阿里巴巴推出 Qwen4-Max,具備百萬 token 上下文與全新安全控管

新聞摘要
阿里巴巴於 2026 年 11 月 16 日推出 Qwen4-Max,將其定位為 Qwen4 系列中首款、也是能力最強的模型,採用 2.4 兆參數的混合專家架構,具備原生影像與影片理解能力,以及一百萬 token 的上下文視窗。此次發表一方面主打在軟體開發、專業工作流程與科學研究中進行更長時間、可運用工具的工作,另一方面也公開說明了更強化的安全措施。關於基準測試表現、成本節省與防護機制的主要說法大多來自阿里巴巴;獨立報導證實了此次發表以及安全調整的大方向,但實際效能與風險降低程度仍須由外部評估。
阿里巴巴宣布了什麼
該公司表示,Qwen4-Max 在總計 2.4 兆參數中,每個 token 啟用 710 億個參數,這種稀疏混合專家的做法旨在以更低的推論成本提供大型模型的能力。阿里巴巴描述它支援複雜程式撰寫、視覺推理、代理工作流程、職場生產力與科學探索。QwenCloud 的開發者文件將 Qwen4-Max 標示為首款 Qwen4 模型,並列出影像與影片理解、工具呼叫、網頁搜尋、程式碼解譯,以及一百萬 token 的上下文長度。
阿里巴巴表示,該模型在 Code Arena 排名第六,並稱 Qwen4-Max 在公司涵蓋 721 個專業領域的 Work360 基準測試中,表現優於前一代 Qwen3.8-Max。在高強度推理設定下,該公司稱新模型使用的 token 減少 35%,平均任務成本降低約 60%。這些都是公司自行公布的數據;結果取決於基準測試設計、任務組合、模型設定與定價假設,不應被解讀為每位使用者的工作負載都能省下 60% 成本的普遍保證。
安全措施及其侷限
阿里巴巴表示,軟體工程訓練將安全檢查與功能測試結合,目標是減少程式碼注入、記憶體安全問題與存取控制失效等缺陷。在網路安全相關訓練方面,該公司稱保留了用於識別與修補漏洞的防禦性素材,同時過濾掉意在提升攻擊能力的內容。它也提到專門的安全資料集與後訓練工作,以強化對化學、生物、放射性與核子濫用的防護。
路透社對此次發表的報導獨立指出,同樣存在保留防禦性網路安全知識、過濾攻擊性素材的大方向區分,以及針對危險領域的額外防護。這佐證了阿里巴巴所稱在訓練與後訓練中納入的做法,但本身並不足以確立這些控管在對抗性使用下的可靠程度。此處所述的公開揭露並不等同於完整的外部稽核,而現有的發表資料也未提供詳盡的獨立評估流程,或有害請求被攔截比例的量化數據。
長時間運行的代理與研究案例
阿里巴巴宣傳的核心之一,是 Qwen4-Max 能在長時間任務中進行規劃並使用工具,將模型生成的想法與模擬、外部工具及實驗回饋串接起來。該公司描述了一項為期 48 小時的晶片散熱研究工作流程,歷經分子設計、合成與測試,以及主動學習,並稱產出了一種經實驗驗證的冷卻劑分子。在一項阿茲海默症研究實驗中,阿里巴巴表示該模型在設計與最佳化 24 個候選分子的過程中,進行了 454 次工具呼叫與 3,239 次指標評估。
這些案例說明 AI 代理如何協助研究人員進行反覆迭代的工作,但它們屬於公司示範,而非該模型獨立確立某項科學成果的證據。冷卻劑的說法在阿里巴巴的描述中包含實驗驗證;藥物相關候選分子則被描述為僅經過計算評估,仍需進一步的實驗室驗證。人類專業判斷、實驗對照與獨立重現,對於解讀這類結果依然不可或缺。
取得方式、定價與後續發展
發表時,阿里巴巴表示 Qwen4-Max 可透過 QwenCloud 的 Token Plan 與 API,以及 QwenWork 和 QwenStudio 使用。其公告列出隱式快取命中時,每百萬輸入 token 價格為 0.075 美元。這是特定的快取輸入費率,並非總使用成本的完整估算:未快取的輸入、生成的輸出、推理設定與工具呼叫都可能改變帳單金額。QwenCloud 文件確認了該模型的 API 存取方式與功能組合,並列出多個地區的部署,包括新加坡、法蘭克福、香港、東京與維吉尼亞。
阿里巴巴表示,後續將推出開放權重的較小型 Qwen4 模型,這項區別對於想檢視或調整模型權重、並在自有環境中運行系統的開發者而言相當重要。Qwen4-Max 本身則是透過託管服務與 API 提供。整個系列能否同時帶來實用的開放性與可靠的安全性,將隨著技術文件、獨立測試與實際使用經驗的累積而更加明朗。
為何此次發表值得關注
Qwen4-Max 突顯了當前 AI 工程的一項實務挑戰:讓系統具備持續性、多模態的工作能力,同時控制隨工具使用與專業知識存取而成長的成本與風險。稀疏啟用與快取可提升服務效率,而更長的上下文與代理工作流程則有助於研究與軟體任務。但同樣這些能力,也讓監控、權限邊界與審慎的人工審查變得更加重要。
對教育工作者與學生而言,該模型的科學案例最適合用來引導檢視研究過程:哪些步驟被自動化、量測了什麼、哪些說法來自模擬、哪些經過實體測試。此次發表的具體規格與安全揭露為這類討論提供了素材,但關於準確度、成本與抗濫用能力最有力的結論,仍需要透明的基準測試與長期的獨立評估。
本文由 AIBARS 編輯部在 AI 輔助下整理。AI 可能出錯,重要資訊請以原始來源為準。發現錯誤?請來信 [email protected]。