AI 最新动态 17 分钟阅读

2.4 万亿参数只激活 710 亿、单任务成本直降 58%:阿里 Qwen4-Max 正式发布,旗舰却首次「不开源」

2026 年 11 月 16 日,阿里正式发布新一代基座模型 Qwen4-Max:2.4T 总参数采用全新 QSA 稀疏注意力 MoE 架构,每词元激活主干参数降至约 710 亿,原生视觉、支持百万上下文,官方称 Work360 单任务平均成本下降 58%。但最引人注意的是——这是 Qwen 旗舰第一次不开放权重。本文拆解「压激活、压单任务成本」的技术逻辑、汽车制造与材料发现的真实案例,以及闭源转向对企业选型的影响。

# 阿里 Qwen4-Max# 通义千问# 稀疏注意力# 单任务成本# 闭源# 企业大模型# AI 落地
中国 AI 工程师在算力中心的大屏前查看新一代基座大模型的训练指标
Qwen4-Max 主干总参数规模(稀疏 MoE 架构)
2.4T
每词元激活的主干参数,较上代减少约 25%(官方口径)
710 亿
Work360 单任务平均费用降幅(阿里自测,未经独立验证)
58%
原生支持的上下文长度(Token)
1M

要点速览

2026 年 11 月 16 日,阿里正式发布新一代基座模型 Qwen4-Max,此前于 11 月 11 日开启两周限量预览。

Qwen4-Max 延续 2.4 万亿参数主干,额外引入约 3280 亿 N-gram Embedding 参数,采用基于 Qwen 稀疏注意力(QSA)的全新 MoE 架构。

每次生成词元激活的主干参数从上一代约 950 亿降至 710 亿,减少约 25%;原生支持视觉理解与 100 万 Token 上下文。

官方披露:Work360 得分从 47.74 升至 52.69;单任务平均费用从 4.43 美元降至 1.67 美元,降幅约 62%(人民币口径约 58%)。

Terminal-Bench 4.0 上,同为 Xhigh 档,每次尝试平均词元用量从 289K 降至 151K,得分从 37.9 升至 48.5(均为官方数据)。

这是 Qwen 旗舰首次不开放权重、仅通过云端与 API 提供;官方称中小尺寸模型后续将陆续开源。

应用案例覆盖汽车制造(单个工件编程人工用时从约 475 分钟降至 24 分钟)、材料发现(48 小时筛选 270 万候选分子)与药物发现。

黄鹂鸟视角:当旗舰转向闭源与按量付费,企业需要的是统一模型网关、成本看板与可审计的落地底座。

本期三块拼图

旗舰模型、成本口径与企业落地底座——理解 Qwen4-Max 的三层结构

Qwen4-Max

阿里巴巴 · 2.4T 主干、710 亿激活的稀疏旗舰

  • QSA 稀疏注意力 MoE 架构
  • 原生视觉,100 万 Token 上下文
  • 兼容 OpenAI 与 Anthropic API 格式

单任务成本(Cost per Task)

评测口径 · 从 API 单价到「干一件活花多少钱」

  • Work360:4.43 美元降至 1.67 美元
  • 缓存命中输入价降至 0.5 元/百万 Token
  • 官方数据,第三方口径仍待验证

企业大模型应用平台

黄鹂鸟科技 · 把闭源旗舰接进可控的业务底座

  • 统一模型网关与私有化推理
  • 调用成本可计量、可审计
  • 知识库与流程编排沉淀行业能力

从预览到正式发布

Qwen4-Max 从限量预览到正式发布的约两周

  1. 2026 年 11 月 11 日

    阿里开启 Qwen4-Max 两周限量预览,开发者可提前体验

  2. 2026 年 11 月 16 日

    Qwen4-Max 正式发布,公布完整架构、评测成绩与 API 定价

  3. 2026 年 11 月 16 日

    官方披露 Work360、Terminal-Bench 4.0 等自测数据与行业应用案例

  4. 2026 年 11 月 16 日

    确认旗舰不开放权重,仅通过 QwenCloud、千问办公、Qoder 等平台提供服务

  5. 2026 年 11 月 25 日

    限量预览通道计划下线,正式版全面承接调用

  6. 2026 年 11 月 17 日

    本文梳理技术逻辑、成本叙事与企业选型的真实影响

一次「不按套路」的旗舰发布:参数不再是主角

2026 年 11 月 16 日,阿里正式发布新一代基座大模型 Qwen4-Max。在此前一天的参数预热与两周的限量预览之后,这份正式版交出的答卷里,最抢眼的不是「又把参数堆到了多少」,而是一组关于成本的数字:官方称完成一个任务的平均费用,比上一代下降了约 58%。

