阿里巴巴推旗舰Qwen4-Max 靠查表降本58%迎战国际巨头

阿里巴巴发布新一代旗舰 Qwen4-Max — AI技术投降派

AI技术投降派

新模型不再单卷智商极限,而是通过3280亿参数查表字典与超低激活率将推理成本腰斩,但其商业成色仍取决于第三方评测追赶与后续27B开源落地。

AI-assisted summary of 阿里巴巴发布新一代旗舰 Qwen4-Max — original source. Check the original for full context.

Source published:

Key ideas

  • 阿里巴巴正式发布新一代旗舰模型 Qwen4-Max,总参数达 2.4 万亿,但每字仅激活 710 亿参数(约 3%),相比上一代激活参数削减约四分之一,预训练全过程未出现损失尖峰。 (0:00)
  • 模型创新性引入 3280 亿参数的第二层 N-gram 词组嵌入查表组件,通过查表代替部分推理计算,结合 3:1 混合注意力机制大幅降低显存开销。 (1:40)
  • 通过 Token 精简、API 降价 16.7% 以及 Prompt 缓存命中价直降至 0.5 元/百万 Token(仅原输入价 5%),综合办公单任务成本降低 58%。 (2:44)
  • 商业落地上主打“持续交付”工作流并开源配套插件,但 Max 本身保持闭源,且在第三方实测中暴露出首字延迟高及部分编程基准落后等短板,社区正密切等待 27B 等中小尺寸版本开源。 (5:43)

Detailed notes

## Background 该视频由 Bilibili UP 主“AI技术投降派”于 2026 年 11 月 17 日发布。视频聚焦阿里巴巴新发布的旗舰大模型 Qwen4-Max,抛开枯燥的参数表,通过“一座楼、一本字典、一张账单”的比喻,通俗解读该模型的底层架构升级、降本逻辑与落地表现。

## TL;DR Qwen4-Max 拥有 2.4 万亿总参数,但通过引入 3280 亿参数的免计算词组查表字典以及混合注意力机制,实现了每输出一个字仅激活 710 亿参数(约 3%),且预训练损失曲线无异常尖峰。依托精简的 Token 消耗、降幅约 16.7% 的 API 单价以及腰斩至 0.5 元的缓存命中价,该模型将单任务办公成本大幅压缩 58%,并推出了边交初稿边迭代的“持续交付”工作流。尽管在尽调研读、医疗影像与工业数控等真实场景表现亮眼,但视频也客观指出了它在第三方机构测试中测速滞后、终端与专项编程基准落后于竞品顶尖水平等短板,强调其核心优势在于极致省钱与务实算账,而社区也正在静候其 27B 等中小尺寸开源版本的到来。

## Atmosphere & style 全片充斥着工程师视角的极客幽默与冷静克制,彻底摒弃了常见的新品吹捧套路,语言风格通俗犀利且极具画面感。UP 主用“思考贵、查表便宜”、“整栋楼亮 3% 的灯”等精妙比喻将晦涩架构讲得深入浅出,随后又毫不留情地连续倒出“三盆冷水”,直面独立评测的惨淡跑分。整体节奏紧凑轻快、客观不护短,传达出一种在喧嚣 AI 军备竞赛中“不卷虚假智商、专卷算力精打细算”的清醒与务实。

## Bulletin - [00:00](https://www.bilibili.com/video/BV1LXsz6qEfM?t=0s) 阿里巴巴正式发布新一代旗舰模型 Qwen4-Max,总参数达 2.4 万亿,但每字仅激活 710 亿参数(约 3%),相比上一代激活参数削减约四分之一,预训练全过程未出现损失尖峰。 - [01:40](https://www.bilibili.com/video/BV1LXsz6qEfM?t=100s) 模型创新性引入 3280 亿参数的第二层 N-gram 词组嵌入查表组件,通过查表代替部分推理计算,结合 3:1 混合注意力机制大幅降低显存开销。 - [02:44](https://www.bilibili.com/video/BV1LXsz6qEfM?t=164s) 通过 Token 精简、API 降价 16.7% 以及 Prompt 缓存命中价直降至 0.5 元/百万 Token(仅原输入价 5%),综合办公单任务成本降低 58%。 - [05:43](https://www.bilibili.com/video/BV1LXsz6qEfM?t=343s) 商业落地上主打“持续交付”工作流并开源配套插件,但 Max 本身保持闭源,且在第三方实测中暴露出首字延迟高及部分编程基准落后等短板,社区正密切等待 27B 等中小尺寸版本开源。

