关键要点
- 2026 年 11 月 16 日,阿里发布 Qwen4 系列最强模型 Qwen4-Max:总参数 2.4 万亿,原生视觉,上下文 100 万 tokens,以付费 API 形式上线。
- 它是稀疏专家模型,每个 token 只激活约 710 亿参数,约为参数池的 3%;阿里称单位 token 激活参数比 Qwen3.8-Max 少约 25%。
- 缓存命中的输入价格降至每百万 tokens 0.5 元人民币(约 0.07 美元),阿里给出的单任务成本比 Qwen3.8-Max 下降 58%。
- 开源承诺只覆盖 Qwen4 系列的中小尺寸,将"分阶段"开放;2.4 万亿的 Max 不在其中。
设想三种工作负载,跑在同一个付费 API 上。第一种,每次请求都贴进同一份 80 页合同。第二种,让智能体对着同一个代码仓库跑一长串工具调用。第三种,一整天不停抛出互不相关的短问题。
前两种会变便宜,第三种不会。这不是计费出错,而是阿里新旗舰背后的设计押注。
实际发布的东西
按官方公布的规格:总参数 2.4 万亿,原生支持视觉,上下文窗口 100 万 tokens。它已在阿里 Qwen 平台以付费 API 上线,也可通过 Token Plan 及办公、编程和消费级应用触达。
两个数字要分开看,多数报道把它们混在一起:2.4 万亿是模型可调用的参数池规模;710 亿是任何一个 token 实际激活的部分,约占池子的 3%。两者之间的落差,正是阿里在卖的东西。
3% 的技巧,以及它不是免费的
Qwen4-Max 是混合专家模型,建立在阿里所称的 Qwen Sparse Attention 之上。它不把每个参数都跑一遍,而是由路由层挑选一小部分专家模块。阿里称,每个 token 激活的参数比 Qwen3.8-Max 少约 25%。
代价并不陌生。稀疏路由省的是单 token 算力,但整个参数池仍要驻留在某处:显存占用不会随激活比例等比缩小。批处理效率取决于同一时刻到达的请求是否恰好路由到同一批专家。纸面上很便宜的稀疏模型,遇上形状不对的负载可能很贵。
阿里自己的效率叙事指向的不是列表价,而是"做完一件事烧掉多少 token"。在专业编程评测 Terminal-Bench 4.0 上,公司报告在同样"xhigh"思考档位下,每次尝试的平均 token 从约 28.9 万降到约 15.1 万,得分 48.5。每次成功少烧的 token 会复利——它同时打在算力、时延和价格上。
阿里在卖的数字,与真正要紧的数字
缓存命中的输入价格压到每百万 tokens 0.5 元人民币(约 0.07 美元/0.55 港元)。阿里给出的单任务成本降幅,相对 Qwen3.8-Max 是 58%,也就是它"约六成"说法的来源。缓存是能造出这个量级差距的机制之一;公司只给总数,没有给拆解。
按脑机网首席科学家李安的说法,这次发布里要紧的不是参数数量,而是每完成一个任务花掉的 token,因为企业预算真正盯的是这个数。
缓存奖励的是一种特定形状的活:跨请求重复的长而稳定的前缀——固定的系统提示、代码库上下文、团队反复追问的同一份文档。对一串一次性、互不相关的短提示,它几乎没用。所以这个折扣是真的,但不是全线降价:同一份制度文件、同一个仓库、同一条客户记录,被问上一千遍,才是它瞄准的负载。
它站在什么位置
阿里称 Qwen4-Max 在 CodeArena 这个盲测前端编程对比中排第六,并援引智能体和专业任务基准——包括 Agents' Last Exam 的 46.7 分——作为进入第一梯队的证据。这些是公司挑的评测、自报的分数,有方向性,但不能替代你自己跑一遍。
开源上,部分报道把阿里的计划读成覆盖旗舰,并不是。阿里明确承诺的是:Qwen4 系列的中小尺寸模型将分阶段开源。这是对家族里较小成员的承诺,不是对 2.4 万亿的 Max。
还有一个市场细节值得留意。2026 年国内模型 API 价格反复下调,购物节期间还出现过大幅折扣的 token 包。58% 的改善落在一个买家本就预期降价的市场上,持久优势与其说取决于这个月的数字,不如说取决于效率提升还能不能持续到来。
诚实的局限
本文依据阿里公布的发布规格,以及国内财经媒体的报道(《上海证券报》《澎湃新闻》《新京报》贝壳财经、《南方都市报》、量子位)。58% 单任务降本与 Terminal-Bench 48.5 分等基准结果均为公司自报,没有独立复现;各媒体对上代分数的表述略有出入,故只引新模型分数。写作时没有第三方评测,中国以外平台定价未确认。"缓存主要利好稳定重复负载"是分析,不是公司说法。中小尺寸模型的开源时间只有"分阶段",没有日期。本文不涉及安全评测与训练数据来源。
普通人现在能做什么
- 量"每完成一个任务的 token",而不是"每百万 token 多少钱"。拿一个代表性流程在你现用的模型上从头跑到尾,数它烧了多少;这个基线是任何厂商折扣唯一能对比的东西。
- 查清你的流量里有多少是可缓存的。提示共享长而稳定的前缀,缓存折扣就是真金白银;每个请求都短且唯一,头条折扣不会出现在账单上。
- 迁移关键链路前等独立基准。公司自报的评测是试用的起点,不是搬生产流量的理由。