這一次賣的不是更大的分數,而是同一個任務少燒幾顆詞元。價格降下來的那一段,剛好也是它在幾張榜上輸掉的那一段。
Alibaba 在 16 日推出 Qwen4-Max,先講價格
Alibaba 在 11 月 16 日發布 Qwen4-Max,透過阿里雲對外提供。API 定價每百萬輸入詞元 1.50 美元,輸出 4.50 美元,快取命中 0.075 美元。
單價低不代表帳單低,因為不同模型的詞元切法與用量差很多。真正要比的是完成同一個任務付多少錢,這也是這次主打的那條線。
Qwen4-Max 的 mixture-of-experts:2.4 兆參數,每詞元啟動 71B
Qwen4-Max 是 mixture-of-experts 模型,總參數 2.4 兆,每個詞元只啟動 71B。這個設計的意思是,全部參數都要放得進記憶體,但每次運算只走其中一小部分,跑起來的成本接近小模型,容量卻靠大模型撐著。
它原生支援圖像輸入,上下文窗口開到 100 萬詞元,也就是 1M-token context。
架構上有幾個不常見的選擇。3280 億參數的 N-gram 嵌入層像一份常見詞元序列的快取,遇到重複片段可以少算一次。殘差連接走四條平行的閘控通道,不是多數模型用的單通道。注意力則是混的:三層先壓縮前面的上下文,第四層只挑當下相關的部分,Gated DeltaNet 降低長提示的硬體需求,QSA 跳過用不到的資料。
為什麼要在嵌入層放一個快取,答案在帳單上。客服問答、法務範本、程式裡反覆出現的樣板,這些片段每次重算都是浪費,能快取就快取。四條殘差通道與混合注意力處理的是另一種浪費:長文件裡大部分內容對當前問題沒用,硬算只是燒錢。
1M-token context 換來什麼:訓練穩定與更少的啟動參數
Alibaba 說這次訓練沒有出現損失尖峰。它公布 Qwen4-Max-Base 在 bits per byte 上比 Qwen3.8-Max-Base 好 5% 到 13%,同時每個詞元少啟動 25% 的參數。
長上下文對讀者的意義比較具體。一份上百頁的合約、一整季的財報、一個中型專案的程式碼,以前要切段處理,現在可以一次放進去。代價是每次呼叫的詞元量變大,所以單價低不等於總價低。
Work360 的帳:每任務從 4.43 美元降到 1.67 美元
Work360 是 Alibaba 自己的工業工作基準,涵蓋 721 個專門領域。它公布平均每任務成本從 4.43 美元降到 1.67 美元,降幅 62%,分數同時從 47.74 升到 52.69。
詞元用量也一起降。內部知識工作基準少 35%,Terminal-Bench 4.0 上少約 49%。成本下降有一半來自單價,另一半來自它不需要講那麼多話。
這些是公司自己的測試,沒有經過獨立驗證,看的時候當成廠商提供的對照表。
工業基準的意義在於它貼近實際工作。721 個領域聽起來很細,但工廠裡的排程、良率分析、維修紀錄本來就是這種碎而專的題目。台灣與香港的製造與物流業者對這類任務不陌生,資料通常不長,卻很要求欄位正確。
Artificial Analysis 的獨立數字:43 分,每任務 3.27 美元
Artificial Analysis 把 Qwen4-Max 放在 Intelligence Index 的 43 分,比前一代高 9 分,距離 Kimi K3.1 Pro 還差 3 分。下表的成本欄才是這次的重點。
模型 | Intelligence Index | 每任務成本 |
|---|---|---|
Qwen4-Max | 43 | 3.27 美元 |
Qwen3.8-Max | 34 | 10.02 美元 |
Kimi K3.1 Pro | 46 | 3.68 美元 |
Tencent Hy4 | 35 | 1.03 美元 |
把單價、詞元用量與每任務成本三件事分開看,才會發現便宜有兩種來源:一種是把價格壓低,另一種是讓模型少講幾句廢話就把事情做完,後者才是這次真正想賣的東西。Kimi 用略高的單價換 3 分;Tencent 的 Hy4 用三分之一的價錢換低 8 分。Qwen4-Max 站在中間,用前一代三分之一的成本追上大部分的差距。
Qwen4-Max 輸在哪:Terminal-Bench 4.0 與 FrontierCode 2.0
Terminal-Bench 4.0 測命令列環境裡的多步驟操作,Qwen4-Max 拿到 48%,Kimi K3.1 Pro 是 67%。這不是幾個百分點的差,是兩個等級。
FrontierCode 2.0 上它拿 26%,與 Kimi 並列,落後 Tencent Hy4 的 31%。推理方面 HLE-Diamond 升 21 點到 45%,仍落在 Opus 5.5 與 GPT 系列後面;HealthBench Professional 輸給 GPT 系列,只微幅勝過 Opus 5.5。
定位因此很清楚。它不是拿來攻最難的程式與推理題,是拿來壓大量重複任務的成本。
Live Delivery:先給一份能用的初稿
長時間的代理任務最怕跑到一半才發現方向錯。Live Delivery 先回一份可用的初版,讓使用者在過程中改方向,再往下修。Alibaba 把 Qwen-Live-Delivery-Plugin 開源。
兩個例子都偏工業場景。合作夥伴 SANF 與 Pacific Union 把單一工件的人工程式編寫從約 475 分鐘壓到 24 分鐘。另一個金融場景一次呼叫 90 個 MCP 工具,最後輸出 Excel 與 PowerPoint,數字可追溯。
代理任務的另一個問題是中途沒有產出。跑了四十分鐘還在規劃,使用者不知道該等還是該停。先給初稿把這段不確定縮短,代價是初稿可能方向錯了,要花時間修正。
Alibaba 還沒交出的部分
第一,基於 Qwen4 的較小開源模型只有承諾,還沒上架。第二,成本說法目前只有官方與少量第三方數字,缺少大規模獨立驗證。第三,詞元便宜只有在代理真的把工作做完時才算數。
台灣與香港的團隊會遇到兩個實際問題。多數公司是透過阿里雲國際站或經銷商取用,帳單與資料落地條件要先問清楚,金融業尤其如此。另一個是繁中語料的長上下文表現,官方基準幾乎都是英文,這一塊只能自己拿實際文件測。
什麼時候不該選它?要拼最難的除錯、需要模型自己想出罕見演算法、或編譯器等級的程式工作,Kimi 在 Terminal-Bench 4.0 上的差距說明它現在還不夠。把這些任務交給它,省下的錢會變成重做的時間。
如果你的流程還壓在 Excel 與 PowerPoint 上,這種先給初稿的做法值得試。它賣的不是最強的模型,是把一個下午壓成半小時的那種省。






