阿里 Qwen4-Max 以更低价格对标 Opus 5.5、GPT-6 与 Kimi K3.1 Pro
阿里巴巴发布 Qwen4-Max,采用改造后的混合架构与 2.4 万亿参数 MoE,每 token 仅激活 710 亿参数,在长文本和智能体任务上强调效率与成本优势。其智能指数得 43 分,落后 Kimi K3.1 Pro 三分,但 Work360 单任务成本从 4.43 美元降至 1.67 美元。
原贴
查看原文原文
中文翻译
阿里巴巴发布了 Qwen4-Max,其改造后的架构能更高效、更少算力地处理长文本。在 Artificial Analysis Intelligence Index 上,该模型排名第二,落后于 Kimi K3.1 Pro,但每个任务的运行成本约为其前代的三分之一。一项名为“Live Delivery”的功能让用户可以尽早检查自主智能体的中间结果,并即时调整正在运行的任务。Qwen4-Max 是阿里巴巴对 Opus 5.5、GPT-6 和 Kimi K3.1 Pro 的回应。这款新旗舰将更高效的架构与大幅降低的价格相结合,面向工业、科学和金融领域的专业工作。据 Qwen 团队称,这个混合专家模型拥有 2.4 万亿参数,但每个 token 仅激活 710 亿参数。它原生处理图像,并提供一百万 token 的上下文窗口。
Qwen4-Max 首次采用 Qwen4 系列改造后的架构。阿里巴巴没有只依赖标准注意力层,而是结合了两种方法。三层将先前上下文压缩成压缩状态,第四层则只挑出重要的部分。这大幅削减了长输入的计算成本,因为模型不再必须对上下文的每个部分给予同等注意力。该架构还在模型层之间增加了四个并行连接,并用动态门来稳定信息流。一个拥有 3280 亿参数的 N-gram 嵌入层提供常见 token 序列作为现成构件。据阿里巴巴称,训练 2.4 万亿参数配置运行稳定。训练损失在整个运行过程中稳步下降,没有突然飙升。
在 Work360 上,Qwen4-Max 解决相同任务使用的 token 比前代少约四分之一到三分之一。在 Terminal-Bench 4.0 上,token 使用量下降近一半。据阿里巴巴称,Work360 任务的平均成本下降 62%,从 4.43 美元降至 1.67 美元。基准分数同时从 47.74 升至 52.69。在 Agents' Last Exam v1.1 上,Qwen4-Max 得分 46.7 分,是对比组中最好的结果。它在 Humanity's Last Exam 上落后于 Opus 5.5 和 GPT 模型。在 HealthBench Professional 上,它落后于 GPT 模型,但略胜 Opus 5.5。在最高推理设置下,Qwen4-Max 在当前 Artificial Analysis Intelligence Index 上得分 43 分,比 Qwen3.8-Max 高 9 分,比 Kimi K3.1 Pro 的 46 分低 3 分。
核心信息
阿里巴巴发布 Qwen4-Max,采用改造后的混合架构与 2.4 万亿参数 MoE,每 token 仅激活 710 亿参数,在长文本和智能体任务上强调效率与成本优势。其智能指数得 43 分,落后 Kimi K3.1 Pro 三分,但 Work360 单任务成本从 4.43 美元降至 1.67 美元。
- 阿里巴巴发布 Qwen4-Max,采用改造后的混合架构与 2.4 万亿参数 MoE,每 token 仅激活 710 亿参数,在长文本和智能体任务上强调效率与成本优势。其智能指数得 43 分,落后 Kimi K3.1 Pro 三分,但 Work360 单任务成本从 4.43 美元降至 1.67 美元。
- 原贴提到:Alibaba launched Qwen4-Max, whose revamped architecture processes long t
- 来源:the-decoder.com
详细解读
这是什么信号:Qwen4-Max 不只是刷榜,它把竞争重点放在“每任务成本”上。直接数据是:Work360 平均单任务成本从 4.43 美元降到 1.67 美元,分数从 47.74 升到 52.69;Terminal-Bench 4.0 上 token 用量下降近一半。配合 2.4 万亿总参数、每 token 仅激活 710 亿的 MoE 设计,以及三层压缩加第四层筛选重要部分的混合架构,阿里在长上下文和智能体任务上同时优化效率。