## Key takeaways - [00:00](https://www.bilibili.com/video/BV1LXsz6qEfM?t=0s) Qwen4-Max 官方定位为“全天候 AI 新同事”,曾匿名试岗四天后官宣,综合办公基准单任务成本从 26.58 元降至 11.16 元,降幅达 58%。 - [00:49](https://www.bilibili.com/video/BV1LXsz6qEfM?t=49s) 总参数规模为 2.4 万亿,单字激活参数由上一代的 950 亿压减至 710 亿,知识、代码等四大基座任务激活量全部为同台最低。 - [01:40](https://www.bilibili.com/video/BV1LXsz6qEfM?t=100s) 在第二层引入 3280 亿参数的 N-gram 词组嵌入查表字典,不参与推理矩阵计算,以低成本查表代替昂贵的深度思考计算。 - [02:18](https://www.bilibili.com/video/BV1LXsz6qEfM?t=138s) 网络架构采用 3 层门控增量网络搭配 1 层稀疏注意力的混合机制,结合四分支残差流,实现了 2.4 万亿训练全程的“零尖峰”损失曲线。 - [02:44](https://www.bilibili.com/video/BV1LXsz6qEfM?t=164s) 在自建综合办公基准 Work360 提升至 52.69 分,真人盲测 Agent Arena 升至全球第 14 名(中国模型首位),前端编程盲测排全球第六。 - [03:42](https://www.bilibili.com/video/BV1LXsz6qEfM?t=222s) 降本策略由三层刀法构成:终端基准 Token 消耗减半、API 输入输出单价直降六分之一、Prompt 缓存命中单价直降 66.7% 至 0.5 元/百万 Token。 - [03:42](https://www.bilibili.com/video/BV1LXsz6qEfM?t=222s) 国际比价中,输出单价约为 Gemini 氢版的六成、Claude 旗舰的两成出头,缓存价格达到国际并列最低档。 - [04:38](https://www.bilibili.com/video/BV1LXsz6qEfM?t=278s) 落地验证涵盖 198 份底稿自动生成 86 页带溯源尽调报告、单对话读取 1433 张影像精准诊断,以及工业数控编程工时由 475 分钟压至 24 分钟。 - [04:38](https://www.bilibili.com/video/BV1LXsz6qEfM?t=278s) 推行“持续交付”机制,改长程任务开盲盒为逐步交出可用版本并支持中途调整,其配套智能体插件已以 Apache 协议开源。 - [05:43](https://www.bilibili.com/video/BV1LXsz6qEfM?t=343s) 第三方机构 Artificial Analysis 评测仅给出 43 分,指出其部分测试单任务花费达 3.27 美元且首字延迟长达两分半。 - [05:43](https://www.bilibili.com/video/BV1LXsz6qEfM?t=343s) Terminal Bench 基准(48.5 分)与特定编程测试(31 分)仍显著落后于行业顶尖旗舰(分别为 67.2 分与 65 分)。 - [06:50](https://www.bilibili.com/video/BV1LXsz6qEfM?t=410s) 旗舰 Max 维持闭源商用,开源生态的真正看点转向中小尺寸版本,第三方榜单已现 27B 早期身影,预计未来两个月内陆续开源。

