Qwen4-Max 發佈:2.4T 參數,Work360 任務平均成本下降 62%
Qwen4-Max Is Here: A 2.4T-Parameter Teammate That Cuts Your Agent Bill by 62% — With a Catch
阿里巴巴千問團隊推出旗艦模型 Qwen4-Max,採用 2.4T 參數稀疏 MoE 架構,支援原生視覺及 100 萬 token 上下文窗口。在千問自有的 Work360 評測中,每項任務平均成本由 $4.43 降至 $1.67,較 Qwen3.8-Max 減少 62%;Qwen4-Max 本身並未開源。
文章結合 Qwen4-Max 的架構與長程智能體案例,並交代 62% 成本降幅來自千問自有的 Work360 評測,呈現數字的比較背景。
Alibaba 的 Qwen 團隊今日推出全新旗艦模型:Qwen4-Max。它採用全新的 Qwen4 架構,主幹參數達 2.4 萬億,支援原生視覺能力,並提供 100 萬 token 的上下文視窗。不過,最受矚目的數字並非參數量,而是價格:根據 Qwen 自家的 Work360 評估,每項工作的平均成本由 $4.43 降至 $1.67,較上一代 Qwen3.8-Max 減少 62%。
這項宣稱相當重大,值得仔細拆解,因為這次發布的重點並非某一項基準測試,而是模型如何透過設計降低運行成本,並在處理長時間、繁複的真實工作時更不容易偏離方向——以及公告仍未解答的問題。
架構:龐大主幹,較小的啟用規模
Qwen4-Max 是一個稀疏混合專家模型:主幹參數達 2.4T,但每個 token 只啟用 71B 參數,另有 328B 的 N-gram 嵌入參數。三項架構改動是主要關鍵:
- GDN + Qwen Sparse Attention (QSA)。 三層 Gated DeltaNet 會把歷史資訊壓縮成固定大小的狀態,供每個稀疏注意力層使用;輕量級索引器則會以微區塊粒度選取相關上下文。其目標是降低長上下文注意力的成本——當上下文視窗長達 100 萬 token 時,這一點尤其重要。
- 閘控殘差(GR)。 四個平行殘差分支配合動態讀取和寫入閘門,旨在加強資訊流動,並令訓練更穩定。
- N-gram 嵌入。 模型會在第二層進行基於上下文的查找,取得本地 token 模式的表示,以少量額外運算擴展容量。
訓練過程本身也是這次發布的一部分:Qwen 表示,在 2.4T 參數模型的整個訓練過程中,損失曲線平穩,沒有出現損失突增,並將此歸功於架構和訓練最佳化。在涵蓋知識、程式碼、QA 和 STEM 的內部評估中,Qwen4-Max 基礎模型在五個受評估的檢查點中,每位元組位元數最低;相比 Qwen3.8-Max-Base 約低 5–13%,同時啟用的參數少 25%。
不只更強,也更便宜
成本數字是公告中最具體的部分。與 Qwen3.8-Max 相比,Qwen4-Max 在完成相同工作時使用較少 token:在 Work360 上,Xhigh 強度下約少 24%,High 強度下約少 35%;在 Terminal-Bench 4.0 上則約少 48–49%。API 價格亦已下調,快取輸入的價格降幅尤其大。這些因素合起來,令 Work360 每項工作的平均成本由 $4.43 降至 $1.67。
值得一提的是 Work360 本身:這是 Qwen 用來模擬複雜專業工作的自家框架,其分類涵蓋 26 個 Tier-1 領域、182 個 Tier-2 子領域,以及 721 個 Tier-3 領域。在這項基準測試中,Qwen4-Max 得分為 52.69,高於 Qwen3.8-Max 的 47.74。在自家基準測試中取得較高分數是意料之中;更有意義的訊號是,模型在減少而非增加 token 用量的情況下取得進步。
為長時間工作而設,不只用於聊天
這次發布以「24/7 AI 隊友」為主軸,示範內容亦著重於長時間、多步驟的工作:
- 3D 和遊戲。模型會操作 Blender 處理幾何、材質、燈光和渲染,亦能根據單一需求説明,在 Unity、Unreal Engine 和 Godot 中製作可遊玩的遊戲——包括執行遊戲,並根據視覺回饋反覆調整鏡頭追蹤、動畫和節奏。