为什么重要:大模型竞争正从“谁的综测高”转向“谁能在真实任务里以更低成本稳定完成”。Qwen4-Max 在 Artificial Analysis Intelligence Index 上 43 分,落后 Kimi K3.1 Pro 三分,但在 Agents' Last Exam v1.1 上拿到 46.7 分、是对比组最好;这说明它有针对性优势,并非全面领先。对采购方来说,只看总分会误判,必须看任务结构、token 消耗和失败后的可干预性。
对谁有价值:第一,企业 AI 平台和 Agent 产品团队:Live Delivery 允许尽早检查自主智能体中间结果并即时调整运行任务,直接对应生产环境里的可观测、可中断、可纠偏需求。第二,工业、科研、金融等专业工作流团队:原文明确 Qwen4-Max 面向这些领域,Work360 覆盖 721 个专业领域,可作为评估自身任务集的参照。第三,成本敏感型开发者:百万 token 上下文和原生图像处理,适合长文档、多模态资料和长链路任务,但仍要用自己的任务实测。
可以怎么行动:不要只做排行榜对比。建议三层测试:一是用自身高频任务复现 Work360 式的“单任务成本+质量”表;二是用 Terminal-Bench 类智能体任务测 token 消耗和中断恢复;三是把 Live Delivery 纳入 Agent 流程设计,明确哪些中间节点需要人工或规则干预。对 Qwen4-Max、Kimi K3.1 Pro、Opus 5.5 和 GPT 系列做同任务 A/B,而不是跨基准拼分数。
风险或限制:原文显示外部基准结果好坏参半:HLE 上落后 Opus 5.5 和 GPT 模型,HealthBench Professional 上落后 GPT 模型但略胜 Opus 5.5;综合指数仍落后 Kimi K3.1 Pro。成本下降主要来自阿里自建 Work360 和 Terminal-Bench 的口径,换到企业自有任务未必同幅下降。MoE 总参 2.4 万亿、每 token 激活 710 亿,部署仍受显存、并行和工程调优约束;Live Delivery 提高可干预性,也带来权限、审计和流程治理要求。
信息差价值
这条内容的真正价值,不只是“有人发布了一个新功能”,而是它揭示了 the-decoder.com 背后的产品方向、工作流变化或竞争信号。对 OPC 来说,这种信息可以转化成持续追踪的栏目选题。
如果把《阿里 Qwen4-Max 以更低价格对标 Opus 5.5、GPT-6 与 Kimi K3.1 Pro》放到你的内容系统里,它最大的价值在于帮助读者更快看懂“为什么值得关注”,而不是只看到一条碎片化动态。
参考来源
TOPIC HUBS
延伸专题
AI SUMMARY
这篇文章回答了什么
阿里 Qwen4-Max 以更低价格对标 Opus 5.5、GPT-6 与 Kimi K3.1 Pro主要讲什么?
阿里巴巴发布 Qwen4-Max,采用改造后的混合架构与 2.4 万亿参数 MoE,每 token 仅激活 710 亿参数,在长文本和智能体任务上强调效率与成本优势。其智能指数得 43 分,落后 Kimi K3.1 Pro 三分,但 Work360 单任务成本从 4.43 美元降至 1.67 美元。
这篇文章最值得关注的要点是什么?
阿里巴巴发布 Qwen4-Max,采用改造后的混合架构与 2.4 万亿参数 MoE,每 token 仅激活 710 亿参数,在长文本和智能体任务上强调效率与成本优势。其智能指数得 43 分,落后 Kimi K3.1 Pro 三分,但 Wo…;原贴提到:Alibaba launched Qwen4-Max, whose revamped architecture processes long t;来源:the-decoder.com
这篇文章和哪些AI专题相关?
它适合放在Agent工作流、AI副业、AI工具专题里阅读。 关联原因:这篇内容命中「Agent、智能体」等主题信号。;这篇内容命中「项目、小生意、变现」等主题信号。;这篇内容命中「模型」等主题信号。
阅读这篇文章建议先理解哪些关键词?
建议先理解AI工具、工具、自动化、模型、Cursor这些关键词,再结合正文判断工具、机会或风险是否值得进入自己的工作流。