Qwen4-Max 据称降价,性能仍待实测
文章称阿里发布 Qwen4-Max,总参数 2.4 万亿、每令牌激活 710 亿,输入价格为每百万令牌 0.075 美元。任务成本降低六成及编程成绩领先等均为厂商口径,作者明确表示尚未独立验证或亲自测试。
AI 深度解读
Qwen4-Max 最值得程序员关注的,是原文所称的低价与长任务能力:每百万输入 token 0.075 美元,平均单任务成本比上一代低 60%,同时把代码安全放到了发布重点里。如果这些说法成立,长时间调试、多文件重构的成本账就值得重算。
但证据边界必须先划清:原文作者没有实测,性能、价格和安全结果均来自 Alibaba 的披露,尚无独立验证。下面解读的是这些主张的技术逻辑,以及开发者该怎样判断它是否适合自己的项目。
输入便宜,不等于整个任务便宜
原文称,Alibaba 于 2026 年 11 月 16 日正式发布 Qwen4-Max,此前 11 月 11 日的预览尚未给出基准、价格和完整规格。正式发布的成本叙事由三组数字组成。
第一组是模型规模:总参数 2.4 万亿,每个 token 激活 710 亿参数,比 Qwen3.8-Max 少 25%。总参数描述模型整体容量,激活参数描述一次计算实际动用多少参数。两者不同,模型可以容量更大,同时减少每次处理的计算负担。
这能解释降低成本的一条路径,但不足以推导 API 价格。实际服务成本还受硬件、推理实现和资源利用率影响,原文没有展开这些部分。
第二组是内部 Work360 基准上的平均单任务成本下降 60%。这里比较的是完成任务的成本,参照对象为 Qwen3.8-Max。它比单纯比较 token 单价更贴近开发者关心的问题,但原文没有披露任务构成、成功标准和重试成本如何计算。
第三组是 QwenCloud 的输入价格:每百万 token 0.075 美元。这个数字对大量读取仓库文件、检索材料和历史对话的任务有吸引力,却只覆盖输入部分。输出价格、并发规则、超额费用及速率限制都没说清。
现在可以计算输入账单,还不能算清一次成功交付的总成本。
另一个容易混淆的数字是 1M 上下文。原文明确指出,它仍只是预览阶段的客户端配置项,并非已经确认的服务端规格。不能因为输入报价按百万 token 计费,就认为一次请求能装进百万 token。
接上编程工具之后,还有哪些地方要测
原文列出的入口包括 QwenCloud,以及预览期间已有的 Token Plan、QwenWork、Qoder、Qwen App 和 QwenStudio。
它还称 Qwen4-Max 支持 OpenAI、Anthropic 兼容协议,因此原则上可以通过修改 base URL 和 API key,接入 Qwen Code、Cline、Claude Code、Cursor、OpenCode 或 Codex。
这给已有工具链提供了尝试空间,但兼容协议只解决了部分接口问题。工具参数 schema、流式响应、推理控制、token 统计和错误处理,仍可能因服务商而异。
例如,普通问答请求成功,不能证明连续工具调用也稳定。如果工具参数格式有差异,或者流式返回中断后的处理不同,长任务就可能在中途失败。输入再便宜,多跑几轮也会抵消收益。
编码成绩同样需要落到具体任务上。Alibaba 声称 Qwen4-Max 在其编码测试中超过 Claude Fable 5.1 和 Moonshot 的 Kimi K3.1 Pro,并在智能体任务、视觉推理上表现较强。原文没有提供足以复核的完整测试细节,作者也没有自行验证。
因此,这些结果足以成为试用理由,还不足以成为迁移结论。对前端团队,更有价值的比较对象是同一份仓库里的跨文件修改;对 Node 项目,则可以选择一次需要定位调用链、修改实现并跑通测试的调试任务。
还有部署方式的限制:Qwen4-Max 是闭源模型,没有可下载权重,不能自行部署,也不能在自己的硬件上微调。Alibaba 承诺后续推出较小的开放权重 Qwen4 模型,但日期、规模和许可证均未公布。需要离线运行或自托管的团队,目前不能把这个承诺当成可用方案。
安全训练与连续运行 48 小时,分别证明了什么
安全是原文另一条重点,而且包含几项具体做法。
Alibaba 称,训练数据经过过滤,以削弱进攻性网络攻击能力,同时保留漏洞检测等防御技能;后训练阶段加入了针对 CBRN,即化学、生物、放射性和核相关滥用风险的缓解措施。
与程序员关系最直接的,是在训练期间让安全检查与编码测试并行,关注代码注入、内存安全缺陷和访问控制错误。
这个方向值得重视。代码能编译、测试能通过,不代表它没有把权限校验删掉,也不代表拼接输入时不会引入注入漏洞。让模型写代码,就应该同时考察它引入了多少安全问题。
不过,原文只转述了 Alibaba 内测「未发现显著高风险能力」的说法,没有独立审计,也没有安全缺陷率的对照数据。读者无法据此判断,它比其他模型少引入了多少漏洞。
另一项更引人注目的披露,是 Qwen4-Max 据称连续自主研究了 48 小时,发现一种用于下一代芯片的冷却剂分子,并获得实验验证;此外还开展了自主阿尔茨海默病研究。
这类任务关注的是持续工作能力:模型能否反复调用工具、保留研究线索,并在遇到问题后继续推进。它与几分钟内完成一道基准题,考察的确实不是同一件事。
但单次案例能证明的很有限。原文没有给出人工介入程度、失败次数、工具环境和实验验证细节,也没有独立确认。更不能从科研案例直接推出它能稳定完成两天的代码重构。
原文还提到 Qwen5 的规划规模为 5 万亿至 10 万亿参数。这是路线披露,无法补足 Qwen4-Max 当前能力的证据。
我的判断
我认可原文把关注点放在「完成有用工作的成本」上。对日常 AI 编程而言,便宜的输入、稳定的工具调用和较少的返工,需要一起成立,才会形成实际收益。
但「平均单任务成本下降 60%」目前仍是内部基准结果。作者没有实测,也没有提供与其他模型在相同条件下的对照,所以关于长任务会显著变便宜的判断,仍是基于厂商数据的推测。
原文认为,如果只是通过 API 使用最强 Qwen,闭源选择在实践中不会带来损失。这个判断过于宽泛。即使团队不打算自托管,也仍然需要考虑数据能否提交给云端、限流能否接受,以及服务变化后的替换成本。
与直接更换主力模型相比,先增加一个可切换的模型入口,再用已有任务比较,更容易获得可信结论。安全训练也应按同样标准看待:方向合理,效果待验,仓库里的权限检查和安全扫描仍需保留。
能拿来做什么
- 先整理现有 AI 编程任务的输入、输出、重试次数和最终成功情况,再按每百万输入 token 0.075 美元试算输入费用。等输出报价和限流规则明确后,再比较完整任务成本。
- 选一个通常需要两三次尝试的多文件重构或长调试任务,让 Qwen4-Max 与当前模型使用相同仓库快照、提示词、工具定义和重试策略,记录延迟、token 用量、工具调用失败、修改接受率及完成次数。
- 在扩大使用之前,检查客户端的工具 schema、流式响应、推理控制、token 统计和错误恢复。尤其要跑完一次连续工具调用任务,确认问题是否出现在中途。
- 把生成代码的安全问题加入验收,重点检查注入、访问控制和项目涉及的内存安全风险。模型宣称接受过安全训练,可以作为评估线索,不能替代代码审查。