2026 年 11 月 16 日,阿里云 Qwen 团队发布 Qwen4-Max,这是 Qwen4 系列的首款模型。该模型定位为一位全天候(24/7)AI 队友,旨在处理耗时较长、包含多个步骤的专业工作,而非单轮问答交互。作为旗舰模型,它取代了 Qwen3.8-Max,并采用全新的混合专家架构,主干包含 2.4 万亿个参数,每个 token 约激活 710 亿个参数,另有 3280 亿个 N-gram 嵌入参数。
Qwen4-Max 基于专为 Qwen4 系列打造的新架构构建。混合专家设计如同一支由众多专家组成的大型团队,每段文本只由适合的专家处理。该模型包含三个关键架构组件:GDN(Gated DeltaNet)与 Qwen Sparse Attention(QSA)结合,通过在每个 QSA 层使用三个 Gated DeltaNet 层将历史信息压缩为固定大小的状态,并采用轻量级索引器,以微块粒度选取相关上下文,从而降低长序列的注意力和索引成本;Gated Residual(GR)包含四个并行残差分支,利用动态读写门增强跨层信息流并提升训练稳定性;N-gram Embedding 则在第二层根据上下文查找局部 token 模式表示,以极少的额外计算扩展模型容量。
在 2.4 万亿参数规模下,训练过程平稳推进,损失持续下降,整个训练过程中没有出现损失尖峰。在内部针对知识、代码、问答和 STEM 领域的评估中,Qwen4-Max-Base 在所有五个受测检查点中实现了最低的每字节比特数(BPB);与 Qwen3.8-Max-Base 相比,它在所有领域的 BPB 都降低了约 5–13%,同时激活的参数减少了 25%。
与前代模型相比,Qwen4-Max 的效率显著提升,在部分任务中使用的 token 数最多约减少 50%,表现优于 Qwen3.8-Max。token 数减少意味着模型思考和生成内容的效率更高,从而缩短等待时间并降低用户成本。在阿里巴巴用于评估专业工作的基准 Work360 上,平均单项任务成本从 4.43 美元降至 1.67 美元,节省约 62% 的成本;测试得分则从 47.74 升至 52.69。API 定价为每百万个输入 token 1.50 美元,每百万个输出 token 4.50 美元。成本对比对象是阿里巴巴自家的旧款模型,而非外部竞争对手。
Work360 是阿里巴巴的专有基准,旨在衡量多个领域的实际专业工作,而非抽象谜题。该基准覆盖 26 个领域、182 个子领域和 721 个专业方向。发布材料中的一个制造业案例显示,AI 编写单个工件的程序约需 24 分钟,而人工操作约需 475 分钟,体现了阿里巴巴设想该模型处理的专业任务类型。这些案例是阿里巴巴展示的示例,应视为方向性参考,而非对所有使用场景的性能保证。
Qwen4-Max 在特定测试领域表现强劲。在用于测试能够修复真实软件问题的编码智能体的 DeepSWE v1.1 上,该模型得分为 75.7,高于 Qwen3.8-Max 的 69.3,并在阿里巴巴的图表中排名第一。在衡量耗时且有价值任务的 Agents' Last Exam v1.1 上,得分从 27.9 大幅升至 46.7。该模型在 Code Arena Web 开发排行榜上达到 1750 Elo,排名第六,但该排名仍标注为初步结果。在 Artificial Analysis Intelligence Index 上,该模型的得分从 34 升至 43。
不过,该模型在其他领域的表现较为有限。在测试命令行任务的 Terminal-Bench 4.0 上,它得分为 48.5,较 38.9 有显著提升,但仍落后于领先竞争对手。在 ProgramBench 上,Qwen4-Max 得分为 31.5,而 Claude Opus 5.5 得分为 65.0。在 Artificial Analysis 指数上,其他研究实验室的顶尖模型得分仍高于 43。
阿里巴巴将 Qwen4-Max 定位为从“信息检索”向“专业级交付”的转型,面向错误答案会造成重大损失的高风险专业领域。在投资研究应用中,该模型可以调用约 90 种工具,获取 A 股、港股和美股,以及债券、基金和衍生品的市场价格、财务报表、利率和股息数据,并根据公开披露的信息交叉核对数据。在一个沪深 300 指数期货案例研究中,该模型根据融资成本、股息和合约日期计算期货理论价格,将其与实际市场折价进行比较,并分析隐含波动率与历史波动率之间的差距。结果以 Excel 工作簿和可编辑的 PowerPoint 演示文稿交付,并具备完整的可追溯性:单元格链接回原始数据来源,图表与 Excel 文件一一对应,使分析师能够核验每项数据。
Qwen4-Max 引入了专为 Qwen4 系列打造的全新混合专家架构,主干包含 2.4 万亿个参数,每个 token 仅激活约 710 亿个参数,另有 3280 亿个 N-gram 嵌入参数。该架构将 Gated DeltaNet 层与 Qwen Sparse Attention 结合,把历史信息压缩为固定大小的状态,并以微块粒度选取相关上下文;采用带有动态读写门的 Gated Residual 分支,改善信息流和训练稳定性;还通过 N-gram Embedding 根据上下文表示局部 token 模式。相比之下,Qwen4-Max 取代了 Qwen3.8-Max,成为旗舰模型,并提升了效率和参数激活方面的表现。
在阿里巴巴用于评估专业工作的 Work360 基准上,使用 Qwen3.8-Max 时,平均单项任务成本为 4.43 美元;使用 Qwen4-Max 后降至 1.67 美元,节省约 62% 的成本,同时测试得分从 47.74 升至 52.69。这一效率提升得益于 Qwen4-Max 在部分任务中使用的 token 数最多约比前代模型减少 50%。Qwen4-Max 的 API 定价为每百万个输入 token 1.50 美元,每百万个输出 token 4.50 美元。需要注意的是,成本对比对象是阿里巴巴自家的旧款模型,而非外部竞争对手。
Qwen4-Max 在编码和智能体任务中表现强劲。在用于测试能够修复真实软件问题的编码智能体的 DeepSWE v1.1 上,该模型得分为 75.7,排名第一,高于 Qwen3.8-Max 的 69.3。在衡量耗时且有价值的多步骤任务的 Agents' Last Exam v1.1 上,得分从 27.9 升至 46.7。在投资研究应用中,Qwen4-Max 可以协调调用约 90 种工具,获取多个资产类别和市场的市场价格、财务报表、利率和股息数据,根据公开披露的信息进行交叉核对,计算理论定价,并交付与原始数据源完整关联、可追溯的 Excel 工作簿和 PowerPoint 演示文稿。
相关快讯