阿里Qwen4-Max正式发布:一次对推理经济学(Inference Economics)的押注

来源:爱集微 #阿里巴巴# #大模型发布#
481

这一次,阿里没有安排现场keynote。11月16日,Qwen4-Max以文档先行的方式直接转正——没有两小时的主题演讲,没有pre-briefings,也没有高管一对一访谈,核心信息全部落在官方发布文档、千问AI平台公告与一线媒体报道之中。

先给总账。简短说:大部分悬念有了答案——架构是什么、参数多大、定价几档、成本曲线怎么走,官方都摆上了台面;一部分举证责任(burden of proof)被推给了榜单与客户——CodeArena盲测是第三方背书,Work360与Terminal-Bench成绩则是官方口径;还有两件事没答上——旗舰权重何时开放、Qwen4.5与Qwen5的参数路线图如何兑现。

先交代发布了什么。Qwen4-Max是Qwen4系列首款正式版旗舰,区别于11月11日先行开放的限时预览版:总参数2.4万亿,采用基于Qwen稀疏注意力(QSA)的全新MoE架构,每Token仅激活71B,激活参数较上代Qwen3.8-Max减少约25%,另有328B N-gram Embedding参数;原生支持视觉理解,输入模态覆盖文本、图像与视频,上下文窗口100万Token,兼容OpenAI与Anthropic API格式。架构上,模型每四层中三层以Gated DeltaNet把历史信息压缩为固定状态,余下一层用Qwen Sparse Attention按block粒度选取相关上下文,Gated Residual把残差流扩展为四条并行分支,N-gram Embedding在第二层以查表方式引入局部token模式。模型已在千问AI平台上线API服务,Token Plan同步开放,千问办公、Qoder、千问APP、Qwen Studio同步接入;官方博客给它的定位,是面向工作、创作与探索的“AI队友”(AI Teammate)。

一、推理经济学成了主战场:激活参数少25%,单任务成本降58%

这次发布真正的主线,不是榜单名次,而是tokens-per-dollar。

价格先动:每百万Tokens输入、输出价格由12元/36元降至10元/30元,降幅约17%;缓存命中价格由1.5元降至0.5元,降幅约67%。用量再动:在Terminal-Bench 4.0专业编程评测中,同为Xhigh思考档位,Qwen4-Max每次尝试的平均Token用量从289K降至151K,减少近50%,评测得分从37.9分升至48.5分,提升近28%。官方在同等性能口径下还给出两组数:Xhigh、High两档推理强度的Token消耗分别减少约24%和35%,Terminal-Bench 4.0上的降幅约48%和49%。两项叠加,Work360评测中单任务平均费用从26.58元降至11.16元,降幅58%——官方对外表述为“大降六成”。

需要标注一个冲突点:Terminal-Bench 4.0的起始分在不同官方渠道通稿中口径不一,首发波次口径为37.9分起、提升近28%,后续部分通稿记为38.9分起、提升近25%,本文统一以千问AI平台首发公告为准。

我的判断:这是一次把竞争焦点从“榜单分数”挪到“推理经济学”(inference economics)的发布——用更小的激活规模与更低的单价,去换长程Agent任务的性价比。这个判断有边界:省下的单价要真正落到账上,前提是长周期任务在生产环境的调用轮次不失控,否则省下的钱会被拉长的交互吃回去。

二、榜单要分级看:CodeArena是第三方盲测,Work360是官方口径

第三方信号:在聚焦编程的CodeArena全球前端编程盲测中,Qwen4-Max的Webdev方向位列全球第6,居于GPT6-Astra与Claude Fable5.1之间,刷新中国模型最好成绩;Bloomberg的报道口径是编程基准得分接近榜首,超过Anthropic的Claude Fable 5.1与月之暗面的Kimi K3.1。

厂商口径的成绩单要分级看待:Agents‘ Last Exam(ALE)46.7分、较上代提升18.8分,Chartography 54.2分、提升12.2分,JobBench 67.3分,HLAB-Vals-1.1法律评测21.3分、进步5.9分——覆盖26个一级行业、721个细分领域的Work360全场景评测,得分从上代47.74分升至52.69分,提升超10%。这些是厂商口径的成绩,不是独立数据,方向性有用,但细节标准还没有立起来,请相应看待;CodeArena是第三方盲测榜单,证据层级更高,但单一榜单同样不等于全景。

