阿里Qwen4-Max发布:2.4T MoE架构、百万上下文

阿里发布2.4T MoE闭源旗舰Qwen4-Max,把竞争焦点引向单位任务成本。
阿里正式发布旗舰闭源模型Qwen4-Max,采用2.4T总参数、71B激活参数的MoE架构,原生支持视觉理解与100万token上下文,输入定价为每百万token 1.5美元。官方称其在Work360基准上把单任务成本削减62%,这一数据被视为大模型竞争从"堆参数"转向"单位任务成本"的信号。文章分析了MoE稀疏激活如何将能力与推理成本解耦、百万上下文与原生多模态对推理基础设施的极高要求,以及任务级成本与单token单价之间的区别,并指出阿里采取开源生态与闭源旗舰双轨并行的商业化路径,而长上下文检索精度与多模态实际表现仍待第三方评测验证。
阿里正式发布Qwen4-Max,一款采用MoE架构的旗舰级闭源模型。参数规模达到2.4T,激活参数71B,原生支持视觉理解与100万token上下文窗口,输入定价为每百万token 1.5美元。官方同步披露,在Work360基准测试中,该模型将单任务成本削减了62%。这组数据指向同一个信号:大模型竞争的焦点正在从「堆参数」转向「单位任务成本」。
架构选择:MoE为什么成为旗舰标配
Qwen4-Max采用2.4T总参数、71B激活参数的混合专家架构。总参数决定模型的容量上限,激活参数决定单次推理的实际计算量。两者之间约34倍的差距,意味着模型可以在保持庞大规模的同时,把每次请求的计算开销控制在远低于稠密模型的水平。
这一设计思路在旗舰模型中已逐渐成为共识。稠密模型要把能力推到同等量级,推理成本会呈线性甚至更高幅度增长,而MoE通过稀疏激活把「能力」和「成本」解耦。Qwen4-Max的定价——每百万输入token 1.5美元——放在2.4T参数量级的语境下,本身就说明了这种架构带来的成本结构变化。
值得关注的是激活参数的比例。71B的激活规模在MoE模型中属于较大的一档,意味着单个token会路由到更多专家,模型在表达能力和推理深度上不会因稀疏化而明显打折。这是「大总参、大激活」的路线,而非一味追求极端稀疏。
混合专家架构(MoE) 的核心机制是将传统Transformer中的单个前馈网络(FFN)替换为多个并行的"专家"子网络,并通过一个可学习的路由器(router) 为每个token动态选择激活其中少数几个专家。总参数是所有专家参数之和,而激活参数只是单次前向传播中实际参与计算的参数量——这正是文中"2.4T总参、71B激活"的来源。
MoE的关键权衡在于路由质量与负载均衡:如果路由器总是把token集中分配给少数专家,会导致参数利用率低下和训练不稳定,业界通常引入辅助负载均衡损失来缓解。此外,MoE模型对显存的要求依然由总参数决定(所有专家需驻留显存或进行专家并行切分),因此它降低的是计算成本而非部署成本——这一点对理解其定价逻辑很重要。
百万上下文与原生视觉:两个能力维度的取舍
1M token的上下文窗口是Qwen4-Max的另一核心卖点。长上下文的实际价值不在于「能塞多少字」,而在于能否在超长输入中维持检索与推理的稳定性。原文披露的是窗口大小,未给出长上下文检索精度的具体评测数据,这部分实际表现仍需后续独立测试验证。
原生视觉能力则意味着图片理解不是通过外挂模块拼接,而是训练阶段就融入模型。对于需要同时处理文档、图表和文本的企业场景,原生多模态可以减少流水线中的模态转换损耗。
上下文长度、多模态、参数量三者同时拉高,对推理基础设施的压力是指数级的。Qwen4-Max能在1M上下文下维持每百万token 1.5美元的定价,说明阿里在推理侧做了相当程度的工程优化。
上下文窗口受限于注意力机制的计算复杂度与KV Cache的显存占用:标准全注意力对序列长度呈平方级增长,1M token的序列若用朴素实现几乎不可行。业界主流做法包括分块注意力、滑动窗口、线性注意力近似以及位置编码外推(如RoPE的NTK插值或YaRN)等技术。这些方法在扩展窗口的同时往往引入精度衰减,尤其在"大海捞针"式长距离检索任务上表现分化明显,因此文中强调"窗口大小"与"检索稳定性"是两个不同层面的指标。
