阿里巴巴釋出新一代旗艦模型 Qwen4-Max,以 2.4 萬億總引數、每 token 僅啟用 710 億的混合專家架構,直接對標 Anthropic 的 Opus 5.5、OpenAI 的 GPT-6 以及月之暗面的 Kimi K3.1 Pro,主打更低的單位任務成本與面向行業、科研、金融的專業工作場景。

架構層面,Qwen4-Max 首次搭載 Qwen4 系列重構後的混合注意力機制:三層負責把前文壓縮成濃縮狀態,第四層再從中挑出真正重要的部分,從而在長上下文輸入上大幅削減算力開銷,模型不再需要對上下文每一部分平均分配注意力。層間還加入四條並行連線與動態門控以穩定資訊流,並設有一個 3280 億引數的 N-gram 嵌入層,把常見 token 序列作為現成積木供給模型。阿里稱,2.4 萬億引數配置的訓練過程穩定,訓練損失全程平穩下降、未出現突刺。

效率提升直接體現在運營成本上。在阿里自有的 Work360 工業任務基準(覆蓋 721 個專業領域)中,Qwen4-Max 完成同類任務所用 token 比前代少約四分之一到三分之一;在智慧體基準 Terminal-Bench 4.0 上,token 用量幾乎減半。阿里給出的資料是,Work360 單任務平均成本從 4.43 美元降至 1.67 美元,降幅 62%,同期基準得分從 47.74 升至 52.69。

外部評測結果則喜憂參半。在 Agents' Last Exam v1.1 這類長週期智慧體任務上,Qwen4-Max 拿到 46.7 分,為對比組最佳;但在 Humanity's Last Exam 上落後於 Opus 5.5 與 GPT 系列,在 HealthBench Professional 上不及 GPT 模型、略勝 Opus 5.5。阿里的自我定位是:智慧體與工作任務領先,而 HLE 類知識測試由 Opus 5.5 和 GPT 模型佔優。

在第三方視角下,Artificial Analysis 智慧指數顯示,Qwen4-Max 在最高推理檔位得 43 分,比 Qwen3.8-Max 高 9 分,比中國最強模型 Kimi K3.1 Pro 的 46 分低 3 分。其單任務成本為 3.27 美元,約為前代 10.02 美元的三分之一,也比 Kimi K3.1 Pro 的 3.68 美元低約 11%。成本下降來自三處:token 單價比前代低 25%、快取命中價格低 70%、以及模型本身消耗的 token 更少——每個基準任務約需 10.5 萬輸出 token,前代為 17.1 萬。騰訊的 Hy4 單任務僅 1.03 美元,但指數得分低 8 分。在 Terminal-Bench 4.0 上 Qwen4-Max 得 48%,落後 Kimi K3.1 Pro 的 67%;在 Cognition 的程式設計基準 FrontierCode 2.0 上與 Kimi 同為 26%,落後騰訊 Hy4 的 31%。

API 定價方面,阿里自有平台對 Qwen4-Max 收取每百萬輸入 token 1.50 美元、每百萬輸出 token 4.50 美元,快取命中為 0.075 美元。

產品設計上,Qwen4-Max 圍繞可自主處理長任務的智慧體展開,並推出名為 Live Delivery 的機制:模型先交付一個可用的初版,再在後續輪次中逐步完善,使用者可在任意節點介入調整方向,避免只能在任務結束時才看到結果、幾乎無從糾錯。配套的 Qwen-Live-Delivery-Plugin 已開源。阿里還列舉了合作方部署案例:汽車行業合作方 SANF 與 Pacific Union 據稱用 Qwen4-Max 把單個工件的手工程式設計時間從約 475 分鐘壓縮到 24 分鐘;金融場景中,模型呼叫 90 個 MCP 工具從多個來源抓取市場資料,並以可核驗的 Excel 與 PowerPoint 檔案交付結果。

從競爭格局看,Qwen4-Max 的定位並非追求全面登頂,而是用架構效率換取單位智慧成本優勢,在智慧體與專業工作流上爭取企業客戶;代價是部分高難度知識與程式設計基準仍落後於國內外頭部模型。阿里同時表示,計劃將更小的 Qwen4 系列模型開源,這意味著其開源權重路線仍將延續,對依賴開源模型做二次開發的開發者生態構成直接影響。