专题 · FULL STORY

Qwen4-Max 发布:架构升级与首波实测

阿里 Qwen 团队 11 月 16 日发布旗舰模型 Qwen4-Max,采用全新 MoE 架构并支持原生视觉与百万 token 上下文。官方基准显示其 token 用量省约五成、成本降六成,随后 Artificial Analysis 给出智能指数 43 分的首份第三方评测,成本优势明显但排名靠后。

2026-11-16 ~ 2026-11-16 · 3 集 · 24 条

第 1 集 · 阿里发布 Qwen4-Max:MoE 架构原生视觉,百万 token 上下文(2026-11-16,15 条)

阿里巴巴 Qwen 团队于 11 月 16 日发布旗舰模型 Qwen4-Max,定位为面向工作、创作与发现的「AI 队友」。当前结论:该模型基于全新 MoE 架构、具备原生视觉输入、支持 100 万 token 上下文窗口,仅通过 API 提供,官方确认更小尺寸的 Qwen4 系列模型将很快以开源权重发布。值得关注的是官方在效率、成本与专业工作能力上给出了大量量化数据,并配套发布了新的 Work360 基准。

已确认

  • 架构与能力:全新 MoE 架构,原生视觉输入,100 万 token 上下文窗口(m1、m7)
  • Token 效率:官方内测称 token 用量较 Qwen3.8-Max 下降约 24%(Xhigh 档)和 35%(High 档),整体最多节省约 49%50%,单任务成本降至 $1.67,成本下降超 60%(m2、m8)
  • Work360 基准:覆盖 26 个一级领域、182 个二级子域、721 个三级专业领域,Qwen4-Max 得分 52.69,高于 Qwen3.8-Max(m5)
  • 官方演示场景:3D 设计(从白模到电影级镜头,m3)、制造业(从草图到真实工业生产,m4)、科研(自主设计与合成新型冷却剂材料,m6)
  • 发布形式:仅提供 API;据 @ResearchCrafty1804 转述公告,更小的 Qwen4 系列将很快开源权重(m7)

为什么重要

  • 百万上下文加原生视觉的组合,配合显著的成本下降,直接面向长文档、多模态的专业工作流场景,与竞品旗舰形成正面竞争。
  • 官方不再只打通用榜单,而是自建 Work360 分层工作基准并密集放出行业演示(3D、制造、科研),显示其主打「真实工作场景落地」的定位策略。
  • 开源路线的分层(Max 闭源 API、小模型开源)为社区后续跟进留下空间。

第 2 集 · Qwen4-Max 基准图流出:宣称省 50% token 成本降 60%(2026-11-16,3 条)

Qwen4-Max 的基准跑分图在网络流传,官方宣称其基于全新 MoE 架构,以减少约 50% 的 token 用量跑赢 Qwen3.8-Max,单任务平均成本下降超 60%。同时流出的一整套对比图显示,Qwen4-Max 与 Qwen3.8-Max-0902、Opus5.5、GPT6.1-Sol、Kimi K3.1 等模型全面对标。不过网友 teortaxesTex 对这些宣传数据持怀疑态度,质疑其真实性。

第 3 集 · Qwen4 Max 获 AA 智能指数 43 分,成本大降但排名靠后(2026-11-16,6 条)

Artificial Analysis 于 11 月 16 日发布阿里 Qwen4 Max 的完整评测:模型在 Intelligence Index 上得 43 分,比 Qwen3.8 Max 高 9 分,仅比 Kimi K3.1 Pro(46 分)低 3 分,同时单任务成本从 $10.02 降至 $3.27(降 67%)。这一组合使其性价比明显改善,但绝对排名仍靠后,社区评价出现分歧。

已确认

  • 智能指数 43 分,略高于同类中位数 41,整体排名 38/81,上下文长度 98 万(m5)
  • 单任务成本 $3.27,比 Qwen3.8 Max 的 $10.02 低 67%,略低于 Kimi K3.1 Pro 的 $3.68;腾讯 Hy4 仅 $1.03 但分数低 8 分(m3)
  • 成本下降来自两方面:缓存价格下调 70%,以及输出 token 减少 39%(m3)
  • 每个 Intelligence Index 任务平均输出约 10.5 万 token(含 5.6 万推理 token),比 Qwen3.8 Max 的约 17.1 万明显更少,推理更克制但分数反升(m4)
  • 分项表现:在 AA-Briefcase(真实商业文件上的 agentic 知识工作)达 1686 Elo,知识工作超过 Kimi;但编码仍落后(m2)

争议与质疑

  • @OddConsideration7290 认为 Qwen4-Max 作为备受期待的阿里旗舰仅得 43 分、榜单排名靠后(远低于 Claude Fable 5.2 的 65 分、Gemini 4 Carbon 的 60 分),表现令人失望(m6)

为什么重要

  • Qwen4 Max 展示了一条「以更低成本和更少 token 输出换取相当智能提升」的路线,对高吞吐商用场景有直接吸引力
  • 知识工作分项超越 Kimi K3.1 Pro 说明其优势集中在商业 agentic 任务,编码短板则限制了综合排名,后续版本能否补齐编码是观察重点