## Detailed walkthrough ### [00:00](https://www.bilibili.com/video/BV1LXsz6qEfM?t=0s) 楼与字典:2.4 万亿参数的稀疏进化与零尖峰曲线

阿里巴巴正式发布新一代旗舰模型 Qwen4-Max(通义千问 4-Max),官方定位为“全天候 AI 新同事”。在正式官宣前还有一个插曲:它提前五天顶着化名挂在自家编程工具中匿名试岗,被网友实测了四天才正式亮明身份。要认识这位“新同事”,最直观的方式就是看账单——同一套办公基准任务,上一代平均花费 26.58 元,而这一代降至 11.16 元,成本直接砍掉 58%,且综合性能明显上涨。

剖析其底层架构,Qwen4-Max 原生支持视觉与百万 Token 上下文,总参数量达 2.4 万亿,但模型每输出一个字仅激活其中的 710 亿参数。把模型比作一栋超级大楼,它每输出一个字,整栋楼仅点亮约 3% 的灯。对比上一代同为 2.4 万亿总参数的基座,每字激活参数从 950 亿降至 710 亿,砍掉了近四分之一。在官方与 5 个主流大模型基座的同台对比中,其知识、代码、问答、理工四项激活参数全部最低,比上一代低了 5% 到 13%。

这一代架构最独特的创新是引入了高达 3280 亿参数的查表组件——即 N-gram 词组嵌入(Phrase Embeddings)。该组件被安装在模型的第二层,工作逻辑如同查字典:遇到特定词汇时,先结合局部前文查表,直接把高频搭配的现成表示拼接进来。关键在于查表不属于深度思考,这 3280 亿参数完全不参与推理矩阵计算,相当于系统附赠的容量。这本“字典”的体量是每字思考参数的 4.6 倍;正如评测中所总结的:“连大模型都想通了一件事,思考贵,查表便宜。”