原生多模态与"外挂拼接"的区别在于训练目标与数据配比:原生方案在预训练阶段就让视觉token与文本token共享同一套注意力与专家路由,模型能学习跨模态的联合表征;而拼接式方案通常冻结语言模型、仅训练一个投影适配器,跨模态推理能力受限。代价是原生方案需要更大规模的图文交错语料和更高的训练算力。
62%成本削减:企业采购的新计价单位
Qwen4-Max最值得琢磨的数据不是参数量,而是Work360基准上单任务成本下降62%。Work360是面向真实工作任务场景的评测集,衡量的是完成一个完整任务所需的总成本,而非单token价格。
这两个指标的区别很关键。单价低不等于任务成本低——如果模型需要更多轮次、更长输出才能完成任务,单token再便宜,总成本也可能更高。62%的任务级成本下降,隐含的是模型在任务完成效率上的提升,而不仅是价格战。
对企业采购方而言,这意味着评估模型的标准需要更新:从「每百万token多少钱」转向「完成一个业务任务要多少钱」。Qwen4-Max把这一计价逻辑摆到了台面上,后续同类产品的定价叙事大概率会跟随这一框架。
任务级成本(cost per task) 的评估通常需要固定一套任务集、允许模型自主决定调用轮次与输出长度,再统计端到端的token消耗与费用。它与单token定价的关系可近似表达为:任务成本 ≈ 单token价格 × (输入token + 输出token)总和,其中输出token单价通常显著高于输入。因此任务成本的下降可能来自三个来源:单价下调、输出压缩(更简洁但正确的回答)、轮次减少(一次做对而非反复重试)。区分这三者对采购决策很关键——若优势主要来自输出压缩,则在需要长输出的场景(如报告生成)中优势可能收窄。
闭源旗舰路线与开源生态的分工
Qwen4-Max被明确标注为proprietary(闭源)模型。这与Qwen系列此前在开源社区建立的声誉形成对照:阿里一边通过开源小模型和中等规模模型维持生态影响力,一边把最强能力收进闭源旗舰,走商业化变现路径。
这种双轨策略在头部厂商中并不罕见,但对开发者的实际影响是分层的:研究和二次开发仍可用开源权重,而追求极致能力与长上下文的商业应用,则需要按token付费接入闭源API。选择权在用户手里,但成本结构不同。
竞争格局中的位置
把Qwen4-Max的几个数字放在一起看——2.4T MoE、71B激活、1M上下文、原生视觉、1.5美元/百万token、任务成本降62%——它瞄准的是企业级高价值任务市场,而非价格敏感的大众调用场景。
真正的考验在于长上下文下的实际检索精度、多模态在复杂文档上的表现,以及62%的成本优势能否在Work360之外的场景复现。这些都需要第三方评测来交叉验证。可以确定的是,旗舰模型的竞争维度已经从单纯的参数规模,扩展到「单位任务成本」这一更贴近商业现实的指标上。
相关推荐

OpenAI 11月30日关停Agent Builder等三项服务,开发者需紧急迁移
OpenAI 将于 11 月 30 日关停 Agent Builder、evals 仪表盘和可复用提示三项开发者功能,evals 已转为只读。本文梳理受影响范围、OpenAI 官方给出的迁移路径(Agent SDK、PromptFu、自有代码)以及开发者本周应完成的导出与重建动作。

RankSpot:按次付费的SEO与AI搜索执行层,让Agent替你写文、发布、换外链
RankSpot 是面向 AI Agent 的 SEO 与 AI 搜索执行层,通过 MCP 接入 Claude 或 ChatGPT,让 Agent 完成写文、发布和外链获取。按次付费,每篇文章 3 美元,读数据免费,支持 100 多种语言。

Appxiom:给AI编程助手装上生产环境上下文
Appxiom为AI编程Agent提供生产环境上下文,覆盖崩溃、卡顿、内存泄漏与失败的网络调用,支持Android、iOS、Flutter、KMP和Web,并通过Goal Friction Impact按业务目标排序Bug。