这标志着国产旗舰模型的叙事重心,正在发生一次微妙的迁移。过去几年,发布会的关键词是参数规模、榜单排名和上下文长度;而在 Qwen4-Max 的披露材料里,出现频率最高的是「单任务成本」「词元消耗」「缓存命中价」。原因并不复杂——当大模型真正进入企业的日常工作流,决策者关心的早已不是模型有多强,而是「用它干完一件具体的活,到底要花多少钱」。

先把基本盘说清楚。Qwen4-Max 延续了上一代 2.4 万亿参数的主干规模,并额外引入约 3280 亿的 N-gram Embedding 参数。它采用基于 Qwen 稀疏注意力(QSA)的全新 MoE 架构,原生支持视觉理解,上下文长度达到 100 万 Token。就其官方定位而言,这是一个面向编程、办公与长周期智能体任务的高能力基座。

但真正让业内讨论起来的,是另一条消息:这是 Qwen 旗舰第一次不开放权重。此前 Qwen 系列的旗舰几乎都以开源姿态出现,开发者习惯了「下载权重、自行部署」。这一次,阿里选择只通过 QwenCloud、千问办公、Qoder、千问 App 等云端渠道提供,中小尺寸模型则承诺后续陆续开源。一开一合之间,国产开源旗舰的路线出现了一道值得记录的拐点。

需要说明的是,本文涉及的评测分数与成本降幅,绝大多数来自阿里自己的披露,尚未经过独立第三方在统一条件下的复现。我们在下文会逐一标明口径,把「厂商说法」和「已验证事实」分开——这不是谨慎过度,而是阅读任何一份大模型发布材料都应有的基本习惯。

算力中心大屏显示新一代基座模型的训练与推理曲线
Qwen4-Max 把发布叙事从「参数多大」转向「单任务花多少钱」

压激活、压成本:2.4T 主干为什么只点亮 710 亿

要理解 Qwen4-Max 的成本逻辑,得先理解一个稀疏模型的核心指标:不是总参数,而是每个词元实际激活的参数。总参数决定了模型的知识容量,激活参数则直接决定了每一次推理的计算量与费用。两者之间的落差越大,稀疏架构的性价比潜力就越高。

官方数据显示,Qwen4-Max 每次生成词元激活的主干参数约为 710 亿,相比上一代约 950 亿的激活量减少了约 25%。主干规模没变,激活量却降了下来——这意味着模型在保持容量的同时,用更少的计算完成每一步推理。支撑这一点的,是重新设计的注意力机制、残差连接与词组嵌入层。

其中最具辨识度的是 Qwen 稀疏注意力(QSA)。简单来说,常规注意力在处理长序列时,需要让每个词元与前面所有词元建立关联,计算量随序列长度快速膨胀;稀疏注意力则通过机制设计,只让词元关注真正相关的部分,从而在百万级上下文里控制住开销。配合 Gated DeltaNet 等结构,模型在处理长输入时的效率得以提升。

据阿里云平台披露的对比数据,在知识、代码、问答与 STEM 等评测中,新的架构方案带来了每字节 5% 到 13% 的效率改进。这些数字属于工程层面的优化积累,单看每一项都不惊人,但叠加起来,就构成了「同样效果、更低成本」的基础。

还有一个容易被忽略的细节:在长上下文里,信息能否被准确取用,比「能装多少」更重要。100 万 Token 的窗口意味着一份长合同、一套代码库或整本项目文档可以一次性送入;但窗口中间位置的信息是否会被模型遗漏,仍需要在真实业务样本上验证。这是所有长上下文模型共同的课题,Qwen4-Max 也不例外。

对工程团队来说,这套架构带来的直接好处是部署弹性。官方表示 Qwen4 系列的中小尺寸模型后续将开源,其中 Qwen4-27B 可在 16GB 显存的设备上运行——这为「云端旗舰 + 本地小模型」的混合部署提供了想象空间。

评测大屏展示大语言模型在多项基准上的得分对比
稀疏架构的价值不在参数总量,而在每个词元激活多少参数

成本成为第一叙事:单任务降 58% 是怎么算出来的

Qwen4-Max 发布材料里反复强调的「单任务成本」,是一个比 API 单价更贴近业务的值。单价告诉你每百万词元多少钱,但完成一个真实任务要消耗多少词元、命中多少缓存、重试几次,才是最终账单的决定因素。把这几项乘起来,才是「干一件活花多少钱」。

