(来源:AI信息Gap)
刚刚,阿里正式发布新一代旗舰模型 Qwen4-Max。在 Arena 智能体榜、前端编程榜和 Vals AI 综合榜单上,它都是排名最高的国产模型。
和上一代相比,Qwen4-Max 平均每个任务便宜了 58%,API 价格也全线下调,千问 App、千问办公和 Qoder 都已经接入。
话接上文。
千问的新模型,更强了,也更便宜了。
阿里官方给 Qwen4-Max 的定位是「AI 新同事」。
在阿里自建的 Work360 评测里,上一代 Qwen3.8-Max 平均每个任务要花 26.58 元,Qwen4-Max 只要 11.16 元,分数还从 47.74 涨到了 52.69。
Qwen4-Max 的三个国产模型第一,都来自第三方榜单。
大模型匿名评测平台 Arena 几分钟前刚刚发帖,「Qwen4-Max 第一次登上智能体榜 Agent Arena,就排到第 14 名,国产模型第一。」
这个榜单来自全球用户发起的 1.47 万次真实智能体任务,上一代 Qwen3.8-Max 只排第 39 名。
按公司算,阿里在这个榜排第五,前面只有 Anthropic、谷歌、OpenAI 和 Meta,国产公司里它排第一。
Arena 前端编程盲测榜 Code Arena 上,Qwen4-Max 得分 1750,排第 6 名,同样是国模第一。
它比上一代高了 74 分,甚至排在了 GPT-6.1 Sol 和 Claude Fable 5.1 前面。
第三方评测机构 Vals AI 的综合榜单 Vals Index 上,Qwen4-Max 得分 63.2%,在 38 个模型里排第 11 名,阿里再喜提一个国模第一。
在阿里官方放出的 16 项测试里,Qwen4-Max 拿下了 4 项第一。
参赛选手包括 Claude Opus 5.5、GPT-6.1 Sol、GPT-6 Astra 和 Kimi K3.1。
最亮眼的是 Agents' Last Exam,这个基准考查耗时长、有实际价值的智能体任务。
Qwen4-Max 在这项测试里得分 46.7,上一代才 27.9 分,也超过了 Claude Opus 5.5 的 43.4 分。
法律智能体测试 HLAB-Vals 上,Qwen4-Max 的 21.3 分是 Claude Opus 5.5 的两倍多。
但注意,Qwen4-Max 并不无敌。
命令行编程测试 Terminal-Bench 4.0,Qwen4-Max 得分 48.5,Kimi K3.1 67.2 分。
软件复刻测试 ProgramBench 上,Qwen4-Max 31.5 分,Claude Opus 5.5 65 分。
有输有赢,这样的跑分某种意义上来说,反而更加可信。
Qwen4-Max 更省钱,靠的是少用 token。
Terminal-Bench 4.0 上,推理强度开到最高档 Xhigh 时,Qwen4-Max 比上一代少用了约 48% 的 token,分数还高出近 10 分。
Qwen4-Max 的总参数还是 2.4 万亿,每个 token 激活的参数却少了约 25%,只有 710 亿。
并且,Qwen4-Max 的 API 价格也跟着下调了。
国内千问 AI 平台上,Qwen4-Max 每百万输入 token 10 元、输出 token 30 元。作为对比,上一代是 12 元和 36 元。缓存命中的价格也从 1.5 元降到了 0.5 元。
按国际版定价算,Qwen4-Max 的输出价格还不到 Claude Opus 5.5 的四分之一。
网友们呼声最高的,还是开源。
有人喊着要 27B 版本,有人在等 Flash 版。
阿里官方则表示,「Max 只是 Qwen4 的第一款模型,系列中的小尺寸模型也将陆续开源。」
它们还得再等等,Qwen4-Max 倒是现在就能用。
千问 App、千问办公、Qoder 和 Qwen Studio 都已接入,开发者可以通过千问 AI 平台的 API 或阿里的 Token Plan 调用。
















