大数跨境

刚刚,Qwen4-Max正式发布!单任务费用砍掉58%,智能体盲测冲上国产第一

刚刚,Qwen4-Max正式发布!单任务费用砍掉58%,智能体盲测冲上国产第一 AI范儿
2026-11-16
0
导读:千问正式发布旗舰模型 Qwen4-Max:2.4T 总参下将激活参数压至 71B,配合缓存命中低至 0.5 元/百万 token 把复杂任务均价砍掉 58%,智能体盲测冲上国产第一并开源持续交付插件。

五天前千问放预览版的时候,我翻遍了推文和页面,一张跑分图都没找着。

结果今天上午 10 点刚过,Qwen4-Max 正式版直接就发布了。

我把刚放出来的定价表、架构图和榜单全捋了一遍。

能看出来,千问这回重心明显放在了两件事上:把调用账单压下来,同时把长程任务的稳定度往上抬。

拿覆盖 721 个细分行业场景的 Work360 评测来看,跑完同一个复杂专业任务,平均花销从 26.58 元降到了 11.16 元,直接省了 58%。

▲ 图:单任务均价变化与降本驱动

26 块降到 11 块,省在了哪?

跑长程任务之所以烧钱,大头通常出在两处。

模型推理时容易越想越啰嗦,加上多轮对话里历史上下文会一遍遍重复塞进去算钱。

Qwen4-Max 先把思考和输出里的多余 token 压了一半。

在终端基准 Terminal-Bench 4.0 上,不管是 High 还是 Xhigh 档位,它消耗的 token 都比上代少了一半左右。

拿到行业基准 Work360 上,Xhigh 档少烧 24%,High 档少烧 35%。

字说少了,Work360 得分反而从 47.74 涨到了 52.69。

▲ 图:得分与 Token 消耗对比

千问 AI 平台的按量单价也一起往下降了。

国内输入降到每百万 token 10 元、输出 30 元,缓存命中压到了每百万 0.5 元,只有正常输入价的二十分之一。

这招专治几十轮工具调用、百万上下文来回翻看的长任务。塞进去过的底稿和代码库,后面反复读取基本只花零头。

海外版价格同步下调,输入 1.5 美元、输出 4.5 美元,缓存命中降了 70%。

同口径算下来,单任务均价从 4.43 美元掉到了 1.67 美元。

71B 激活参数的稀疏底子

单价敢往下打,是因为单次前向计算量先变小了。

Qwen4-Max 总参数跟上代 Qwen3.8-Max 一样,都是 2.4 万亿,但每个 token 真正激活的参数从 95B 降到 71B,瘦身整整四分之一。

为了跑百万上下文不把显存和算力拖垮,千问每四层里配了三层 Gated DeltaNet,专门把历史信息压进固定大小的状态里。

剩下那一层才留给 QSA 稀疏注意力,按块挑出眼下用得上的部分去算。

▲ 图:激活参数瘦身与混合注意力

训练期间还叠了四条并行门控残差流稳住梯度,按千问的训练记录,整轮跑下来没出现过一次 loss 尖峰。

另外在第二层外挂了一套 328B 的 N-gram 查表,不怎么吃计算量,顺带把知识容量托住了。

反映到千问内部的知识、代码、问答和理工科四项基座测验里,这一版的每字节比特数(BPB)全部创了新低,比同为 2.4T 的上代降了 5% 到 13%。

Code Arena 全球第六,Bash 命令排二十九

今早刚刷新的 Arena 第三方榜单上,Qwen4-Max 开到 xHigh 档,在前端网页开发榜 Code Arena WebDev 拿了 1,750 分(初步自动评测),冲上全球第 6、国产第 1。

▲ 图:Code Arena 前端开发排名

同一张榜上,它比上代高出 74 分,排在 Claude Fable 5.1、GPT-6.1 Sol 和 Kimi K3.1 Pro 前面,前面只剩 Anthropic、Google 和 OpenAI 的五位旗舰。

在千问自己放出的 16 项横向测试里,修 Bug 和长程办公拉开的身位最大。

DeepSWE 代码修复拿了 75.7 分排第一,Agents' Last Exam 长程任务拿了 46.7 分,比上代高出近七成。

法律智能体 HLAB 拿了 21.3 分,是 Opus 5.5 和 GPT-6 Astra 的两倍还多。

▲ 图:核心强项与终端编码对照

但偏科也挺明显,掉分集中在纯命令行终端这块。

▲ 图:Agent Arena 真实会话排名

把 Arena 今早一起放出的 1.47 万次真实用户会话榜 Agent Arena 翻出来对一下:它从上代第 39 名飙到全球第 14、国产第 1,甩开了第 19 的腾讯 Hy4 和第 21 的 Kimi K3.1 Pro。

