刚刚,阿里通义千问发布了 Qwen4 系列的首个模型 Qwen4-Max。

本次换代用上了全新的 MoE 架构,主干参数 2.4T,每个 token 激活 71B。原生支持视觉输入,上下文窗口 100 万 token。
官方给它的定位是「AI 队友」,主打真实工作场景里的长程执行和交付质量。
价格上,反倒是比上代 Qwen3.8-Max 更便宜了:输入 $1.5/M,输出 $4.5/M,隐式缓存 $0.075/M,缓存价格直接降了 70%。
Qwen4-Max 比上一代强,用的 token 却更少。

在官方的 Work360 测试中,Xhigh 和 High 两档思考强度的 token 用量分别少了约 24% 和 35%;Terminal-Bench 4.0 上则少了约 48% 和 49%,几乎砍掉一半。
再叠加降价,Work360 上单个任务的平均成本从 $4.43 降到了 $1.67,下降了 62%。
官方拿它和 Opus 5.5、GPT-6.1 Sol、GPT-6 Astra、Kimi K3.1 做了一组对比。

Qwen4-Max 在 DeepSWE v1.1(75.7)、Agents' Last Exam v1.1(46.7)、BioMysteryBench(85.0)和法律 Agent 的 HLAB-Vals-1.1(21.3)上都拿了第一。
其中法律这一项,Qwen4-Max 是 Opus 5.5(9.2)的两倍还多。
不过也仍存在明显短板:Terminal-Bench 4.0 上 48.5,和 Kimi K3.1 的 67.2 还有不小差距;复刻软件的 ProgramBench 31.5,Opus 5.5 则是 65.0;图表理解和 AgentArena 也都排在靠后位置……
为了评估「干活」的能力,Qwen 团队自己设计了一个分级工作基准 Work360,分成 26 个一级领域、182 个二级子领域、721 个三级专业领域,从设计、编程、金融、法律,到医疗、教育、物流、能源都有覆盖。

Qwen4-Max 在这上面拿到了 52.69 分,上一代是 47.74,提升了约 10%。
Qwen4-Max 把稀疏 MoE 的注意力、残差连接和 embedding 三块都做了升级。

注意力用的是 Gated DeltaNet 和 Qwen 稀疏注意力(QSA)混合,每三层 GDN 配一层 QSA,GDN 把历史压缩成固定大小的状态,QSA 再用一个轻量索引器按微块挑出相关的上下文,长序列的计算量便降了下来。
残差连接换成了四路并行的门控残差,每一层通过动态的读写门来存取信息,让训练更稳定。
另外在第二层加了一个 N-gram Embedding,额外 328B 参数,几乎不增加计算量就扩大了模型容量。
官方称 2.4T 规模的训练全程没有出现一次 loss spike。 Base 模型和 Qwen3.8-Max-Base 相比,激活参数少了 25%,各领域的 BPB 还低了 5%-13%。
Qwen4-Max 可以直接操作 Blender 完成建模、搭场景、调材质、打光和渲染,先搭出粗糙的白模。

再一路推进到电影质感的成片镜头。

游戏方面,它能用 Unity、Unreal Engine 和 Godot 这些真正的引擎做游戏,从一句话需求开始,到场景、玩法逻辑、素材、HUD 和特效,开发过程中还会自己把游戏跑起来测试,根据画面反馈调镜头、动画、打击感和节奏。
这是它用 UE 做的仙侠游戏《云关行》,御剑穿云、钻光圈,最后打 Boss(Boss 是一只熊猫)。

还有用 Unity 6 做的西湖赛车,能漂移、能氮气加速,还能展开翅膀飞起来,最后打包成了可安装的安卓游戏。

在 SANF 和 Pacific Union 两家公司的真实生产环境里,Qwen4-Max 做了一整条汽车制造的链路。产线层面,它根据 2D 布局和工艺参数,从现有设备库里搭出 3D 产线模型,仿真节拍,再做 PLC 虚拟调试。

零件层面,它能设计车门总成、摩擦轮这类部件,规划加工工艺、生成刀路,并在加工前通过仿真找出过切和欠切。
在这个案例里,单个工件的编程时间从约 475 分钟缩短到 24 分钟,减少了约 95%。

Qwen4 还自己设计并合成出了一种新的冷却液分子。
背景是下一代高功率芯片的散热问题。Qwen4 接入 Deep Principle 的 Mira 干湿实验一体化平台,连续自主运行 48 小时,先调研技术路线,构建了一个 270 万分子的候选空间,再做结构筛选、性质预测、第一性原理计算和逆合成分析。
然后,它指挥自动化湿实验室去配试剂、合成、分离提纯和测试。

经过四轮「分子设计 → 合成测试 → 主动学习」的闭环迭代,最终拿到了一份实验验证过的新冷却液分子实物样品。
药物研发上,Qwen4-Max 在深势科技的 PharmMaster 平台上,围绕阿尔茨海默病相关的 NLRP3 靶点做分子设计,全程调用工具 454 次、完成 3239 次计算评估、设计优化了 24 个候选分子,最终选出的分子预估结合亲和力约是参考分子的 3.6 倍。
金融投研上,它一次调用 90 个 MCP 工具拉取 A 股、港美股、债券、基金和衍生品数据,最后交付 Excel 和可编辑的 PPT,PPT 里的每个图表都能和 Excel 一一对上,单元格里的超链接也能直接点回原始数据源。
法律上,在一个 IPO 前的尽职调查里,客户分批丢来 198 份格式、命名都不统一的底稿,它按实际内容重命名、归进 14 个文件夹,再交叉核对工商、知识产权、司法和征信记录,最后交付了一份 86 页、6 万多字的尽调报告,每个结论都标注了底稿出处。
医疗上,它在一次对话里读完一位 ICU 患者六天的全部病历,包括几十份化验单、1 万多字的病程记录和 1433 张原始影像,还派出多个子 Agent 同时看几百张 CT 切片,给出的四条处置建议和医生当天的实际医嘱逐条对应。
Qwen4-Max 还主打 7×24 小时运行的长程 Agent。
长任务最怕跑完才发现方向错了……所以 Qwen 这次做了个 Live Delivery,让 Agent 先尽早交付一个可用的初版,再一版版迭代,用户随时可以介入纠错或者改方向。对应的插件 Qwen-Live-Delivery-Plugin 也已经开源了。
阿里云内部也已经用上了,让 Qwen4-Max 自己优化调度自己的算力,数据标注的模型调用成本平均降了 10.42%,离线 CPU 重调度的求解速度提升了 14.61 倍以上(相当于自己给自己省钱……)。
Qwen 在代码训练里,除了功能检查还加了安全检查。
Last Secure Code Bench 上,功能和安全同时通过的函数级通过率从 22.0% 提到了 31.8%,函数、文件、仓库三个粒度都安全的比例从 8% 提到了 14.7%,接近翻倍。网络安全方面,训练时则剔除了增强攻击能力的数据。
Qwen4-Max 的 API 已经在 QwenCloud 上线,可以按量调用,也可以用 Token Plan。
如果不想写代码,也可以直接在 Qwen Studio、QwenWork 和 Qoder 里用上。
需要注意的是,Qwen4-Max 本身不开源。
官方表示,Qwen4 系列更小的模型会陆续开源权重,和 Max 同源、用同一代技术训练。
我最期待的是,早点发出 27B 的开源版本!
◇ ◆ ◇
