AI News

阿里千问发布 Qwen4-Max:2.4T 参数、百万 token 上下文,主打长时程智能体

Qwen Blog更新于 11月16日 10:13

Qwen4-Max: Your New Teammate Has Arrived

AI 导读

阿里千问发布 Qwen4-Max,基于新的 Qwen4 架构,拥有 2.4 万亿参数主干、原生视觉能力和一百万 token 上下文窗口。官方称其在 Work360 基准上得分从 Qwen3.8-Max 的 47.74 提升到 52.69,Work360 单任务平均成本从 4.43 美元降至 1.67 美元,降幅 62%。模型已在 QwenCloud 上线,可通过 Token Plan 或 API 使用,同时接入 QwenWork、Qoder 和 QwenStudio,官方表示 Qwen4 系列更小的开源模型即将推出。

推荐理由

AI 评分 88

官方披露了 2.4T 参数新架构、百万 token 上下文与 token 成本下降幅度,可据此判断长任务智能体的落地条件。

主题

标签

正文 · AI 翻译

QWEN STUDIO DISCORD

今天,我们推出 Qwen4-Max,这是你在工作、创意和探索中的新 AI 队友。Qwen4-Max 基于全新的 Qwen4 架构构建,拥有 2.4 万亿参数主干、原生视觉能力和一百万 token 上下文窗口。

Qwen4-Max 通过更熟练地使用专业工具、更强的长时程任务执行能力和更高质量的交付成果,提升现实世界的生产力。它能够承担广泛的创意和专业工作,涵盖 3D 建模、游戏开发、精密制造、金融、法律、医疗保健和前沿科学发现。作为全天候在线的 AI 队友,Qwen4-Max 始终把握全局并推动项目向前发展,让雄心勃勃的想法更接近现实,并为人类与 AI 协作开辟新方式。

跨编程、工作和长时程任务的综合性能对比。Qwen4-Max 相较 Qwen3.8-Max 实现了显著提升,在我们评估的几乎所有能力上都表现更强。评估详情见脚注。

Token 效率与成本。Qwen4-Max 以更少的 token 超越 Qwen3.8-Max:在 Work360 上,Xhigh 和 High 努力档位的 token 用量分别下降约 24% 和 35%;在 Terminal-Bench 4.0 上,分别下降约 48% 和 49%。我们还下调了 API 价格,相比 Qwen3.8-Max,缓存输入价格降幅尤为显著。在我们的 Work360 评估中,单任务平均成本从 4.43 美元降至 1.67 美元——降幅 62%。

预训练#

Qwen4-Max 基于 Qwen4 系列的全新架构构建,拥有 2.4T 主干参数、每 token 激活 71B 参数,以及额外 328B 的 N-gram Embedding 参数。该架构在注意力、残差连接和嵌入方面对稀疏 MoE 模型进行了系统性升级,提升了计算效率、模型容量和训练稳定性:

GDN + Qwen Sparse Attention(QSA):三个 Gated DeltaNet 层将历史压缩为固定大小的状态,供每个 QSA 层使用。QSA 使用轻量级索引器以微块粒度选择相关上下文,降低长序列的注意力和索引成本。

Gated Residual(GR):四条并行残差分支使用动态读写门控,加强跨层信息流动并提升训练稳定性。

N-gram Embedding:基于上下文的查找在第二层提供局部 token 模式的表示,以极少的额外计算扩展模型容量。

Qwen4-Max 架构。

2.4T 参数规模的训练进展顺利,损失稳步下降,整个训练过程中没有出现损失尖峰。我们将这种稳定性主要归因于模型架构和训练优化的改进。

Qwen4-Max 平滑稳定的预训练。

在知识、代码、问答和 STEM 的内部评估中,Qwen4-Max-Base 在全部五个受评检查点中取得最低的每字节比特数(BPB)。它在每个领域都优于 Qwen3.8-Max-Base,BPB 降低约 5–13%,同时激活参数减少 25%。