在注意力与网络结构上,Qwen4-Max 进行了两处重要升级:其一是混合注意力机制,每四层结构中有三层采用门控增量网络,将历史上下文压缩为固定状态以大幅节省显存,仅保留一层稀疏注意力用于按块快速检索长上下文;其二是残差流从单条通道扩建为四条并行分支,配合动态门控进行读写。这套架构带来了极高的训练稳定性,在 2.4 万亿规模的预训练全程中,模型的损失曲线没有出现过一次异常尖峰(Spike)。

```mermaid flowchart TD accTitle: Qwen4-Max 混合稀疏计算与查表架构 accDescr: 展示输入 Token 如何经过词组嵌入查表与多分支注意力混合网络完成低成本推理

subgraph InputStage["输入与静态查表"] IN["输入 Token 流"] --> PE["第二层词组嵌入 (N-gram 字典)<br/>3280 亿参数 (仅查表,不耗推理计算)"] end

subgraph CoreMoE["动态推理大楼 (总参 2.4 万亿 / 仅激活 710 亿)"] PE --> Gating["动态门控读写与残差分支 (4 条并行通道)"] Gating --> GIN["3 层门控增量网络<br/>(状态压缩,极致省内存)"] Gating --> SA["1 层稀疏注意力<br/>(分块快检长上下文)"] end

GIN --> OUT["高效输出 (每字激活 3% 参数)"] SA --> OUT ```

- **总参数规模**:2.4 万亿(2.4T),每字仅激活 710 亿(71B),激活比例仅约 3%。 - **激活参数降幅**:相比上一代 950 亿激活参数削减约 25.3%,对比其他基座在四大核心任务上降低 5% 至 13%。 - **词组嵌入字典**:第二层集成 3280 亿参数查表组件,体量达单字激活思考参数的 4.6 倍。 - **混合注意力比例**:门控增量层与稀疏注意力层比例为 3:1。

---

[02:44](https://www.bilibili.com/video/BV1LXsz6qEfM?t=164s) 官方成绩单与三层成本刀法

在基准评测方面,官方自报的数据涵盖了多项日常任务与专业开发基准。在阿里巴巴自建、涵盖 26 个行业与 721 个细分交付场景的综合办公基准 Work360 中,得分从上一代的 47.74 提升至 52.69;终端操作基准 Terminal Bench 从 38.9 提升到 48.5,且在得分上涨的同时字数消耗减少了一半。在纯真人盲测的智能体竞技场(Agent Arena)中,Qwen4-Max 从第 39 名跃升至第 14 名,居中国模型首位;前端编程盲测排在全球第六名,刷新了中国大模型的历史成绩。此外,其在软件工程基准 SWE-bench 取得 75.7 分,生物谜题取得 85 分。官方口径公布的 16 项主流测试中共有 4 项位列第一,这也坦承了模型并非全维度碾压对手。

单任务成本之所以能压缩 58%,来自官方精细设计的“三层刀法”: 1. **第一层:字数变精炼**。终端基准测试中的 Token 消耗量直接降了将近一半,模型输出精练,没有冗长废话。 2. **第二层:API 单价调降**。百万 Token 输入价格从 12 元降至 10 元,输出价格从 36 元降至 30 元,单价降幅为六分之一(约 16.7%)。 3. **第三层:上下文缓存(Cache)暴降**。Prompt 缓存命中单价从 1.5 元直接切至 0.5 元,仅为原输入基准价的 5%。

在国际定价维度,百万 Token 输入 1.5 美元、输出 4.5 美元,输出单价约为谷歌 Gemini 氢版(Flash)的六成、Claude 旗舰级模型的两成出头,缓存命中价则与 Google 处于国际并列最低档位。

| 计费与消耗维度 | 调整前 / 竞品参考 | Qwen4-Max 现行数据 | 降幅与优势 | |:--- |:--- |:--- |:--- | | **终端基准 Token 消耗** | 基准 100% 消耗 | 消耗减少约 50% | 思考更精简,账单天然腰斩 | | **API 输入单价(每百万 Token)** | 12 元人民币 | 10 元人民币(约 $1.5) | 价格直降 16.7% | | **API 输出单价(每百万 Token)** | 36 元人民币 | 30 元人民币(约 $4.5) | 达 Claude 旗舰约 20%、Gemini 氢版约 60% | | **缓存命中单价(每百万 Token)** | 1.5 元人民币 | 0.5 元人民币 | 直降 66.7%,仅占输入单价的 5% | | **单任务综合办公账单** | 26.58 元人民币 | 11.16 元人民币 | 综合成本总体降低 58% |