阿里的官方口径是这样的:在其自建的 Work360 评测体系中,Qwen4-Max 的得分从上一代的 47.74 提升到 52.69,同时单任务平均费用从 4.43 美元降到 1.67 美元,降幅约 62%;换算成人民币口径,官方表述为从 26.58 元降至 11.16 元,降幅约 58%。Work360 覆盖 26 个大领域、182 个子领域、721 个细分方向,是阿里衡量「专业工作完成度」的内部标尺。

成本下降来自两条腿:少用词元,和降低单价。在 Terminal-Bench 4.0 编程评测中,同为 Xhigh 思考档位,每次尝试的平均词元用量从 289K 降到 151K,减少近一半,得分却从 37.9 升到 48.5。也就是说,模型用更少的「思考」拿到了更高的分数——这部分节省是实打实的。

价格端同样做了调整。国内 API 输入价约为每百万词元 10 元、输出 30 元,比上一代便宜约 17%;真正的关键在缓存——隐式缓存命中的输入价从 1.5 元降到 0.5 元,降幅约七成。对于智能体类任务而言,同一份代码库或文档往往被反复读取,缓存命中率一高,整体成本结构就会明显改观。

不过,第三方机构给出的数字要保守得多。Artificial Analysis 的智能指数显示,Qwen4-Max(xhigh)得 43 分,比上一代高 9 分,但比同期某些竞品低 3 分;其测算的单任务成本降幅约为 11%,远低于厂商口径的 58%。两组数字的差异,源于任务构成与计数方式不同——这也提醒我们,看待「降本」宣传时,既要看厂商的热情,也要看独立评测的冷静。

对采购方而言,最务实的做法是跳出统一榜单,用自己的高频任务建立一套小样本测试集:挑十几个真实场景,记录词元消耗、缓存命中率、端到端耗时与一次通过率,再据此估算月度账单。厂商的数字可以作为筛选依据,但只有自己的数据才能作为决策依据。

中国企业管理团队围坐会议桌核算大模型应用的成本报表
单任务成本 = 单价 × 词元消耗 ÷ 缓存效率,最终以自有样本实测为准

厂商口径降 58%、第三方测算降 11%——差异来自任务构成与计数方式。做选型时,自己的高频任务样本比任何统一榜单都更有说服力。

从汽车产线到分子实验室:三个案例里的「有用」与「待验证」

如果说榜单分数是「考场成绩」,那么行业案例就是「实战表现」。Qwen4-Max 的发布材料给出了三个方向的案例:汽车制造、材料发现与药物发现。把它们拆开看,才能分清哪些已经落地,哪些还停留在验证阶段。

汽车制造案例来自三丰智能、泛海统联等真实产线。模型读取二维布局图和工艺参数,自动搭建三维产线模型,进行节拍仿真与 PLC 虚拟调试;在零件层面完成车门总成、摩擦轮等建模后,再做刀路生成与仿真核验,把过切、少切等问题在上机之前找出来。官方披露,某个工件加工编程的人工用时从约 475 分钟降到 24 分钟,减少约 95%。

这类案例的价值在于,它把模型嵌进了「设计—仿真—验证」的闭环,而不是停留在生成一段描述。当然,475 分钟到 24 分钟是特定任务的对比结果,能否推广到其他工件、其他产线,还取决于工艺数据的规范化程度与设备接口的开放程度——这也是制造业引入大模型时真正的门槛所在。

材料发现案例更具探索性。在与深势科技(Deep Principle)Mira 平台的合作中,Qwen4 连续自主运行 48 小时,在约 270 万个候选分子的空间里完成结构筛选、性质预测与逆合成设计,并调度自动化湿实验室做真实合成,经过四轮「设计—合成—测试」闭环,拿到了一种面向高功率芯片散热的冷却液分子实物样品。

这里有一条必须如实说明的边界:官方尚未披露足以证明该冷却液实际效果优于现有材料的数据。换句话说,这是一个「跑通了流程、产出了样品」的验证,而不是「性能已被证明超越」的结论。把它写成「AI 攻克散热材料」是言过其实的。

药物发现案例同理。在 DP Technology 的 PharmMaster 平台上,模型针对阿尔茨海默症关键靶点完成 454 次工具调用、3239 项计算评估,优选分子的名义结合亲和力较起点提升约 3.6 倍。但专家明确指出,该候选分子目前只经过计算评估,仍需湿实验验证。真正值得关注的,是模型展现出的「长周期自主任务」能力,而非某个尚未验证的分子。

