阿里巴巴于11月16日正式推出全新一代基础大模型 qwen4,千问 ai 平台率先上线 qwen4-max 版本,同步开放 api 接口服务与 token plan 计划。该模型基于 qwen 稀疏注意力(qsa)技术构建全新 moe 架构,总参数量达 2.4t,原生支持视觉理解与长程任务稳定执行,上下文长度可达百万级,并能调用专业工具处理复杂长周期任务,支持按用户反馈分阶段交付成果。
☞☞☞AI 智能聊天, 问答助手, AI 智能搜索, 多模态理解力帮你轻松跨越从0到1的创作门槛☜☜☜

在 Terminal-Bench4.0 基准测试中,同属 Xhigh 档位下,Qwen4-Max 相比前代 Qwen3.8-Max,单次尝试平均 Token 消耗由 289K 下降至 151K,降幅近 50%;综合得分则从 37.9 分提升至 48.5 分,增幅约 28%;缓存成本下降进一步推动单任务平均费用降低 58%。
价格方面,国内定价为: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,用户还可通过 QwenCloud 进行调用,或在千问办公、Qoder 等终端应用中直接体验。
在实际落地场景中,模型将图纸识别、参数化建模及工具调用能力深度嵌入汽车制造流程,使单个工件加工编程所需人工时间由约 475 分钟压缩至 26 分钟,效率提升约 95%;在 AI for Science(AI4S)方向,模型驱动智能体连续运行 48 小时,构建出包含 270 万个分子的候选空间,并通过 4 轮闭环迭代筛选出经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,最终优选分子的名义结合亲和力约为行业专利门槛的 3.6 倍。
此外,模型还参与自身调度系统的优化,实现数据标注调度成本较基线下降 9.00%,GPU 在线分配时的空闲容量时长增加 4.62%,CPU 离线重调度求解速度提升超 14.61 倍。从多步工具协同到阶段性成果交付,本次发布标志着大模型竞争重心正加速从能力展示迈向真实生产力转化。