内部评估:10 × BPB,越低越好。GLM-5.3 和 Kimi-K3.1-Pro 是后训练检查点,可能影响与基础模型的比较。

现实世界生产力#

Qwen4-Max 为各行业复杂工作流带来更强的创意和专业能力,交付高质量、可用的成果——这是你面向现实世界生产力的新 AI 队友。

工业与专业工作#

为增强模型在工业和专业工作流中的协作能力,我们开发了 Work360,这是一个用于建模和分类复杂工作场景的综合框架。其分层分类体系涵盖 26 个一级领域、182 个二级子领域和 721 个三级专业方向,在广泛的行业和职业覆盖基础上提供细粒度区分。基于该分类体系,我们开发了 Work360 基准来评估模型在挑战性行业任务上的表现。在最新评估中,Qwen4-Max 得分 52.69,高于 Qwen3.8-Max 的 47.74,较上一代实现大幅提升。Qwen4-Max 将更广泛的行业覆盖与更强的专业任务执行和协作能力相结合,使其成为面向现实世界生产力更强大、更通用的工具。

3D 建模与生成#

Qwen4-Max 展现出强大的 3D 创作能力。它使用 Blender 完成几何建模、场景组装、材质设置、灯光和渲染,逐步将创意想法转化为具有鲜明视觉风格的精细 3D 作品。在建筑、室内、自然景观和科幻场景中,它展现出对空间布局、物体结构和视觉外观的综合理解。

这些 3D 资产已实际用于游戏,并通过 3D 打印转化为实体物件。这体现了该模型将数字创作与下游生产工作流连接起来的潜力,支持设计探索、内容创作和原型制作。

Qwen4-Max 可与主流游戏引擎流畅协作,包括 Unity、Unreal Engine 和 Godot。仅凭一份自然语言简报,它就能完成场景构建、玩法逻辑、合适外部资产的集成、材质设置、HUD 设计和视觉效果,交付一款可玩的游戏。在开发过程中,它会运行游戏,并利用视觉和交互反馈来优化相机跟踪、角色动画、打击反馈、光照和节奏。通过反复测试和迭代,它将场景、玩法和音效融合为连贯的 3D 游戏体验。

Meow of Magic

Qwen4-Max 在 Unreal Engine 中打造了一款猫咪法师冒险游戏。玩家施放法术、选择升级,并迎战一波波敌人和首领。

Yun Guan Xing

Qwen4-Max 在 Unreal Engine 中打造了一款奇幻冒险游戏。玩家御剑穿行于云层与圆环之间,探索世界,并挑战首领。

Flying Racer

Qwen4-Max 在 Unity 6 中打造了一款以西湖为背景的移动端赛车游戏。玩家可以漂移、使用氮气加速,并展开翅膀飞行,最终生成一款可安装的 Android 游戏。

在 SANF 和 Pacific Union 的真实生产环境中,Qwen4-Max 展示了端到端能力,涵盖汽车生产线规划、零件设计和加工验证。通过连接设计生成、工具执行和基于反馈的验证,它带来了可量化的效率提升。

在生产线的层面,Qwen4-Max 利用 2D 布局和工艺参数,从现有设备库构建 3D 生产线模型,模拟节拍时间,并执行 PLC 虚拟调试。在零件层面,它对车门总成、摩擦轮及其他部件进行建模和设计,同时协助进行加工工艺规划、刀具路径生成和基于仿真的验证。通过反馈驱动的迭代,它能在加工开始前识别过切和材料去除不足。在此次展示中,为单个工件编程所需的人工工作量从约 475 分钟降至 24 分钟,降幅约 95%。

智能体视频制作#

借助 Qwen4 和 WonderClip,你可以构建端到端的视频创作工作流——从完善分镜脚本、构建静态资产,到在预演中为相机设置动画、将其渲染为单个片段,再剪辑成一部连贯的多场景影片。

Qwen4 强大的语言、多模态和智能体能力为复杂的视频创作带来了知识整合、可控性和稳定性。知识通过文本提示或参考图像融入生成模型,帮助生成内容更好地体现创作者的知识与推理。参数化预演确保复杂静态资产在几何、比例和空间关系上保持一致。它们还能实现对相机路径以及动作和事件时序的精确控制。自然语言交互结合可控的预可视化,使最终结果更可预测、更易解读。

Qwen4-Max 支持金融投资研究、法律尽职调查和临床医疗等高门槛场景中的复杂工作。除了处理庞杂的原始数据,它还能执行深度逻辑推演和证据链溯源——真正实现从“信息检索”到“专业级交付”的跃升。

