11 月 16 日,阿里巴巴 Qwen 团队正式发布新一代旗舰模型 Qwen4-Max,官方博客的标题就点明了定位——“你的新队友来了”(Your New Teammate Has Arrived)。一句话概括:这次的主角不是一个更聪明的聊天框,而是一个能 24 小时连轴干活的 AI 队友。
这不是一次凭空冒出来的发布。11 月 11 日,Qwen4-Max 已经以预览形式上了 Token Plan 订阅,以及 QwenWork、Qoder、Qwen App 和 Qwen Studio,但当时只有一句话预告:没有架构、没有跑分、没有定价。11 月 16 日的正式发布把这些全补上了,还开放了按量 API。彭博社也在当天做了报道。博客此前还没有写过 Qwen4,这篇是第一次。
架构:骨干 2.4 万亿,每 token 只激活 710 亿
Qwen4-Max 是稀疏 MoE 模型:骨干参数 2.4 万亿,但每个 token 只激活约 710 亿,另加 3280 亿 N-gram Embedding 参数。大骨架、小激活,正是这次架构设计的思路——总参数冲规模,激活参数控成本。
三处改动撑起了这套架构:
- GDN + Qwen 稀疏注意力(QSA):三层门控 DeltaNet 把历史压缩成定长状态,再由轻量索引器按微块粒度挑出相关上下文。目标很直接:上下文窗口做到一百万 token 时,长上下文注意力不能贵得离谱。
- 门控残差(GR):四条并行残差分支,配动态读写门,让信息流动更强、训练更稳。
- N-gram Embedding:在第二层做基于上下文的查表,给模型补上局部 token 组合的表示,几乎不增加算力就扩了容量。
训练过程本身也是官方想讲的故事:2.4 万亿参数的训练全程 loss 曲线平滑,没有出现 loss 尖峰。基座模型在知识、代码、问答、STEM 的内部评测里,bits-per-byte 是五个被测检查点里最低的,比上一代 Qwen3.8-Max-Base 低约 5% 到 13%,同时激活参数还少了 25%。另外,模型原生支持视觉理解,上下文窗口一百万 token。
便宜才是这次的重点
如果只记一个数,记这个:阿里自家 Work360 评测里,Qwen4-Max 做一个任务的平均成本从 4.43 美元降到了 1.67 美元,降幅 62%。
Work360 是阿里自己搭的职业任务评测框架,覆盖 26 个一级领域、182 个二级子领域、721 个三级细分。Qwen4-Max 在上面拿到 52.69 分,上一代 Qwen3.8-Max 是 47.74 分。分数涨了不算稀奇,真正值得看的是涨分的同时 token 用得更少了:Work360 上 Xhigh 难度少用约 24% 的 token,High 难度少用约 35%;编程评测 Terminal-Bench 4.0 上少用约 48% 到 49%。API 价格也降了,彭博社的报道提到,新加坡挂牌价比上一代低约 25%。
不过要把话说清楚:Work360 是阿里自己的评测,62% 是在它自己的任务组合上算出来的数字,不是通用比价。分数高了、token 少了,两个趋势叠加才有这个降幅,换到你自己的任务上,数字会不一样。

Work360 单任务平均成本:Qwen4-Max 1.67 美元,上一代 Qwen3.8-Max 4.43 美元,降幅 62%。数据来源:Qwen 官方博客,2026 年 11 月 16 日
为长活而生:48 小时不下线
这次发布的叙事核心是“长程任务”。Qwen 把它包装成“24/7 AI 队友”,演示全是多步骤、长时间的工作:
- 边做边交(Live Delivery):不再让用户等长任务跑完才看到结果,而是先交一个可用初版,再一版一版迭代,用户随时可以介入改方向。Qwen 还把这个模式的插件 Qwen-Live-Delivery-Plugin 开源了。
- 3D 和游戏:模型用 Blender 做几何、材质、灯光和渲染,用 Unity、Unreal Engine、Godot 从一句话做出可玩游戏,还能把游戏跑起来,根据视觉反馈调整镜头跟踪、动画和节奏。
