先说核心结论:11 月 16 日阿里巴巴正式发布新一代旗舰基座大模型 Qwen4-Max,总参数 2.4 万亿(2.4T),采用基于 QSA 稀疏注意力的新型 MoE 架构,每个 Token 只激活 71B 参数,比上代同规模 Qwen3.8-Max 的 95B 激活参数减少约 25%;模型具备原生视觉理解能力,支持百万级上下文,定位编程、办公生产力、前端设计和复杂智能体任务。这一代的主线不是单纯堆参数,而是 "更少激活、更少 Token、更低单任务成本":Terminal-Bench 4.0 同档思考下每次尝试平均 Token 用量从 289K 降到 151K、接近减半,得分从 38.9 升到 48.5;Work360 单任务平均费用从 26.58 元降到 11.16 元,降幅约 58%(官方口径约六成)。榜单上,CodeArena 前端开发全球第六、国产第一,ALE 智能体评测 46.7 分,DeepSWE 代码修复 75.7 分排第一;模型已上线千问 AI 平台提供 API,兼容 OpenAI 和 Anthropic 接口格式,Qwen4 系列中小尺寸模型后续将陆续开源。
一、核心参数一览
| 项目 | 公开口径 |
|---|---|
| 发布方 | 阿里巴巴 / 千问(Qwen)团队 |
| 发布时间 | 2026 年 11 月 16 日 |
| 模型定位 | Qwen 家族新一代旗舰多模态基座模型 |
| 总参数 | 2.4 万亿(2.4T) |
| 单 Token 激活参数 | 71B(上代 95B,减少约 25%) |
| 架构 | 新型稀疏 MoE,注意力、残差连接、Embedding 均做稀疏化;QSA 稀疏注意力 |
| 上下文 | 100 万 Token;最大输入 991K,最大输出 131K;思考模式输入 983K、输出 262K |
| 模态 | 文本生成、非实时图像理解、非实时视频理解、深度推理 |
| 工具能力 | 联网搜索、工具调用、结构化输出、代码解释器、网页抓取、批量处理、微调 |
| 接口兼容 | OpenAI API、Anthropic API、DashScope |
| 开放渠道 | 千问 AI 平台 API、Token Plan、千问办公、Qoder、千问 APP、Qwen Studio |
二、架构拆解:2.4T 总参为什么只激活 71B
1. 稀疏 MoE 是降本的底子
MoE(混合专家)的思路是把参数分散到多个专家模块里,每次推理只激活与当前任务相关的一部分,而不是把 2.4T 参数全部跑一遍。Qwen4-Max 在注意力、残差连接和 Embedding 三个环节都升级了稀疏 MoE 设计,使单 Token 激活参数从上代 95B 降到 71B,单次前向计算量先降下来,这是单价和单任务成本能往下走的基础。
2. 混合注意力扛百万上下文
为了在百万上下文下不把显存和算力拖垮,模型采用混合注意力结构:每四层中配置三层 Gated DeltaNet,把历史信息压进固定大小状态;剩下一层用 QSA 稀疏注意力,按块挑出当前真正需要的部分计算。训练侧还叠加四条并行门控残差流稳定梯度,第二层外挂 328B 的 N-gram 查表补充知识容量;千问内部知识、代码、问答和理工科四项基座测验的每字节比特数(BPB)全部创新低,较同为 2.4T 的上代下降 5%—13%。
3. 思考效率同步优化
除了激活参数变少,模型还压缩了思考和输出中的冗余 Token。Terminal-Bench 4.0 在 Xhigh 思考档位,每次尝试平均 Token 用量从 289K 降至 151K,减少近 50%;Work360 评测中 High 档 Token 减少约 35%,Xhigh 档减少约 24%,同时得分不降反升。
三、成本与定价:钱省在哪
1. 单任务成本对比
| 口径 | 上代 Qwen3.8-Max | Qwen4-Max | 变化 |
|---|---|---|---|
| Work360 单任务均价(国内) | 26.58 元 | 11.16 元 | 降约 58% |
| 单任务均价(海外口径) | 4.43 美元 | 1.67 美元 | 降约 62% |
| 激活参数 | 95B | 71B | 减约 25% |
| Terminal-Bench 4.0 Xhigh 平均 Token | 289K | 151K | 减近 50% |
2. 平台定价(公开页面口径)
| 项目 | 国内 | 海外 |
|---|---|---|
| 输入 | 10 元 / 百万 Token | 1.5 美元 / 百万 Token |
| 输出 | 30 元 / 百万 Token | 4.5 美元 / 百万 Token |
| 缓存命中 | 0.5 元 / 百万 Token | 0.075 美元 / 百万 Token |
| 显式缓存 | 5 分钟创建 1.875 美元 / 百万 Token;1 小时创建 3 美元 / 百万 Token;缓存读取 0.075 美元 / 百万 Token | 同左海外口径 |
缓存命中价只有正常输入价的约二十分之一,适合几十轮工具调用、百万上下文反复读取的长任务;接口兼容 OpenAI 和 Anthropic 两种格式,老项目改地址即可切换。
四、评测表现:强项与位置
1. 主要榜单成绩
