千问 AI 平台首发 Qwen4-Max: 以 Token 用量减半、得分升近28% 切入开发者市场

约 647 字 · 预计阅读 2 分钟

内容概览

本文围绕“千问 AI 平台首发 Qwen4-Max: 以 Token 用量减半、得分升近28% 切入开发者市场”整理核心信息、适用场景与使用条件,便于读者快速了解重点,再决定是否进一步体验或查阅项目资料。

详细信息

阿里巴巴11月16日正式发布全新一代基座大模型 Qwen4,千问 AI 平台首发上线 Qwen4-Max,API 服务与 Token Plan 同步开放。模型采用基于 Qwen 稀疏注意力(QSA)的全新 MoE 架构,总参数2.4T,具备原生视觉与长程任务稳定交付能力,支持百万上下文,可调用专业工具处理长周期任务并依据用户反馈分阶段交付成果。

QQ20261116-113130.jpg

在 Terminal-Bench4.0评测中,同为 Xhigh 档位,Qwen4-Max 较上一代 Qwen3.8-Max 的每次尝试平均 Token 用量由289K 降至151K、减少近50%,得分从37.9分升至48.5分、提升近28%;缓存降价带动单任务平均费用降低58%。

定价上,国内每百万 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,也可经 QwenCloud 调用或在千问办公、Qoder 等应用体验。

落地方面,模型将图纸理解、参数化建模与工具调用融入汽车制造流程,单个工件加工编程的人工投入由约475分钟降至26分钟、减少约95%;在 AI4S 领域,经连续48小时智能体运行构建270万个分子候选空间并以4轮闭环获得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,优选分子名义结合亲和力约达专利起点3.6倍。

此外,模型还参与优化自身调度,使数据标注调度费用较基线降低9.00%、GPU 在线分配空闲容量时长增加4.62%、CPU 离线重调度求解速度提升超14.61倍。从工具调用到分阶段交付,此次上线延续了大模型竞争由能力验证转向真实生产力落地的趋势。

编辑整理:阅读要点

  • 功能和价格可能随版本或地区变化,使用前应查看最新说明。
  • 安装软件或启用服务时,优先使用项目官方渠道并检查所需权限。
  • 是否适合长期使用,应结合自身设备、工作流和实际体验判断。

延伸阅读

查看相关项目或原始资料

资料来源:news.aibase.com。本文依据公开资料整理,不是独立采访或独家报道。

Avatar photo

By Tony

Share via
Copy link