模型資訊
| 項目 | 值 |
|---|---|
| Model ID | qwen4-max(QwenCloud API) |
| 廠商 | 阿里巴巴(Alibaba,通義千問 Qwen 團隊) |
| 參數量 | 2.4T 總參數(backbone),71B 活躍參數/token;另加 328B N-gram Embedding 參數(置於第 2 層,提供局部 token pattern 查表) |
| Context Window | 1,000,000 tokens;QwenCloud API 文件列:非 thinking 模式 Max Input 991K/Max Output 131K,thinking 模式 Max Input 983K/Max Output 262K |
| Input 定價 (USD/1M tokens) | $1.50(前代 Qwen3.8-Max 為 $2.00,降 25%) |
| Output 定價 (USD/1M tokens) | $4.50(前代 Qwen3.8-Max 為 $6.00,降 25%;隱性快取 input 另降至 $0.075,前代 $0.25) |
| 開源 | 否(proprietary,僅供 QwenCloud API/Token Plan/Qwen Studio/QwenWork/Qoder 等託管端點,無開放權重可自架) |
| 發布日 | 2026-11-16(Token Plan 限時預覽自 2026-11-11 起,QwenCloud 正式 API 於 2026-11-16 開放) |
| 官方公告 | Qwen Blog:Qwen4-Max |
| 家族 | Qwen 4.x(Qwen4 世代首款模型,接替 Qwen3.8-Max-0902) |
能力亮點
- 2.4T 參數 backbone 只活躍 71B(約 3%),比 Qwen3.8-Max 少啟用 25% 參數,但 Alibaba 自家 Work360 綜合評測(26 大領域、721 個細分項目)分數從 47.74 升到 52.69
- 新架構三處同時改版:QSA(Qwen Sparse Attention,每層配 3 層 Gated DeltaNet 壓縮歷史狀態)+Gated Residual(4 條並行殘差分支、動態讀寫閥門)+328B 參數的 N-gram Embedding;官方稱 2.4T 規模訓練全程無 loss spike
- 同等推理品質下更省 token:Work360 在 Xhigh 檔位省約 24%、High 檔位省約 35%;Terminal-Bench 4.0 省約 48–49%,平均每任務成本從 $4.43 降到 $1.67(降 62%)
- HLAB-Vals-1.1(法律 agent 任務)21.3 分,是第二名 Kimi K3.1 的 11.7 分近 2 倍,16 項官方列表評測中拿下 4 項第一
Benchmark 表現
| Benchmark | Qwen4-Max | 前代 Qwen3.8-Max-0902 | 競品最強 |
|---|---|---|---|
| DeepSWE v1.1(代理式程式碼任務) | 75.7 | 69.3 | Kimi K3.1 Pro 75.5 |
| Terminal-Bench 4.0 | 48.5 | 38.9 | Kimi K3.1 Pro 67.2 |
| Humanity's Last Exam | 51.7 | 43.9 | Claude Opus 5.5 59.8 |
| ProgramBench(原生程式能力) | 31.5 | 28.0 | Claude Opus 5.5 65.0 |
| HLAB-Vals-1.1(法律 agent) | 21.3 | 15.4 | Kimi K3.1 11.7 |
以上 16 項對照全部出自 Alibaba 官方發布的 Qwen4-Max benchmark 圖表,截至發文未見第三方獨立複現;圖表中 Kimi K3.1 Pro 的 Terminal-Bench 4.0 分數為 67.2,但 Moonshot 官方自己公布的同一項分數是 65.7,兩者不一致,顯示跨廠商引用他牌分數時版本可能不同步。
與前代/競品比較
跟自家前代 Qwen3.8-Max 比,Qwen4-Max 進步最明顯的不是單項能力分數,而是「同樣任務用更少 token、更低成本完成」——Terminal-Bench 4.0 省將近一半 token、Work360 平均任務成本砍 62%,這代表同一個預算下可以跑更多次 agent 迴圈,而不只是分數本身變高。
跟競品比,Qwen4-Max 的優勢集中在特定垂直 agent 場景:法律(HLAB-Vals-1.1)、生物醫學(BioMysteryBench)、長時序代理任務(Agents' Last Exam v1.1)都拿下第一,代理式程式碼任務 DeepSWE v1.1 以 0.2 分的微弱差距險勝 Kimi K3.1 Pro。但原生編程能力(ProgramBench 31.5 分,輸 Claude Opus 5.5 的 65.0 分超過一倍)與終端操作能力(Terminal-Bench 4.0 輸 Kimi K3.1 Pro 近 19 分)明顯是弱項,定位更像「專才型 agent 模型」而非全能程式碼模型。
定價策略上 Qwen4-Max 延續阿里一貫的低價路線:input/output 從前代的 $2/$6 降到 $1.50/$4.50(降 25%),隱性快取 input 降 70% 到 $0.075。對比 Claude Opus 5.5 的 $4/$20,Qwen4-Max 便宜 63–78%;對比 Kimi K3.1 Pro 的 $2/$10,便宜 25–55%——即使扣掉它在編程類評測的落後,單純作為「跑大量 agent 任務的便宜後盾模型」仍有明確的成本優勢。
對 Agent 開發的意義
Qwen4-Max 把評測重心放在垂直領域代理任務(法律、生醫、長時序工作流),而不是通用程式碼能力,這決定了它適合的場景範圍相對窄:
- 如果你在做法律、生醫或知識密集型工作流的 agent:HLAB-Vals-1.1 與 BioMysteryBench 的領先幅度夠大(前者近 2 倍),值得優先納入測試候選
- 如果你在做大量跑批次、重視 token 成本的 agent pipeline:同等任務下 token 用量降 24–49%、每任務成本降 62%,加上比 Opus 5.5/Kimi K3.1 Pro 都便宜的定價,適合當「跑量」的後盾模型
- 不適合:純程式碼生成或終端操作為主的 coding agent——ProgramBench 和 Terminal-Bench 4.0 都明顯落後 Claude Opus 5.5 與 Kimi K3.1 Pro,這類場景選它會犧牲明顯的準確率;也不適合需要自架開放權重模型的場景,Qwen4-Max 沒有開放權重,只能透過 QwenCloud API 存取
今日收穫
這次 Alibaba 的對照評測套組(DeepSWE v1.1、Terminal-Bench 4.0、HLAB-Vals-1.1)跟業界常見的 SWE-bench Verified 是完全不同的量尺,拿不到可以直接橫向比較的分數;更明確的訊號是圖表裡 Kimi K3.1 Pro 的 Terminal-Bench 4.0 分數(67.2)跟 Moonshot 官方自己公布的分數(65.7)不一致——轉載友商分數時,不能假設同一個 benchmark 名字背後用的是同一次測試版本,一定要回頭對照對方自己的原始發布。
參考資料
- Qwen 官方部落格:Qwen4-Max — Your New Teammate Has Arrived
- QwenCloud 模型頁:Qwen4-Max 規格與 context/rate limit
- MarkTechPost:Alibaba Releases Qwen4-Max: 2.4T MoE, 71B Active, 1M Context(2026-11-16,含完整對照表)
- Yotta Labs:Qwen4-Max Specs, Benchmarks, Pricing, and How to Access It
- VentureBeat:Alibaba's Qwen4-Max cuts AI task costs, but benchmarks show an uneven challenge to frontier rivals