Qwen2.5-Max-0902发布：1691分登顶编程榜首，定价仅5美元

阿里云通义千问团队发布Qwen2.5-Max-0902检查点，在编程能力上实现重大突破，以1691分登顶LiveCodeBench编程榜单总榜第一，同时保持每百万Token综合成本仅5美元的高性价比策略。

Qwen2.5-Max-0902核心升级：编程与协同办公双线突破

此次更新针对两大方向进行了专项后训练优化。后训练（Post-Training）是指在模型完成大规模预训练之后，通过监督微调（SFT）、基于人类反馈的强化学习（RLHF）等技术手段，对模型在特定任务上的表现进行定向提升。与重新训练整个基础模型相比，后训练所需的计算资源更少、迭代周期更短，是当前大模型厂商快速提升产品能力的主流手段。

编程能力强化： Qwen2.5-Max-0902不再局限于简单代码生成，而是能够支持工程级项目和长周期自主开发。这里的"工程级项目"指的是包含多文件、多模块、复杂依赖关系的实际软件工程，远超传统评测中单个函数或算法题的范畴。智能体系统更加稳定，支持多工具编排和端到端交付。多工具编排意味着模型可以在一个开发流程中自主调度代码解释器、文件系统操作、终端命令执行、联网搜索等多种工具，模拟真实开发者的工作方式，真正满足企业级开发需求。

协同办公升级： 原生视觉能力得到强化，图表理解和文档解析准确性显著提升，适用于报表分析、合同审阅等实际业务场景。原生视觉能力意味着模型本身具备多模态理解能力，可以直接"看懂"图片、图表和文档排版，而无需依赖外部OCR工具进行文字提取后再处理，这在处理含有复杂表格、图表嵌套的PDF文档时优势尤为明显。

Qwen2.5-Max-0902编程与协同办公优化

API已全面上线，千帆办公、Coder和千帆App等产品第一时间完成接入，开发者可立即通过API体验新版本能力。

LiveCodeBench榜单表现：编程能力跃居第一

在LiveCodeBench编程榜单上，Qwen2.5-Max-0902较前一版本暴涨22分，以1691分的成绩登顶总榜第一，将GPT-4.5和Kimi k1.5等竞品甩在身后。LiveCodeBench是目前业界最受认可的大模型编程能力评测基准之一，与HumanEval、MBPP等早期基准不同，它持续从LeetCode、Codeforces、AtCoder等竞赛平台抓取新题目，有效防止模型通过记忆训练数据来"刷分"。评测涵盖代码生成、自我修复、代码执行推理和测试输出预测四大维度，能够全面衡量模型在实际编程场景中的综合能力。这一成绩标志着国产大模型在编程领域已达到业界顶尖水平。

Qwen2.5-Max-0902在LiveCodeBench榜单排名

编程能力的提升不仅体现在基准测试分数上，更关键的是模型能够处理更复杂的工程级项目，支持长周期的自主开发流程。对于需要AI辅助编程的开发团队来说，这意味着从代码片段生成到完整项目交付的质变——模型不再只是一个"代码补全工具"，而是逐步演变为能够理解项目需求、规划开发路径、自主执行调试的AI开发协作者。

API定价策略：性价比碾压同级竞品

在能力全面提升的同时，Qwen2.5-Max-0902保持了极具竞争力的定价，每百万Token综合平均成本仅为5美元，在性价比维度上超越所有价格更高的竞品。

Qwen2.5-Max-0902性价比对比

具体定价如下：

计费项	价格
输入	2美元/百万Token
输出	6美元/百万Token
缓存命中	最低0.17美元/百万Token

在大模型API的Token计费体系中，输入与输出的价格差异（输入2美元 vs 输出6美元）反映了底层计算成本的本质区别——输出阶段需要逐Token进行自回归生成，每生成一个Token都需要完整的前向传播计算，消耗的GPU算力远高于输入处理阶段的并行计算。而"缓存命中"指的是KV Cache（键值缓存）复用技术：当多次请求共享相同的系统提示词（System Prompt）或上下文前缀时，服务端可以直接复用已计算的注意力机制中间结果，避免重复计算，从而将这部分Token的处理成本降低一个数量级。对于企业级批量调用场景——例如客服系统中数千次请求共享相同的业务规则提示词——这一机制可以显著降低总调用成本。