| 评测 | Qwen4-Max 成绩 | 对比与定位 |
|---|---|---|
| CodeArena 前端开发(WebDev) | 1750 分,全球第 6、国产第 1 | 较上代高 74 分,位于 GPT6-Astra 与 Claude Fable5.1 之间 |
| DeepSWE 代码修复 | 75.7 分,第 1 | 修 Bug 方向拉开身位 |
| Agents' Last Exam(ALE) | 46.7 分 | 较上代提升 18.8 分 |
| Agent Arena 真实会话 | 全球第 14、国产第 1 | 从上代第 39 名上升;Bash 可靠性单项排第 29 |
| Terminal-Bench 4.0 | 48.5 分 | 上代 38.9 分,提升近 25% |
| Chartography 图表理解推理 | 54.2 分 | 较上代提升 12.2 分 |
| JobBench 专业工作 | 68.5 分 | 高于 GPT-6.1sol,次于 Claude Opus5.5 |
| HLAB-Vals-1.1 法律 | 21.3 分 | 较上代提升 5.9 分 |
| Work360 全场景 | 52.69 分 | 上代 47.74 分,提升超 10%,覆盖 721 个细分领域 |
| Artificial Analysis 智能指数 | 43 分 | 上代 34 分;单任务平均成本约从 10 美元降到 3 美元出头 |
2. 能力方向
- 编程与前端:网页开发、代码修复、终端任务;可调用 Blender 等专业工具做 3D 建模和游戏开发。
- 智能体长程任务:自主规划、工具调用、持续迭代;模型内实现 Live Delivery 持续交付机制,先交可用首版,再按反馈逐版扩展。
- 专业工作:办公文档、法律底稿、金融投研、图表推理;金融场景可调用约 90 个 MCP 专业工具,产出 Excel 底稿和 PPT 报告并支持双重溯源。
- 科学发现:材料与药物发现的闭环实验探索。
五、公开案例与落地场景
| 场景 | 公开披露内容 |
|---|---|
| 汽车制造 | 贯穿产线规划、零件设计与加工验证;单个工件加工编程人工用时从 475 分钟降到 24 分钟,减少约 95% |
| 金融投研 | 调用 90 个 MCP 工具,产出 Excel 底稿与 PPT 报告,结论可溯源 |
| 材料发现 | 连续 48 小时自主运行,从 270 万个候选分子中筛选,经 4 轮 "设计 — 合成 — 测试" 闭环,真实合成一种新型冷却液材料 |
| 药物发现 | 针对阿尔茨海默症关键靶点,454 次工具调用、3239 项计算评估,优化 24 个候选分子,优选分子名义结合亲和力较起点提升约 3.6 倍 |
| 云资源调度 | 自主闭环优化自身应用、推理与训练运行系统;数据标注场景模型调用成本降低约 9%—10%,CPU 离线重调度最优求解速度提升超 14 倍 |
| 持续交付示例 | 物理课堂科普网站需求,交付 14 个可用版本,最终扩充为含 3D 动画、交互实验和原理详解的网站;Qwen-Live-Delivery-Plugin 已开源 |
六、接入方式与开放节奏
- 即时可用:千问 AI 平台 API 按量调用,模型页可领 100 万 Token 免费额度;高频重活可走 Token Plan 套餐。
- 产品入口:千问办公、Qoder、千问 APP、Qwen Studio 可直接体验。
- 接口迁移:兼容 OpenAI 与 Anthropic API 格式,支持 function calling、结构化输出、前缀补全、上下文缓存、批量任务和微调。
- 开源节奏:本次先上闭源旗舰 Max,Qwen4 系列中小尺寸模型后续陆续开源;本地部署 27B 或轻量档需等待后续开源版本。
七、短板与需要留意的边界
- 命令行 / Bash 可靠性:Agent Arena 中 Bash 单项排第 29,Terminal-Bench 4.0 得分与头部海外模型仍有差距,重度命令行运维场景目前建议与其他模型搭配。
- 部分专项未追平:黑盒软件复刻、图表读取等项目前仍未追平海外顶配闭源模型。
- 评测口径差异:榜单分数来自第三方盲测或厂商内部基准,思考档位、Token 用量和成本口径不同,横向比较需注意同口径。
- 旗舰闭源:2.4T/71B 的 Max 版本不开放权重,开源的是后续中小尺寸模型,不能把 Max 规格等同于可本地部署版本。
- 案例为演示性质:材料、药物、汽车等案例为公开演示成果,实际产业化效果需以后续临床、量产和第三方验证为准。
小结
Qwen4-Max 这一代的核心叙事可以概括成一句话:用稀疏架构把 2.4T 模型的单次推理负担压到 71B 激活,再靠压缩思考 Token 和缓存降价把单任务成本砍到上代的四成左右,同时在编程、智能体和专业工作评测上往第一梯队靠。对开发者来说,直接价值是 API 降价、缓存省钱和接口兼容;对行业来说,观察重点是它在长程智能体、专业工具调用和科学发现闭环里能不能稳定复现演示效果。后续两个节点值得跟踪:中小尺寸模型开源后的社区适配,以及 Bash、黑盒复刻等短板项在下一版能否补齐。
【相关 FAQ】
问题 1:Qwen4-Max 的总参数和激活参数分别是多少?属于什么架构?