- 製造業。在 SANF 和 Pacific Union 的實際生產環境中,Qwen4-Max 規劃生產線、設計零件並驗證加工工序,將編寫單件工件加工程式所需的人工時間由約 475 分鐘減至 24 分鐘,降幅約 95%。
- 金融、法律及醫療。在投資研究中,它會呼叫 90 個涵蓋市場數據的 MCP 工具,並製作 Excel 活頁簿和 PowerPoint 簡報,當中圖表與底層數據一一對應。在上市前法律盡職審查中,它把 198 份格式不一致的工作文件整理到 14 個資料夾,並撰寫一份 86 頁、超過 60,000 個中文字的報告,每項結論均附有引文佐證。在重症護理方面,它檢視一段為期六日的臨牀病程資料,涵蓋數十份化驗報告和 1,433 張醫學影像;它提出的 4 項治療管理建議,與主診醫生實際開出的醫囑逐項吻合。
- Live Delivery。Agent 不會讓用戶等待漫長任務全部完成,而是提早交付可用的初版,再透過一連串後續版本逐步改進;用戶亦可隨時介入並調整方向。Qwen 正把 Qwen-Live-Delivery-Plugin 開源,讓其他人可以基於這個模式進一步開發。
兩項科學演示最能凸顯其長時程能力的主張。在一次連續 48 小時的運行中,Qwen4 探索不同研究方案、篩選 270 萬個候選分子,並指揮自動化濕實驗室完成 4 輪設計、合成與測試,製成一種供數據中心晶片使用的新型冷卻材料實物樣本。在以 NLRP3 炎症小體為目標的藥物研發中,它呼叫工具 454 次,並對 24 個候選分子進行 3,239 次計算指標評估,最後選出一個候選分子,其估算結合親和力約為根據專利得出的參考分子的 3.6 倍。
需要留意的是:公告未能證明的事
目前所有這些內容都未經獨立核實,而公告亦坦率交代了自身採用的論述角度,其中有幾點值得留意。
第一,Qwen4-Max 本身並非開源。博客表示,同一系列的較小型模型「即將開源」;Max 則是託管式旗艦模型,可透過 QwenCloud(Token Plan 或 API)、QwenWork、Qoder 和 Qwen Studio 使用。如要自行託管這個模型,目前並不可行。
第二,主要基準測試大多來自內部。Work360 是 Qwen 自行設立的基準測試,每項任務的成本數字也來自同一評估。註腳引用的第三方評分來自 LM Arena 和 Artificial Analysis 等排行榜,但公告主要強調自家的數字。應把 62% 視為反映 Qwen 自身工作負載組合的大致指標,而非普遍適用的價格比較。
第三,最令人矚目的演示——新型冷卻分子和候選藥物——都是透過合作夥伴平台(Deep Principle 的 Mira 和 DP Technology 的 PharmMaster)完成的單一展示案例。它們證明長時程 Agent 執行循環可以完成,但不代表它能在你的問題上可靠地完成任務。以候選藥物為例,雖然獲得專家認可,但仍有待濕實驗室驗證。
最後,安全性數據確實令人鼓舞,但絕對數值仍然不高:在 Last Secure Code Bench 上,功能及安全性的函數層級通過率由 22.0% 升至 31.8%;而在函數、檔案及儲存庫這三種粒度上均安全的程式碼比例,則由 8% 升至 14.7%。接近倍增確實是進步,也提醒我們,大部分生成的程式碼預設仍不安全。
重點總結
Qwen4-Max 押注的下一個前沿,不是更聰明的聊天機械人,而是成本更低、更穩定,並能長時間工作的模型:每項任務所需的 token 更少、具備百萬 token 記憶,以及能及早交付成果並公開迭代的 Agent 循環。其架構採用稀疏注意力、壓縮歷史資訊、門控殘差及 N-gram 嵌入,旨在實現這種經濟效益;而在 2.4T 參數規模下維持訓練穩定,亦是一項實在的工程成果。
62% 的成本削減能否在你的工作負載上實現,只有你自己的評估才能回答。不過,如果模型在長時間的 Agent 任務中能達到哪怕一半的效率提升,便會改變所有大規模運行 Agent 的用戶所面對的成本計算;接下來推出的較小型開源 Qwen4 模型,則值得自行託管的用戶留意。
來源:Qwen Team,〈Qwen4-Max:你的新隊友已到〉,Qwen Blog,2026年11月16日。所有數字均據官方公告所述。
來源:DEV Community · dev.to