Qwen4-Max 多模態能力、API 接入與收費規則詳解
文章詳解 Qwen4-Max 的多模態能力、API 接入方式及模型和內置工具的收費規則。文中列出其兼容 OpenAI 與 Anthropic API,並提供 Python、Node.js 和 cURL 串流調用範例。模型輸入價格為 ¥10 /M tokens,輸出為 ¥30 /M tokens。
文章詳解 Qwen4-Max 的多模態能力、API 接入方式及模型和內置工具的收費規則。文中列出其兼容 OpenAI 與 Anthropic API,並提供 Python、Node.js 和 cURL 串流調用範例。模型輸入價格為 ¥10 /M tokens,輸出為 ¥30 /M tokens。
面向非結構化數據的 AI 智能體採用感知、認知、執行三層架構,串連多源文件解析、檢索推理及工具調用。方案結合 OCR、RAG、知識圖譜與 ReAct 工作流,自動抽取及校驗資訊,輸出標準 JSON;低質素結果可轉交人工覆核。
阿里雲開發者社區文章詳解 Qwen4-Max 的定位、架構、能力及適用場景,並與上一代 Qwen3.8-Max 比較多項指標。文章指出,Qwen4-Max 總參數為 2.4T,每個 Token 啟用 71B 參數,支援 1M Token 上下文;Work360 單項任務平均成本由 26.58 元降至 11.16 元。
阿里雲 Token Plan 以 Credits 統一計量模型呼叫及內置工具費用,額度按月刷新且不結轉,影片生成等非同步任務在完成後統一結算。單次 Credits 消耗會隨模型、Token 用量、思考模式及工具呼叫而變,文章建議以工作台訂閲頁的用量詳情核對。
M3OPD-Reasoner提出一套完全開放的多模態推理後訓練方案,涵蓋圖像 STEM、圖像感知及影片三個領域。評測 21 個基準後,研究發現從 Qwen3.5-9B 直接以 GSPO 訓練各領域教師,再用 MOPD 蒸餾的方案表現最佳;接續 MixRL 仍可提升學生模型,形成 M3OPD-Reasoner-9B。
作者以同一段 43 秒、涵蓋 3 個畫面的 X.com 操作錄影,比較 4 種交給模型的方式及 token 開銷;Claude 不能直接開啟錄影,須先轉成可讀輸入。
上海截至今年9月累計認定跨國公司地區總部1124家、外資研發中心680家,外資佈局的創新含量持續提升。2026年1~9月,上海新設外資企業4720家,實際使用外資132億美元,同比增長9.4%,並新認定地區總部48家及外資研發中心44家。
蔚來回應 ES9 燈光秀將車主手寫「爸爸我愛你」誤判為違規,稱系統把「愛」識別成其他字,相關限制策略不合理,已完成修復。燈光秀會先以 OCR 將手寫內容識別為文字,再送入敏感詞庫校驗;修復後,車主實測已能正常投影。
三星電子計劃於 CES 2027 公佈暫名「TV-1」的智能電視,透過人工智能捕捉觀眾的動作和興趣,並據此調整觀看環境;用戶起身時影片會自動暫停,重新坐下後恢復播放。用戶亦可直接在電視上查找劇中演員的衣着及畫面中餐廳的資訊。
德適科技公佈醫療影像通用大模型 iMed-6.0 的技術進展,旗下 Thoth 與 Aegis 在 MMMU 和 MedBench VLM 多個榜單包攬全球冠亞軍。
OpenAI 發佈 GPT-6.2 Astra 和 GPT-6.2 Sol,作者實測認為 Astra 能力偏科,科研與程式碼審查較強,方案規劃和影片創作較弱。在作者自建的程式碼審查測試中,Astra 找出 96% 問題,Sol 為 84%,GPT-6.1 Sol 為 65%;Astra 在 Agents' Last Exam 約得 78%,每項任務約 3 美元。
文章整理一套以官方免費額度和標準 SDK 組成的 $0 AI 媒體原型流程,涵蓋圖像生成、語音轉文字、影片及音訊。
π^4 是面向 4D 場景感知的統一基礎模型,可從未經標定的 RGB 圖像或影片中恢復稠密幾何、相機位姿和度量尺度,並為多圖輸入提供點追蹤及移動物體遮罩。在多項基準測試的幾何評估中,π^4 的整體平均排名最佳,2D/3D 點追蹤及移動物體分割表現具競爭力。完整系統約有 0.5B 參數,可在一次前向傳播中聯合重建與追蹤,處理數千張輸入圖像;訓練上下文最多為 64 個視角,程式碼和模型已提供。
