阿里发布 Qwen4-Max:2.4 万亿参数,主打长上下文低成本
阿里巴巴发布旗舰模型 Qwen4-Max,总参数 2.4 万亿,每个 token 仅激活 710 亿,采用混合架构以大幅削减长上下文成本。据 The Decoder 报道,Qwen4-Max 在 Artificial Analysis 智能指数上仅次于 Kimi K3.1 Pro,阿里还计划将更小的 Qwen4 系列开源。社区用户已引用 Artificial Analysis 数据称其得分 43、平均每次任务成本 3.27 美元,并实测了 none、low、high、xhigh 四档推理强度。速度与性价比仍是讨论焦点:有开发者表示此前 Qwen 3.8 输出约 30 tokens/秒,约为 Opus(近 80 tokens/秒)的一半。
已证实与未证实
- 已证实: 据 The Decoder 引述阿里官方博客,Qwen4-Max 是总参数 2.4 万亿、每 token 激活 710 亿的混合架构旗舰模型,官方称其显著降低长上下文成本,并计划开源更小的 Qwen4 模型;第三方站点 Artificial Analysis 已收录该模型页面,社区用户 maplet 引用其数据给出 43 分与平均 3.27 美元成本。
- 尚未证实: 阿里“成本大幅降低”的具体口径与官方定价表、更小开源模型的尺寸、许可证与时间表均未出现在现有材料中;The Decoder 的“价格远低于竞品”与社区成本数据存在张力——按 maplet 的同一说法,GPT-6.1 Sol(medium)为 46 分、平均 0.36 美元,但两者是否同口径统计并不明确,无法直接比较;“仅次于 Kimi K3.1 Pro”的排名也仅见于该报道一处来源。
背景
Qwen4-Max 属于稀疏混合专家(MoE)模型:虽然总参数达 2.4 万亿,但每个 token 只激活其中一部分,因此推理开销远低于参数总量给人的直觉印象;这次每次仅激活 710 亿参数。它与前代 Qwen3.8 Max 参数规模相同,但换用了 3:1 的 GDN-to-QSA 层堆叠并加入原生视觉能力。第三方测评显示其价格为每百万 token 输入 1.50 美元、输出 4.50 美元,明显低于同档竞品。
为什么重要
对要跑长上下文或批量任务的开发者,真正该比较的是“每次任务花多少钱”而不是每 token 单价:社区给出的对比显示 Qwen4-Max 的单次成本高于部分闭源模型,而此前的 Qwen 系列模型曾因约 30 tokens/秒的吞吐在 agent 类评测中吃亏,因此选型时应同时实测吞吐量与四档推理强度的表现,而不是只看指数分数。
后续看点
阿里承诺开源的小尺寸 Qwen4 模型何时放出、包含哪些规格与许可证;以及 Artificial Analysis 等第三方在统一口径下对 Qwen4-Max 成本与延迟的复核结果。
社区讨论
Hacker News 的讨论集中在性价比与速度:maplet 引用 Artificial Analysis 数据称 Qwen4-Max 得 43 分、平均成本 3.27 美元,而 GPT-6.1 Sol(medium)为 46 分、0.36 美元;seizethecheese 则表示 Qwen 3.8 质量不错,却因约 30 tokens/秒的速度拖累了他们自建 opencode 对战系统的评分。Simon Willison 还按 none、low、high、xhigh 四档推理强度做了“鹈鹕”测试,并与 Qwen3.8 Max 的结果对照。
本事件的相关报道
- 2026-11-16 · qwen.ai: Qwen4-Max
- 2026-11-16 · The Decoder: Alibaba’s Qwen4-Max takes on Opus 5.5, GPT-6, and Kimi K3.1 Pro at much lower prices
评论
评论需要 GitHub 账号登录,会经过管理。 评论规则