11月16日,阿里巴巴发布新一代旗舰模型Qwen4-Max,总参数2.4万亿,采用稀疏MoE架构,每个token激活约710亿参数,支持原生视觉理解和百万token上下文,已上线千问AI平台和API。

为什么做稀疏
2.4万亿参数如果全激活,推理成本会高到无法商用。稀疏MoE只激活一部分专家,在保留大模型容量的同时压低计算量。Qwen4-Max的激活参数约710亿,比上一代更省。
编程能力提升明显
在Terminal-Bench 4.0上,得分从上一代Qwen3.8-Max的37.9升到48.5,提升近28%;每次尝试平均token用量从289K降到151K,减少近50%。同样一道题,思考更短,得分更高。
成本是最大卖点
官方称完成单任务的平均费用比上一代下降六成,Terminal-Bench口径为降低58%,Work360口径从4.43美元降到1.67美元,降幅62%。国内定价为每百万token输入10元、输出30元,缓存命中仅0.5元。
闭源API的策略
Qwen4-Max不开放权重,只提供API,中小尺寸模型将陆续开源。这个策略和阿里的云业务一致:旗舰模型留在云端赚钱,小模型开源做生态。对想私有化部署的企业,需要等后续开源版本。
竞争位置
CodeArena前端编程盲测第六,说明它不是最强,但性价比突出。向下要顶住开源模型的价格战,向上要追GPT-6.2和Gemini 4,中间位置最难站。
给企业的建议
第一,先用自己的任务做A/B,不要只看榜单;第二,算清缓存命中率和长上下文成本;第三,涉及敏感数据时评估API合规;第四,别把单一模型写死,保持多模型切换能力。
行业信号
国产旗舰模型的竞争,从参数竞赛转向每任务成本。Qwen4-Max的发布,会把长程智能体的商业化门槛再拉低一截。