该定价与基础版保持同价，显著降低了企业大规模调用大模型的成本门槛。作为参考，OpenAI GPT-4o的输入价格为2.5美元/百万Token、输出为10美元/百万Token，Anthropic Claude 3.5 Sonnet的输入为3美元/百万Token、输出为15美元/百万Token。Qwen2.5-Max-0902在编程能力超越这些竞品的同时，定价显著低于它们，这对预算敏感的中小企业和高频调用场景具有强大的吸引力。

Qwen2.5-Max-0902详细定价

技术规格：2.4万亿参数与百万级上下文

Qwen2.5-Max-0902的核心技术参数值得关注：

总参数量： 2.4万亿
激活参数： 950亿
上下文窗口： 支持100万Token
最大输出： 13万Token（推理模式下上限可达26万Token）
内置工具： 代码解释器、联网搜索等

2.4万亿总参数与950亿激活参数之间的巨大差距揭示了该模型采用的混合专家（Mixture of Experts, MoE）架构。MoE将模型参数分布在数百个"专家"子网络中，每次推理时通过一个路由机制（Router）仅激活其中一小部分专家进行计算。这种设计的精妙之处在于：模型的总知识容量与2.4万亿参数的稠密模型相当，但单次推理的计算成本仅相当于一个950亿参数的稠密模型。这是当前万亿参数级模型实现商业化部署并保持低定价的关键技术路线，Google的Gemini系列和Mistral的旗舰模型同样采用了类似架构。

100万Token的上下文窗口意味着模型单次对话可以处理约75万个英文单词或约50万个中文字符，大致相当于十余本完整书籍的内容量。实现这一能力通常依赖于位置编码外推技术（如RoPE的NTK-aware缩放、YaRN等方法）以及稀疏注意力机制，使模型在不显著增加计算开销的前提下处理超长序列。在工程开发场景中，超长上下文使模型能够一次性理解整个代码仓库的结构和依赖关系，而非只能看到当前文件的片段，这是支撑工程级项目自主开发的基础能力。

说个细节，海外技术媒体指出，官方尚未明确说明0902检查点与开源权重之间的映射关系。这一点值得关注——阿里云此前已开源了Qwen2.5系列多个规模的模型权重，但API提供的闭源版本通常经过更深度的后训练优化，且可能包含开源版本未有的系统级功能集成。企业在进行模型迁移前，建议先确认API端点的具体模型标识，以确保调用的是预期版本。

行业趋势：检查点快速迭代成为新常态

Qwen2.5-Max系列在9月初刚完成首次开源，此次0902检查点的快速发布，标志着大模型开发已进入"检查点节奏"。在深度学习领域，检查点（Checkpoint）是模型训练过程中定期保存的参数快照。传统模型发布以大版本号为主（如从v2到v3），每次大版本更新往往意味着架构变更、预训练数据大幅扩充，开发周期通常以季度甚至半年为单位。而检查点发布模式则是在同一基础架构上，通过持续的后训练快速优化特定能力维度，然后以日期标记（如0902）的形式发布更新。这种模式的兴起与OpenAI的GPT-4系列频繁更新（如gpt-4-0613、gpt-4-turbo-2024-04-09等）一脉相承，已成为头部大模型厂商的标准发布节奏。

通过持续的小版本优化快速响应用户需求和市场变化，而非依赖大版本的长周期开发。

这种敏捷迭代模式带来几个直接影响：

能力提升更频繁： 用户可以更快享受到技术进步带来的红利，单次迭代的编程能力提升（如本次的22分涨幅）在传统发布模式下可能需要等待数月
版本管理更复杂： 开发者和企业需要建立更灵活的模型版本管理机制，包括在API调用中固定模型版本号、建立回归测试流程、以及制定版本升级的评估标准，避免因自动切换到新版本导致线上服务行为不一致
竞争节奏加快： 行业玩家之间的追赶和超越将以周为单位展开，这也意味着当前的榜单排名可能在下一个检查点发布后迅速变化

对于正在选型或已经使用通义千问系列的团队而言，持续关注检查点更新并及时评估新版本能力，将成为保持技术竞争力的关键动作。建议企业建立定期的模型评估管线（Evaluation Pipeline），在每次新检查点发布后，用自身业务场景的测试集进行快速评估，以数据驱动版本升级决策。