阿里正式发布 Qwen4-Max,扩展多模态与行业 Agent 工作流

报道介绍架构、百万Token上下文及长程交付案例。Work360与AII上的成本降幅不同,复杂开放任务仍有短板,中小模型待后续开放。

▲图片由AI生成
实测多模态Agent交付能力亮眼,网友集体催更27B版。
智东西11月16日报道,今日,阿里正式发布Qwen4系列的首款模型——Qwen4-Max。该模型采用Qwen4系列新架构,拥有2.4万亿总参数,每个token激活71B参数;具备原生视觉能力,支持百万token上下文窗口。
Qwen4-Max重点强化专业工具运用、长程任务执行与成果交付能力,覆盖3D建模与游戏开发、工业制造、金融、法律、医疗及前沿科学探索等场景,强调理解工作全貌并持续推进项目。
在阿里公布的DeepSWE、AA-Briefcase、HLAB-Vals等多个Agent专项基准测评中,Qwen4-Max得分相比前代Qwen3.8-Max提升显著,也超越了Claude Opus5.5、GPT-6.1 Sol、GPT-6 Astra等模型。

▲Qwen4-Max测评成绩(图源:阿里)
在Artificial Analysis公布的人工智能分析智能指数(AII)中,使用xhigh推理难度的Qwen4 Max在智能指数中得分为43分,比Qwen3.8 Max(xhigh)高9分,比Kimi K3.1 Pro(max,46分)低3分,但AII评测其单任务成本相比Qwen3.8 Max下降约11%。Qwen4-Max的单任务成本在阿里公布的Work360测评中降低达58%。

▲Qwen4-Max的人工智能分析智能指数得分
目前,Qwen4-Max已上线千问AI平台提供API服务,缓存命中每百万tokens低至0.5元;用户也可通过阿里Token Plan调用新模型,或在千问办公、Qoder、千问APP、Qwen Studio等应用中直接体验。Qwen4系列中小尺寸模型将陆续开源发布。
在海外社交平台X上,不少开发者对Qwen4-Max的第一反应是催更Qwen4-27B。



▲海外社交平台X上的开发者评论
此前11月11日,阿里宣布Qwen4-Max预览版上线,智东西第一时间体验(在新窗口打开)后,发现该模型的多模态Agent能力亮眼,指令理解、搜索执行、多模态生成、3D交互表现不错;但复杂任务下会出现多模态不一致、违背物理规律等问题。
今日,正式上线的Qwen4-Max表现如何?我们体验发现,Qwen4-Max相比预览版在多模态Agent交付效果上进一步完善。比如在基于图片和自行搜索生成“厉娜原谅许飞”Gif动图任务中,Qwen4-Max预览版出现了嘴型不匹配问题,但Qwen4-Max生成动图已经解决了这一问题。

在基本编程体验方面,Qwen4-Max也正确生成了“鹈鹕骑自行车的SVG动画”,未出现明显的与物理规律不符的情况。

博客:
https://qwen.ai/blog?id=qwen4-max
API:
https://www.qianwenai.com/models/qwen4-max
Token Plan:
https://platform.qianwenai.com/pricing/token-plan
01.
Agent测评能打
单任务费用降58%
正如前文提到,在Agent专项测评里,Qwen4-Max整体表现突出。
其在DeepSWE、AA-Briefcase、HLAB-Vals、BioMysteryBench、HealthBench等多个基准拿下好成绩,在代码、法律、生物科研、医疗推理、图表理解、视频理解优势明显。该模型相比前代Qwen3.8-Max提升显著,得分也高于Claude Opus5.5、GPT-6.1 Sol、GPT-6 Astra等国际前沿模型。
不过它并非全面领先,在Agents' Last Exam、AgentArena等长周期、真实复杂任务上,Qwen4-Max测评成绩依然出色,但弱于Opus 5.5、GPT-6 Astra等顶尖模型。整体来看,Qwen4-Max在垂直专业Agent任务爆发力较强,在超长时序、开放式复杂智能体任务仍有提升空间。
同时,Code Arena:WebDev也显示Qwen4-Max前端编程能力出色,其在Code Arena盲测榜单中位居全球前列。