---

[04:38](https://www.bilibili.com/video/BV1LXsz6qEfM?t=278s) 落地实战与“持续交付”工作流

在企业端实际应用与长文本吞吐中,官方挑了三个严苛落地案例:其一是投行场景下阅读 198 份凌乱的原始底稿,最终整理并输出为结构规整、多达 86 页的尽职调查报告,且每条结论都附带精确的底稿出处;其二是医疗场景,在单次对话中完整读取多达 1433 张原始影像切片,对病灶的定位判定与主管医生的实际诊断完全一致,给出的处置意见与当天的临床医嘱条目一一对应;其三是工业汽车制造场景,将汽车精密零件加工的数控编程耗时从原本的 475 分钟大幅压缩至 24 分钟,削减了 95% 的工时,且已在产线投入真实生产。

与此同时,Qwen4-Max 引入了被称为“持续交付”的智能体新习惯。以往模型执行长时间、复杂任务时往往是“蒙头做完才交卷”,过程不透明;而这代模型演进为“先交出一版能用的初稿,再在此基础上逐步迭代”。用户在交互过程中随时能够查看当前进度,可以随时喊停,也可以动态调整任务方向。配合该特性的智能体插件已经以 Apache 协议开源,支持用户本地部署体验,让以往如同“开盲盒”的长程 AI 任务变成了全程可视的“看直播”。

---

[05:43](https://www.bilibili.com/video/BV1LXsz6qEfM?t=343s) 社区实测的三盆冷水与 27B 开源期待

在科技社区 Hacker News 上,Qwen4-Max 的发布帖收获了 854 分与 471 条讨论,但在热烈反响之外,评测者也迅速泼下了“三盆冷水”:

第一盆冷水是第三方的独立评测毫不留情面。第三方评测机构 Artificial Analysis 仅给该模型打出了 43 分,不仅输给了部分同台竞技的对手中档型号,而且单任务花费达到了 3.27 美元,对比竞品的 0.36 美元贵了将近 9 倍;实测输出速率仅为每秒五十几个 Token,首字延迟(TTFT)甚至需要等待两分半之久,在速度榜单上排名靠后(不过该测试可能混入了早期的预览版数据,仅供趋势参考)。

第二盆冷水是部分测试基准存在明确短板。在终端基准 Terminal Bench 上,Qwen4-Max 取得的 48.5 分虽然高于上一代,但行业同代顶尖旗舰已达到 67.2 分;在某项专项编程基准上,Qwen4-Max 仅获得 31 分,而竞品旗舰能达到 65 分,性能落差接近一倍。

第三盆冷水在于开源策略的悬念。Qwen4-Max 本身依然是闭源商业模型,社区开发者几乎全在追问中小尺寸模型(特别是 27B 版本)的开源排期。目前第三方模型榜单上已经开始出现 27B 的早期测试记录,官方口径表示同技术路线的中小尺寸版本将陆续开源,按照阿里上一代的开源迭代节奏,预计两个月之内便能见分晓。

整代 Qwen4-Max 的核心叙事不在于单纯的纸面智商碾压,而在于极致的“省”——少开四分之一的灯、配备厚字典查表、大幅调低输入输出与缓存单价;在行业卷模型智商的节点上,选择在落地成本与交付体验上算细账。正如总结所言:“所有人都在卷谁更聪明的时候,他在卷每一分钱花在哪。至于成色如何,别急着站队,等 27B 开源,等第三方榜单更新,账会越算越清楚。”

