撰文 | 高晓阳
编辑 | 郝鑫
11月15日,千问发布新一代旗舰模型Qwen4-Max。该模型总参数达2.4万亿,具备原生视觉能力与百万token上下文窗口,定位为“全天候AI新同事”,核心聚焦长程任务与成果交付。
为验证其实际效能,我们设计了前端互动网页、Godot 3D游戏、视频白模预演及自主检索PPT四项测试。结果显示,Qwen4-Max均交付了可直接使用的成品,且在环境搭建、运行测试、画面检查及问题修复等环节实现了高度自主。
测试得出三大核心结论:
1. 交付前自我验证成为常态。借助原生视觉能力,模型在代码编写、游戏制作、镜头规划及PPT生成后均能自主检查,形成“生成—检查—修改”闭环。
2. AI开发游戏门槛显著降低。引擎下载、模板续传、在线发布等工程环节由模型协同完成,用户无需掌握专业工具或配置环境即可获得可运行游戏。
3. 精准执行修改意见。针对游戏数值偏难等问题,模型不仅落实了六项修改意见,还额外修复了两处未指出的程序缺陷,证明其在迭代中能持续实质改进。
总体而言,Qwen4-Max展现了交付前主动自查的工作能力。
架构更省,能力更强,成本更低
本次升级重在提升任务完成能力,而非单纯追求评测分数。
第一,新架构实现高效推理。Qwen4-Max总参数2.4T,每token激活71B,另含328B N-gram Embedding参数。架构采用Gated DeltaNet压缩历史信息、Qwen Sparse Attention按块选择上下文,并将残差流扩展为四条并行分支。官方表示,预训练全程无loss spike,激活参数较上一代减少约25%。
第二,强化专业工具与长程任务能力。在覆盖26个一级领域的Work360行业基准中,Qwen4-Max得分52.69。同时引入“持续交付(Live Delivery)”机制,先交付可用首版再逐版完善,并开源Qwen-Live-Delivery-Plugin支持体验。
第三,使用成本大幅下降。Work360评测显示,Xhigh和High两档推理强度的token消耗分别减少约24%和35%;单个任务平均费用从26.58元降至11.16元,降幅达58%。
四项实测:难度逐级递进,成品全部可用
测试遵循三项原则:仅使用千问办公模拟普通用户操作;仅提供需求不提供素材;需求明确可核对,成品逐条验收。四项任务难度递增,涵盖单文件网页、完整游戏工程、空间精度预演及联网检索PPT。
第一项:前端互动网页。以“秦始皇骑北极熊”为题,模型一次性生成SVG动画,并按要求扩展为三幕互动网页《秦始皇骑北极熊巡游记》。成品包含咸阳宫、长城、雪原三幕及仿古字幕,角色具备待机、奔跑、互动三种状态,且两轮修改均未影响原有功能。
第二项:Godot 3D动作游戏。开发《北极熊武士》并发布于公网。模型自主解决引擎下载超时问题,通过截图检查修正视角错误,并完成在线发布。针对数值偏难反馈,模型在第二版中落实六项修改,将资源包从14MB压缩至253KB,编写自动通关程序,并额外修复两处程序缺陷。
第三项:中式庭院白模预演。制作20秒五镜头预演,准确还原尺寸与关键时间点。模型提前确认交付形式,消除需求歧义并写入参数表,对各镜头机位进行数学校验。时间轴核对显示停步、亮灯、开门等节点无误,个别遮挡问题经指令调整后解决。
第四项:自主检索PPT。制作《国产AI大模型2026年发展盘点》,交付14页可编辑文稿,含3张原生图表及出处链接。模型经5轮联网检索梳理行业格局,并在最后一页给出“竞争主轴=单位任务成本×交付可靠性”的判断。排版上,模型渲染图片后调用视觉能力自查文字溢出、图表可读性等问题,修改4页后复核通过。
自我验证,让长程任务走进日常工作
Qwen4-Max将大模型竞争重点从“答得好”推向“交得出”。
能力层面,自我验证是交付可靠的前提。随着任务难度增加,模型通过交付前自查保证了成品质量,使原生视觉与长程执行能力转化为实际生产力。
产品层面,模型与千问办公2.0深度协同,提供沙箱、网页发布等工具。用户只需描述需求,环境搭建、调试和发布均可交由模型完成,大幅降低使用门槛。
成本层面,单任务费用下降58%及中小模型陆续开源,为长程智能体普及奠定基础。
能力、产品与成本的同步推进,使“全天候AI新同事”定位得以落地。Qwen4-Max养成的交付前自查习惯,正是AI胜任新同事角色的关键素质。
微信号|TMTweb
公众号|光子星球

