Qwen4-Max 是阿里巴巴通義千問團隊於 2026 年 11 月 15 日發布的旗艦模型,主幹 2.4 兆參數、每詞元啟動 710 億,加上 3,280 億 N-gram 嵌入參數,上下文達一百萬詞元。官方指 Work360 由 47.74 升至 52.69,每任務平均成本由 4.43 美元降至 1.67 美元。目前僅經訂閱與 API 提供。

Qwen4-Max 是什麼?

Qwen4-Max 是通義千問於 2026 年 11 月 15 日推出的旗艦模型,採 2.4 兆參數稀疏混合專家架構,支援原生視覺與一百萬詞元上下文,定位為長時間執行的工作代理。

官方把它定位為全天候的工作夥伴,而非單純的對話模型。能力描述集中在三處:專業工具的操作熟練度、長時程任務的完成度,以及交付物的品質。應用場景列得更廣,涵蓋三維建模、遊戲開發、精密製造、金融、法律、醫療與前沿科研。

這個定位與前代的差異值得留意。Qwen3.8-Max 的宣傳重點仍在基準分數與推理能力,Qwen4-Max 則把「交付可用成品」寫進主標語,並以 Live Delivery 機制支援分階段交付。

Qwen4-Max 官方公布數據整理圖,列出主幹 2.4 兆參數與每詞元啟動 710 億、上下文窗口一百萬詞元、Work360 分數 52.69,以及每任務平均成本 1.67 美元

這次架構改動有什麼特別?

Qwen4 架構同步改造注意力、殘差與嵌入三層,包括 GDN 壓縮歷史、稀疏注意力以微區塊選取上下文、四路並行殘差,以及第二層的 N-gram 嵌入查表。

三項改動各自處理不同瓶頸。前段採用三層 Gated DeltaNet 把歷史壓成固定大小狀態,供每個稀疏注意力層取用;稀疏注意力本身以輕量索引器在微區塊粒度挑選相關內容,同時壓低注意力與索引的計算量。

殘差部分改為四條並行分支,透過動態讀寫閘門強化跨層資訊流。嵌入層則在第二層加入依上下文查表的機制,用少量額外運算換取表徵能力。官方指出 2.4 兆參數規模的訓練全程未出現損失尖峰。

百萬上下文與輸出上限如何運作?

上下文窗口為一百萬詞元,輸出上限 393,216 個詞元,思考過程與最終答案共用此額度。長序列的注意力成本由稀疏索引控制,令長文件與多輪工具呼叫可留在同一對話內。

輸出額度的設計值得注意。393,216 個詞元同時容納思考內容與正式回答,意味長時間推理會直接佔用交付空間。對需要產出長篇文件的任務,規劃時必須把思考消耗計入。

上下文長度本身不是新指標,成本才是。稀疏注意力的價值在於令長序列的邊際成本下降,否則百萬窗口只是規格表上的數字,實際使用仍會因費用而受限。

成本下降的幅度有多大?

官方稱 Work360 的詞元用量在高強度與高兩檔分別減少約兩成四與三成五,Terminal-Bench 4.0 減少約四成八與四成九,快取輸入價格亦大幅下調。

把詞元效率換算成金錢,差距更明顯。Work360 基準下每任務平均成本由 4.43 美元降至 1.67 美元,減幅六成二。這個數字同時反映用量下降與牌價調整,兩者難以拆分。

牌價的細節仍未完整公開。第三方報導指出,Qwen4-Max 預覽階段只提供 Token Plan 訂閱與 API,並未公佈每百萬詞元的統一價格;作為參照,Qwen3.8-Max 在阿里雲國際區的價格為每百萬輸入 2 美元、輸出 6 美元。

Work360 基準測試反映什麼能力?

Work360 以 26 個一級領域、182 個二級子領域與 721 個三級專業欄位組成工作分類體系,Qwen4-Max 得分 52.69,較前代 47.74 提升約五個百分點。

這個基準的設計取向與傳統學術測試不同。它把真實工作拆成三層分類,從品牌識別、界面設計到審計程序、電力調度,共七百多個專業欄位,用以評估模型在細分行業的執行力。

分數上升的意義在於覆蓋面。單項能力提升容易在總分被平均掉,能同時在二十六個一級領域推進,說明改善並非集中於程式碼或數學。官方亦以五至十三個百分點的位元組錯誤率降幅,說明基礎模型在多領域的進步。

Live Delivery 機制解決什麼問題?

長時間任務若等到完成才交付,錯誤難以修正。Live Delivery 先交付可用初版,再分次擴充與改進,使用者可在過程中介入調整方向,相關插件已開源。

同類思路在開源代理專案亦可見,OpenManus 以階段式工具呼叫處理長任務,差別在於沒有平台層的代管與計費。

這個機制針對的是代理執行失控的風險。當任務持續數十分鐘甚至數小時,使用者無法在中途檢視進度,一旦方向錯誤,重做的成本極高。分階段交付把每個版本變成可檢查的節點。

做法上,代理先產出可用的第一版,之後依執行結果與使用者回饋逐步擴充。每次交付都提供具體的判斷依據,使用者可隨時修正或改向。官方同時開源 Qwen-Live-Delivery-Plugin,讓外部工具接入同一流程。

專業場景的實測案例有哪些?