金融投资研究:Qwen4 熟练调用 90 个 MCP 工具,全面获取 A 股、港股和美股、债券、基金及衍生品的市场行情、财务数据、利率和股息数据,同时整合搜索功能对公开披露信息进行交叉核验。对于更复杂的研究任务,它会跟踪行业供需动态和新订单变化,评估宏观利率和信用利差,评估股债收益率差,并进行多因子回测以衡量风格暴露。

在沪深 300 指数衍生品案例中,它结合融资成本、股息率和合约到期日计算理论期货基差,分析实际对现货的贴水,并考察隐含波动率与历史波动率之间的价差。最终,交付物以 Excel 工作簿和可编辑的 PowerPoint 演示文稿形式生成,并辅以双重溯源机制:第一,可验证来源,点击单元格内的超链接可直接跳转到原始数据源;第二,图表与工作簿对齐,PowerPoint 图表与底层 Excel 工作簿一一对应,使分析师能够从演示文稿回溯核验确切的数字和公式。

Pre-IPO 法律尽职调查:Qwen4-Max 在处理复杂、长周期的法律工作方面展现出卓越能力。面对客户分批提供的 198 份格式和命名不一致的工作底稿,该模型有效过滤噪声,按实质内容将文件重命名并归类到 14 个文件夹中,并自动编制工作底稿索引。它还会主动检索涵盖工商登记、知识产权、司法记录和信用记录的公开记录,将这些来源与工作底稿交叉核验,以核实有关发行人的事实。在核心风险控制方面,该模型仔细审查合同条款并分析法律风险,准确识别潜在问题,例如估值调整机制(VAM)协议中的恢复条款,并提供可操作的补救建议。最终,它交付一份符合严格专业标准的综合报告:86 页、超过 6 万汉字、涵盖公司历史和股权结构等 12 个审查领域,以及 14 个具体法律问题。每项结论都有工作底稿引证作为支撑,实现完全可追溯,大幅提升效率,使法律顾问能够专注于核心风险判断。

重症监护:患者常以多种并发症就诊,临床状态变化迅速。频繁的诊断检测会产生海量异构医疗数据——数十份检验报告、超过1万字的病程记录、多套医嘱,以及1,433张原始医学影像。本视频中的患者在颈动脉支架置入术后发生心室颤动,经成功复苏后,却在拔管后出现胸痛,并于第6天需要重新插管。在一次对话中,Qwen4审阅了整份复杂的病历,完成了从信息提取到临床决策支持的端到端工作流:查询检验数值(在多个日期中准确定位特定的CRP结果)、结构化梳理临床病程(将六天的复杂事件对齐为连贯的时间线)、解读影像(将检查归类为六个影像序列,精准定位目标胸部CT,并部署多个子代理同时审阅数百张原始切片,识别出双肺依赖性实变,与主治医师的诊断完全一致),以及支持决策(综合多模态临床证据,提出四条管理建议,与医师当天的实际医嘱逐条对应)。通过深度融入临床工作流,该模型高效整合多来源证据,为一线临床决策提供可靠、可执行的支撑。

长时程智能体(24/7 智能体)#

Qwen4-Max 驱动 24/7 智能体,通过自主规划和持续迭代处理长时程任务,分阶段交付可用结果,同时让用户保持掌控。

当用户不得不等到长时程任务完成后才能看到结果时,智能体的错误可能难以挽回。Qwen4-Max 的实时交付通过持续交付和实时用户指导,让长时程任务保持在正轨上。智能体尽早交付可用的首个版本,然后通过 successive releases 扩展和改进,根据执行结果和用户需求更新其计划。每次发布都为用户提供评估进展并决定下一步该做什么的具体依据。用户可以在任何时候介入,纠正错误或改变方向,在工作推进过程中始终保持掌控。

Qwen4-Max 具备围绕复杂目标和约束进行运筹学建模、求解和验证的能力,从而交付高质量的优化决策方案。该能力已在真实的阿里云业务场景中部署,实现了模型自主迭代并优化其自身所需调度方案的闭环,具体涵盖数据标注的多模型调用调度、云计算GPU资源的在线分配与调度,以及云计算CPU资源的离线重调度。

