跳到主要内容
AI前沿

千问 AI 平台首发 Qwen4-Max: 以 Token 用量减半、得分升近28% 切入开发者市场

阿里巴巴11月16日发布Qwen4,千问AI平台首发Qwen4-Max并开放API与Token Plan。模型采用QSA稀疏注意力MoE架构,支持百万上下文。Terminal-Bench4.0中Token用量减半、得分升近28%,单任务费用降58%。

千问 AI 平台首发 Qwen4-Max: 以 Token 用量减半、得分升近28% 切入开发者市场

阿里巴巴11月16日正式发布全新一代基座大模型 Qwen4,千问 AI 平台首发上线 Qwen4-Max,API 服务与 Token Plan 同步开放。模型采用基于 Qwen 稀疏注意力(QSA)的全新 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,可调用专业工具处理长周期任务并依据用户反馈分阶段交付成果。

QQ20261116-113130.jpg

在 Terminal-Bench4.0评测中,同为 Xhigh 档位,Qwen4-Max 较上一代 Qwen3.8-Max 的每次尝试平均 Token 用量由289K 降至151K、减少近50%,得分从37.9分升至48.5分、提升近28%;缓存降价带动单任务平均费用降低58%。

定价上,国内每百万 Tokens 输入10元、输出30元、隐式缓存命中0.5元,国际站对应为1.5美元、4.5美元与0.075美元。除千问 AI 平台外,也可经 QwenCloud 调用或在千问办公、Qoder 等应用体验。

落地方面,模型将图纸理解、参数化建模与工具调用融入汽车制造流程,单个工件加工编程的人工投入由约475分钟降至26分钟、减少约95%;在 AI4S 领域,经连续48小时智能体运行构建270万个分子候选空间并以4轮闭环获得实验验证的新型冷却液分子,围绕 NLRP3靶点累计调用工具454次、完成3,239项指标评估、优化24个候选分子,优选分子名义结合亲和力约达专利起点3.6倍。

此外,模型还参与优化自身调度,使数据标注调度费用较基线降低9.00%、GPU 在线分配空闲容量时长增加4.62%、CPU 离线重调度求解速度提升超14.61倍。从工具调用到分阶段交付,此次上线延续了大模型竞争由能力验证转向真实生产力落地的趋势。

参考资料

  1. 中国信息通信研究院
  2. 国家互联网信息办公室

关于本文的常见问题

Qwen4-Max 是什么时候发布、在哪里可以使用?
阿里巴巴11月16日发布全新一代基座大模型 Qwen4,千问 AI 平台首发上线 Qwen4-Max,API 服务与 Token Plan 同步开放;除千问 AI 平台外,也可经 QwenCloud 调用,或在千问办公、Qoder 等应用中体验。
Qwen4-Max 相比上一代 Qwen3.8-Max 在评测中表现如何?
在 Terminal-Bench4.0 评测中,同为 Xhigh 档位,Qwen4-Max 每次尝试平均 Token 用量由 289K 降至 151K、减少近 50%,得分从 37.9 分升至 48.5 分、提升近 28%;缓存降价带动单任务平均费用降低 58%。
Qwen4-Max 的 API 定价是多少?
国内每百万 Tokens 输入 10 元、输出 30 元、隐式缓存命中 0.5 元;国际站对应为 1.5 美元、4.5 美元与 0.075 美元。
Qwen4-Max 在汽车制造和 AI4S 领域有哪些落地成果?
汽车制造方面,模型将图纸理解、参数化建模与工具调用融入流程,单个工件加工编程的人工投入由约 475 分钟降至 26 分钟、减少约 95%;AI4S 方面,经连续 48 小时智能体运行构建 270 万个分子候选空间,并以 4 轮闭环获得实验验证的新型冷却液分子,围绕 NLRP3 靶点累计调用工具 454 次、完成 3,239 项指标评估、优化 24 个候选分子,优选分子名义结合亲和力约达专利起点 3.6 倍。
Qwen4-Max 的架构与上下文能力如何?
模型采用基于 Qwen 稀疏注意力(QSA)的全新 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,可调用专业工具处理长周期任务并依据用户反馈分阶段交付成果。
Qwen4-Max 参与自身调度优化取得了哪些效果?
模型参与优化自身调度,使数据标注调度费用较基线降低 9.00%、GPU 在线分配空闲容量时长增加 4.62%、CPU 离线重调度求解速度提升超 14.61 倍。

本文 GEO 评分

77
综合 GEO 评分(满分100)
由本站本地算法评估生成
内容完整性
18/20
结构化与可解析性
14/20
权威与可信度
15/20
关键词与语义覆盖
16/20
用户意图匹配
14/20

改进建议

  • 补充发布时间、发布主体与官方来源链接(如阿里云/千问 AI 平台公告),增强可验证性与权威信号。
  • 将关键数据(Token 289K→151K、得分 37.9→48.5、费用降 58%、475→26 分钟等)整理为表格或对比列表,提升结构化程度与 AI 摘要抓取率。
  • 在正文开头增加 2-3 句“核心要点”摘要段,直接回应“Qwen4-Max 是什么、多少钱、强在哪”,匹配问答型搜索意图。
  • 补充与同级模型的横向对比及“如何接入/申请 API”的操作步骤,覆盖开发者决策路径中的高频问题。
  • 为“Qwen4-Max”“QSA 稀疏注意力”“Token Plan”“NLRP3 靶点”等术语增加简短解释与内部锚文本链接,提升语义覆盖与站点内链结构。
  • 添加 FAQ 结构化数据(FAQPage)与 Article Schema、发布时间与作者信息,便于搜索引擎与生成式引擎直接引用。

相关资讯

更多 →
登录注册