阿里发布Qwen4-Max基座大模型,2.4T参数激活71B,单任务成本降58%

Qwen4-Max采用基于Qwen稀疏注意力(QSA)的全新MoE架构,2.4T总参数仅激活71B,每个Token激活参数较上代模型少25%,并拥有更高的思考效率。

11月16日,阿里巴巴发布全新一代基座大模型Qwen4-Max,总参数规模2.4T,具备原生视觉能力,支持百万级上下文窗口。该模型现已上线千问AI平台对外提供API服务,缓存命中价格低至每百万Tokens 0.5元,完成单任务的平均费用较上代模型下降约58%。

架构层面,Qwen4-Max采用基于Qwen稀疏注意力(QSA)的全新MoE架构,2.4T总参数中仅激活71B,每个Token的激活参数较上代模型减少25%。阿里方面披露的效率数据显示,在Terminal-Bench 4.0专业编程评测的同为Xhigh思考档位下,Qwen4-Max每次尝试的平均Token用量从上一代Qwen3.8-Max的289K降至151K,减少近50%,评测得分则从38.9分提升至48.5分,提升约25%。结合缓存命中价格的下调,单个任务的平均费用(Cost per Task)降低58%。

关键能力评测方面,在全球前端编程盲测榜单CodeArena中,Qwen4-Max的Webdev项目位列全球第6,居于GPT6-Astra与Claude Fable5.1之间,刷新中国模型在该榜单的最好成绩。智能体能力评测Agents’ Last Exam(ALE)中,Qwen4-Max取得46.7分,较上代模型提升18.8分。专业图表理解与推理评测Chartography得分54.2分,提升12.2分;专业工作评测JobBench得分68.5,超过GPT-6.1sol、次于Claude Opus5.5;法律专业评测HLAB-Vals-1.1得分21.3分,较上代提升5.9分。

产品机制上,Qwen4-Max在模型内实现了持续交付(Live Delivery)机制,可先生成可用首版,再根据用户反馈逐版扩展直至完成。官方示例显示,针对一个物理课堂科普网站的设计需求,模型累计交付14次可用版本,最终形成包含3D动画、交互实验与原理详解的完整站点。此外,模型具备围绕复杂目标与约束进行运筹建模、求解与验证的能力,可通过自主规划与迭代编排智能体处理长周期任务。基于阿里云AI基础设施,Qwen4-Max已自主闭环优化支撑其自身应用、推理与训练的运行系统,在数据标注场景中将模型成本费用降低10%,在CPU离线重调度场景中将最优求解速度提升超过14倍。

面向真实工作场景,千问团队构建了覆盖721个细分领域的Work360全场景建模体系。系统评测中,Qwen4-Max得分52.69,较上一代模型整体提升超过10%。在具体行业落地方面,游戏开发领域模型展现出3D建模能力并可调用Blender等专业工具;汽车制造行业已贯穿产线规划、零件设计与加工验证全流程,单个工件加工编程的人工用时从475分钟降至24分钟,减少95%;金融投研场景可调用90个MCP专业工具,产出Excel底稿与PPT报告,并支持双重溯源。

在AI辅助科学发现方向,Qwen4已产出初步的真实成果。材料发现领域,模型连续48小时自主运行,从270万个候选分子中筛选目标分子,并通过4轮“设计—合成—测试”闭环,实际合成出一种新型冷却液材料,为高功率芯片带来的数据中心散热问题提供新思路。药物发现领域,针对阿尔兹海默症关键靶点,模型完成454次工具调用与3239项计算评估,设计优化24个候选分子,最终优选分子与靶点的名义结合亲和力较起点分子提升约3.6倍。

接入方式上,开发者可通过千问AI平台API或阿里Token Plan调用Qwen4-Max,也可在千问办公、Qoder、千问APP等应用中直接体验。阿里方面表示,Qwen4系列中的中小尺寸模型将陆续开源发布。从此次发布看,基座模型的竞争重心正从单一榜单分数转向单位任务成本与长周期任务交付能力,模型效率与智能体编排能力将成为企业选型的关键变量。

该文观点仅代表作者本人,企服科学平台仅提供信息存储空间服务。

赞 (0)
AI算力扩张遭遇电力交付瓶颈,Anthropic斥资34亿美元锁定1.7吉瓦燃气发电设备
上一篇 9小时前
AI漫剧市场数据揭示低成功率,培训与加盟机构成主要推手
下一篇 8小时前

相关推荐

发表回复

登录后才能评论
分享本页
返回顶部