跳到主要内容
返回时间线
Qwen来源发表:

阿里发布Qwen4-Max:2.4万亿参数、百万token上下文,Work360得分从47.74升到52.69

核心概要

阿里通义团队发布Qwen4-Max,基于新的Qwen4架构,主干参数2.4万亿、每token激活71B,原生支持视觉并具备一百万token上下文窗口。它在自建Work360行业任务基准上得分52.69,高于上一代Qwen3.8-Max的47.74;在Work360与Terminal-Bench 4.0上,达到同等努力档位所用token更少,API价格也下调。团队同时给出预训练、智能体长任务与安全方面的评测说明。

Source-provided article image: Qwen4-Max: Your New Teammate Has Arrived
Qwen

深度剖析

Qwen4-Max把上一代的能力边界整体向前推了一步:它基于新的Qwen4架构,主干2.4万亿参数、每token激活71B,另有328B N-gram Embedding参数,原生具备视觉能力,上下文窗口为一百万token。 上一代Qwen3.8-Max是这套评测里的对照基线,团队称Qwen4-Max在几乎每一项评测能力上都更强。 在自建的Work360行业任务基准上,Qwen4-Max得分52.69,Qwen3.8-Max为47.74;Work360按26个一级领域、182个二级子领域、721个三级专业方向组织任务。

同等任务下它更省token也更便宜,团队称在Work360上Xhigh与High努力档的token用量分别下降约24%和35%,在Terminal-Bench 4.0上分别下降约48%和49%。 API价格相对Qwen3.8-Max下调,缓存输入价格降幅尤其大。 在Work360评测中,每个任务的平均成本从4.43美元降到1.67美元,降幅62%。

长任务上它按阶段交付可用结果,用户可以随时介入纠偏,团队同时开源了Qwen-Live-Delivery-Plugin插件。 此前用户要等长任务全部结束才能看到结果,智能体中途出错难以挽回。 该机制让智能体先交付可用的第一版,再依据执行结果和用户要求逐版扩展改进。

在材料发现上,Qwen4在Deep Principle的Mira干湿实验平台上连续自主运行48小时,从270万分子候选空间出发,经四轮“设计—合成测试—主动学习”闭环,得到经实验验证的新型冷却液分子实物样品。 这条路径把数字设计与湿实验合成、测试接成闭环,而不止于屏幕上的分子结构。 流程覆盖结构筛选、MPA性质预测、第一性原理计算、逆合成分析与实验规划,并由自动化湿实验室完成试剂准备、合成、分离纯化与测试。

启示与展望

报道范围限于通义团队发布的Qwen4-Max模型卡内容,包括架构、基准分数、行业案例与安全评测;这些结果对应团队自建或引用的评测设置,行业案例为展示性场景。团队表示Qwen4系列后续将推出基于同一技术脉络训练的开源小模型。

团队称2.4万亿参数规模的预训练损失平稳下降、全程无损失尖峰,并将其主要归因于架构与训练优化的改进;基础模型对比中,GLM-5.3与Kimi-K3.1-Pro是后训练检查点,可能影响与基座模型的比较。安全方面,团队称内部专家审查未观察到构成大规模网络安全风险的能力,也未发现模型把相关知识转化为用户能力显著提升的风险。