Qwen4-Max 发布:阿里把旗舰模型押在长程 Agent 上
Qwen4-Max 发布:阿里把旗舰模型押在长程 Agent 上
11 月 16 日,阿里发布 Qwen4-Max。官方给出的核心规格是:2.4 万亿总参数、每 token 激活 71B、原生视觉能力、100 万 tokens 上下文,并在编程、Agent 和视觉推理上重点宣传。
这次发布最值得看的不是单点分数,而是它把“长程 Agent”放到了旗舰模型的中心位置。
一、参数更大,但激活更少
Qwen4-Max 采用 MoE 架构,总参数 2.4T,但每 token 只激活 71B。官方称相比同规模 Qwen3.8-Max,激活参数减少 25%。
这代表旗舰模型的竞争逻辑正在变化:
- 总参数决定能力上限;
- 激活参数影响推理成本;
- 稀疏注意力与路由影响长上下文效率;
- 最终要看每个任务的总成本。
参数更大不等于每次推理都更贵,关键看实际激活了多少、缓存如何复用、任务需要多少 token。
二、原生视觉与 1M 上下文
Qwen4-Max 支持文本、图像和视频输入,并把这些能力放在同一个基座模型中。官方特别提到复杂图表、视觉推理和工作流场景。
100 万 tokens 上下文也不只是“能塞更多文档”,更重要的是让模型在长任务中保留:
- 目标和约束;
- 之前的工具结果;
- 已尝试方案与失败原因;
- 当前环境状态。
对 Agent 来说,上下文能力最终要体现在“能否持续完成任务”,而不是一次能输入多少材料。
三、长程任务的实际案例
阿里给出的案例包括:
- 云资源调度优化;
- 汽车制造中的产线规划、零件设计与加工验证;
- 48 小时连续运行的芯片冷却材料发现流程;
- 阿尔茨海默研究中的多轮分子设计与评估。
这些案例的共同点是工具调用多、任务周期长、反馈来自外部系统。模型需要根据结果不断修正,而不是生成一次答案就结束。
四、开放策略:旗舰闭源,小模型开源
官方表示,Qwen4 系列中更小规模的开源模型将很快发布。这意味着 Qwen4-Max 本身可能主要通过云服务提供,而开放生态由小模型承担。
对大厂模型来说,这是一种常见组合:
| 层级 | 作用 |
|---|---|
| 旗舰闭源/云 API | 冲击能力上限、服务企业复杂任务 |
| 开源小模型 | 建立开发者生态、支持本地部署 |
| 中间模型 | 平衡成本与能力 |
五、评估时该看什么
我会用四类任务测试 Qwen4-Max:
- 长上下文中的目标保持;
- 多工具连续调用后的错误恢复;
- 图表和界面视觉理解;
- 单位成功任务的总成本。
厂商 benchmark 可以作为线索,但不能替代真实任务集。
六、我的判断
Qwen4-Max 代表国内大厂旗舰模型的另一个方向:不再只追逐榜单,而是把长上下文、视觉、工具调用和持续执行打包成企业 Agent 能力。
真正的竞争会发生在“长任务成功率”和“每个任务成本”上。模型规格只是入场券,能否稳定完成工作流才是产品价值。
参考来源
- Alibaba Unveils Qwen4-Max: New AI Teammate for Work, Creativity, and Discovery(2026-11-16)— https://www.alibabacloud.com/blog/alibaba-unveils-qwen4-max-new-ai-teammate-for-work-creativity-and-discovery_603783
- Alibaba Cloud Model Studio: qwen4-max — https://www.alibabacloud.com/help/en/model-studio/qwen4-max
说明:参数、评测和定价来自阿里云官方材料;开源计划与生产表现仍需后续验证。





