千问团队正式发布 Qwen4-Max。作为全天候 AI 新同事,Qwen4-Max 基于 Qwen4 系列全新架构,拥有 2.4 万亿参数,具备原生视觉能力,支持百万 token 上下文窗口。
该模型强化了专业工具运用、长程任务执行与成果交付能力,覆盖从 3D 建模、游戏开发到工业制造,以及金融、法律、医疗等复杂场景。Qwen4-Max 现已上线千问 AI 平台提供 API 服务,用户可通过阿里 Token Plan 调用,或在千问办公、Qoder、千问 APP、Qwen Studio 等应用中体验。Qwen4 系列中小尺寸模型将陆续开源。
资源链接:
- Blog:https://qwen.ai/blog?id=qwen4-max
- API:https://www.qianwenai.com/models/qwen4-max
- Token Plan:https://platform.qianwenai.com/pricing/token-plan
性能表现
编程、办公及长程任务综合性能对比
相比 Qwen3.8-Max,Qwen4-Max 在整体能力上实现显著提升。
Code Arena: WebDev
Qwen4-Max 前端编程能力在 Code Arena 盲测榜单中位居全球前列。
Token 效率与成本
Qwen4-Max 以更少的 Token 消耗取得了优于前代模型的性能:
- Token 消耗降低:在 Work360 上,Xhigh 和 High 两档推理强度下分别减少约 24% 和 35%;在 Terminal-Bench 4.0 上,分别减少约 48% 和 49%。
- API 定价下调:大幅降低缓存命中价格。在 Work360 评测中,单个任务平均费用从 26.58 元降至 11.16 元,降幅达 58%。
预训练
Qwen4-Max 采用 Qwen4 系列全新架构,总参数 2.4T,每个 Token 激活 71B 参数,另有 328B N-gram Embedding 参数。该架构对稀疏 MoE 模型进行系统升级,优化计算效率、模型容量和训练稳定性:
GDN + Qwen Sparse Attention(QSA): Gated DeltaNet 压缩历史信息,QSA 通过轻量级索引器选择相关上下文,降低长序列计算开销。
Gated Residual(GR): 将残差流扩展为四条并行分支,通过动态读写门控增强跨层信息传递,提升训练稳定性。
N-gram Embedding: 引入局部 Token 模式的额外表示,以较低计算开销扩展模型容量。
Qwen4-Max 模型结构
在 2.4T 参数规模下,Qwen4-Max 预训练过程平稳,Loss 持续下降且无 Spike,得益于架构和训练优化的改进。
Qwen4-Max 平稳的预训练过程
在知识、代码、问答和 STEM 四类内部评测中,Qwen4-Max-Base 的每字节比特数(BPB)在参评模型中最低。相比 Qwen3.8-Max-Base,各领域 BPB 下降约 5–13%,同时每个 Token 的激活参数减少约 25%。
内部评测:指标为 10 × BPB,越低越好。
驱动真实生产力
Qwen4-Max 深度融入复杂工作流,成为驱动真实生产力的 AI 新同事。
工业与专业应用
团队构建了 Work360 综合场景建模框架,涵盖 26 个一级领域、182 个二级子领域和 721 个三级细分领域。最新评测显示,Qwen4-Max 得分为 52.69 分,显著高于上一代模型的 47.74 分。
Qwen4-Max vs Qwen3.8-Max 模型对比
任务样例
三维世界理解与生成
Blender:三维建模与场景创作
Qwen4-Max 能熟练使用 Blender,串联几何建模、场景搭建、材质配置与灯光渲染,将创意转化为细节丰富的三维作品。该能力已应用于游戏开发场景及 3D 打印实体制作。
游戏开发:基于专业引擎的游戏创作
Qwen4-Max 可驾驭 Unity、Unreal Engine、Godot 等主流引擎。通过自然语言需求,它能独立完成场景搭建、玩法逻辑开发、资产整合等,交付可运行的 3D 游戏。例如在 Unreal Engine 中打造的“喵出法随”猫咪法师冒险游戏。
汽车制造:从产线规划到零件设计与加工提效
在实际生产场景中,Qwen4-Max 融入工程流程,支持产线规划、零件设计与加工验证。
- 产线层面:根据二维布局图构建三维产线,开展节拍仿真与 PLC 虚拟调试。
