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 17:44

千问旗舰模型升级:百万上下文与原生视觉

MarkTechPost#千问#多模态#长上下文
Editor brief · 编辑速览

阿里发布闭源 Qwen4-Max,采用总参数 2.4 万亿、激活参数 710 亿的 MoE 架构,支持原生视觉与百万 token 上下文。输入价格为每百万 token 1.5 美元,报道称其在 Work360 上的单任务成本降低了 62%。

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

AI 深度解读

Qwen4-Max 最值得程序员关注的,是它把长任务能力、Token 消耗和 API 价格放到了一起优化。按原文披露,这款闭源多模态模型采用 2.4T 参数的 MoE 主干,每个 Token 激活 71B 参数,支持 1M 上下文;阿里报告,Work360 平均单任务成本下降了 62%。

但便宜、上下文长,都不能直接推导出「更适合写代码」。原文的成绩呈现出明显分化:专业 Agent 任务有亮点,部分编程与视觉测试仍落后。选型时,真正该看的是它能否以更低成本完成你的任务。

2.4T 参数,为什么每次只用 71B?

MoE(混合专家)可以理解为让不同参数模块分工,每处理一个 Token,只调用其中一部分。Qwen4-Max 的 2.4T 是主干总参数,71B 是每个 Token 激活的参数;它还额外配置了 328B 的 N-gram Embedding 参数,不能把这些数字混成一个计算量指标。

原文介绍了三处架构调整。

第一处针对长上下文。每个 Qwen Sparse Attention(QSA)层搭配 3 个 Gated DeltaNet(GDN)层,后者把历史信息压缩成固定大小的状态;QSA 再通过轻量索引器,以微块粒度挑选相关上下文。目的很明确:减少长序列上的注意力与索引开销。

第二处是 Gated Residual(GR)。它使用 4 条并行残差分支,通过动态读写门控制信息流,目标是改善训练稳定性。阿里称,整个 2.4T 规模预训练没有出现损失尖峰,但原文没有提供训练日志供读者核对。

第三处是放在第 2 层的 N-gram Embedding,用额外的 328B 参数查询局部 Token 组合,为模型增加容量,同时尽量少增加计算。

阿里内部测试还报告:Qwen4-Max-Base 相比 Qwen3.8-Max-Base,激活参数减少 25%,每字节比特数下降 5% 至 13%。后一个指标衡量预测文本所需的信息量,越低通常代表预测越好;它并不直接等于业务正确率提高了相同比例。

模型支持文本、图片和视频输入,最大输出为 393K Token。不过,能放进 1M Token,不等于能可靠使用其中每一条信息。 原文没有给出不同上下文长度下的准确率变化。

Agent 成绩突出,为什么还不能直接替换编程模型?

阿里的对比图覆盖 16 项基准,Qwen4-Max 在其中 4 项排名第一:

  • 法律 Agent 测试 HLAB-Vals-1.1 得分 21.3,Kimi K3.1 为 11.7,Claude Opus 5.5 为 9.2。
  • Agents’ Last Exam v1.1 得分 46.7,Opus 5.5 和 Kimi K3.1 均为 43.4。
  • BioMysteryBench 得分 85.0,GPT-6.1 Sol 为 84.4。
  • DeepSWE v1.1 得分 75.7,Kimi K3.1 为 75.5。

这些结果支持它在部分专业任务上的竞争力,但领先幅度差异很大。法律 Agent 测试的差距明显,DeepSWE v1.1 则只有 0.2 分;原文没有给出重复运行的波动范围,无法判断后者是否稳定。

另一面的差距更值得编程用户关注。ProgramBench 上,它是 31.5,Opus 5.5 是 65.0;Terminal-Bench 4.0 上,它是 48.5,Kimi K3.1 是 67.2。视觉相关的 Chartography 为 54.2,GPT-6 Astra 为 71.1;Humanity’s Last Exam 为 51.7,Opus 5.5 为 59.8。Opus 5.5 共领先 7 项。

某个软件工程榜单领先,不能替代对完整编程流程的验证。 修改代码、操作终端和处理复杂工程问题,对模型的要求并不相同。

这些分数也有来源限制:对比图由阿里整理,部分成绩引用第三方榜单,发布时没有独立复现。图中的 Kimi K3.1 得分,与 Moonshot 自家模型卡中的 Kimi K3.1 Pro 数据也不完全一致,不能默认是同一口径。

单任务便宜 62%,账是怎么算出来的?