Token效率与成本方面,阿里官方称,Qwen4-Max以更少token消耗取得优于Qwen3.8-Max的性能:在Work360上,Xhigh和High两档推理强度下token消耗分别减少约24%和35%;在Terminal-Bench 4.0上分别减少约48%和49%。
同时,相比Qwen3.8-Max,Qwen4-Max API定价全面下调,尤其大幅降低缓存命中价格。Work360评测中,单个任务平均费用从26.58元降至11.16元,降低58%。

02.
2.4T总参数只激活71B
每字节比特数最高降13%
Qwen4-Max采用Qwen4系列全新架构,总参数2.4T,每个token激活71B参数,另有328B N-gram Embedding参数。该架构围绕Attention、Residual和Embedding三方面升级稀疏MoE模型,优化计算效率、模型容量和训练稳定性:
GDN+Qwen Sparse Attention(QSA),每四层中三层Gated DeltaNet将历史信息压缩为固定大小状态,另一层QSA通过轻量级索引器以block为粒度选择相关上下文,降低长序列注意力计算与索引开销;
Gated Residual(GR)将残差流扩展为四条并行分支,通过动态读写门控增强跨层信息传递,提升训练稳定性;
N-gram Embedding根据局部上下文查表,在第二层引入局部token模式的额外表示,以较低额外计算开销扩展模型容量。

在2.4T参数规模下,Qwen4-Max预训练过程平稳,loss持续下降,全程未出现loss spike。这主要得益于模型架构和训练优化的改进。

在内部知识、代码、问答和STEM四类评测中,Qwen4-Max-Base的每字节比特数(BPB)在全部五个参评模型中均为最低;相比Qwen3.8-Max-Base,在总参数量同为2.4T的情况下,各领域BPB下降约5–13%,同时每个token激活参数减少约25%。

内部评测指标为10×BPB,越低越好;参数量按激活参数/总参数标注;GLM-5.3和Kimi-K3.1-Pro为后训练模型,后训练可能影响其与基座模型的比较。
03.
从3D游戏到汽车制造
专业场景直接交付
为提升工业与专业场景协作能力,Qwen4-Max构建Work360综合场景建模框架,对复杂行业场景系统解构与细粒度分类,形成26个一级领域、182个二级子领域、721个三级细分领域的层级分类体系。
基于该体系构建的Work360行业基准测试中,Qwen4-Max得分52.69分,相较Qwen3.8-Max的47.74分明显提升。

在Blender三维建模与场景创作中,Qwen4-Max可串联几何建模、场景搭建、材质配置与灯光渲染,将创意转化为三维作品,覆盖建筑与室内空间、自然景观和科幻场景,体现对空间布局、物体结构与视觉效果的综合把握。
该能力进一步用于游戏开发,并通过3D打印形成实体作品,衔接后续开发、制作流程,支持设计探索、内容创作和原型制作。
Qwen4-Max可驾驭Unity、Unreal Engine、Godot等主流游戏引擎。根据自然语言需求,它能利用外部资产独立完成场景搭建、玩法逻辑开发、资产整合、材质配置、HUD设计与特效制作,交付可上手玩的游戏。开发过程中,它会实际运行游戏,根据画面与交互反馈调整各种细节。
比如样例“喵出法随”中,Qwen4-Max在Unreal Engine打造猫咪法师冒险游戏,玩家可施放多种法术、选择能力强化,并挑战逐波敌群与首领。

聚焦汽车制造,在三丰智能装备、泛海统联精密的实际生产场景中,Qwen4-Max将图纸理解、参数化建模与专业工具调用融入工程流程,支持产线规划、零件设计与加工验证,串联设计生成、工具执行与反馈验证。案例中,单个工件加工编程所需人工投入由约475分钟降至24分钟,减少约95%。

