阿里在 11 月 16 日发布新一代基座模型 Qwen4,千问平台当天上线其中最大的 Qwen4-Max。三个数字先摆出来:2.4 万亿总参数、单 Token 激活 710 亿、百万级上下文,并且原生支持视觉输入。
省钱的不是参数,是稀疏注意力
Qwen4-Max 用的是基于 Qwen 稀疏注意力(QSA)的 MoE 架构。2.4 万亿是宣传口径,710 亿激活才是账单口径——每个请求只碰大约百分之三的权重,这才是它敢按中端价格卖的原因。
同样的机制解释了上下文窗口。百万级 Token 如果按稠密注意力算,成本是平方级增长的;稀疏注意力把这一项压了下来,也顺带让「缓存命中 0.5 元/百万 Token」这个价格成立。
第三方榜单的位置
两个成绩值得引用,因为它们不是自家评测。CodeArena 这个聚焦前端编程的全球盲测榜上,Qwen4-Max 排第六,是国产模型在该榜的最好成绩。Work360 全场景建模体系评测得分 52.69,比上一代高出一成以上。
这两个数字都不能说明它是当下最强的模型。它们说明的是:在企业真正跑量的那一档里,它有竞争力。
两个带数字的落地案例
阿里公布了两个客户场景。汽车制造里,单个工件的加工编程原本需要人工 475 分钟,用 Qwen4-Max 之后是 24 分钟。这不是跑分,是一条工作流被替换掉了。
第二个案例对做 Agent 的人更有参考价值:金融投研场景会调用 90 个 MCP 专业工具,并且要求双重溯源——每一条结论都能回溯到两个独立来源。工具调用做到这个规模,长上下文和便宜的缓存命中才开始产生复利。
价格到底改变了什么
缓存命中 0.5 元/百万 Token,官方说单任务平均费用较上代下降约六成。对聊天场景,这只是省了一点钱;对 Agent,这是整个论证的关键:一个 Agent 循环会在一次任务里反复重发同一段系统提示词和工具定义,所以缓存命中价才是真实单价,而不是那个醒目的输入价。
如果你的负载是长跑 Agent、前缀稳定,实际折扣会远大于六成;如果是每次全新提示词的一次性生成,折扣就小得多。
还没定的部分
中小尺寸的 Qwen4 会开源,但没有给时间表——而这恰恰是这次发布里最能改变自托管算式的一环。另外,百万上下文「尾部」的质量如何衰减,目前没有独立评测。厂商很少公开这条曲线,而这条曲线通常正是长上下文宣传最软的地方。
怎么用
别照着榜单切。拿三个自己的任务去跑:一个短任务、一个 20 万 Token 文档、一个前缀固定的 Agent 循环。量「完成单个任务的成本」和缓存命中率,而不是每秒 Token 数。如果 Agent 任务的缓存命中率很高,六成这个说法会显得保守;如果接近零,那它就是一个更便宜的中端模型,仅此而已。