现代汽车制造车间里工程师在产线旁核对三维工艺模型
汽车制造案例把模型嵌入设计—仿真—验证闭环,而非停留在生成描述

Live Delivery:先交一版能用的,再逐版扩展

Qwen4-Max 引入了一个名为 Live Delivery(持续交付)的机制,官方将其描述为「先生成可用首版,再根据用户意见逐版扩展」。这听起来像是一个产品特性,实则触及了大模型落地的一个痛点:长周期任务中,用户很难在一次对话里把需求说清,模型也很难一次做到位。

官方举的例子是一个物理课堂科普网站。模型先交付一个能用的初版,随后根据反馈连续交付了 14 次可用版本,最终扩展为包含 3D 动画、交互实验与原理详解的完整站点。这个过程模拟的,正是真实的内容开发与软件迭代节奏——需求在过程中逐步清晰,产物在反馈中逐步完善。

类似的思路也出现在游戏开发场景中。官方称 Qwen4-Max 可以从自然语言需求出发,在 Blender、Unreal Engine、Unity、Godot 等工具中搭建场景、编写玩法逻辑、选择素材与设置材质,随后运行游戏,依据镜头追踪、角色动画、打击反馈与节奏的测试情况反复修改,最终产出可玩游戏。这些案例共同指向一个方向:模型不只要会「生成」,还要会「验证—迭代」。

对企业而言,Live Delivery 的意义在于改变了人机协作的节奏。过去是「提需求—等待—验收—返工」的长循环,现在更接近「先出样—边看边改—持续交付」的短循环。循环越短,试错成本越低,需求漂移带来的浪费也越少。

当然,这种能力对工具链提出了更高要求。模型要真正「持续交付」,必须能稳定运行代码、读取执行结果、正确理解反馈并保留上下文——这正是为什么百万级上下文与工具调用能力,会成为一个模型能不能落地的配套条件,而非孤立的炫技参数。

开发者在电脑屏幕上查看模型生成的代码与运行结果
Live Delivery 把长任务拆成可持续交付的短循环,降低试错成本

旗舰首次闭源:一开一合之间的路线转向

在 Qwen4-Max 的所有变化里,许可策略的转向可能是影响最深远的一项。此前 Qwen 旗舰几乎都以开放权重的方式发布,任何人都可以下载、微调与私有化部署;Qwen4-Max 则是第一次不开放权重,仅通过云端与 API 提供服务。

官方给出的信息是:Qwen4 系列的中小尺寸模型后续将陆续开源并公开权重,但具体型号与时间尚未公布。也就是说,「旗舰闭源、小模型开源」将成为这一代产品的组合策略。这一决定并非来自外部要求,而是厂商基于商业与产品节奏的主动选择。

这个转向对不同角色的意义并不相同。对希望完全私有化、数据不出内网的政企客户来说,旗舰能力不再能通过下载权重获得,需要重新评估云端调用与本地小模型之间的组合;对中小开发者而言,API 的可用性、价格与稳定性,将比「权重是否开放」更直接地影响日常使用。

从行业视角看,闭源并不等于倒退。它反映的是一个更成熟的判断:能力最强、成本最高的旗舰模型,其价值更适合通过规模化服务来释放,而开源则集中在那些能被广泛部署、被社区共同打磨的尺寸段。两条路线服务于不同需求,各有各的合理性。

真正需要注意的,是「供应商依赖」这一新变量。当核心能力转为按量付费的云服务,企业就要面对持续成本、服务可用性与接口稳定性等问题。这也解释了为什么统一模型网关与可替换的架构设计,会在下文被反复强调——它们是对冲依赖风险的基础设施。

工程师在本地算力工作站上部署与调试开源小模型
旗舰闭源、小模型开源:混合部署成为企业与开发者的现实选择

从参数竞赛到效率竞赛:一次行业性的转向

把 Qwen4-Max 放回 2026 年 11 月的行业现场,会看得更清楚它的坐标。同一天,腾讯混元发布 Hy4 flash,同样把「单任务成本」写进核心叙事;同一周,多家厂商的发布材料里,「词元消耗」「缓存命中价」「端到端用时」的出现频率,明显高过了「参数量」。这不是巧合,而是一种集体转向。

