阿里巴巴正式发布全新基座大模型Qwen4-Max,总参数2.4T并具备原生视觉与百万上下文能力。新模型通过稀疏注意力架构大幅降低Token消耗与调用成本,在前端编程与智能体评测中表现亮眼,并已在工业制造与科学发现领域落地应用。
阿里巴巴正式推出全新一代基座大模型 Qwen4-Max。该模型总参数量达 2.4T,具备原生视觉能力,并支持百万级上下文。得益于架构创新与训练优化,Qwen4-Max 在大幅降低 Token 消耗的同时实现了性能跃升,尤其在智能体(Agent)和编程等关键任务中表现突出。
目前,Qwen4-Max 已在千问 AI 平台上线 API 服务。其缓存命中价格低至每百万 Token 0.5 元,单任务平均调用费用较上一代下降约 60%。用户也可以通过阿里 Token Plan、千问办公、Qoder 及千问 App 等渠道体验。此外,Qwen4 系列的中小尺寸开源模型也将在后续陆续推出。

Qwen4-Max 采用了基于 Qwen 稀疏注意力(QSA)的全新 MoE 架构。在 2.4T 总参数中,每次仅激活 71B,单 Token 激活参数量比上代减少 25%,显著提高了推理与思考效率。
在 Terminal-Bench 4.0 专业编程评测中,设定为同等的高思考档位时,Qwen4-Max 的单次尝试平均 Token 用量从上代的 289K 骤降至 151K,缩减近半;测试得分则从 38.9 分提升至 48.5 分,涨幅近 25%。评测表明,得益于思考效率提升与缓存命中降价,Qwen4-Max 完成单项任务的综合成本降低了 58%。
在聚焦前端编程的全球盲测榜单 CodeArena 中,Qwen4-Max 位列全球第 6,刷新了中国大模型的最好成绩。在智能体能力权威基准 Agents' Last Exam(ALE)中,该模型取得 46.7 分,较上一代提升 18.8 分。
此外,在评估专业图表理解与推理的 Chartography 评测中,Qwen4-Max 获得 54.2 分;在专业工作综合测试 JobBench 中取得 68.5 分;在法律专业评测 HLAB-Vals-1.1 中拿到 21.3 分,均稳居行业第一梯队。
为了支持真实复杂的长周期任务,Qwen4-Max 引入了“持续交付”(Live Delivery)机制。模型可先行交付可用初版,再结合反馈多轮迭代演进。例如在科普网站开发中,模型连续迭代 14 个版本,最终自主扩展出包含 3D 动画与交互实验的完整页面。同时,该模型还具备运筹建模与求解能力,在阿里云内部调度场景中,将离线重调度的求解速度提升了 14 倍以上。

针对产业应用,千问团队建立了涵盖 721 个细分领域的 Work360 场景体系,Qwen4-Max 的综合得分提升超 10%:
免费获取企业 AI 成熟度诊断报告,发现转型机会
关注公众号

扫码关注,获取最新 AI 资讯
3 步完成企业诊断,获取专属转型建议
已有 200+ 企业完成诊断