基础篇
进阶篇
高频篇
精选篇
手写篇
面经篇
AI 篇
原理篇
每日一题
小程序题库
  • 知识卡片碎片时间过考点
  • 场景篇按分类整理的大前端场景考点
  • 历年面经按年份追踪真实考点
  • 算法题库NEW在线编码即时判题
  • 专项自测100 题快速查漏
  • 前端基础
    • HTTP从报文一路讲到 HTTPS
    • 浏览器渲染、事件循环、进程
    • 计算机基础Linux、网络、操作系统
  • 进阶专项
    • 设计模式23 种模式怎么用
    • 前端系统进阶学习大型项目工程化
    • 前端综合文章长期沉淀的实践文
  • 工程与工具
    • Node学习指南从环境搭建到服务端
    • NPM工作流script、依赖与发布
    • Docker容器化部署上手
    • Canvas图形与动画实战
  • 路线与导图
    • 思维导图知识点全景图
    • 学习路线按图索骥不跑偏
  • 动态
    • 公众号动态公众号历史文章
    • 博客动态站长的技术博客
    • 开发者导航常用工具与文档站
    • AI 热点每日 AI 资讯与动向
AI 工作台
旧版
AIHT
内容
精选全部 AI 动态热点榜AI 日报收藏
分类
模型行业编程产品技术观点开源
更多
Agent 接入
返回首页开发者导航
AIHT
精选 / 资讯详情
9.0
重磅
AI SCORE
模型发布2026-11-16 15:51

阿里推出Qwen4-Max,强化编程与智能体

量子位#通义千问#智能体#AI编程
Editor brief · 编辑速览

阿里巴巴于11月16日发布新一代基座模型Qwen4-Max,宣称提升智能体与编程能力。素材未提供性能评测、接口价格或部署方式。

文章思维导图
Knowledge map
拖拽缩放
AI deep read

AI 深度解读

Qwen4-Max 这次发布,最值得程序员关注的是两个变化:编程任务的得分提高了,完成任务消耗的 Token 和费用下降了;交付方式也开始强调先给可用版本,再持续修改。对日常使用 AI 写代码的人,这比总参数更有参考价值。

但原文由阿里巴巴提供、量子位授权转载。榜单成绩、团队评测和行业案例需要分开看:它们能说明新模型的优化方向,还不足以证明换到你的项目里也能稳定省钱、可靠交付。

编程能力涨了,为什么费用还能降?

Qwen4-Max 总参数为 2.4T,采用基于 Qwen 稀疏注意力(QSA)的新 MoE 架构,每个 Token 仅激活 71B 参数,较上代减少 25%。可以把它理解为:模型容量很大,但处理每个 Token 时只动用其中一部分。

不过,激活参数少,不等于用户账单必然低。更有用的证据是完成任务的实际消耗。

原文给出了一组 Terminal-Bench 4.0 数据:同为 Xhigh 思考档位,Qwen4-Max 相比 Qwen3.8-Max,每次尝试的平均 Token 用量从 289K 降到 151K,减少近 50%;得分从 38.9 升至 48.5,提升近 25%。结合缓存命中价格下降,单任务平均费用(Cost per Task)降低 58%。

判断模型是否划算,要一起看任务得分、Token 消耗和最终费用。

这里还有一个容易误读的价格:每百万 Tokens 低至 0.5 元,指的是缓存命中价格,不能当成所有输入、输出的统一单价。原文没有提供完整计费结构,也没有展开单任务费用的计算口径。

前端第六,能说明它适合写业务吗?

