IT时报记者 潘少颖综合报道
进入11月后,国内大模型赛道热度不减,百度、美团、华为相继放出新模型,阿里在11月16日补上了自家旗舰的更新——Qwen4-Max正式亮相。
不少大模型在落地后遇到相似的问题:跑分好看,但读长文档容易丢信息、写代码容易半路跑偏;想做持续调用的智能体,算力账单又居高不下。

Qwen4-Max是Qwen4系列首款上线并向用户提供服务的旗舰模型,主要针对企业和开发者实际使用里的痛点进行了调整和优化。2.4万亿总参数,单次推理激活710亿参数,自带原生视觉能力,支持百万Token上下文,文本、图片、视频都可以作为输入……这是Qwen4-Max的成绩单。
百万Token上下文已经不是独有的能力,这次官方重点优化的是长文本稳定性,针对阅读完整代码库、多章节合同、上万字项目方案等场景,减少长输入里关键信息遗忘、前后逻辑冲突的问题。
但这次最有实际价值的改动,集中在推理成本和Token消耗上。复杂代码、多步骤智能体任务,往往需要模型大量思考,这也是很多项目调用费用高的主要原因。根据官方同口径测试,对比上代Qwen3.8-Max,同等任务下Token消耗明显下降。
在Terminal-Bench 4.0代码测试中,单次任务Token用量接近减半,编程得分提升28%;覆盖多行业任务的Work360基准,得分从47.74提升到52.69。
缓存定价是这次成本优化的重点,缓存命中后每百万Token低至0.5元。对于RAG知识库、固定文档反复读取的场景,长期调用的成本差距会很明显。单任务平均费用从上一代的26.58元降到了11.16元,降幅约58%。
架构上的调整是价格下降的直接来源。Qwen4-Max的总参数维持在2.4万亿,但每处理一个Token只激活710亿参数,比上一代同规模模型减少25%。
和以往模型一次性输出全部内容不同,它支持边迭代边交付:先拿出一份可运行初稿,用户随时提出修改意见,模型跟着调整。这种方式适合网页开发、项目方案撰写,能及时叫停错误方向,避免模型沿着错误思路持续消耗Token。
编程能力是官方重点宣传的方向,在CodeArena前端盲测榜单上,它排在全球第六,夹在GPT6.2-Astra和Claude Fable 5.1之间,DeepSWE代码修复专项测试成绩也靠前。
不过有评测机构的实测提供了另一面:在“用纯代码生成一张光影交错的图像”这类任务上,Qwen4-Max预览版与Claude Fable 5.2的差距肉眼可见,光影过渡和场景质感明显粗糙,说明对于视觉精度要求高的生成仍欠火候。
目前,Qwen4-Max只提供闭源API调用,开发者可以在千问平台、Token Plan接入;普通用户能在千问App、千问办公、Qoder、QwenStudio里直接体验。Qwen系列此前是全球下载量最高的开源权重家族之一,Qwen3.8-Max是Max档首次开放权重的先例,Qwen4-Max此次并未延续该做法,策略上与不少海外厂商趋同。
官方明确,Qwen4系列中小规格模型后续会开源。这样分开布局,也是匹配两类需求:对能力上限要求高、不想投入大量算力做预训练的业务,直接调用旗舰API;有数据安全要求、需要本地部署、自主微调的团队,可以等开源版本放出。
从近期国内大模型的迭代节奏看,降低复杂任务开销、优化代码和智能体能力,是这一轮旗舰模型更新的共同方向。Qwen4-Max的定位,就是在这个趋势里提供一个选项。
但需要客观看待的是,基准测试成绩不等于业务稳定表现。所有公开评测都在受控环境完成,真实业务里输入格式杂乱、资料存在矛盾信息时,模型表现会打折扣。在医疗诊断、法律判决依据、科研数据核验这类对事实零容错的场景,幻觉风险依旧存在,必须搭配检索校验、人工复核流程。另外,百万上下文窗口不等于所有细节都能精准记住,长文档里边角信息丢失,仍是当前长上下文模型共同的局限。