回答 1:Qwen4-Max 总参数 2.4 万亿(2.4T),每个 Token 激活 71B 参数,采用基于 QSA 稀疏注意力的新型稀疏 MoE 架构;上代同规模 Qwen3.8-Max 激活 95B,这一代激活参数减少约 25%,以此降低单次推理算力消耗。
问题 2:Qwen4-Max 支持多长上下文?具备哪些模态和工具能力?
回答 2:模型支持 100 万 Token 上下文,最大输入 991K、最大输出 131K;具备原生视觉能力,支持文本生成、非实时图像理解和非实时视频理解。工具侧支持联网搜索、工具调用、结构化输出、代码解释器、网页抓取、批量处理和微调,接口兼容 OpenAI 与 Anthropic 格式。
问题 3:Qwen4-Max 相比上代在成本上降了多少?价格怎么算?
回答 3:Work360 单任务平均费用从 26.58 元降到 11.16 元,降幅约 58%(官方口径约六成);海外口径从 4.43 美元降到 1.67 美元。国内平台输入 10 元 / 百万 Token、输出 30 元 / 百万 Token、缓存命中 0.5 元 / 百万 Token;海外输入 1.5 美元、输出 4.5 美元、缓存命中 0.075 美元 / 百万 Token。
问题 4:Qwen4-Max 在编程和智能体榜单上表现如何?
回答 4:CodeArena 前端开发榜全球第 6、国产第 1,得分 1750;DeepSWE 代码修复 75.7 分排第一;Agents' Last Exam 46.7 分,较上代提升 18.8 分;Agent Arena 真实会话全球第 14、国产第 1。短板是 Bash 命令行可靠性单项排第 29,Terminal-Bench 4.0 与头部模型仍有差距。
问题 5:现在怎么用上 Qwen4-Max?会不会开源?
回答 5:模型已上线千问 AI 平台提供 API,可走按量付费或 Token Plan,也能在千问办公、Qoder、千问 APP、Qwen Studio 体验,新用户可领 100 万 Token 免费额度;本次 Max 为闭源旗舰,Qwen4 系列中小尺寸模型后续将陆续开源,2.4T/71B 的 Max 版本本身不开放权重。
【参考资料】
- [2026-11-17](阿里 Qwen4-Max 正式登场:单任务成本暴降 58%,前端编程全球第六)InfoQ
- [2026-11-17](阿里发布 Qwen4-Max 基座大模型,性能提升 28%,单任务费用较上代降约六成)金融界(今日头条转载)
- [2026-11-17](Alibaba Qwen4-Max & Tencent Hy4 Flash Debut Together: 58% Single-Task Cost Cut & 1/8 Competitor Pricing)36 氪
- [2026-11-16](刚刚,Qwen4-Max 正式发布!单任务费用砍掉 58%,智能体盲测冲上国产第一)腾讯云开发者社区
- [2026-11-16](Alibaba Unveils Qwen4-Max: New AI Teammate for Work, Creativity, and Discovery)Alibaba Cloud Community
- [2026-11-16](Qwen4-Max - QwenCloud 模型页)QwenCloud
- [2026-11-16](Qwen4-Max Is Out: 2.4T Parameters, 60% Cheaper Per Task)DEV Community
- [2026-11-16](模型上架与更新:qwen4-max)阿里云百炼帮助中心
【免责声明】
本文基于厂商官方发布、云平台模型页、第三方开发者社区及媒体报道整理,所涉参数规模、激活参数、上下文长度、榜单分数、成本降幅、定价和案例数据均来自上述参考资料;不同评测的思考档位、Token 口径和统计区间存在差异,第三方榜单排名可能随版本更新变动,演示案例不代表规模化量产或临床 / 商业落地结果。本文仅用于产品信息梳理与技术交流,不构成投资建议、采购选型建议或对模型能力、输出质量的承诺;模型实际表现以官方文档、API 实测和正式发布版本为准,如本文与官方信息存在出入,以官方信息为准。
