Alibaba 已推出 Qwen4-Max,这是一款专有 AI 模型,可接受文本、图像和视频输入,支持最长 100 万个 token 的上下文,并可集成外部软件。根据 Alibaba 内部的 Work360 评估框架,该模型将单项任务的平均成本从 $4.43 降至 $1.67,与 Qwen3.8-Max 相比,成本降低约 62%。该模型在 Alibaba 的 Work360 基准测试中得分为 52.69,而 Qwen3.8-Max 为 47.74,提升了 4.95 分,相对提升约 10.4%。客户可通过 QwenCloud API、Qwen Studio、QwenWork 和 Qoder 使用 Qwen4-Max。此次发布为企业工作负载提供了注重实际经济效益的方案,但独立评估显示,该模型在综合智能排名中落后于领先的美国竞争对手和 Moonshot AI 的 Kimi K3.1 Pro。
Qwen4-Max 的输入价格为每百万个 token $1.50,输出价格为每百万个 token $4.50,低于几款知名替代模型。$4.50 的输出价格比 Claude Sonnet 5.5、GPT-6.1 Sol 和 Gemini 4 Carbon 的 $10 起步价低 55%,比 Claude Opus 5.5 每百万个输出 token $20 的价格低 77.5%。该模型每百万个输入 token $1.50 的价格与 Google Gemini 4 Hydrogen 相同,而输出成本比 Hydrogen 每百万个 token $7.50 的价格低 40%。
Qwen 还会对显式创建的缓存单独收费:五分钟缓存每百万个 token $1.875,一小时缓存 $3,读取缓存输入的费用为 $0.075。Anthropic 的 Haiku 5.5 在某些应用场景中仍然更便宜:对于不超过 100,000 个 token 的提示词,输入价格为 $0.10,输出价格为 $0.50;超过这一阈值后,价格则升至 $0.50 和 $2.50。
Alibaba 报告称,在 Xhigh 推理设置下,Work360 的 token 消耗量下降约 24%,在 High 设置下下降 35%。在 Terminal-Bench 4.0 上,相应的降幅接近 48% 和 49%。Artificial Analysis 的独立评估显示,Qwen4-Max 每项 Intelligence Index 任务的成本为 $3.27,而 Kimi K3.1 Pro 为 $3.68,因此按这一指标计算,Qwen 的成本约低 11%。这些数据来自与 Alibaba 的 $1.67 结果不同的测试套件,不应视为可互换的指标。
Qwen4-Max 在若干专业任务和长时间工作基准测试中表现出竞争力,但在其他编程和视觉任务上存在明显短板。在 DeepSWE v1.1 编程智能体评估中,Qwen4-Max 得分为 75.7,Qwen3.8-Max 为 69.3,Claude Opus 5.5 为 74.2,GPT-6.1 Sol 为 75.2,Kimi K3.1 为 75.5。在 APEX-Agents v1.1 专业服务评估中,Qwen4-Max 得分为 72.1,高于前代的 63.3,但低于 Opus 5.5 的 73.5。
然而,在其他评估中,该模型表现出明显差距。在 Terminal-Bench 4.0 终端任务中,Qwen4-Max 得分为 48.5,而 Opus 5.5 为 59.6,GPT-6.1 Sol 为 56.1,Kimi K3.1 为 67.2。在 ProgramBench 软件复现测试中,Qwen4-Max 仅得 31.5,而 Opus 5.5 为 65.0,GPT-6.1 Sol 为 52.5。在 ChartoGraphy 图表解读测试中,Qwen4-Max 得分为 54.2,而 Opus 5.5 为 66.3,GPT-6.1 Sol 为 67.8。Qwen 在 Agents' Last Exam v1.1 中得分为 46.7,而 Qwen3.8-Max 为 27.9,Opus 5.5 为 43.4。在 AutomationBench-AA 软件工作流测试中,Qwen4-Max 得分为 72.5,而 Qwen3.8-Max 为 56.2,Opus 5.5 为 69.5,GPT-6.1 Sol 为 64.9,Kimi K3.1 为 73.3。
根据 Artificial Analysis 的 Intelligence Index,Qwen4-Max 得分为 43,高于 Qwen3.8-Max 的 34。相比之下,Kimi K3.1 Pro 得分为 46;GPT-6.1 Sol 和 Claude Sonnet 5.5 得分为 55;Claude Opus 5.5 得分为 59;Gemini 4 Carbon 得分为 60;Claude Fable 5.2 以 65 分领跑图表中列出的模型。这些数据对应评估方图表中显示的推理配置,不一定代表各模型的默认设置。
