阿里发布 Qwen4-Max,以远低于竞品的价格对标 Opus 5.5、GPT-6 与 Kimi K3.1 Pro
Jonathan Kemper 查看 Jonathan Kemper 的 LinkedIn 个人资料 2026 年 11 月 16 日
要点
- 阿里巴巴发布 Qwen4-Max,其重构后的架构能以更少算力更高效地处理长文本。
- 在 Artificial Analysis 智能指数上,该模型排名第二,仅次于 Kimi K3.1 Pro,但每项任务的运行成本约为前代的三分之一。
- 一项名为“实时交付”(Live Delivery)的功能让用户可以提前查看自主智能体的中间结果,并在任务运行过程中实时调整。
Qwen4-Max 是阿里巴巴对 Opus 5.5、GPT-6 和 Kimi K3.1 Pro 的回应。这款新旗舰将更高效的架构与大幅降低的价格相结合,面向工业、科学和金融领域的专业工作。
据 Qwen 团队介绍,这个混合专家(MoE)模型拥有 2.4 万亿参数,但每个 token 仅激活 710 亿参数。它能原生处理图像,并提供 100 万 token 的上下文窗口。
混合架构让长上下文处理成本更低
Qwen4-Max 首次采用 Qwen4 系列的重构架构。阿里巴巴不再只依赖标准注意力层,而是将两种方法结合起来:三层将先前的上下文压缩为精简状态,第四层再只挑出其中重要的部分。这大幅降低了长输入的算力成本,因为模型不再需要对上下文的每个部分给予同等关注。
该架构还在模型层之间增加了四条并行连接,并配有旨在稳定信息流动的动态门控。一个拥有 3280 亿参数的 N-gram 嵌入层提供常见 token 序列,作为现成的构建模块。据阿里巴巴称,2.4 万亿参数配置的训练运行稳定,训练损失在整个过程中稳步下降,没有出现突然的尖峰。
阿里巴巴的内部评估以每字节比特数(bits per byte)衡量模型在知识、代码、问答和 STEM 方面的质量。在测试的五个检查点中,Qwen4-Max-Base 得分最高。与 Qwen3.8-Max-Base 相比,它提升了 5% 到 13%,同时每个 token 激活的参数减少了 25%。
更低的 token 使用量使每项任务成本降低一半以上
效率提升体现在运营成本上。Work360 是阿里巴巴自有的基准,覆盖 721 个专业领域的工业工作任务。在该基准上,Qwen4-Max 解决相同任务所用的 token 比前代少约四分之一到三分之一。在智能体基准 Terminal-Bench 4.0 上,token 使用量下降了近一半。
广告
据阿里巴巴称,Work360 平均每项任务成本下降 62%,从 4.43 美元降至 1.67 美元。与此同时,基准得分从 47.74 升至 52.69。
外部基准上的结果则有好有坏。在 Agents' Last Exam v1.1 等长时程智能体任务上,Qwen4-Max 得分为 46.7 分,是对比组中的最佳成绩。在 Humanity's Last Exam 上,它落后于 Opus 5.5 和 GPT 系列模型。在 HealthBench Professional 上,它落后于 GPT 系列模型,但略胜 Opus 5.5。
Qwen4-Max 在中国模型中排名第二,成本仅为前代的三分之一
在最高推理设置下,Qwen4-Max 在当前的 Artificial Analysis 智能指数上得分为 43 分。这比 Qwen3.8-Max 高 9 分,比中国最强模型 Kimi K3.1 Pro 的 46 分低 3 分。相比前代提升最大的是 HLE-Diamond(提升 21 分至 45%)、AA-Omniscience(提升 18 分)和 AutomationBench-AA(提升 17 分)。
Artificial Analysis 将 Qwen4-Max 每项智能指数任务的成本定为 3.27 美元。这大约是 Qwen3.8-Max 的 10.02 美元的三分之一,比 Kimi K3.1 Pro 的 3.68 美元低约 11%。节省来自三个方面:token 价格比前代低 25%,缓存命中的成本低 70%,而且模型消耗的 token 更少。Qwen4-Max 每个基准任务约需 105,000 个输出 token,而 Qwen3.8-Max 需要 171,000 个。
腾讯的 Hy4 每项任务成本低得多,仅为 1.03 美元,但在该指数上的得分低 8 分。在 Terminal-Bench 4.0 上,Qwen4-Max 得分为 48%,落后于 Kimi K3.1 Pro 的 67%。在 Cognition 的编码基准 FrontierCode 2.0 上,它与 Kimi 并列 26%,落后于腾讯 Hy4 的 31%。
通过自有 API,阿里巴巴对每百万输入 token 收费 1.50 美元,每百万输出 token 收费 4.50 美元。缓存命中收费 0.075 美元。
实时交付将长时运行智能体的控制权交还用户
与 AI 行业的许多公司一样,阿里巴巴围绕能够自主处理长任务的智能体来构建此次发布。如果用户只能在结束时看到结果,他们几乎无法纠正错误。阿里巴巴的答案是“实时交付”(Live Delivery)。模型会尽早交付一个可用的初版,并在后续轮次中逐步完善。用户可以在任何时候介入并改变方向。阿里巴巴已开源配套的 Qwen-Live-Delivery-Plugin。
阿里巴巴列举了多个合作伙伴部署案例。汽车行业合作伙伴 SANF 和 Pacific Union 据称使用 Qwen4-Max 将单个工件的手动编程时间从约 475 分钟缩短到 24 分钟。在金融领域,该模型调用 90 个 MCP 工具,从多个来源获取市场数据。它将结果以可验证的 Excel 和 PowerPoint 文件形式交付,每个数字都能追溯到原始来源。
阿里巴巴还在内部使用该模型来更高效地运行自己的云基础设施。据该公司称,Qwen4-Max 与内部求解器 MindOpt 配合,将数据标注计算任务的分配成本平均降低了 10.42%。在数据中心分配 CPU 任务时,它找到最优解的速度比对比方法快 14 倍以上。
阿里巴巴的模型现在能自主进行实验室实验
阿里巴巴还展示了 Qwen4 代模型在实体实验室中的工作表现。据阿里巴巴称,该模型与初创公司 Deep Principle 的系统 Mira 配合,自主运行了 48 小时。在这段时间里,它设计、合成并测试了一种用于高性能数据中心芯片的新型冷却剂。它搜索了 270 万个分子候选物,控制了一个自动化实验室,并完成了四轮完整的设计、合成和测量循环。
Qwen4-Max 还与总部位于北京的 AI 药物发现初创公司 DP Technology 的平台 PharmMaster 合作。目标是针对一种与阿尔茨海默病相关的炎症反应的化合物。经过多轮文献综述、设计和计算,该模型优化了 24 个候选分子。据阿里巴巴称,最终候选物与靶蛋白的结合能力比专利中已知的起始化合物好约 3.6 倍。DP Technology 的专家认为这一结果很有前景,值得进一步开展实验室测试。





