AI News

Alibaba Releases Qwen4-Max Foundation Model, Advancing Agent and Coding Capabilities

LeiphoneUpdated Nov 16 21:03

English text is being prepared.

AI summary

Alibaba has released its new-generation foundation model Qwen4-Max, with 2.4T total parameters and only 71B activated, featuring native vision capabilities and support for a million-token context. The model ranks 6th globally in the CodeArena front-end coding blind test and scored 46.7 on Agents' Last Exam, an improvement of 18.8 points over the previous generation. Qwen4-Max is now available on the Qwen AI platform as an API service, with cache hits costing as low as 0.5 yuan per million Tokens, and the average cost per task reduced by 58% compared with the previous generation. Small and medium-sized models will be open-sourced successively.

Why read this

AI score 90

The original article provides the new model's architecture parameters, multiple benchmark comparisons, and real-world deployment data, which can be used to assess its capability positioning and cost changes.

Topics

Tags

Body

11月16日,阿里巴巴发布全新一代基座大模型Qwen4-Max,总参数2.4T,具备原生视觉能力,支持百万上下文。基于创新的模型架构和训练优化,Qwen4-Max以更少的Token消耗实现了更高的性能,在智能体和编程等关键能力项上持续进化:在权威的全球前端编程盲测CodeArena中,Qwen4位居第六;在Agents' Last Exam(ALE)、Vals Index等智能体能力及专业任务三方评测中,Qwen4均处于领先梯队。Qwen4面向全领域的真实任务深度优化,可更好地调用专业工具处理长周期任务,推进AI在汽车制造、游戏开发、金融投研及科学研究等专业领域的深入落地。

Qwen4-Max现已上线千问AI平台对外提供API服务,缓存命中每百万Tokens低至0.5元,完成单任务的平均费用较上代模型大降6成;用户也可通过阿里Token Plan调用新模型,或在千问办公、Qoder、千问APP等应用中直接体验。据悉,Qwen4系列中的中小尺寸模型将陆续开源发布。

(图说:在CodeArena前端编程全球榜中,Qwen4-Max位居第6)

Qwen4-Max采用基于Qwen稀疏注意力(QSA)的全新MoE架构,2.4T总参数仅激活71B,每个Token激活参数较上代模型少25%,并拥有更高的思考效率:在 Terminal-Bench 4.0 专业编程评测中,同为 Xhigh 思考档位,Qwen4-Max 较上一代 Qwen3.8-Max 的每次尝试平均 Token 用量从 289K 降至 151K,减少近50%,评测得分则从 38.9 分提升至 48.5 分,提升近25%。同时,基于缓存命中价格的大幅下降,评测结果显示,Qwen4-Max相比Qwen3.8-Max完成单个任务的平均费用(Cost per Task)降低了 58%。

全新的架构结合高效的训练优化,使得Qwen4-Max性能全面提升。在聚焦编程的CodeArena全球盲测权威榜单中,Qwen4-Max前端(Webdev)位列全球第6,居于GPT6-Astra和Claude Fable5.1之间,刷新中国模型最好成绩;在“智能体最后的考试” Agents' Last Exam(ALE)取得了46.7的最高分,较Qwen3.8-Max大幅提升18.8分;在评估大模型理解专业图表与推理能力的Chartography评测中,Qwen4-Max取得54.2分,较上代模型提升12.2分;在专业工作评测JobBench中,新模型得分68.5,超过GPT-6.1sol、次于Claude Opus5.5;在专注法律专业的评测HLAB-Vals-1.1上,Qwen4-Max得分21.3分,较Qwen3.8-Max进步了5.9分,位居行业领先模型行列。

无论是日常简单需求,还是长周期复杂任务,Qwen4都能实现可靠交付,人机协作更丝滑高效。Qwen4-Max在模型内实现了持续交付(Live Delivery)机制,可先生成一个可用的首版,并持续根据用户意见逐版扩展内容直至完成:针对一个物理课堂科普网站的设计需求,Qwen4-Max交付14次可用版本,最终扩充为一个包含3D动画、交互实验和原理详解的精致网站。同时,Qwen4-Max还具备围绕复杂目标与约束进行运筹建模、求解与验证的能力,通过自主规划和持续迭代,编排智能体解决更复杂的任务:基于阿里云AI基础设施,Qwen4-Max自主闭环优化了支撑其自身应用、推理与训练的运行系统,在数据标注场景中让模型成本费用降低 10%,将CPU 离线重调度场景的最优求解速度提升超14倍。

图说:面向全场景721个方向的真实工作领域,Qwen4较上代模型整体提升超10%的专业能力

从专业协作(Cowork),到全天候智能体,Qwen4正深入更多真实工作任务和生产环境。千问团队构建了包含721个细分领域的Work360全场景建模体系,在系统评测中,Qwen4-Max得分52.69,较上一代模型提升超10%。在游戏开发等专业设计领域,Qwen4展现出强大的3D建模能力,并能更好地调用Blender等专业工具,一句话就能生成一个好玩、酷炫的3D游戏。在汽车制造行业,Qwen4已贯穿产线规划、零件设计与加工验证等全流程,将单个工件加工编程的人工用时从475分钟骤降至 24分钟,用时减少 95%;在金融投研场景,Qwen4熟练调用 90 个 MCP 专业工具,产出 Excel 底稿与 PPT 报告,支持双重溯源确保结论可靠。

在AI辅助科学发现(AI For Science)的前沿领域,Qwen4已初步产出材料和药物发现的真实成果。在材料发现领域,Qwen4连续 48 小时自主运行,从 270 万个候选分子中挑选出候选分子,并通过 4 轮“设计—合成—测试”闭环,真实合成出一种新型冷却液材料,为缓解高功率芯片带来的数据中心散热难题提供了新思路;在药物发现领域,针对阿尔兹海默症关键靶点,Qwen4通过 454 次工具调用,完成 3239 项计算评估,设计优化了24 个候选分子,最终优选分子与靶点的名义结合亲和力较起点分子提升约3.6倍,是更有效的新选择。

(完)

Source

Leiphone