大数跨境

ZPedia|实测 Qwen4-Max-Preview:放弃刷榜,全面倒向重度编程与 Agent,阿里 AI 走向务实

ZPedia|实测 Qwen4-Max-Preview:放弃刷榜,全面倒向重度编程与 Agent,阿里 AI 走向务实 Z Finance
2026-11-15
0
导读:知识理解更深入,世界感知更立体,Coding与Agentic能力持续进阶

11月11日,阿里千问第四代旗舰大模型Qwen4-Max-Preview正式上线。不同于以往注重参数规模和跑分榜单的发布方式,此次更新未公布具体技术参数,而是强调知识理解、世界感知及Agentic能力的进阶,并支持文本、图像与视频输入,拥有100万上下文窗口及单次约39万Token的最大输出能力。

本次发布将重点从静态评测转向实际办公场景的Token消耗转化,旨在通过真实压测验证其在编辑器、办公软件中的实用价值。

实测Qwen4-Max-Preview:办公与开发场景深度评估

基础能力与视觉生成

在经典的“鹈鹕骑车”SVG代码生成测试中,Qwen4-Max-Preview能够准确识别主体与结构,并主动补充细节(如车筐里的鱼)。虽然提示词仅要求输出代码,但模型交付了包含播放控制面板的完整网页,展现了超出预期的多模态整合能力。

复杂财报分析与数据洞察

在处理Apple、Costco及Anthropic三份口径各异的财务文件时,模型耗时8分钟完成分析。它不仅准确提取了关键营收与亏损数据,还敏锐指出Anthropic净亏损受非现金项目(可转债公允价值变动)影响严重,提醒用户避免直接比较利润增速导致的误导。面对关于2027年营收指引及估值的陷阱提问,模型均能基于事实准确回避错误推断。

三家公司报告期营收对比

Anthropic九个月经营亏损与净亏损对比

图表读取与信息提取

针对仅部分标注数据的柱状图,模型能在1分06秒内准确读取已知数值,并对未标注柱子给出合理的估读区间,同时明确说明估算局限性,未出现编造精确数据的情况,表现出良好的幻觉控制能力。

读图测试所用的柱状图:仅两个项目带数据标签

Qwen4-Max-Preview的回答

会议纪要整理与数据清洗

在混乱的双11复盘会速记整理中,模型能准确识别预算变更、任务取消等动态信息,并按要求修正纪要。在数据清洗任务中,面对含重复记录、单位不一及日期格式混乱的44行销售明细,模型成功清洗至35行,生成带公式的可更新Excel汇总表,并详细列出处理逻辑,展现了扎实的数据处理能力。

三轮修改对照

清洗对账与公式检查

PPT生成与实时检索

基于实时检索能力,模型能准确获取平头哥分拆上市的最新公告信息,生成可编辑PPT,并在估值表中明确标注“预测”性质,体现了严谨的信息来源管理。在多轮修改中,核心数据保持稳定性,仅在产品线细节上因提示词范围限制略有遗漏。

第一轮PPT第2页:时间线

第一轮PPT第4页:估值表,注明“均为预测,非发行定价”

第二轮新增的产品线表格

长文本检索与信息关联

在50万字节的客服工单中,模型准确定位相隔741行的关联线索,正确回答退款金额、经手人及政策适用性问题,统计计数与程序运行结果完全一致,展现了强大的长上下文信息检索与逻辑关联能力。

1600条工单中的“针”与计数结果

代码修复与科研复现

在代码维护测试中,模型通过复现缺陷、修复逻辑、新增测试及反证验证的完整流程,使57项测试全部通过,工程规范性良好。在科研算法复现中,数值计算准确,但在结论定性上存在过度解读倾向,将“误差下降”直接等同于“收敛到局部解”,需人工审核把关。

执行日志可视化:基线缺陷、修复后的完整测试集与真实HTTP响应

误差下降曲线与矩阵重建图

交互式应用生成

模型能够生成无外部依赖的离线HTML文件,实现包含滚动导航、动态图表及风险列表搜索功能的单页应用。在更复杂的微缩街区暴雨模拟场景中,构建了可调节参数的交互式页面,直观展示雨水花园对峰值水深的削减效果。此外,还能生成包含三维模型与游戏逻辑的离线小火车探索游戏,展现了极高的多模态代码生成与整合能力。

网页交互逐项检查

模型总评:下限扎实,边界分明

综合十二项测试,Qwen4-Max-Preview在信息检索、长文本清洗及结构化数据输出方面表现优异,幻觉控制较为克制,交付物涵盖Excel、PPT、代码包及交互式网页,工程规范性强。其短板在于缺乏硬性标准的定性推演,存在过度解读倾向,因此在涉及最终结论表述时仍需人工审核。

战略分析:不发跑分,订阅首发

公开测试产品化

Qwen4-Max-Preview以15天限时预览版形式上线,实质是一次面向真实场景的灰度测试。阿里不再强调纸面参数,而是将评价权交给用户工作流,利用用户调用轨迹沉淀后训练素材,延续上一代15天转正的节奏。

商业重心转向Token订阅

首发渠道Token Plan打包多家第三方模型及开发工具,旨在通过旗舰模型吸引开发者进入订阅池。模型在实际办公场景中的效能直接决定Token消耗量,从而推动订阅转化。实测中表现稳定的Excel、PPT生成及代码维护功能,正是核心付费卖点。

AI重资产变现出口

随着Token Foundry事业部成立及平头哥拟分拆上市,阿里构建了“芯片压成本、云供算力、模型定质量、订阅做变现”的重资产链条。Max模型作为能力上限的定义者,直接服务于千问办公及Qoder等应用,其实际干活能力决定了用户对全系列的预期及订阅意愿。

落地摩擦:入口分散

尽管策略清晰,但模型上线初期分散于Token Plan、App、办公套件、Qoder等六个渠道,且计费规则与功能差异较大,可能导致用户体验割裂与转化损耗。

结语

阿里AI的竞争尺度正从单一模型排名转向体系协同效率。随着底座模型迭代加速,基于多模型路由的需求满足成为趋势。当模型价值锚点从“解题”转向“干活”,大模型竞争的计分板已从榜单切换为账单。


【声明】内容源于网络
0
0
Z Finance
我们相信认知能够跨越阶层,致力于为年轻人提供高质量的科技和财经内容。
内容 955
粉丝 0
Z Finance 我们相信认知能够跨越阶层,致力于为年轻人提供高质量的科技和财经内容。
总阅读127.7k
粉丝0
内容955