal-Bench 4.0 同档位平均 Token 从 289K 降到 151K、减少近 50%;每 Token 激活参数少约 25%;官方评测单任务平均费用较 Qwen3.8-Max 下降 58%,媒体概括约降六成。国内平台输入 10 元 / 百万 Token、输出 30 元,缓存命中 0.5 元;实际成本受上下文、轮次和缓存率影响。
问题 3:Qwen4-Max 在智能体和编程上有哪些公开评测成绩?
回答:CodeArena 前端盲测第 6、1750 分;ALE 智能体 46.7 分(+18.8);Chartography 54.2 分;JobBench 67.3 分;Terminal-Bench 4.0 得 48.5 分;Vals Index 等处于领先梯队。官方称 Arena 智能体、前端编程和 Vals 综合榜中国模型第一,榜单口径以对应平台为准。
问题 4:Qwen4-Max 支持哪些模态和工具能力,接口兼容什么协议?
回答:支持文本、图像、视频输入和深度思考;支持 Function Calling、联网搜索、内置工具、结构化 JSON 输出;预览版兼容 OpenAI Chat Completions/Responses 和 Anthropic Messages API,便于接入主流编程和 Agent 工具。
问题 5:现在可以通过哪些渠道使用 Qwen4-Max,是否开源?
回答:正式版已上线千问 AI 平台 / QwenCloud API,可通过 Token Plan、Qwen Studio、QwenWork、Qoder、千问办公和千问 APP 体验。Max 本身闭源;Qwen4 系列中小尺寸模型将陆续开源,具体型号和发布时间待官方公告。
问题 6:如何看待 Qwen4-Max 的落地价值和风险边界?
回答:价值在长任务效率、编程智能体和性价比;风险是基准和成本多为官方口径、技术报告不完整,企业落地需验证工具权限、异常恢复、数据合规和结果审计。汽车工件 475→24 分钟等案例为特定演示条件,不代表所有同类任务可复现;决策前应对照官方文档做内部复测。
【参考资料】
- [2026-11-16](2.4 万亿参数阿里通义千问 Qwen4-Max 正式上线:任务成本降超 60%,后续开源小尺寸模型)新浪科技 / IT 之家
- [2026-11-16](阿里正式发布 Qwen4,单任务平均费用较上代大降六成:CodeArena、ALE 与 Vals 梯队)网易 / 澎湃新闻
- [2026-11-16](2.4 万亿参数 Qwen4-Max:QSA MoE、Gated DeltaNet、门控残差与 N-gram 架构拆解)新浪科技 / IT 之家
- [2026-11-16](刚刚,阿里 Qwen4-Max 正式发布:三榜国模第一,单任务成本降 58%,国内 API 定价)新浪财经 / AI 信息 Gap
- [2026-11-16](阿里发布新一代基座大模型:性能升级、性价比更优,智能体与编程能力进阶)微博 / 新浪科技视频
- [2026-11-16](Alibaba Unveils AI Model With Stronger Performance at Lower Cost:2.4T 参数、闭源、小模型将开源与市场预期)Morningstar / Dow Jones
- [2026-11-16](Alibaba presenta Qwen4-Max:成本路线、官方口径边界与 Work360 分数对照)Mundo IA
- [2026-11-13](qwen4-max-preview:多模态理解、深度思考、1M 上下文、最大输出 393,216 Token 与协议兼容)阿里云帮助中心
- [2026-11-11](模型上架与更新:Qwen4-Max 预览版 Token Plan 接入与 Qwen3.8 系列对照)阿里云百炼帮助中心
【免责声明】
本文基于阿里云 / 千问官方文档、发布会媒体报道和公开第三方报道整理。模型参数、基准分数、成本降幅和行业案例主要来自官方或官方评测口径,不同榜单版本、思考档位和测试样本下结果可能不同;Max 闭源状态下外部无法独立复现训练与基准过程。API 价格、限流、开源范围和协议兼容性以阿里云 / 千问平台正式文档为准。本文不构成投资建议、采购承诺或技术选型保证,企业落地前应完成内部测试与合规评估。