官方列出四類案例:金融研究以九十個 MCP 工具產出可追溯報表、法律盡職調查處理 198 份底稿、重症病歷整合 1,433 張影像、藥物設計完成 454 次工具呼叫。

金融案例的重點在可追溯。模型輸出的 Excel 儲存格可點擊連回原始資料來源,簡報圖表與工作簿儲存格一一對應,分析師能由圖回查公式與數字。

法律案例展示的是長時程處理能力。面對 198 份格式不一的工作底稿,模型按實質內容重新命名並歸入十四個資料夾,再交叉核對工商登記、知識產權與司法紀錄,最終產出 86 頁、逾六萬字的報告,涵蓋十二個審查領域與十四項法律問題。

醫療案例則以 1,433 張原始影像為輸入。模型把六天的複雜病程整理成時間軸,調用多個子代理同時檢視數百張切片,辨識出雙側依賴性實變,並提出四項處置建議。

藥物設計案例的數字更具體。模型在 DP Technology 的平台上完成靶點研究、分子優化與計算評估,累計 454 次工具呼叫、3,239 次計算指標評估,設計並優化 24 個候選分子,最終選定分子的相對結合自由能約為參考分子的 3.6 倍。

安全與程式碼品質改善了多少?

在 Last Secure Code Bench 中,功能與安全同時通過的函式級比率由 22.0% 升至 31.8%,三個粒度同時安全的比率由 8% 升至 14.7%。

這組數字的意義在於預設行為。當模型生成的程式碼本身較少出現注入、記憶體安全與存取控制缺陷,系統的攻擊面在建構階段就已收窄。

官方同時說明資料篩選原則。防禦性任務的資料予以保留,用於提升攻擊能力的資料則移除;內部專家對長時程軌跡的審查未發現可構成大規模風險的能力。

如何開始使用 Qwen4-Max?

可經 QwenCloud 選用 Token Plan 或 API,亦可在 QwenWork、Qoder 與 QwenStudio 直接使用。企業接入宜先確認訂閱額度與輸出上限。

三個入口對應不同需求。QwenStudio 適合一般對話與測試,QwenWork 偏向辦公流程,Qoder 則面向程式開發。API 與 Token Plan 是企業整合的主要路徑。

評估時建議先量化三件事:單次任務的平均詞元消耗、快取命中比例,以及輸出長度上限是否足夠。這三項直接決定實際成本,比牌價更能反映支出。

開源版本何時推出?

官方表示 Qwen4 家族的小型模型將以開源形式發布,與 Max 同源同代訓練,並針對小模型擅長的場景調校,但未公佈具體時間表。

這句承諾的分量不小。較小的同源模型過去多由社群接手量化與微調,unsloth 對 Qwen3.8 的動態量化 就是一個具體例子。Qwen 系列過去以開源權重建立開發者基礎,旗艦型號維持閉源、小模型開源,是該團隊一貫的分層策略。

對自建部署的團隊,時程仍是關鍵變數。在開源權重推出之前,本地推理只能沿用上一代模型,或改用其他廠商的開放權重版本。

這次發布有哪些限制?

預覽階段僅提供訂閱與 API,未公佈每百萬詞元牌價;多數基準為官方自評或引用第三方排行榜,第三方獨立複現的數據仍有限,實際延遲與穩定性有待觀察。

價格透明度是最直接的問題。缺少統一牌價,企業難以把成本納入預算模型,只能以訂閱額度推算,容易在實際用量超出預期時出現落差。

基準數據的來源亦需區分。Work360 為官方自建基準,部分分數引用 Arena、Artificial Analysis 與 Mercor 等外部排行榜,項目混合了自評與第三方結果,比較時宜逐項確認來源。

出處連結有哪些?

主要來源為通義千問官方部落格的 Qwen4-Max 公告,模型頁面與 Token Plan 文件可核對存取方式,第三方價格分析則用於交叉檢查牌價說法。

技術數據取自官方公告的預訓練、評測與安全章節。存取方式以 QwenCloud 的模型頁與 Token Plan 文件為準,價格相關說法另參考第三方整理。

  • 官方公告:https://qwen.ai/blog?id=qwen4-max
  • 模型頁面:https://www.qwencloud.com/models/qwen4-max
  • Token Plan 文件:https://docs.qwencloud.com/token-plan/overview
  • Live Delivery 插件:https://github.com/QwenLM/Qwen-Live-Delivery-Plugin

總結:Qwen4-Max 適合哪些團隊?

適合需要長時程執行、跨專業交付與可追溯輸出的團隊,特別是已把代理接入現有工具鏈者。若只做短問答或要求明確牌價,現階段仍宜觀望。

這次發布的訊號很清楚:競爭軸線由模型能力轉向單位任務的完成成本。稀疏注意力處理長序列,N-gram 嵌入補足表徵,Live Delivery 處理長任務的可控性,三項設計指向同一個目標。

評估時可問三個問題。任務是否需要跨數十次工具呼叫、交付物是否需要逐項回查來源、資料與流程能否留在既有系統內。三題的答案若偏向肯定,這類旗艦模型的價值才真正成立。