騰訊混元宣佈開源 Hy4 flash 系列,包含 Hy4 flash、Hy4 flash-FP8 和 Hy4 flash Base,開發者可在 GitHub、Hugging Face、ModelScope 和 GitCode 下載部署。
騰訊混元宣佈開源 Hy4 flash,提供 Hy4 flash、Hy4 flash-FP8 和 Hy4 flash Base 三個版本。模型總參數量為 224B,包含 64B Engram 參數,每個 token 激活 12B,支援多模態輸入及 100 萬 token 上下文長度,API 價格較 Hy4 大幅降低。
阿里雲開發者社區的文章解析通義千問 Qwen4-Max,整理其多模態能力、功能支援、收費及 API 接入範例。文中列出輸入 ¥10 /M tokens、輸出 ¥30 /M tokens,並稱阿里雲百煉提供免費 100萬 Tokens 試用。文章亦提供 Python、Node.js 及 cURL 的呼叫範例,並稱模型兼容 OpenAI 與 Anthropic API。
蔚來 ES9 燈光秀曾將車主手寫的「爸爸我愛你」判定為違規,蔚來副總裁馬麟回應稱系統誤識別「愛」字,相關限制已修復。該功能透過 OCR 識別及敏感詞校驗自訂文字;多名車主與博主其後實測,該句已可正常投影。
OpenTrek AI 知識庫將企業文件及音視頻等多源數據整理為可供大模型調用的知識資產,並支援精準檢索與逐條引證。其內置模型 OP-OCR-0.8B 參數規模不足10億,在 OmniDocBench 排名前五,並可用單張 GPU 部署。Knowledge Wave 引擎原生支援30多種格式,能定期自檢冗餘與衝突並自動重構知識庫。
該項目構建面向高並發場景的智能 AI 模擬法庭系統,結合多模態互動與即時裁判引擎,支援角色扮演、證據鏈校驗及自動評分。系統採用微服務及事件驅動架構,整合法律知識圖譜、RAG 檢索增強推理與狀態機管理,並以規則引擎和 LLM 多維評分器進行裁判評估。方案支援千人級線上法學實訓。
多感測器融合透過整合不同感測器的觀測,讓機械人建立比單一感測器更完整可靠的環境表示;核心架構包括早期融合、後期融合和深度融合。早期融合保留較多原始資訊,但對校準和同步要求高;後期融合較具模組化和容錯彈性,但可能在融合前已丟失資訊。深度融合在神經網絡的中間表示中學習跨模態互動,仍需處理特徵對齊、校準及時間戳同步。
Physical AI 系統的感知須連結智能與物理世界,提供支援推理和行動的環境表徵,而非只作被動感測。系統需要融合多模態及時間資訊,連結語義與一致的 3D 空間表示,並在感知與行動的閉環中處理不確定性。
開放詞彙感知讓機械人突破預設物件類別限制,按語言描述在場景中尋找物件。其架構以視覺與語言的共享表示連接語義和圖像,再配合定位、分割及深度等感測資料,把二維觀察連繫至實體空間。語義相似度可能出錯,因此仍需信心估算、幾何驗證及時間一致性等機制。
室內自主移動機械人可融合 360 度相機與 LiDAR,以相機提供的視覺語義資訊補足 LiDAR 的幾何測距,並減少單一感測器的盲區。準確的內外參校準及時間同步有助對齊兩種感測器的觀測結果。融合後的感知資訊可用於區分靜態與動態障礙物,支援導航和安全距離設定。
Xreal 正式發佈 Aura XR 眼鏡,售價 1279 美元起,搭載 Android XR,透過虛擬屏幕與增強現實元素呈現擴展現實體驗。眼鏡採有線設計,配備 Snapdragon XR Elite 計算模組,提供兩種記憶體及儲存配置,電池可持續使用約四至五小時。Aura 單眼分辨率為 1920x1200,支援手勢追蹤及五級電致變色調光。
阿里雲於 2026 年 11 月 17 日在香港峯會推出 Qwen4-Max,並發布面向企業 AI Agent 的開發與安全能力。模型具備 2.4 萬億總參數、原生視覺能力及百萬級 token 上下文窗口,每個 token 僅激活 710 億參數,較前代 Qwen3.8-Max 減少 25%。
三星電子計劃在2027年1月舉行的 CES 發布代號「TV-1」的新型 AI 智能電視,透過內置感應器與 AI 算法捕捉用戶動作及興趣偏好。用戶起身離開時,電視會自動暫停影片,返回落座後即時續播;亦可識別及搜尋劇中服飾、餐廳等實體資訊。