聚焦Agentic视频创作,用户借助Qwen4与万镜一刻,可构建端到端视频创作工作流:从分镜脚本、静态资产,到白模预演中驱动相机动画、渲染独立片段,最终剪辑成连贯多场景影片。Qwen4的语言、多模态及智能体能力带来知识注入、可控性和稳定性。

此外,在金融投研、法律尽调与临床医疗三大高门槛场景,Qwen4可处理繁杂原始资料,并完成深度逻辑推演与证据链溯源,从“信息检索”走向“专业交付”。

04.
智能体全天候干活:边交付边迭代
自主闭环设计冷却液
团队称,Qwen4-Max支持智能体全天候推进长周期任务,通过自主规划与持续迭代分阶段交付可用成果,兼顾自主执行与用户掌控。
持续交付方面,针对长程智能体缺少阶段性反馈、用户难掌握进展的问题,Qwen4-Max融入Live Delivery能力:先交付可用首版,再持续交付更新版本,逐版扩展内容、提升质量。用户可依据每版成果评估进展、校准方向,Agent可结合反馈动态调整计划,让长程任务交付进展可见、执行方向可控。
阿里同步开源Qwen-Live-Delivery-Plugin,安装插件即可体验持续交付能力。

云资源调度方面,Qwen4-Max具备围绕复杂目标与约束进行运筹建模、求解与验证的能力,可交付优化决策方案。该能力在阿里云真实业务场景落地,实现模型自主迭代并优化自身所需调度方案的闭环,涵盖数据标注中的多模型调用调度、云计算GPU资源在线分配调度、云计算CPU资源离线重调度。
相应场景中,数据标注场景模型调用调度费用对应参考基线平均降低10.42%,GPU在线分配相对基线整机空闲容量时长提升4.62%,CPU离线重调度场景达到最优目标的求解速度提升超14.61倍。
在驱动科学发现场景中,面向高功率芯片散热难题,Qwen4依托深度原理Mira干湿实验环境,在连续48小时的自主Agent运行中,构建270万个分子候选空间;并通过4轮设计-测试-学习闭环,完成新型冷却液分子设计、合成与实验验证。

针对阿尔茨海默病NLRP3靶点,Qwen4-Max依托深势PharmMaster完成药物发现全链路智能设计,经多轮迭代优化得到24个候选分子,优选分子结合亲和力约为起点3.6倍,具备湿实验验证价值。
此外,阿里方提及,Qwen4-Max遵循六大AI原则,将治理贯穿全生命周期。代码安全能力显著提升,安全代码通过率大幅上涨;网络安全侧重防御类数据,强化攻击防护;CBRN场景下可识别风险请求,不会输出可落地的高危方案,同时避免过度拒答。
05.
结语:全球头部模型竞速Agent
Qwen4盯上产业工作流
当下,全球头部模型竞争正从单纯比拼推理能力,转向代码开发、计算机操作、专业知识工作与长程Agent执行。OpenAI的GPT-6 Astra、GPT-6.1 Sol持续强化复杂任务处理与计算机使用能力,Anthropic近期推出Fable 5.2、Mythos 5.2,进一步向编程、金融和科学研究等高难度任务推进。
Qwen4-Max试图打造的差异化优势,是将大规模模型能力与产业工作流深度结合。从2.4万亿参数、百万Token上下文,到专业工具调用、自主迭代和科研闭环,阿里试图让模型从回答问题走向交付成果。随着小尺寸模型陆续开源,Qwen4系列能否进一步降低企业部署与应用门槛,将成为其下一阶段竞争的关键。
文章来自于"智东西",作者 "李水青"。
相关主题
读完之后
加入 AINRK 交流群
了解加入交流群的方式,与更多 AI 从业者交流。