三、开源问题的形态变了:旗舰闭源、中小开源

护城河(moat)的形态这次真的动了。官方口径很明确:Qwen4系列中的中小尺寸模型将陆续开源发布;而Qwen4-Max旗舰本身,截至发稿未开放权重。

把时间轴拨回8月:Qwen3.8-Max于8月3日发布、8月12日开放权重,是Qwen-Max级别模型首次开源,以2.4万亿参数成为当时全球规模第二大的开源大模型。更大的背景是,今年夏季,Qwen、DeepSeek、Kimi三家国产稀疏MoE旗舰先后完成迭代并开放权重——DeepSeek V4 Pro以MIT许可开放,Kimi K3开源3万亿参数。在这样的节奏里,Qwen4-Max选择旗舰闭源、中小开源,与此前“旗舰率先开放”的路线正好相反。

开放权重曾是Q系生态扩张的护城河:魔搭社区首发、国产芯片快速适配,都是这条路线的受益者。现在护城河的构成变了——从“权重可得”转向“API可得加交付可用”,生态号召力押在千问AI平台与Token Plan上;千问办公此前已整合三个分散的Agent产品、统一入口,并与钉钉初步打通。这个判断同样挂条件:如果后续开源的中小尺寸模型能力下限不足,这次形态变化反而会削弱开发者生态的粘性;若中小模型能力够硬,闭源旗舰加开源矩阵的组合,反而更接近海外头部厂商的成熟打法。

四、从“对话”到“交付”:Live Delivery与产线案例是真正的对位点

Qwen4-Max在模型内实现了持续交付(Live Delivery)机制:先生成可用首版,再按用户意见逐版扩展——一个物理课堂科普网站需求,最终交付14次可用版本,扩充为含3D动画、交互实验与原理详解的完整站点。它还具备运筹建模、求解与验证能力:基于阿里云AI基础设施自主闭环优化自身运行系统,把数据标注场景的模型成本费用降低10%,把CPU离线重调度场景的最优求解速度提升超14倍。

产业案例集中在汽车制造与专业服务:在三丰智能、泛海统联的实际生产场景中,模型把图纸理解、参数化建模与专业工具调用融入工程流程——从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;完成车门总成、摩擦轮等部件建模,在上机前检出过切、少切问题;所展示的加工案例中,单个工件加工编程的人工投入从约475分钟降至26分钟,减少约95%。法律场景中,模型将近200份散乱底稿整理成完整IPO尽调报告;金融投研场景可调用90个MCP工具;科学研究侧,Qwen4参与了新型冷却液分子设计与筛选等材料发现工作。预览期间,海外开发者从零搭建3D地下城场景、复刻类《我的世界》的3D游戏,完成度获得较多好评。

有行业调研把这次发布概括为“大模型加速从对话走向交付”。方向我同意,但要分开看:官方演示案例与生产环境的规模化交付是两回事,前者证明能力上限,后者才证明利用率与稳定性。

五、What Still Has to Be Proven:四件仍需证明的事

  1. Work360单任务平均费用从26.58元降至11.16元,是官方测算口径,需要在真实客户负载下由第三方复现——方向性有用,细节标准尚未立起来。

  2. 旗舰闭源之后,Q系开放权重生态(魔搭社区首发、第三方芯片适配、私有化部署)能否维持此前的扩张速度。

  3. 100万Token上下文与长周期Agent任务在生产环境的利用率、效率与稳定性——预览期的海外口碑是积极信号,还不是生产验证。

  4. 中小尺寸开源模型的能力下限与开放节奏——旗舰闭源的成败,最终要由它们兑现。

把时间轴拨回三个月前,再看这次发布

三个月前的8月3日,Qwen3.8-Max以2.4万亿参数、95B激活出场,一周后开放权重,Artificial Analysis得分从40升至45,与Claude、GPT最强模型同处第一阵营。那时阿里的悬念是“能否打进第一梯队”;这一次,动能不再是问题——成本曲线、第三方榜单、产业案例都已到位,待证明的变成了利用率、生态与节奏。这是从根本上更好的问题(fundamentally better problem),我会紧盯着这一局(I’m watching this one closely)。

公司面背景值得放在同一张桌上:阿里最新一个季度资本开支677亿元,过去5个季度有4个自由现金流为负,账上约4745亿元现金及流动投资托底,并通过港股配售募资约800亿港元投向AI基础设施;CEO吴泳铭此前表示,将在3年3800亿元AI与云基建投入的基础上追加更大投入。Morningstar的谭绮蘅认为上调资本支出是积极迹象、表明AI基础设施需求比预期更强;Nomura的史家龙表示市场认为管理层对中国AI需求的展望乐观。旗舰模型的成本曲线下探,与这组资本开支数字,是同一条战略线的两端。

责编: 爱集微
来源:爱集微 #阿里巴巴# #大模型发布#
THE END

*此内容为集微网原创,著作权归集微网所有,爱集微,爱原创

关闭
加载

PDF 加载中...