- 零件层面:完成车门总成等部件建模,辅助加工工艺规划、刀路生成与仿真核验。
案例显示,单个工件加工编程的人工投入由约 475 分钟降至 24 分钟,减少约 95%。
Agentic 视频创作
借助 Qwen4 与万镜一刻,可构建端到端视频创作工作流,涵盖分镜脚本、静态资产搭建、白模预演、渲染生成及剪辑。
- 知识注入:通过文本或参考图 Prompt 注入知识,使生成更符合创作者逻辑。
- 可控性:参数化白模预演确保几何结构与空间关系一致,精确控制相机路径与时间轴。
- 稳定性:人机交互自然语言化及预演可控性提升了成品的稳定性和可解释性。
金融、法律、医疗落地实践
Qwen4 深入高门槛垂直领域,实现从“信息检索”到“专业交付”的跨越。
金融投研
Qwen4 可调用 90 个 MCP 工具,获取多市场数据并交叉核验。它能跟踪行业供需、研判宏观利率、比较股债性价比并进行多因子回测。最终交付 Excel 底稿和可编辑 PPT 报告,提供来源可查和图表对照的双重溯源保障。
企业 IPO 法律尽调
面对 198 份格式混乱的底稿,Qwen4-Max 能有效归类重命名,自动编制清单,并检索公开信息进行多源交叉核验。它能深挖协议细节识别潜在风险(如对赌协议恢复条款),并提供整改建议。最终交付一份 86 页、6 万余字的完整尽调报告,所有结论均附底稿引用。
危重症临床医疗
在处理包含大量检验单、病程记录及 1,433 张原始影像的复杂病历时,Qwen4 在单次对话中完成信息提取到辅助决策的闭环:精准查指标、梳理清晰时间线、读取数百张 CT 图像识别病灶(与医生诊断一致),并给出与医嘱对应的处置建议。
驱动长周期智能体(24/7 Agents)
Qwen4-Max 支持智能体全天候推进长周期任务,兼顾自主执行与用户掌控。
持续交付:边做边交付,方向全掌控
针对长程任务缺乏阶段性反馈的问题,Qwen4-Max 融入 Live Delivery 能力,先交付可用首版,再持续迭代更新。用户可依据每版成果评估进展、校准方向。同步开源 Qwen-Live-Delivery-Plugin。
云资源调度:提升模型自身应用、推理与训练的资源效率
Qwen4-Max 具备运筹建模、求解与验证能力,在阿里云真实业务场景中落地,优化自身所需调度方案。
- 数据标注:模型调用调度费用平均降低 10.42%。
- GPU 在线分配:整机空闲容量时长提升 4.62%。
- CPU 离线重调度:达到最优目标的求解速度提升超 14.61 倍。
驱动科学发现
干湿实验闭环:Qwen4 自主设计与合成新型冷却液材料
面向数据中心散热挑战,Qwen4 依托 Mira 一体化干湿实验环境,自主完成新型冷却液分子的设计、合成与测试。
- 连续 48 小时自主运行,构建 270 万个分子的候选空间。
- 经过 4 轮“分子设计-合成测试-主动学习”闭环迭代,获得经实验验证的新型冷却液分子样品。
药物发现:以自主科研探寻延缓认知衰退的新路径
围绕阿尔茨海默病靶点 NLRP3,Qwen4-Max 在深势科技 PharmMaster 平台上展示全链路科研能力。
- 累计调用工具 454 次,完成 3,239 项计算指标评估,设计优化 24 个候选分子。
- 优选分子与目标靶点的结合亲和力达到起点的约 3.6 倍,具有较高的研究价值。
“模型-框架-产品”协同设计
Qwen4-Max 研发过程中与 Qoder 等产品团队紧密合作,以端到端任务的交付质量检验整体效果,持续提升任务执行能力与用户体验。
安全
遵循以人为本、安全可靠等六大原则,将模型治理贯穿全生命周期。
- 软件工程:新增代码安全检测。Last Secure Code Bench 中,函数级功能与安全双通过率从 22.0% 提升至 31.8%;同时生成安全代码比例从 8% 提升至 14.7%。
- 网络安全:剔除进攻性数据,保留防御任务数据。审查显示其网络安全防御能力大幅提升,未发现产生大规模网络安全风险的能力。
- CBRN:提升内生安全,能识别潜在风险请求并给出安全回答。审查显示模型无法端到端完成具备真正创新性的危险任务。
总结
Qwen4-Max 是面向工作、创作与探索场景的全天候人工智能协作伙伴。它融合先进推理、原生视觉与长程任务执行能力,通过 Live Delivery 机制和协同设计,将复杂目标转化为可用成果。Qwen4-Max 现已就绪,Qwen4 系列小尺寸模型也将陆续开源。