AI 影片生成工作流平台透過節點化編排、多模態智能體調度與資產庫鎖定,將創作流程由單次提示詞生成轉為端到端自動化生產。平台可整合劇本拆解、角色資產鎖定、多模型渲染,以及配音、口型同步和後期合成,服務影視、MCN及品牌內容製作。
三星電子計劃於 CES 2027 公佈暫名「TV-1」的智能電視,透過 AI 捕捉觀眾動作和興趣,並據此調整觀看環境。用戶起身休息或喝水時,電視會自動暫停影片;重新坐下後則自動恢復播放。電視亦支援搜尋劇中演員所穿衣服及畫面中餐廳的資訊。
文章指出,大多數 AI 內容流程的瓶頸不在文字、圖像、影片或語音生成,而在各階段之間的交接。作者建議以共享內容物件保留意圖,並為媒體任務設置一致的狀態與錯誤契約,同時追蹤素材來源、安排人工審核,讓流程可重試、可觀測。
Microsoft AI 發佈七款涵蓋推理、編碼、圖像、轉錄及語音能力的 MAI 模型,並推出 Frontier Tuning 以配合機構工作流程調整模型。模型可透過 Foundry、OpenRouter、Fireworks 和 Baseten 使用,開發者亦可自行調整權重;Frontier Tuning 透過受控環境中的實際工作軌跡進行強化學習,並讓機構資料留在客戶環境。
美國艾倫人工智能研究所發佈新一代地球觀測基礎模型 OlmoEarth v1.3,並免費開放全球預先計算數據及分析工具。模型以每個10米網格的128個數值表徵年度地表特徵,另提供成本較低的64維版本;跨六大洲27項地表識別評測中,兩個版本分別有20項及18項領先同場對手,GPU耗時則降至v1.2的約53%。
Microsoft 於 2026年11月17日推出決策專用 AI 模型 Microsoft-Decision-1.1,支援多模態與低成本推理,並已在 Foundry、OpenRouter 及 Vercel 上線。
Microsoft 於 11 月 17 日推出決策 AI 模型 Microsoft-Decision-1.1,現已在 Microsoft Foundry、OpenRouter 和 Vercel 上線。
Microsoft 宣佈 Microsoft Decision 1.1 正式開放使用,這款面向應用程式及自動化工作流程的決策型 AI 模型可處理路由、分類、優先排序、驗證及流程控制。
文章稱,GPT-6.2 Astra 能將以影片診斷機械人故障並提出修正方案的流程,由數小時縮短至數分鐘。文中以 30 秒故障片段為例,稱 Astra 可提供視覺摘要、故障診斷及修正動作計劃,整個流程不到兩分鐘,並提及 Self-Check 安全模組。文章亦列出動作計劃可能違反任務要求、訓練資料截至 Dec 2025,以及完整運行 Astra 需 A100-80 GB 或同等 GPU 等限制。
LanceDB 宣佈完成 $57.5 million B 輪融資,將資金用於擴展其多模態 lakehouse,總融資額達 $98.5 million。公司稱平台每秒可支援超過 130,000 個請求,95% 請求的延遲低於 210 毫秒,並支援在 8,000 張 GPU 上並行訓練。
Microsoft AI 在 Microsoft Ignite 2026 主題演講中公佈 MAI Licensed Weights,讓客戶可按需要以專有數據自訂 MAI 模型,並在自有 Azure 環境中安全運行及控制存取權。
Azure Databricks 將於 Microsoft Ignite 2026 舉行多場專題環節,展示如何建構、治理及運行 AI,並推動企業把 AI 試點帶到正式生產環境。議程涵蓋政府雲端、NVIDIA Nemotron 模型微調、智能體式 AI、企業資料治理及 Azure Storage。活動於 11 月 17 至 20 日在三藩市 Moscone Center 舉行。
HeyGen 推出 Avatar 6,這款音訊驅動虛擬人模型可由單張照片生成指定人物影片,並提供原生 2K 輸出。模型可按腳本語意安排手勢,HeyGen 示範了 25 至 28 分鐘的連續影片;Avatar 6 於 2026 年 11 月中旬起在網頁版、手機版及 API 提供。
Lance 是多家 AI 實驗室及基礎設施公司的訓練與推理 Lakehouse,並已用於 Exa、Runway、Microsoft AI、Adobe 和 NVIDIA 的生產部署。