---
title: "阿里新旗舰总参数 2.4 万亿，每个 token 只唤醒 710 亿"
date: 2026-11-17
category: AI大模型
site: 脑机网
canonical: https://aiai.cafe/a/njw-cf28fa
language: zh-CN
---

# 阿里新旗舰总参数 2.4 万亿，每个 token 只唤醒 710 亿

> ## 关键要点

## 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&#x27; 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。

---

来源：脑机网（https://aiai.cafe/）｜原文：https://aiai.cafe/a/njw-cf28fa
本内容仅供参考，不构成投资建议。
