刚刚,阿里通义千问正式发布新一代旗舰模型Qwen4-Max。

这次,Qwen不仅升级了模型的基础能力,还将重点放在了AI能否真正完成复杂工作。

如下图所示,Qwen4-Max采用全新的稀疏MoE架构,总参数达到2.4T,激活参数约71B参数,此外还引入328B参数的N-gram Embedding。

在架构设计上,研究团队主要围绕注意力机制、残差连接和Embedding展开优化。
其中,Gated DeltaNet与Qwen Sparse Attention相结合,降低处理超长上下文时的计算开销;Gated Residual通过四条并行残差分支改善信息传递;N-gram Embedding则利用局部Token组合增加模型的表示能力。
这些改进让Qwen4-Max在保持大规模模型容量的同时,进一步提高计算效率和训练稳定性。
在Work360专业工作能力评测中,Qwen4-Max获得52.69分,超过上一代Qwen3.8-Max的47.74分。
Token效率也有明显改善。在Terminal-Bench 4.0测试中,新模型在Xhigh和High两档推理强度下,Token消耗分别比上一代降低约48%和49%。

更重要的是,模型能力提升并没有带来更高的使用成本。
根据官方Work360测试数据,Qwen4-Max完成单个任务的平均费用从上一代的26.58元降低至11.16元,降幅达到58%。
此次发布中,Qwen4-Max展示了多个真实工作场景。
(1)在3D游戏开发中,用户只需要描述游戏需求,模型就能使用Unreal Engine等专业引擎,完成场景搭建、角色逻辑、特效制作和交互设计。
它不仅能够编写代码,还会实际运行游戏,根据画面和操作反馈调整细节,最终形成可以游玩的作品。
(2)在汽车制造领域,Qwen4-Max参与了三丰智能装备、泛海统联精密的实际生产任务。

模型能够理解二维工程图纸,调用设备库生成三维产线,并完成仿真调试;也可以辅助零件建模、加工路径规划和工艺验证。
在官方展示的一项加工案例中,单个工件的加工编程人工投入从约475分钟缩短至24分钟,减少约95%。
(3)专业办公同样是这次升级的重点。
在法律尽调案例中,Qwen4-Max处理了198份格式不统一的企业资料,自动整理为14个目录,并结合公开信息开展交叉核验。
最终,模型生成了一份86页、超过6万字的IPO法律尽调报告,覆盖股权架构、历史沿革等多个关键模块,并为结论附上可追溯的资料引用。
在金融领域,模型还能调用90个MCP工具获取市场数据,完成分析计算,并交付Excel研究底稿和可编辑PPT报告。
除了专业工作能力,长程智能体也是此次Qwen4-Max的一项重要升级。
针对Agent执行时间过长、用户难以了解进度的问题,Qwen4-Max引入了Live Delivery持续交付机制。
与过去等待任务全部完成不同,模型可以先交付一个可用版本,再根据用户反馈持续完善。
即使任务需要执行数小时,用户也能够在中途检查成果、调整需求,而不必等到最后才发现方向出现偏差。
官方同步开源了Qwen-Live-Delivery-Plugin,供开发者体验这一能力。

在科学研究场景中,Qwen4也展示了连续48小时自主执行实验任务的能力。
针对数据中心芯片散热问题,模型联合深度原理Mira提供的自动化实验环境,从270万个候选分子中开展筛选,随后进行性质预测、分子设计和实验规划。
经过四轮“分子设计-合成测试-主动学习”的闭环迭代,最终获得了经过实验验证的新型冷却液分子。
目前,Qwen4-Max已经正式上线千问AI平台,开发者可通过API或Token Plan调用。
官方还下调了API价格,其中缓存命中输入价格低至每百万Token 0.5元。
普通用户则可以通过千问APP、千问办公、Qoder和Qwen Studio等产品体验新模型。
END
关注+星标,获取AI前沿进展与开源一线动态