- 制造:在 SANF 和 Pacific Union 的真实产线里,模型做产线规划、零件设计和加工验证,单个工件的编程人工从约 475 分钟降到 24 分钟,降幅约 95%。
- 金融、法律和医疗:投研场景调用 90 个 MCP 工具查市场数据,输出 Excel 工作簿和 PPT,图表与底层数据一一对应;IPO 前法律尽调里,198 份格式不一的工作底稿被分进 14 个文件夹,产出 86 页、6 万多字的报告,每条结论都带引用;重症监护场景里,模型审阅了 6 天病程、几十份化验单和 1433 张医学影像,给出的 4 条管理建议与主治医生的实际医嘱逐条吻合。
- 科研:最夸张的两场演示。数据中心芯片新型冷却液:48 小时连续运行,筛了 270 万个候选分子,经过 4 轮设计—合成—测试闭环,真的做出了实物样品。靶向 NLRP3 炎症小体的药物发现:454 次工具调用、3239 次计算评估,筛出 24 个候选分子,最终候选的预估结合亲和力约为专利参考分子的 3.6 倍。
先别急着下结论:三点提醒
第一,Qwen4-Max 本身不开源。它是托管服务,通过 QwenCloud 的 Token Plan 或 API 使用,也能在 QwenWork、Qoder 和 Qwen Studio 里用。官方说同系列的小模型“即将开源”,但没给时间、尺寸和协议。想自己部署这个旗舰,门还没开。
第二, headline 跑分基本是自家评测。Work360 是阿里自己的,成本数字也出自同一套评测;第三方分数只在脚注里引用了 LMArena、Artificial Analysis 这类排行榜。彭博社还提到,阿里称其编码跑分领先 Anthropic 的 Claude Fable 5.1 和月之暗面的 Kimi K3.1 Pro——同样是厂商说法,等独立验证。
第三,最亮眼的演示是单次展示。冷却液和药物候选是在合作平台(Deep Principle 的 Mira、DP Technology 的 PharmMaster)上跑通的,它证明的是长程 agent 闭环能跑完,不等于在你的问题上也能稳定跑完。药物候选有专家背书,但还没过湿实验验证。
还有一组值得单独看的数字:安全编码。Last Secure Code Bench 上,功能和安全都通过的函数级通过率从 22.0% 升到 31.8%,三个粒度(函数、文件、仓库)全过关的代码从 8% 升到 14.7%。翻倍是真进步,但反过来看也提醒一句:默认生成的代码,多数仍然不是安全的。
小杜点评
这次发布真正的信号不是参数规模,而是成本曲线。同样一个活,token 少用 24% 到 49%,钱少花 62%——agent 跑长任务的账,第一次算得过来了。对正在跑 agent 的团队来说,最值得做的事是拿自己的真实任务测一遍,别直接把 62% 当成自己的降幅;对想自托管的人,等小模型开源再说;对所有人,记住一件事:11 月 11 日那个预览版按原计划 11 月 25 日就下线,生产链路别押在 qwen4-max-preview 这个临时 ID 上。
参数竞赛还没有停,但风向变了:大家比的不再只是谁的模型更聪明,而是谁能让一个长活又稳又便宜地跑完。Qwen4-Max 交出的是一份关于“便宜”的答卷,至于这份答卷在别人的任务上能得几分,得等独立评测和真实用量来说话。
参考来源
- Qwen 团队《Qwen4-Max: Your New Teammate Has Arrived》,Qwen 官方博客,2026 年 11 月 16 日
- 官方博客内容详述:https://dev.to/tonthnhthyba110cce85/qwen4-max-is-here-a-24t-parameter-teammate-that-cuts-your-agent-bill-by-62-with-a-catch-3ek1
- 彭博社报道(经 The Straits Times 转述)与价格信息:https://aiparabellum.com/alibaba-launches-qwen4-max-flagship-ai-model/
- 11 月 11 日预览发布公告(Qwen 官方 X 账号):https://x.com/Alibaba_Qwen/status/2120335993643684315



