今日,阿里通义千问发布了 Qwen4 系列的首个模型 Qwen4-Max。
据官方介绍,该模型基于Qwen4系列全新架构,拥有2.4万亿总参数,具备原生视觉能力,支持百万token上下文窗口,目前已上线千问AI平台对外提供API服务。
- Blog:https://qwen.ai/blog?id=qwen4-max
- API:https://www.qianwenai.com/models/qwen4-max
- Token Plan:https://platform.qianwenai.com/pricing/token-plan
性能表现
相比Qwen3.8-Max,Qwen4-Max整体能力有所提升。

前端编程能力在Code Arena盲测榜单中位居全球前列。

Token效率方面,在Work360上Xhigh和High两档推理强度下的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%。API定价方面,官方全面下调了价格,尤其大幅降低缓存命中价格,缓存命中每百万Tokens低至0.5元。据官方评测,Work360中单个任务的平均费用从26.58元降至11.16元,降低58%。

预训练
Qwen4-Max 采用 Qwen4 系列的全新架构,拥有 2.4T 总参数,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三个方面对稀疏 MoE 模型进行系统升级,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的状态,另一层 QSA 通过轻量级索引器,以 block 为粒度选择相关上下文,降低长序列的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,以较低的额外计算开销扩展模型容量。

Qwen4-Max 模型结构
在 2.4T 参数规模下,Qwen4-Max 的预训练过程平稳,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。

Qwen4-Max 平稳的预训练过程
在知识、代码、问答和 STEM 四类内部评测中,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,其各领域 BPB 下降约 5–13%,同时每个 token 的激活参数减少约 25%。

专业场景应用
官方构建了Work360综合场景建模框架,涵盖26个一级领域、182个二级子领域和721个三级细分领域,并据此构建行业基准测试。在该测试中,Qwen4-Max得分52.69,上一代Qwen3.8-Max为47.74。

官方展示了多个应用案例:在Blender三维建模与场景创作中,模型可串联几何建模、场景搭建、材质配置与灯光渲染等环节;在游戏开发中,模型可调用Unity、Unreal Engine、Godot等引擎完成场景搭建与玩法逻辑开发;在汽车制造场景中,模型将图纸理解、参数化建模与专业工具调用融入工程流程,官方称所展示案例中单个工件加工编程的人工投入由约475分钟降至24分钟。

在垂直领域,官方称Qwen4可调用90个MCP工具进行金融投研,成果以Excel底稿和可编辑PPT报告形式交付;在法律尽调场景中,模型对198份底稿完成重命名归类并交付86页、6万余字的尽调报告;在危重症临床医疗场景中,模型在单次对话中完成病历通读、指标查询、病程梳理与影像读取等任务。
长周期智能体与科学发现
Qwen4-Max支持智能体全天候推进长周期任务,并引入Live Delivery能力,先交付可用首版再持续迭代更新。官方同步开源Qwen-Live-Delivery-Plugin插件。在阿里云真实业务场景中,官方称数据标注场景模型调用调度费用平均降低10.42%,GPU在线分配整机空闲容量时长提升4.62%,CPU离线重调度求解速度提升超14.61倍。

科学发现方面,官方称Qwen4在连续48小时自主Agent运行中,依托深度原理Mira的干湿实验环境,完成新型冷却液分子的设计、合成与测试验证,构建包含270万个分子的候选空间,经4轮闭环迭代获得实验验证的分子。在药物发现场景中,Qwen4-Max在深势科技PharmMaster平台上围绕NLRP3炎症小体靶点,累计调用工具454次、完成3,239项计算指标评估、设计优化24个候选分子。

安全
官方表示模型治理贯穿模型生命周期。在Last Secure Code Bench中,Qwen4-Max的函数级功能与安全双通过率从前代22.0%提升至31.8%;函数、文件、仓库三个粒度同时生成安全代码比例从8%提升至14.7%。网络安全方面,官方称按任务用途筛选训练数据,保留防御任务数据、剔除攻击能力数据,内部审查未发现模型产生大规模网络安全风险的能力;CBRN方面,内部评测未发现模型能将相关知识转化为显著提升使用者能力的风险。
总 结
官方将Qwen4-Max定位为面向工作、创作与探索场景的AI协作伙伴,融合推理、原生视觉与长程任务执行能力。官方同时表示,Max只是Qwen4系列的第一款模型,系列中的小尺寸模型将陆续开源发布。用户可通过千问AI平台API、阿里Token Plan调用,或在千问办公、Qoder、千问APP、Qwen Studio等应用中体验。