原文给出的逻辑有两层:单价下降,以及完成任务消耗的 Token 变少。

Qwen4-Max 每百万 Token 的输入价格从 Qwen3.8-Max 的 $2 降至 $1.50,输出从 $6 降至 $4.50;隐式缓存读取从 $0.25 降至 $0.075,降幅为 70%。

在阿里自建的 Work360 上,Xhigh 推理强度的 Token 用量约减少 24%,High 约减少 35%;Terminal-Bench 4.0 对应减少约 48% 和 49%。Work360 平均单任务成本因此从 $4.43 降至 $1.67,约下降 62%。该测试覆盖 26 个一级领域、721 个细分领域,模型得分从 47.74 提高到 52.69。

这组数据值得关注,因为它同时报告了成绩与开销。但原文没有充分展开缓存命中、失败重试等成本细节,62% 应当保留在这套测试条件内理解。

接入方面,QwenCloud 的模型 ID 是 qwen4-max,支持 OpenAI-compatible 和 Anthropic-compatible 客户端,提供 function calling、structured outputs、context caching、batch processing、web search 和 fine-tuning,默认速率限制为每分钟 5,000,000 Token,通过 enable_thinking 切换思考模式。

它只提供托管访问,包括 QwenCloud API、Token Plan、Qwen Studio、QwenWork 和 Qoder。没有开放权重,也就没有自行部署或制作量化版本的路径。原文还提到当月开放的预览仅面向 Token Plan,但没有说清预览与其他入口的具体开放关系。

我的判断

我认可原文把注意力放在「完成任务的成本」上。对于需要多轮调用的 Agent,每百万 Token 的价格只是账单的一部分;输出长度、重试次数和最终成功率,都能改变结论。

但这篇材料更适合用来建立候选名单。架构收益、训练稳定性和 Work360 改进主要来自厂商披露,缺少独立复现;参数更多、激活更少,也无法单独证明体验更好。

与统一切换模型相比,我更倾向于先按任务评估:专业资料处理可以试,复杂编程和终端操作则需要单独验收。原文没有提供前端项目、Node 服务或国内团队真实工作流的对照数据,不能替它补上这部分结论。

能拿来做什么

  • 在现有 AI 编程流程里挑选一组可验收的真实任务,对比 Qwen4-Max 与当前模型的完成率、修改质量、重试次数和总费用,再决定是否切换。
  • 需要长上下文时,用同一份项目资料分别测试完整输入和检索后输入,检查它能否找到关键约束,并比较成本;不要仅凭 1M 窗口就把整个仓库塞进去。
  • 已有 OpenAI-compatible 或 Anthropic-compatible 调用层的团队,可以先接入 qwen4-max,分别评估思考模式开启与关闭时的结果,并核对工具调用和结构化输出是否满足现有流程。
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 MarkTechPost,原文版权归原作者所有。

阅读原文
上一篇
用显式依赖约束 Agent 的执行顺序
下一篇
用文件认领机制拦截多 Agent 编辑冲突

资讯速览

MarkTechPost · 2026-11-16 17:44

AI 评分 9.0 / 10

相关标签

#千问#多模态#长上下文

继续阅读

  • AI 安全审计如何交代证据与覆盖率
  • 用显式依赖约束 Agent 的执行顺序
  • 用文件认领机制拦截多 Agent 编辑冲突
  • RAG 检索前先补全问题上下文
  • 商品视频生成前如何拦住模型编造价格