## Notable quotes > [00:00](https://www.bilibili.com/video/BV1LXsz6qEfM?t=0s) 连大模型都想通了一件事,思考贵,查表便宜。

## Mentioned 阿里巴巴, Qwen4-Max, 通义千问, Google, Gemini, Claude, Hacker News, Artificial Analysis, SWE-bench, Work360, Terminal Bench, Agent Arena, Apache

## Video description 11月16日,阿里巴巴发布新一代旗舰 Qwen4-Max,官方管它叫“全天候 AI 新同事”。这期不背参数表,用一座楼、一本字典、一张账单讲清楚它。 00:05 开场:一张账单认识新同事 00:49 楼:2.4万亿总参只亮3%的灯 01:40 字典:3280亿查表组件 02:18 架构补遗与零尖峰曲线 02:44 成绩单(官方口径) 03:42 三层刀法算总账 04:38 落地案例与持续交付 05:43 三盆冷水 06:50 收尾:等27B 先上楼。总参数2.4万亿,每说一个字只激活710亿,整栋楼亮3%的灯。跟上一代同为2.4T,激活从950亿砍到710亿,官方拿五个大模型基座同台对比,知识、代码、问答、理工四项它全部最低。楼旁边立着一本3280亿的字典:N-gram词组嵌入,装在第二层,根据局部上下文查表、把高频搭配的现成表示直接贴进来。查表不算思考,不参与推理计算,等于白送的容量,体量是每字思考参数的4.6倍。连大模型都想通了一件事:思考贵,查表便宜。 成本砍58%是三层刀法叠出来的:终端基准token消耗少一半、输入输出单价降六分之一、缓存命中价从一块五砍到五毛只剩输入价的5%。放到国际牌桌上,输出价约谷歌氢版六成、Claude旗舰两成出头,缓存价并列全场最低档。落地案例挑了三个硬的:198份乱底稿读成86页尽调报告、单次对话读1433张影像与医生诊断一致、汽车加工编程475分钟压到24分钟。还有新习惯“持续交付”:先交一版能用的再迭代,配套插件已开源。 冷水照泼:HN 854分471楼,第三方实测43分输对手中档还贵9倍慢一截;终端基准48.5落后同行67.2,一项编程基准差一倍;Max本身闭源,评论区都在等27B——第三方榜单已现27B早期身影,官方说中小尺寸陆续开源。基准多为官方自报,AA数据可能含预览版实测,看个方向就好。 Blog:qwen.ai/blog?id=qwen4-max API:qianwenai.com/models/qwen4-max

[Source](https://www.bilibili.com/video/BV1LXsz6qEfM)

中文简报

阿里巴巴推旗舰Qwen4-Max 靠查表降本58%迎战国际巨头 新模型不再单卷智商极限,而是通过3280亿参数查表字典与超低激活率将推理成本腰斩,但其商业成色仍取决于第三方评测追赶与后续27B开源落地。 Qwen4-Max 拥有 2.4 万亿总参数,但通过引入 3280 亿参数的免计算词组查表字典以及混合注意力机制,实现了每输出一个字仅激活 710 亿参数(约 3%),且预训练损失曲线无异常尖峰。依托精简的 Token 消耗、降幅约 16.7% 的 API 单价以及腰斩至 0.5 元的缓存命中价,该模型将单任务办公成本大幅压缩 58%,并推出了边交初稿边迭代的“持续交付”工作流。尽管在尽调研读、医疗影像与工业数控等真实场景表现亮眼,但视频也客观指出了它在第三方机构测试中测速滞后、终端与专项编程基准落后于竞品顶尖水平等短板,强调其核心优势在于极致省钱与务实算账,而社区也正在静候其 27B 等中小尺寸开源版本的到来。 阿里巴巴正式发布新一代旗舰模型 Qwen4-Max,总参数达 2.4 万亿,但每字仅激活 710 亿参数(约 3%),相比上一代激活参数削减约四分之一,预训练全过程未出现损失尖峰。 (0:00) 模型创新性引入 3280 亿参数的第二层 N-gram 词组嵌入查表组件,通过查表代替部分推理计算,结合 3:1 混合注意力机制大幅降低显存开销。 (1:40) 通过 Token 精简、API 降价 16.7% 以及 Prompt 缓存命中价直降至 0.5 元/百万 Token(仅原输入价 5%),综合办公单任务成本降低 58%。 (2:44) 商业落地上主打“持续交付”工作流并开源配套插件,但 Max 本身保持闭源,且在第三方实测中暴露出首字延迟高及部分编程基准落后等短板,社区正密切等待 27B 等中小尺寸版本开源。 (5:43)

Reading summary