Qwen4-Max 的运行速度较慢。截至评测时,Artificial Analysis 的模型页面显示,该模型完成一项 Intelligence Index 任务约需 32 分钟,生成首个回答 token 约需 159 秒,在主流基础模型中属于耗时较长的一类。这些数据针对高难度评估工作负载和受测配置,并不代表模型在所有回答类型上的表现,但提醒人们不要将成本较低等同于交付速度较快。
Alibaba 表示,该模型采用 2.4 万亿参数的主干网络,每个 token 激活 710 亿个参数,另有 3280 亿个参数用于局部 token 模式表征。2.4 万亿这一数字并未包含这一额外组件。混合专家架构每次只激活网络的一部分,并结合压缩历史信息与选择性注意力,力求降低处理长输入的成本。Alibaba 报告称,该模型激活的参数比 Qwen3.8-Max 少约 25%。
与许多前代模型不同,Qwen4-Max 发布时采用专有模式,并非开源或开放权重版本。Artificial Analysis 将其归类为专有模型,Alibaba 也未提供可供企业下载并部署在自有基础设施上的权重。Alibaba 在发布公告中承诺将开放发布较小规模的 Qwen4 模型,但没有公布日期或许可证,也未对 Max 作出同等承诺。截至本文发布时,Alibaba 尚未公开承诺发布 Qwen4-Max 的权重,也没有明确说明这些权重是否会永久保持封闭。目前旗舰模型仍为专有模型;已宣布的开放模型路线图针对的是较小版本。
Qwen4-Max 可接受文本、图像和视频输入,并输出文本。该模型不支持音频输入,也不支持原生图像、音频或视频输出。QwenCloud 规格列出的输入类型为文本、图像和视频,输出则仅限文本。这一区别有助于理解发布演示:Qwen 使用 Blender 进行 3D 工作,使用游戏引擎开发交互式软件,并在视频制作工作流中使用 WonderClip。借助软件工具制作影片,不同于模型直接生成视频。
竞争对手的能力范围各不相同。Claude Opus 5.5 可接受文本和图像输入,并输出文本。GPT-6.1 Sol 同样列出文本和图像输入,不支持将音频和视频作为原生模态,但可以调用图像生成等工具。Google 的 Gemini 4 Carbon 和 Hydrogen 支持文本、图像、视频和音频输入,并输出文本。Artificial Analysis 列出的 Kimi K3.1 Pro 支持文本和图像输入。对于以录制语音为核心的应用,按照 Qwen 已公布的规格,所需的集成方式不同于支持音频的 Google 模型。
Qwen4-Max 的 API 输入价格为每百万个 token $1.50,输出价格为每百万个 token $4.50,低于几款知名替代模型。其输出价格比 Claude Sonnet 5.5、GPT-6.1 Sol 和 Gemini 4 Carbon 的 $10 起步价低 55%,比 Claude Opus 5.5 每百万个输出 token $20 的价格低 77.5%。输入价格与 Gemini 4 Hydrogen 的 $1.50 相同,而输出成本比 Hydrogen 的 $7.50 低 40%。不过,对于某些应用,Anthropic 的 Haiku 5.5 仍然更便宜:对于不超过 100,000 个 token 的提示词,输入价格为 $0.10,输出价格为 $0.50。仅看 token 单价无法确定完成一项任务的成本;实际费用取决于模型效率和具体任务的 token 消耗量。
Qwen4-Max 在编程方面表现出竞争力,在 DeepSWE v1.1 上得分为 75.7,而 Kimi K3.1 Pro 为 75.5,GPT-6.1 Sol 为 75.2。不过,它在其他几项基准测试中的表现明显落后。在 Terminal-Bench 4.0 上,Qwen4-Max 得分为 48.5,而 Kimi K3.1 为 67.2,Opus 5.5 为 59.6。在 ProgramBench 上,它仅得 31.5,而 Opus 5.5 为 65.0。在图表解读方面,Qwen4-Max 得分为 54.2,而 GPT-6.1 Sol 为 67.8。根据 Artificial Analysis 的 Intelligence Index,Qwen4-Max 总分为 43,低于得分为 46 的 Kimi K3.1 Pro、得分为 55 的 GPT-6.1 Sol 和 Sonnet 5.5、得分为 59 的 Opus 5.5,以及得分为 60 的 Gemini 4 Carbon。该模型在不同工作负载下各有优势和局限,需针对具体任务进行验证。
不提供。Qwen4-Max 以专有模型形式发布,没有公开可用的权重。与许多提供过开放权重版本的 Qwen 前代模型不同,Qwen4-Max 只能通过 QwenCloud API、Qwen Studio、QwenWork 和 Qoder 使用。Alibaba 在发布公告中承诺将开放发布较小规模的 Qwen4 模型并提供可下载的权重,但没有公布许可证或发布时间表。希望在自有基础设施上运行旗舰模型的组织,不能将这一未来承诺视为当前已可实现的选项。
相关快讯