在此过程中,模型根据任务规范自主生成候选算法,与阿里自研求解器MindOpt协作评估可行性、目标值和耗时以获取反馈,然后通过修改代码和执行交叉验证来迭代至更优策略。从上层模型调用到底层云资源调度,Qwen4-Max基于可量化的反馈持续进化,直接优化支撑其自身应用、推理和训练的运营系统。由此带来的成本降低和资源效率提升,反过来又为下一轮模型迭代提供更强大的算力支撑。在各自场景中,数据标注的模型调用调度成本相比参考基线平均降低10.42%,在线GPU分配使整机空闲容量时长增加4.62%,而在离线CPU重调度场景中,达到最优目标的求解速度提升超过14.61倍。

推动科学发现#

为应对下一代高功率芯片给数据中心带来的散热挑战,Qwen4利用Deep Principle公司Mira平台的干湿实验一体化环境,自主完成了一种新型冷却剂分子从设计到实验室合成再到测试验证的全过程,最终产出了该材料的实物样品。

在一次连续48小时的智能体运行中,Qwen4完全自主工作:它调研了可能的技术路线,构建了包含270万个分子的候选空间,随后依次进行结构筛选、MPA性质预测、第一性原理计算、逆合成分析和实验规划。Qwen4接着指挥自动化湿实验室准备试剂,并开展合成、分离纯化与测试,将屏幕上的分子结构转化为实验室中的实物样品。经过四轮“分子设计→合成与测试→主动学习”闭环迭代,Qwen4获得了一个经实验验证的全新冷却剂分子。

从AI for materials到materials for AI infrastructure,这项工作探索了一条以材料为基础、应对数据中心散热问题的新路径,并展示了Qwen4在跨越数字与物理世界的长时程科学发现方面的能力。

阿尔茨海默病会逐步损害记忆与认知,给家庭和社会带来长期照护负担。神经炎症是其病理的重要组成部分,而参与这一过程的NLRP3炎症小体,是研究新干预策略的重要切入点。围绕这一靶点,在DP Technology的PharmMaster平台上工作的Qwen4-Max展示了覆盖靶点研究、分子优化与设计以及计算评估的端到端能力。它不止于生成分子结构,还将文献与专利解读、专用工具使用和计算反馈整合进迭代式科学工作流。

在这一过程中,Qwen4-Max自主检索文献与专利证据,选定参考分子并建立评估基线。随后它开展多轮结构设计、性质预测与分子对接,利用评估反馈来改进其优化策略。最后,它结合跨轮次指标比较与相对结合自由能(RBFE)评估,对候选分子进行优先级排序。在整个工作流中,它共发起454次工具调用,完成3,239次计算指标评估,并设计优化了24个候选分子——将证据检索、设计生成、工具执行与反馈驱动的验证串联为一个端到端流程。

与源自专利的起始分子相比,最终优先选出的分子在多项关键计算指标上均实现了广泛提升。RBFE计算估计其对该靶点的名义结合亲和力约为参考分子的3.6倍。这一结果也获得了DP Technology专家的认可,专家认为该分子具有可观的研究价值,值得进一步开展湿实验验证。从一个疾病相关靶点到高潜力候选分子,Qwen4-Max将证据驱动的设计、专用工具执行与计算反馈相结合,展现了其自主推进长时程科研任务、迭代优化分子并产出有价值研究成果的能力。

模型-智能体框架-产品协同设计#

Qwen4-Max 通过模型、智能体框架和产品层的紧密协同设计开发,并与 Qoder 等产品背后的团队合作。这种方法从真实用户工作流出发定义模型能力,并在端到端交付上对其进行评估,尤其关注日常办公工作和专业设计。通过同时提升任务表现和用户体验,Qwen4-Max 将想法转化为完成的交付成果。