阿里巴巴正式发布新一代旗舰模型 Qwen4-Max,其核心逻辑转向以极致稀疏计算和“查表”机制换取推理成本骤降,在办公基准任务中将综合花费削减了 58%,但第三方实测数据与专项基准仍揭示其存在显著短板与争议。 混合稀疏架构与超大词表查表机制 (0:00) Qwen4-Max 拥有 2.4 万亿总参数并原生支持多模态与百万级上下文,但单字输出仅激活 710 亿参数(占比约 3%),较上一代同量级基座的 950 亿激活规模削减约 25.3%。官方对比显示,其在知识、代码、问答及理工四项任务中的激活参数量均为同台主流基座中最低,降幅达 5% 至 13%。该模型还在第二层引入了高达 3280 亿参数的 N-gram 词组嵌入(Phrase Embeddings)查表字典,体量达单字激活计算参数的 4.6 倍;该组件遇到高频词组搭配时仅通过局部前文检索直接拼接表示,完全不参与矩阵运算,实现了以极低计算开销换取大容量表示的设计思路。 在网络层面,模型将每四层中的三层配置为门控增量网络,以固定状态压缩上下文显存,仅保留一层稀疏注意力用于长文本分块检索;同时,残差流扩建为四条带有动态门控的并行通道。官方指出,这套结构确保了训练稳定性,在 2.4 万亿规模的预训练全程中损失曲线未曾出现异常尖峰(Spike)。 综合账单下调与官方自测成绩 (2:44) 针对同一套办公基准任务,Qwen4-Max 的平均花费从上一代的 26.58 元降至 11.16 元,降幅达 58%。官方将其归纳为“三层刀法”:首先是模型表达更精简,在终端基准测试中将 Token 消耗砍半;其次是 API 单价下调,百万 Token 输入价格由 12 元降至 10 元(降幅 16.7%),输出价格由 36 元降至 30 元(降幅 16.7%);最后是 Prompt 缓存命中价格直降 66.7% 至每百万 Token 0.5 元,仅为原输入基准价的 5%。折算为国际定价后,其输出单价约为 Gemini Flash 的 60% 以及 Claude 旗舰机型的 20% 出头。 在官方披露的基准测试中,自建的 Work360 综合办公评分从 47.74 增至 52.69,Terminal Bench 终端操作从 38.9 升至 48.5。在真人盲测竞技场 Agent Arena 中,该模型排在第 14 位(居中国模型首位),前端编程盲测名列全球第六;此外,SWE-bench 得分为 75.7,生物谜题得分为 85。官方公布的 16 项主流基准中其有 4 项位列第一,表明其并非实现所有维度的全面超越。 重度任务落地与过程可视的工作流演进 (4:38) 在企业应用测试中,官方给出了三个极限长文本落地用例:在投行场景中,模型解析 198 份凌乱底稿后生成了 86 页结构化尽调报告,且结论均标注准确出处;在医疗场景下,单次对话读取 1433 张原始影像切片,病灶判断与处置建议与主管医生的实际诊断和医嘱完全吻合;在工业制造中,该模型将精密汽车零件的数控编程耗时从 475 分钟压至 24 分钟,节省了 95% 的工时,并已投入实际产线。 与此同时,该模型改变了传统长程任务“黑盒等待”的执行习惯,支持“持续交付”的工作流——即先输出可用的初稿再分段增量迭代,允许用户全程查看进度、中途终止或动态调整提示词。阿里已将配套的智能体插件按 Apache 协议开源,供开发者本地部署调试。 第三方评测反差、专项短板与开源排期 (5:43) 发布后,开源社区和独立评测也暴露了模型的现实短板。第三方评测机构 Artificial Analysis 仅给该模型打出 43 分,实测单任务成本达 3.27 美元,约为对照竞品(0.36 美元)的 9 倍;其实测输出速率约为每秒五十多 Token,首字延迟(TTFT)最长达到两分半,尽管该数据可能受早期预览版波动影响。 在基准测试横向对比中,其 Terminal Bench 取得的 48.5 分仍明显低于竞品顶尖旗舰的 67.2 分;在某项专项编程基准中,Qwen4-Max 仅得 31 分,落后于竞品顶尖水平的 65 分。此外,Qwen4-Max 本身仍为闭源商业模型,社区核心关切集中于 27B 等同路线中小尺寸模型的开源进度;官方表示相关尺寸将陆续开源,结合以往发布节奏,外界预计两个月内将有明确结果。 Qwen4-Max 的主要策略在于跳出单纯的模型智商军备竞赛,通过激活参数瘦身与降价来压低企业落地成本;然而,第三方实测数据与官方自报指标之间的差距,以及专项代码与终端任务上的性能落差,仍有待后续中小尺寸模型开源和更广泛的独立复测来进一步验证。

Source quotes

[0:00] 连大模型都想通了一件事,思考贵,查表便宜。

Original transcript