可拆开看单科信号,它的 Bash 可靠性只排在第 29。

放到 Terminal-Bench 4.0 上看也对得上:48.5 分虽然比上代涨了近 10 分,离 Kimi K3.1 的 67.2 分和 Opus 5.5 的 59.6 分还隔着一截。

黑盒软件复刻和图表读取这两项,目前同样没追平海外顶配闭源模型。

再看 Artificial Analysis 刚更新的综合榜,涨分和降本也对得上。

智能指数从上代 Qwen3.8-Max 的 34 分跳到了 43 分,排在 Kimi K3.1 Pro(46 分)后面,压过了腾讯 Hy4(35 分)和 DeepSeek V4.1 Flash(33 分)。

按统一套题算下来,AA 单任务平均成本从 10 美元左右掉到了 3 美元出头,便宜了大约三分之二。

不过同样在 3 美元左右的价位上,Gemini 4 Hydrogen 的 xHigh 档能拿到 54 分,综合能力还是高出一截。

▲ 图:AA 智能指数与单任务成本对照

三段实录:能交初稿也能随时改

千问这次放了十段实景录像,挑三段和日常干活关系最近的看细节。

第一段进的是虚幻引擎。以前大模型做小游戏多半吐个单页 HTML,这回它直接接管 Unreal Engine,搭场景、挂资产、写玩法全包了。

做完之后,它会自己进游戏画面试跑,盯镜头跟随和打击反馈反复调参数,最后做出了《喵出法随》。

▲ 视频:虚幻引擎搭建并试跑《喵出法随》

第二段是整理企业 IPO 法律底稿,把前面法律榜翻倍的分数兑现了。

面对 198 份命名混乱、格式五花八门的文件,Qwen4-Max 自己按内容重命名归进 14 个目录,顺手建出索引。

遇到工商和司法信息对不上的地方,它还会自己联网交叉核验。

最后它揪出了对赌协议恢复条款这类隐患,输出一份 86 页、6 万多字的尽调报告,每条结论都挂着底稿出处可以回查。

▲ 视频:198 份底稿归类与尽调报告

三段里我最想日常用起来的,其实是后面的 Live Delivery 持续交付。

以前跑重型智能体干活,最烦的是它闷头运行半小时不吭声,交卷了才发现从第三步就理解偏了。

前面烧的 token 全打水漂,改起来比重写还累。

Qwen4-Max 改成了分段交卷:尽快先把第一个能用能看的 v1 版本交到你手里,接着边干边吐进度,你随时挑毛病改要求,它顺着反馈推到 v7、v14。

▲ 图:传统黑盒与持续交付对照

▲ 视频:Live Delivery 分版持续交付

配套的 Qwen-Live-Delivery-Plugin 插件已经开源,需要的人装上就能接进自己流程。

现在怎么接入

qwen4-max 的 API 今天已上线千问 AI 平台,模型页可以直接领 100 万 token 的免费额度。

接口同时兼容 OpenAI 和 Anthropic 两种格式,老项目换个地址就能切过去试。

如果高频开着 Qoder 或千问办公跑重活,走阿里双 11 正在打折的 Token Plan 套餐会比单次按量更省心;只想轻量点一点,千问 App 或 Qwen Studio 里直接就能选。

X 官推评论区一堆人在催本地部署,千问今天也把话说明白了:这次先上闭源旗舰 Max,中小尺寸模型后面会陆续开源。

打算在自己显卡上跑 27B 或轻量档的话,还得再等后续那批。

如果是重度命令行 Bash 运维这类活,单靠它目前还顶不起来,现阶段和 Kimi K3.1 或 Claude 搭配着干会更稳。

参考资料

01|千问大模型公众号|Qwen4-Max:新同事,已就位!
https://mp.weixin.qq.com/s/pJUt0xwD6H-WMyzd8TjZaQ

02|Qwen 官方博客|Qwen4-Max: Your New Teammate Has Arrived
https://qwen.ai/blog?id=qwen4-max

03|千问 AI 平台|qwen4-max 模型详情与定价
https://www.qianwenai.com/models/qwen4-max

04|Arena 官方 X 发布帖|Code Arena & Agent Arena Leaderboard Update
https://x.com/arena/status/2122153116959482051

【声明】内容源于网络
0
0
AI范儿
只讲人话,带你玩转AIGC。
内容 109
粉丝 0
AI范儿 只讲人话,带你玩转AIGC。
总阅读4.3k
粉丝0
内容109