在 CodeArena 前端编程盲测中,Qwen4-Max 位列全球第 6,处于 GPT6-Astra 和 Claude Fable5.1 之间。这个成绩与前端读者直接相关,但它不能替代对现有仓库的验证:页面效果、依赖兼容、代码可维护性和回归风险,仍然需要分别检查。

其他成绩覆盖了更广的任务:Agents’ Last Exam(ALE)得分 46.7,比上代提高 18.8 分;Chartography 图表理解与推理得分 54.2,提高 12.2 分;JobBench 专业工作评测得分 68.5,超过 GPT-6.1sol、低于 Claude Opus5.5;法律评测 HLAB-Vals-1.1 得分 21.3,提高 5.9 分。

这些结果支持「多类任务能力有所进步」,却不能直接推出原文所说的「无论简单需求还是复杂任务,都能可靠交付」。原文没有给出失败率、重复运行结果和人工接管比例。

更有意思的是持续交付(Live Delivery):模型先生成可用首版,再按反馈逐版扩展。原文展示的物理科普网站经历了 14 次可用版本交付,最终加入 3D 动画、交互实验和原理详解。

对前端开发,这种协作方式很实用。先验收能运行的页面,再逐步补交互,比一次性塞进全部需求更容易发现偏差。不过,原文没有说明版本如何保存、怎样回滚,以及「可用」由谁验收。

从写页面到长任务,中间还隔着工具和环境

Qwen4-Max 具备原生视觉能力,支持百万上下文;这些能力为读取图表、处理较多材料提供了条件,但长任务能否完成,还取决于工具权限、执行环境和结果验证。

原文中的专业案例都带着具体工作条件:游戏开发调用 Blender;金融投研调用 90 个 MCP 专业工具,生成 Excel 底稿和 PPT 报告,并支持双重溯源。汽车制造案例则把单个工件加工编程的人工用时从 475 分钟降到 24 分钟,减少约 95%。

千问团队还构建了覆盖 721 个细分领域的 Work360 体系,Qwen4-Max 得分 52.69,较上代提升超 10%。基于阿里云 AI 基础设施,团队报告的数据标注场景模型费用下降 10%,CPU 离线重调度最优求解速度提升超 14 倍。

科学研究案例的验证距离更需要分清。材料案例经过连续 48 小时运行、从 270 万个候选分子中筛选,以及 4 轮设计、合成、测试,最终真实合成了新型冷却液材料。药物案例完成 454 次工具调用、3239 项计算评估,优化了 24 个候选分子,优选分子的名义结合亲和力提高约 3.6 倍。后者不能直接等同于药效或临床效果提升。

我的判断

这次发布抓住了 AI 编程的实际痛点:任务做得更好,也要减少消耗;复杂需求需要分阶段交付,并接上专业工具。

但证据有层次。原文引用了第三方榜单,也提供了团队评测和应用案例,后两者没有展开完整实验条件。尤其是行业提效数字,离开既有基础设施、工具集和人工流程后能复现多少,原文没说清。

前端第六值得试,是否替换现有模型仍要由自己的任务决定。

与继续使用熟悉的模型相比,切换的收益应覆盖工具适配和人工复核成本。百万上下文也只是容量条件,原文没有给出长上下文下的信息定位准确率。

能拿来做什么

  • 用同一个真实前端需求比较 Qwen4-Max 和当前模型,同时记录验收结果、Token 用量、费用及人工修改时间,别只比较首屏截图。
  • 把较大的页面任务拆成可验收版本,先确认运行和核心交互,再补动画与细节;每一版都在项目里保存,方便检查和回滚。
  • 接入前核对完整价格与缓存规则。原文给出的入口包括千问 AI 平台 API、阿里 Token Plan,以及千问办公、Qoder、千问 APP;系列中小尺寸模型仅表示将陆续开源,不能据此认定已经可下载。
Original source

本文由 AI 通读原文后重新编写,观点部分为站内判断,细节以原文为准,来源 量子位,原文版权归原作者所有。

阅读原文
上一篇
用离线回放复核 Agent 测试结果
下一篇
Python 网关实战:逐层压低大模型调用费

资讯速览

量子位 · 2026-11-16 15:51

AI 评分 9.0 / 10

相关标签

#通义千问#智能体#AI编程

继续阅读

  • 会议转任务,先在数据契约中设置核验关
  • 用离线回放复核 Agent 测试结果
  • Python 网关实战:逐层压低大模型调用费
  • 固定探针可能让模型 API 验真失效
  • LLM 后端评测:先查评分器,再改提示词