Qwen4-Max 阿里巴巴推出的全新一代基座大模型
Qwen4-Max是什么
Qwen4-Max是阿里巴巴推出的全新一代基座大模型,基于Qwen稀疏注意力(QSA)的MoE架构,总参数2.4T,具备原生视觉与长程任务稳定交付能力,支持百万上下文。相比上一代,Token用量降低近50%,编程得分提升近28%,单任务费用降低58%。Qwen4-Max已应用于汽车制造、材料与药物发现等真实场景,现已通过千问AI平台API和Token Plan面向开发者开放。

Qwen4-Max的主要功能
- 智能体任务执行 :可调用专业工具处理长周期任务,根据用户反馈分阶段交付成果。
- 编程能力 :在 Terminal-Bench 4.0 评测中得分 48.5,Token 用量较上代降低近 50%。
- 原生视觉与图纸理解 :支持图纸理解、参数化建模与专业工具调用,融入工程生产流程。
- 工业产线规划 :根据二维布局图与工艺参数构建三维产线,开展节拍仿真与 PLC 虚拟调试。
- 零件设计与加工 :完成部件建模、刀路生成与仿真核验,可在上机前发现并迭代过切、少切问题。
- 材料发现 :自主完成新型冷却液分子的设计、筛选、合成与测试闭环。
- 药物发现 :围绕 NLRP3 靶点自主开展文献检索、分子设计与计算评估。
- 系统自我优化 :参与优化自身推理与训练的调度方案,提升算力资源利用效率。
Qwen4-Max的技术原理
- 稀疏注意力 MoE 架构 :Qwen4-Max 采用基于 Qwen 稀疏注意力(QSA)的全新混合专家(MoE)架构,总参数达 2.4T。稀疏注意力机制在保证百万上下文建模能力的同时降低计算开销,MoE 结构则按需激活部分专家参数,使模型用更少的 Token 消耗实现更高性能。
- 长程任务稳定交付 :模型面向真实任务深度优化,具备稳定的智能体执行能力,可串联证据检索、工具执行与反馈验证形成完整链路,根据用户反馈分阶段交付成果,支撑数十小时乃至跨数字与物理世界的长周期任务。
- 自我迭代的闭环优化 :基于阿里云 AI 基础设施,Qwen4-Max 可围绕自身应用、推理和训练所需的调度方案开展自主迭代,形成模型参与优化自身运行系统的闭环,持续降低调用成本、提升 GPU/CPU 资源利用效率。
如何使用Qwen4-Max
Qwen4-Max的核心优势
- 性能更强 :Terminal-Bench 4.0 评测得分从 37.9 提升至 48.5,增幅近 28%。
- Token 更省 :同等思考档位下平均 Token 用量从 289K 降至 151K,减少近 50%。
- 成本更低 :单任务平均费用较上代降低 58%,缓存命中价格大幅下降。
- 超长上下文 :支持百万级上下文,具备原生视觉理解和长程任务稳定交付能力。
- 架构先进 :采用基于 Qwen 稀疏注意力(QSA)的全新 MoE 架构,总参数 2.4T。
- 工具调用强 :可串联证据检索、工具执行与反馈验证,自主完成长周期复杂任务。
- 行业落地深 :已在汽车制造、材料发现、药物发现等真实生产与科研场景中验证价值。
Qwen4-Max的项目地址
- 项目官网 :https://qwen.ai/blog?id=qwen4-max
Qwen4-Max的同类竞品对比
对比维度 | Qwen4-Max | Qwen3.8-Max
| 对比维度 | Qwen4-Max | Qwen3.8-Max |
| 模型架构 | 基于 Qwen 稀疏注意力(QSA)的全新 MoE 架构,总参数 2.4T | 基于 Qwen 3.5 架构扩展而成,总参数 2.4T,激活参数 95B |
| 上下文能力 | 支持百万上下文,具备原生视觉能力 | 开源权重版(Qwen3.8-2.4T-A95B)原生支持 256K 上下文 |
| Terminal-Bench 4.0 得分 | 48.5 分(提升近 28%) | 37.9 分 |
| 单次尝试平均 Token 用量(Xhigh 档位) | 151K(减少近 50%) | 289K |
| 单任务平均费用(Cost per Task) | 降低 58% | 基准水平(其 0902 版曾以每百万 Tokens 5 美元性价比著称) |
| 长程任务能力 | 可跨数字与物理世界完成数十小时闭环任务(48 小时材料研发、454 次工具调用药物发现) | 支持十天级自主编程,可连续专注数天至数十天,全程无需人工介入 |
| 自我优化能力 | 可参与优化自身推理与训练调度系统,形成自我迭代闭环 | 具备执行—反馈—迭代 |
Qwen4-Max的应用场景
- 汽车制造产线规划 :根据二维布局图与工艺参数构建三维产线,并开展节拍仿真与 PLC 虚拟调试。
- 零件设计与加工验证 :完成车门总成、摩擦轮等部件的建模、刀路生成与仿真核验,将单工件编程人工投入由约 475 分钟降至 26 分钟。
- 材料发现(AI4S) :依托一体化干湿实验环境,自主完成新型冷却液分子的设计、筛选、合成与多轮闭环测试。
- 药物发现 :围绕阿尔茨海默病相关 NLRP3 靶点,自主开展文献检索、分子设计与计算评估,持续优化候选分子。
- AI 基础设施自我优化 :参与优化自身应用、推理和训练的调度方案,提升算力资源利用效率。
相关工具
与本文相关的 AI 工具