[0:00] 11月16号,阿里巴巴发布新一代旗舰模型,名字叫《千问4MAX》,官方管它叫全天候AI新同事,定位很有意思。官宣前还有个插曲,他提前五天顶着画名,挂在自家编程工具里匿名试港,被网友测试了四天才亮明身份,认识这位新同事,直接从一张账单看起。同一套办公基准任务,上一代平均花费26块5毛8,这一代只要11块1毛6,成本直接砍掉58%,性能还涨了一截。今天三件事,这栋楼怎么盖的,这笔账怎么算的,冷水泼在哪?先上楼,这位新同事的基本盘,原生是绝,百万Token上下文,总参数2.4万亿,但每除了一个字,只激活其中710亿。什么概念?把它想成一栋超级大楼,模型每说一个字,整栋楼只亮3%的灯,跟上一代对比更有意思。同为2.4万亿总参数,上代每个字典950亿,这代砍掉1四分之一。灯开少了,活干得反而更好。官方拿5个大模型基座同台对比,知识、代码、问答、理工四项,它全部最低,比上代低5%到13。同样的楼少开1四分之一的灯,交付质量更高。这是这代西书架构真正的进化。再看那本字典,这代架构最特别的新东西是3280亿参数的查表组件,行话叫此组嵌入。它装在模型第二层,工作方式很像查字典,遇到一个词,先看前面几个词,直接查表,把高频搭配的线程表示贴进来。关键在于,查表不算思考这3280亿参数不参与推理计算,等于白送的容量。一个直观对比,这本字典的体量是每个字思考参数的4.6倍,连大模型都想通了一件事,思考贵,查表便宜,另外两个升级快说,注意力改成混合制,每四层里三层用门控增量网络,把历史压成固定状态省内存,留一层稀疏注意力按快检锁长上下文,残差流从一条扩成四条并行分支,动态门控读写,效果写在这行字里,2.4万亿规模的预训练全程,损失曲线一次尖锋都没出现。再看成绩单,先打预防针,接下来大多是官方自报数字,第三方验证放冷水段,综合办公基准Work360,上代47.74,这代52.69。这个基准是阿里自建的,拆成26个行业,721个细分场景,考的是真实交付,终端任务基准Terminal Bench,从38.9涨到48.5,而且分数涨了,消耗的字还少了一半。真人盲测的智能体竞技场,从第39名冲到第14名,中国模型第一,前端编程盲测全球第六,中国模型历史最好成绩。编程实战拿了几项第一,软件工程基准75.7,生物谜题85分,官方口径16项测试4项第一,这个说法本身就在提醒你,不是全面碾压。到最实惠的部分,算钱,单任务成本砍一半以上,是三层刀法叠出来的。第一层,自用的少了,终端基准上token消耗降了差不多一半,模型想得精,写得短,账单自然薄。第二层,单价降了,输入从12块降到10块,输出从36降到30,降六分之一。第三层最狠,缓存命中价从1块5砍到5毛,只剩输入价的5%,三层叠起来,才有单任务降58%这个数。放到国际牌桌上,百万token输入1.5美元,输出4.5美元。大约是谷歌清版的六成,Claude旗舰的两成出头,缓存价跟清版并列全场最低档。当然,单价便宜不等于性价比高,这笔账等下算。每条结论都带底稿出处,医疗案例更夸张。 [5:00] 这次对话读完1433张原始影像,定位的病灶跟主管医生诊断一致。给的处置建议和当天以竹竹条对的上汽车制造零件加工编程从475分钟压到24分钟少了95%已经用在真实产线上还有个新能力叫持续交付以前的智能体干长活爱蒙头做完才交卷这代学会先教一版能用的,再一版版迭代,你随时能看进度,随时喊停,也能随时改方向。配套插件已经开源Apache协议装上就能体验长城任务从开盲盒变成了看直播惯例泼冷水Hacker News上这个发布帖,854分471楼热闹里有三盆第一盆第三方成绩单不给面子评测机构Artificial Analysis给他打43分输给对手的中档型号而且人家单任无三毛六美元他三块二毛七实测每秒五十几个token手字要等两分半速度排在尾部这份测试可能混着预览版数据方向仅供参考第二盆短版明确终端基准48.5听着不错同行星旗舰考了67分一项编程基准31分对手旗舰65分差着一倍第三盆开源悬念Max本身B缘,评论区一水而追问27B什么时候来?第三方游戏榜单上已经出现27B早期测试的身影。官方口径是中小尺寸陆续开源同源技术路线,照上代节奏,两个月内见分晓。收个尾,这代千万Max的主线是更省,少开四分之一的灯。多查一本后字典,把单价和缓存一起打折,所有人都在卷谁更聪明的时候,他在卷每一分钱花在哪。至于成色如何,别急着站队,等27B开源,等第三方榜单更新,账会越算越清楚。这期就到这儿,下期见!