转向的背后,是大模型应用走到了一个新阶段。当模型能力普遍越过「可用」的门槛,决定胜负的就不再是「谁更强一点」,而是「谁能以更低成本、更高速度稳定交付」。对企业用户来说,一个贵而强的模型如果只在少数场景划算,就很难成为基础设施;而一个够用又便宜的模型,反而可能被大规模常开,真正嵌入日常流程。

支撑这场转向的,是智能体类任务的兴起。这类任务往往要反复读取同一份代码库或文档、连续调用工具数十次、在长上下文里维持状态——它们对缓存价格、词元效率与长上下文稳定性的敏感度,远高于一次性问答。谁把这些指标做下来,谁就拿到了智能体时代的入场券。

但也要看到硬币的另一面:效率竞赛并不等于能力不再重要。Qwen4-Max 在 Work360、Terminal-Bench 4.0 上的成绩提升,本身就说明「更少词元、更高分数」是可以兼得的;只是这种兼得更依赖架构与训练效率,而不是简单堆资源。对追赶者而言,技术门槛其实更高了。

对用户而言,这场转向是实打实的利好。厂商把成本压下来、把效率提上去,意味着同样的预算能跑更多任务、试更多想法。真正需要警惕的,是被各种降本数字牵着走——不同口径的数字之间可以差好几倍,唯一可靠的标尺,始终是自己在真实任务上的实测结果。

所以,Qwen4-Max 的意义不只在于它本身,更在于它和同期发布一起标记的这个拐点:国产大模型竞争,正从发布会的参数表,走向企业账单上的成本行。

规模化算力中心里整齐排列的服务器机柜与运维通道
行业重心从参数表转向成本行,效率成为新的竞争维度

黄鹂鸟视角:闭源时代,落地仍是系统工程

我们一贯的判断是:模型能力的上限,从来不等于企业生产力的上限。Qwen4-Max 把「又强又便宜」往前推了一大步,但把它变成业务里看得见的效率,靠的仍是一整套工程与治理能力。

第一是模型供给。旗舰闭源、小模型开源、第三方模型百花齐放,企业面对的是多模型并存的现实。统一的企业大模型应用平台能够把不同来源的模型接入同一网关,按任务类型、成本预算与数据合规要求做路由,避免每个部门各接一套、成本失控。

第二是成本可见。当计费方式从一次性采购转向按量付费,「单任务成本」就必须成为可观测指标。把调用量、缓存命中率、失败重试与业务产出关联起来,形成一张持续更新的成本看板,才谈得上精细化管理——这与厂商在发布会上强调的指标,本质上是同一件事在企业内部的延伸。

第三是知识沉淀。Work360 覆盖的专业领域再多,也不可能装进某家企业自己的术语、流程与历史案例。用知识库管理系统把行业语料与处置规范沉淀下来,通过检索增强或微调喂给模型,通用能力才会转化为「懂你这行」的专属能力。

第四是审计与治理。当模型开始调用工具、生成代码、参与决策,每一次调用都要可追溯:输入是什么、输出是什么、调用了哪些工具、是否需要人工复核。这既是对内管理的要求,也是合规审查的基础。模型越强,这条底线越重要。

一句话总结:Qwen4-Max 回答了「旗舰能不能做得又强又便宜」,答案是能;而「能不能在你的组织里安全、稳定、可计量地跑起来」,答案仍在网关、成本看板、知识库与治理这些朴素工程里。模型可以更替,底座必须自建。

知识库检索增强示意图旁,中国工程师在核验企业文档数据
旗舰能力之上,企业仍需网关、成本看板、知识库与治理四层底座

模型可以更替,底座必须自建——把能力接进来、把成本看清楚、把调用审计住,才谈得上真正的落地。

常见问题

2.4T 是模型主干的总参数规模,代表知识容量;710 亿是每个词元实际参与计算的激活参数,决定单次推理的算力与费用。它采用稀疏 MoE 架构,每次只点亮部分参数,从而在保持容量的同时降低成本。

免费需求分析

看懂了趋势,下一步是选对系统

告诉我们你的行业、团队规模和最想自动化的环节,我们从 866 条产品线里帮你匹配合适的管理系统, 或按需求定制开发——并为 AI 接入预留好规范的数据接口。

电话咨询 17666080858

7×24小时在线

黄鹂鸟科技顾问微信二维码
微信扫码,一对一咨询

把文章里的思路,落成你的系统方案

留下行业与业务规模,我们免费给出针对性的选型建议与实施路径

服务保障

  • 免费需求分析
  • 按行业匹配系统
  • 实施方案透明
  • 7×24 技术支持