
11月16日,阿里巴巴正式发布新一代旗舰大模型Qwen4-Max。按照阿里云公布的信息,该模型总参数量达到2.4万亿,支持原生视觉理解,拥有100万Token上下文窗口,并重点面向复杂推理、编程、办公生产力以及智能体任务等应用场景。
与单纯追求模型规模不同,Qwen4-Max此次发布所强调的另一个重点,是在维持模型能力的同时提升推理效率、降低实际任务成本,并进一步增强模型执行复杂、长周期任务的能力。

2.4万亿参数规模,采用稀疏混合专家架构
阿里云披露,该模型总参数量为2.4万亿,但每个Token实际激活的参数约为710亿。也就是说,模型并非在每次推理时都调用全部参数,而是通过稀疏激活机制,将不同任务分配给相应的专家模块,以控制推理计算开销。
相比上一代同等总参数规模的Qwen3.8-Max,Qwen4-Max每个Token激活的参数减少约25%。
模型还引入了新的注意力机制、残差连接和嵌入结构,并支持原生视觉能力和100万Token上下文窗口。这使其能够处理更长的文本和多模态信息,为复杂文档分析、代码开发以及跨工具协作等任务提供基础。
不只回答问题,更强调完成复杂任务
此次发布中,阿里巴巴将Qwen4-Max定位为面向复杂工作流程的模型,而不仅仅是一个对话式助手。
在编程和智能体任务方面,阿里云披露,Qwen4-Max在Code Arena榜单中排名第六,并在多个智能体工作流、办公效率和视觉推理测试中取得了较好表现。
在其自有的Work360评测中,覆盖721个专业领域的任务。阿里云称,与前代模型相比,Qwen4-Max在High推理模式下完成任务所需Token数量减少约35%,平均单任务成本降低约60%。
在工业制造场景中,阿里巴巴展示了模型参与生产线规划、零部件设计以及加工验证的能力。官方案例称,在一项工件加工编程演示中,模型通过反馈迭代识别过切和材料去除不足等问题,将人工编程时间从约475分钟缩短至24分钟。
这些数据来自企业发布的特定评测和演示案例,并不等同于所有生产环境下都能获得相同效果,但体现了大模型应用正在从内容生成和问答交互,进一步向专业工具调用和工作流程执行延伸。
长周期智能体开始进入科研探索场景
阿里云介绍,在一项新一代芯片冷却材料探索任务中,Qwen4完成了连续48小时的智能体运行,经过四轮闭环流程,将分子设计、合成测试和主动学习结合起来,最终发现一种经过实验验证的冷却分子。
在另一项阿尔茨海默病研究实验中,模型完成了靶点研究、分子设计和计算评估等环节,累计执行454次工具调用、3239次指标评估,并设计和优化了24种候选分子。
这类案例反映出大模型的应用方式正在发生变化:模型不再只负责生成分析结果,而是开始承担任务规划、调用专业工具、处理反馈和持续迭代等工作。
当然,科研案例仍需结合具体实验设计、验证方法和独立复现情况进行评价,不能仅凭企业演示就将其视为已经实现普遍适用的自主科研能力。
从模型能力竞争走向应用效率竞争
Qwen4-Max将总参数规模提升至2.4万亿,同时通过MoE稀疏激活机制控制每个Token的实际计算量,并以百万级上下文、原生视觉和工具调用能力拓展应用边界。这种技术路线体现出当前大模型发展的一个趋势:模型规模仍然重要,但如何把庞大的模型能力转化为更高效、更稳定、更具经济性的实际服务,同样关键。
按照阿里云公布的信息,Qwen4-Max已通过QwenCloud的Token Plan和API开放使用,并可在QwenWork、QwenStudio等平台访问。阿里巴巴还表示,Qwen4系列中规模较小的开放权重模型将陆续面向全球开发者发布。
对于国内大模型产业而言,旗舰模型的竞争已经不再局限于参数规模和单项榜单排名,而是逐步延伸到多模态理解、长上下文处理、智能体执行、专业场景落地以及推理成本控制等多个层面。
原始信息来源:
阿里云官方发布:https://www.alibabacloud.com/en/press-room/alibaba-unveils-qwen4-max
阿里云模型发布记录:https://www.alibabacloud.com/help/en/model-studio/newly-released-models
免责声明:本文版权归原作者所有。本文所用视频、图片、文字如涉及作品版权问题,请第一时间告知,我们将根据您提供的证明材料确认版权并按国家标准支付稿酬或立即删除内容!本文内容为原作者观点,并不代表本公众号赞同其观点和对其真实性负责。


为您发布产品,请点击“阅读原文”
