刚刚,阿里通义千问发布了 Qwen4 系列的首个模型 Qwen4-Max。

本次换代用上了全新的 MoE 架构,主干参数 2.4T,每个 token 激活 71B。原生支持视觉输入,上下文窗口 100 万 token。
官方给它的定位是「AI 队友」,主打真实工作场景里的长程执行和交付质量。
价格上,反倒是比上代 Qwen3.8-Max 更便宜了:输入 $1.5/M,输出 $4.5/M,隐式缓存 $0.075/M,缓存价格直接降了 70%。
更省 token
Qwen4-Max 比上一代强,用的 token 却更少。

在官方的 Work360 测试中,Xhigh 和 High 两档思考强度的 token 用量分别少了约 24% 和 35%;Terminal-Bench 4.0 上则少了约 48% 和 49%,几乎砍掉一半。
再叠加降价,Work360 上单个任务的平均成本从 $4.43 降到了 $1.67,下降了 62%。
性能
官方拿它和 Opus 5.5、GPT-6.1 Sol、GPT-6 Astra、Kimi K3.1 做了一组对比。

Qwen4-Max 在 DeepSWE v1.1(75.7)、Agents' Last Exam v1.1(46.7)、BioMysteryBench(85.0)和法律 Agent 的 HLAB-Vals-1.1(21.3)上都拿了第一。
其中法律这一项,Qwen4-Max 是 Opus 5.5(9.2)的两倍还多。
不过也仍存在明显短板:Terminal-Bench 4.0 上 48.5,和 Kimi K3.1 的 67.2 还有不小差距;复刻软件的 ProgramBench 31.5,Opus 5.5 则是 65.0;图表理解和 AgentArena 也都排在靠后位置……
Work360
为了评估「干活」的能力,Qwen 团队自己设计了一个分级工作基准 Work360,分成 26 个一级领域、182 个二级子领域、721 个三级专业领域,从设计、编程、金融、法律,到医疗、教育、物流、能源都有覆盖。

Qwen4-Max 在这上面拿到了 52.69 分,上一代是 47.74,提升了约 10%。
架构
Qwen4-Max 把稀疏 MoE 的注意力、残差连接和 embedding 三块都做了升级。

注意力用的是 Gated DeltaNet 和 Qwen 稀疏注意力(QSA)混合,每三层 GDN 配一层 QSA,GDN 把历史压缩成固定大小的状态,QSA 再用一个轻量索引器按微块挑出相关的上下文,长序列的计算量便降了下来。
残差连接换成了四路并行的门控残差,每一层通过动态的读写门来存取信息,让训练更稳定。
另外在第二层加了一个 N-gram Embedding,额外 328B 参数,几乎不增加计算量就扩大了模型容量。
官方称 2.4T 规模的训练全程没有出现一次 loss spike。 Base 模型和 Qwen3.8-Max-Base 相比,激活参数少了 25%,各领域的 BPB 还低了 5%-13%。
3D 和游戏
Qwen4-Max 可以直接操作 Blender 完成建模、搭场景、调材质、打光和渲染,先搭出粗糙的白模。

再一路推进到电影质感的成片镜头。

游戏方面,它能用 Unity、Unreal Engine 和 Godot 这些真正的引擎做游戏,从一句话需求开始,到场景、玩法逻辑、素材、HUD 和特效,开发过程中还会自己把游戏跑起来测试,根据画面反馈调镜头、动画、打击感和节奏。
这是它用 UE 做的仙侠游戏《云关行》,御剑穿云、钻光圈,最后打 Boss(Boss 是一只熊猫)。

还有用 Unity 6 做的西湖赛车,能漂移、能氮气加速,还能展开翅膀飞起来,最后打包成了可安装的安卓游戏。

制造
在 SANF 和 Pacific Union 两家公司的真实生产环境里,Qwen4-Max 做了一整条汽车制造的链路。产线层面,它根据 2D 布局和工艺参数,从现有设备库里搭出 3D 产线模型,仿真节拍,再做 PLC 虚拟调试。

零件层面,它能设计车门总成、摩擦轮这类部件,规划加工工艺、生成刀路,并在加工前通过仿真找出过切和欠切。
在这个案例里,单个工件的编程时间从约 475 分钟缩短到 24 分钟,减少了约 95%。

科研
Qwen4 还自己设计并合成出了一种新的冷却液分子。
背景是下一代高功率芯片的散热问题。Qwen4 接入 Deep Principle 的 Mira 干湿实验一体化平台,连续自主运行 48 小时,先调研技术路线,构建了一个 270 万分子的候选空间,再做结构筛选、性质预测、第一性原理计算和逆合成分析。
然后,它指挥自动化湿实验室去配试剂、合成、分离提纯和测试。

经过四轮「分子设计 → 合成测试 → 主动学习」的闭环迭代,最终拿到了一份实验验证过的新冷却液分子实物样品。
药物研发上,Qwen4-Max 在深势科技的 PharmMaster 平台上,围绕阿尔茨海默病相关的 NLRP3 靶点做分子设计,全程调用工具 454 次、完成 3239 次计算评估、设计优化了 24 个候选分子,最终选出的分子预估结合亲和力约是参考分子的 3.6 倍。
金融、法律和医疗
金融投研上,它一次调用 90 个 MCP 工具拉取 A 股、港美股、债券、基金和衍生品数据,最后交付 Excel 和可编辑的 PPT,PPT 里的每个图表都能和 Excel 一一对上,单元格里的超链接也能直接点回原始数据源。
法律上,在一个 IPO 前的尽职调查里,客户分批丢来 198 份格式、命名都不统一的底稿,它按实际内容重命名、归进 14 个文件夹,再交叉核对工商、知识产权、司法和征信记录,最后交付了一份 86 页、6 万多字的尽调报告,每个结论都标注了底稿出处。
医疗上,它在一次对话里读完一位 ICU 患者六天的全部病历,包括几十份化验单、1 万多字的病程记录和 1433 张原始影像,还派出多个子 Agent 同时看几百张 CT 切片,给出的四条处置建议和医生当天的实际医嘱逐条对应。
24 小时 Agent
Qwen4-Max 还主打 7×24 小时运行的长程 Agent。
长任务最怕跑完才发现方向错了……所以 Qwen 这次做了个 Live Delivery,让 Agent 先尽早交付一个可用的初版,再一版版迭代,用户随时可以介入纠错或者改方向。对应的插件 Qwen-Live-Delivery-Plugin 也已经开源了。
阿里云内部也已经用上了,让 Qwen4-Max 自己优化调度自己的算力,数据标注的模型调用成本平均降了 10.42%,离线 CPU 重调度的求解速度提升了 14.61 倍以上(相当于自己给自己省钱……)。
安全
Qwen 在代码训练里,除了功能检查还加了安全检查。
Last Secure Code Bench 上,功能和安全同时通过的函数级通过率从 22.0% 提到了 31.8%,函数、文件、仓库三个粒度都安全的比例从 8% 提到了 14.7%,接近翻倍。网络安全方面,训练时则剔除了增强攻击能力的数据。
不开源
Qwen4-Max 的 API 已经在 QwenCloud 上线,可以按量调用,也可以用 Token Plan。
如果不想写代码,也可以直接在 Qwen Studio、QwenWork 和 Qoder 里用上。
需要注意的是,Qwen4-Max 本身不开源。
官方表示,Qwen4 系列更小的模型会陆续开源权重,和 Max 同源、用同一代技术训练。
我最期待的是,早点发出 27B 的开源版本!
◇ ◆ ◇







