Qwen4-Max 上线,编程表现与开放性成焦点
据素材,阿里发布 Qwen4-Max,采用总参数 2.4 万亿的混合专家架构,支持原生视觉和百万 token 上下文。阿里宣称其编程基准成绩超过部分竞品;文章同时指出,此次发布未延续以往的权重开放模式。
AI 深度解读
Qwen4-Max 这次发布,最值得程序员关注的有两件事:原文称,它用 2.4 万亿总参数、100 万 token 上下文和较低的 API 价格争夺编程任务;但这款旗舰没有开放权重,开发者只能通过云服务使用。
作者的结论是:便宜的托管模型可以成为日常工具,但别把整个工作流押在一家服务上。这个建议有参考价值,不过文章没有提供亲自测试的结果,性能、价格和开放状态也需要按不同证据分别看待。
编程分数很亮眼,但到底证明了什么
按原文的时间线,Qwen4-Max 在 2026 年 11 月 11 日开始短期预览,11 月 16 日通过 QwenCloud 正式开放。它采用混合专家架构(Mixture of Experts,MoE),总参数量为 2.4 万亿,内置视觉能力,上下文窗口达到 100 万 token。
这里先分清两个概念。总参数量描述模型的整体规模,原文没有给出每次推理实际激活的参数量,不能直接拿 2.4 万亿推算运行成本。上下文窗口则是一次任务能容纳的信息上限,也不等于模型能同样准确地利用其中每一段内容。
性能证据分成两组。
一组来自 Alibaba:编程得分为 75.7,并称超过 Claude Fable 5.1 和 Kimi K3.1 Pro。但原文没有交代这个分数对应的具体测试集、评测配置和差距,单凭它无法判断模型更擅长修 Bug、实现功能,还是完成网页生成任务。
另一组来自 Arena.ai 的 Code Arena。原文记录的网页开发初步评分为 1,750 分,排名第 6,比 Qwen3.8-Max 高出 74 分,并成为该榜单排名最高的中国模型。细分结果包括 HTML 第 6,品牌与营销、参考设计任务第 8。
这些结果支持把它加入前端开发工具的候选名单,但排行榜仍是初步结果,任务范围也集中在网页开发相关场景。
网页生成表现强,不能直接推导出维护复杂仓库也同样可靠。
100 万 token 的价值,要看它能不能把任务做完
作者认为,这次产品方向的重点是原生视觉和长流程任务。
原生视觉指模型可以在同一段对话中处理截图、文档、图表和照片。放到开发工作里,它对应的是一个很具体的需求:同时参考需求材料、页面截图和已有代码,减少开发者在不同工具之间搬运信息的次数。不过,这只是原文描述的使用方向,文章没有展示对应的实际案例。
长流程任务则更接近智能体(Agent)的工作方式:查资料、起草方案、执行、检查、修正,最后交付。模型需要持续保留目标和前面步骤的约束,不能做到后面就忘了前面。
100 万 token 的容量对此有帮助。作者用几本完整书籍或一个中等规模代码仓库作类比,但仓库大小差异很大,不能把它理解成任何项目都能完整塞进去。
更关键的问题是,装得下之后能否找得准、改得对。Alibaba 强调专业工具使用、多步骤执行和交付质量有所提升,但原文没有提供长任务成功率、工具调用记录或失败案例。作者在结尾也明确表示,准备以后再测试那些漫长、混乱、容易让模型失误的编程任务。
所以,这里呈现的是厂商能力主张和作者的期待,还不是经过实测的工程结论。
API 价格有吸引力,权重关闭改变了选择条件
原文给出的 API 价格是:每百万输入 token 1.50 美元,每百万输出 token 4.50 美元。对按量购买服务的开发者,这是一个值得纳入预算比较的报价。
但作者称它明显低于多数西方旗舰模型,却没有列出同口径价格表。文章也没说明长上下文是否存在分档价格,以及缓存、重试等费用如何计算。评估日常编程成本时,还需要把输出量和反复修改的轮数算进去。
比价格更影响工作流的是权重开放状态。按原文描述,Qwen4-Max 是封闭权重模型:只能通过 Alibaba 的云服务使用,没有权重下载,也无法在自己的机器上直接微调原始模型。
这对两类开发者的影响完全不同。只需要调用 API 的人,多了一个候选服务;需要本地部署、掌握模型副本或基于客户数据自行微调的人,这次发布没有提供相应选择。
作者将它与此前的开放路线对比,并提到 DeepSeek V4、Moonshot 的 Kimi、Z.ai 的 GLM-5.3,以及较早的开放 Qwen 版本。但这些替代模型各自的许可证、部署资源和具体能力,文章没有展开,不能据此认定它们都能直接接替 Qwen4-Max。
另外,当前没有开放权重,并不能证明将来永远不会开放。原文标题式的断言,比它展示的证据走得更远。
我的判断
我认同作者对服务依赖的提醒。选择模型时,调用价格、部署控制权、服务可用性是不同维度。今天的优惠报价,也不是未来价格不变的承诺。
但文章把单款旗舰关闭权重进一步解释为整个行业正在转向封闭,这仍是趋势判断。原文自己列出了继续开放的模型,仅靠这次发布,还不足以证明开放路线正在结束。文中涉及美国出口管制与芯片获取的讨论,也只能作为外部不确定性的提醒,不能推导出某项服务即将中断。
「托管模型负责日常工作,开放权重模型负责兜底」是合理的架构思路,但作者没有给出成本和效果的对照数据,它仍属于经验建议。本地兜底还需要硬件、部署维护和质量验证;对小团队,保留另一家托管服务也可能更现实,具体要看是否存在必须离线运行的要求。
这篇文章适合用来建立评估清单,不适合直接作为迁移工作流的依据。
以上发布信息、型号、榜单和价格均按所提供原文转述,未作外部核验。
能拿来做什么
- 如果准备把它用于前端开发,可以选同一组真实任务,与现有模型比较:依据截图实现页面、修改已有组件、处理跨文件 Bug,并记录最终是否通过项目检查及人工返工量。
- 如果看中 100 万 token 上下文,可以分别尝试提供整个仓库和仅提供相关文件,检查它是否遗漏约束、修改无关代码,以及增加输入后是否真正改善结果。
- 如果在 Node 服务中接入模型,可以集中管理调用入口、模型配置和错误处理,并用同一批任务验证备用服务,降低以后切换供应商的改动范围。
- 如果项目必须本地部署或自行微调,应先核对候选模型的权重、许可证和硬件要求,再比较编程得分;当前按原文描述的 Qwen4-Max 不满足这类需求。