安全#

在阿里巴巴,我们将模型治理——以我们的人工智能开发六项原则(以人为本、包容与诚信、隐私保护、安全与可靠、可信与可控、开放共治)为指导——贯穿于整个模型生命周期——从最初的设计与研究,到开发、训练、部署和实际应用——确保负责任的人工智能在设计之初即被内置,而非事后追加。对于软件工程训练任务,我们在功能检查之外增加了代码安全检查,以增强模型内在的安全编码能力。在 Last Secure Code Bench 的“无安全提示的代码重构”和“功能与漏洞双重验证”中,Qwen4-Max 在功能与安全两方面的函数级通过率从上一代(Qwen3.8-Max)的 22.0% 提升至 31.8%;在函数、文件、仓库三个粒度上同时安全生成代码的比例从 8% 提升至 14.7%,几乎翻倍。该模型在避免注入、内存安全和访问控制失效等核心风险方面表现尤为出色,显著减少了默认生成代码中的漏洞,帮助开发者从源头缩小系统的攻击面。 在网络安全方面,我们根据每项任务的具体目的对数据进行筛选,保留用于漏洞验证、检测和修复等防御性任务的数据,同时移除旨在增强攻击能力的进攻性任务数据。我们的内部安全专家对长时程任务轨迹(包括完整的思维链,CoT)进行了审查,发现 Qwen4-Max 的网络安全防御能力已大幅提升,对进攻性用途的安全性也得到了显著加强。未观察到存在构成大规模网络安全风险的能力。在 CBRN 方面,我们设计了专门的安全数据,并在安全后训练阶段增强了 Qwen4-Max 的安全性。在内部评估中,Qwen4-Max 识别出了更多带有潜在风险的请求并给出了安全回复,且未出现过度拒答。内部专家对该模型的回答(包括完整 CoT)进行审查后发现,模型提出的解决方案并不具有真正的创新性,也无法端到端完成任务。未发现该模型存在将相关知识转化为用户能力显著提升的风险。

伦理声明#

Qwen 旨在用于合法、建设性的目的,不得用于造成伤害。它不得被用于剥削或危害他人(包括儿童),不得用于宣扬暴力、仇恨、歧视或虐待,不得用于开发或使用 CBRN 武器;也不得用于侵犯隐私、实施欺诈或欺骗、传播虚假信息、从事网络安全滥用或绕过安全防护措施。Qwen 旨在协助人们开展工作,而非在高影响场景中取代专业判断。在决策可能带来严重后果的情况下,人类专业知识和监督仍然不可或缺。Qwen 用户必须确保所有输入数据均以合法方式获取和使用,并且已就所使用的任何图像或视频获得相关个人的授权。用户不得侵犯个人对其自身图像或视频的权利或其他人格权,并且必须遵守适用的法律法规。

如何使用#

Qwen4-Max 现已在 QwenCloud 上线。你可以通过 Token Plan 或 API 开始构建。

你也可以在 QwenWork、Qoder 和 QwenStudio 上使用该模型。

摘要#

Qwen4-Max 是你全天候的 AI 队友,服务于工作、创造力和探索。高级推理、原生视觉和长时程执行能力融为一体,将复杂目标转化为可用的交付成果和切实的研究成果。借助 Live Delivery 以及模型—框架—产品协同设计,它能让项目持续推进、根据你的反馈进行调整,并交回你可以审查、信任并在此基础上继续构建的结果。而 Max 只是 Qwen4 的首次亮相。该系列中更小的模型即将开源,它们基于同一谱系构建,并使用同一代技术训练,针对小模型最擅长的方面进行了调优。你的新队友已经到来。随时待命。

脚注#

JobBench:我们的分数是使用更新后的数据集和评估代码获得的。

APEX-Agents v1.1:分数引自 Mercor 排行榜。

AA-Briefcase v1.1 和 AutomationBench-AA 的分数引自 Artificial Analysis。

CodeArena 和 AgentArena 的分数引自 LM Arena。

HLAB-Vals-1.1 的分数引自 Vals Index。

Agents’ Last Exam v1.1 的分数引自 Agents’ Last Exam。

ChartoGraphy:Qwen4-Max 和 Qwen3.8-Max-0902 的分数是在 min_pixels 设置为 4096×32×32 的情况下获得的。

引用#

@misc{qwen4, title = {Qwen4-Max: Your New Teammate Has Arrived}, url = {https://qwen.ai/blog?id=qwen4-max}, author = {{Qwen Team}}, month = {Nov}, year = {2026} }

来源

Qwen Blog