跳到主要內容
2026-11-17 日報
模型發布

阿里發布 Qwen4-Max:2.4T 參數 MoE、支援百萬上下文,單任務費用較上代降 58%

AI 科技評論綜合 4 家報導多家報導
核實資料不足

多個報導來源提及此事;未必是彼此獨立的證據。

本次未取得足夠原文證據

阿里巴巴於 11 月 16 日發布新一代基座模型 Qwen4-Max,總參數 2.4T,採用基於 Qwen 稀疏注意力(QSA)的 MoE 架構,每個 Token 僅激活 71B 參數,較上代少 25%,具備原生視覺能力並支援百萬上下文。阿里稱其在 CodeArena 前端程式設計盲測中位列全球第六,為中國模型最佳成績;Agents' Last Exam(ALE)得分 46.7,較 Qwen3.8-Max 提升 18.8 分。The Decoder 另引述 Artificial Analysis 智能指數,指該模型排名第二,僅次於 Kimi K3.1 Pro。 在 Terminal-Bench 4.0(Xhigh 思考檔)中,Qwen4-Max 每次嘗試的平均 Token 用量從 289K 降至 151K,得分由 38.9 提升至 48.5。API 已上線,快取命中每百萬 Token 低至 0.5 元。阿里稱單任務平均費用(Cost per Task)較 Qwen3.8-Max 降低 58%;The Decoder 則稱依該指數計算,單任務成本約為前代的三分之一,兩組數字的評測口徑不同,目前無法統一比較。 模型新增「持續交付(Live Delivery)」機制,可先產出可用首版,再依使用者意見逐版擴充;阿里舉例,一個物理科普網站的需求交付了 14 個可用版本。The Decoder 指出,使用者可在自主代理執行途中查看中間結果並即時調整。阿里另公布應用案例:汽車產線單一工件加工程式編寫人工用時由 475 分鐘降至 24 分鐘;金融投研場景可調用 90 個 MCP 工具產出 Excel 與 PPT。在材料發現案例中,模型連續自主運行 48 小時,從 270 萬個候選分子中篩選,經 4 輪設計、合成、測試閉環合成一種新型冷卻液材料;藥物發現案例中,針對阿茲海默症靶點完成 454 次工具呼叫與 3239 項計算評估,設計出 24 個候選分子,最佳分子的名義結合親和力較起點分子約提升 3.6 倍。以上多為阿里自述數據,尚待第三方獨立驗證。中小尺寸模型據悉將陸續開源。
讀原始報導

來源