阿里巴巴发布新一代旗舰模型 Qwen4-Max,以 2.4 万亿总参数、每 token 仅激活 710 亿的混合专家架构,直接对标 Anthropic 的 Opus 5.5、OpenAI 的 GPT-6 以及月之暗面的 Kimi K3.1 Pro,主打更低的单位任务成本与面向行业、科研、金融的专业工作场景。
架构层面,Qwen4-Max 首次搭载 Qwen4 系列重构后的混合注意力机制:三层负责把前文压缩成浓缩状态,第四层再从中挑出真正重要的部分,从而在长上下文输入上大幅削减算力开销,模型不再需要对上下文每一部分平均分配注意力。层间还加入四条并行连接与动态门控以稳定信息流,并设有一个 3280 亿参数的 N-gram 嵌入层,把常见 token 序列作为现成积木供给模型。阿里称,2.4 万亿参数配置的训练过程稳定,训练损失全程平稳下降、未出现突刺。
效率提升直接体现在运营成本上。在阿里自有的 Work360 工业任务基准(覆盖 721 个专业领域)中,Qwen4-Max 完成同类任务所用 token 比前代少约四分之一到三分之一;在智能体基准 Terminal-Bench 4.0 上,token 用量几乎减半。阿里给出的数据是,Work360 单任务平均成本从 4.43 美元降至 1.67 美元,降幅 62%,同期基准得分从 47.74 升至 52.69。
外部评测结果则喜忧参半。在 Agents' Last Exam v1.1 这类长周期智能体任务上,Qwen4-Max 拿到 46.7 分,为对比组最佳;但在 Humanity's Last Exam 上落后于 Opus 5.5 与 GPT 系列,在 HealthBench Professional 上不及 GPT 模型、略胜 Opus 5.5。阿里的自我定位是:智能体与工作任务领先,而 HLE 类知识测试由 Opus 5.5 和 GPT 模型占优。
在第三方视角下,Artificial Analysis 智能指数显示,Qwen4-Max 在最高推理档位得 43 分,比 Qwen3.8-Max 高 9 分,比中国最强模型 Kimi K3.1 Pro 的 46 分低 3 分。其单任务成本为 3.27 美元,约为前代 10.02 美元的三分之一,也比 Kimi K3.1 Pro 的 3.68 美元低约 11%。成本下降来自三处:token 单价比前代低 25%、缓存命中价格低 70%、以及模型本身消耗的 token 更少——每个基准任务约需 10.5 万输出 token,前代为 17.1 万。腾讯的 Hy4 单任务仅 1.03 美元,但指数得分低 8 分。在 Terminal-Bench 4.0 上 Qwen4-Max 得 48%,落后 Kimi K3.1 Pro 的 67%;在 Cognition 的编程基准 FrontierCode 2.0 上与 Kimi 同为 26%,落后腾讯 Hy4 的 31%。
API 定价方面,阿里自有平台对 Qwen4-Max 收取每百万输入 token 1.50 美元、每百万输出 token 4.50 美元,缓存命中为 0.075 美元。
产品设计上,Qwen4-Max 围绕可自主处理长任务的智能体展开,并推出名为 Live Delivery 的机制:模型先交付一个可用的初版,再在后续轮次中逐步完善,用户可在任意节点介入调整方向,避免只能在任务结束时才看到结果、几乎无从纠错。配套的 Qwen-Live-Delivery-Plugin 已开源。阿里还列举了合作方部署案例:汽车行业合作方 SANF 与 Pacific Union 据称用 Qwen4-Max 把单个工件的手工编程时间从约 475 分钟压缩到 24 分钟;金融场景中,模型调用 90 个 MCP 工具从多个来源抓取市场数据,并以可核验的 Excel 与 PowerPoint 文件交付结果。
从竞争格局看,Qwen4-Max 的定位并非追求全面登顶,而是用架构效率换取单位智能成本优势,在智能体与专业工作流上争取企业客户;代价是部分高难度知识与编程基准仍落后于国内外头部模型。阿里同时表示,计划将更小的 Qwen4 系列模型开源,这意味着其开源权重路线仍将延续,对依赖开源模型做二次开发的开发者生态构成直接影响。