阿里巴巴发布 Qwen4-Max,支持百万级上下文并引入全新安全管控

新闻摘要
阿里巴巴于 2026 年 11 月 16 日推出 Qwen4-Max,称其为 Qwen4 系列中的首款也是能力最强的模型,采用 2.4 万亿参数的混合专家架构,原生支持图像与视频理解,上下文窗口达一百万词元。此次发布一方面主打在软件开发、专业工作流和科学研究中开展更长时间、可调用工具的任务,另一方面也公开说明了更为强化的安全措施。关于基准测试表现、成本节省和安全防护的核心说法主要来自阿里巴巴;独立报道确认了此次发布以及安全调整的大致方向,而真实场景下的性能与风险降低程度仍有待外部评测。
阿里巴巴宣布了什么
该公司表示,Qwen4-Max 在总计 2.4 万亿参数中,每个词元仅激活 710 亿参数,这种稀疏混合专家方案旨在以更低的推理成本提供大模型能力。阿里巴巴称其支持复杂编程、视觉推理、智能体工作流、职场生产力以及科学探索。QwenCloud 的开发者文档将 Qwen4-Max 列为首款 Qwen4 模型,并列出图像与视频理解、工具调用、网页搜索、代码解释以及一百万词元的上下文长度。
阿里巴巴报告称其在 Code Arena 上排名第六,并表示 Qwen4-Max 在公司自有的 Work360 基准测试中超越了前代 Qwen3.8-Max,该基准覆盖 721 个专业领域。在高强度推理设置下,公司称新模型的词元用量减少了 35%,平均任务成本降低约 60%。这些都是公司自行公布的数据;结果取决于基准设计、任务组合、模型设置和定价假设,不应被理解为每位用户的工作负载都会便宜 60% 的普遍保证。
安全措施及其局限
阿里巴巴表示,软件工程训练将安全检查与功能测试相结合,目标是减少代码注入、内存安全问题和访问控制失效等缺陷。对于网络安全相关训练,公司称保留了用于识别和修复漏洞的防御性材料,同时过滤掉意在提升进攻性攻击能力的内容。它还提到使用了专门的安全数据集和后训练工作,以加强对化学、生物、放射性和核领域滥用行为的防护。
路透社对此次发布的报道独立提到了同样的大致区分:保留防御性网络安全知识、过滤进攻性材料,以及针对危险领域的额外防护。这印证了阿里巴巴所说的在训练和后训练中加入的内容,但本身并不能证明这些管控在对抗性使用下的可靠性。此处所述的公开披露并不等同于完整的外部审计,现有的发布材料也没有提供详细的独立评测方案或有害请求拦截率的量化数据。
长时运行的智能体与科研案例
阿里巴巴宣传的一个核心点是,Qwen4-Max 能够在长时间任务中进行规划并使用工具,把模型生成的想法与仿真、外部工具和实验反馈连接起来。公司描述了一个持续 48 小时的芯片散热研究工作流,涵盖分子设计、合成与测试以及主动学习,并称由此产出了一种经实验验证的冷却剂分子。在一项阿尔茨海默病研究实验中,阿里巴巴称该模型在设计并优化 24 个候选分子的过程中进行了 454 次工具调用和 3,239 次指标评估。
这些例子展示了 AI 智能体如何协助研究人员完成迭代性工作,但它们属于公司演示,而非该模型独立确立某项科学成果的证据。按阿里巴巴的说法,冷却剂的结论包含实验验证;而与药物相关的候选分子被描述为仅经过计算评估,仍需进一步的实验室验证。要解读此类结果,人类专业知识、实验对照和独立复现依然不可或缺。
获取方式、定价与后续计划
发布时,阿里巴巴表示 Qwen4-Max 可通过 QwenCloud 的词元套餐和 API 使用,也可通过 QwenWork 和 QwenStudio 使用。其公告列出的价格为:命中隐式缓存时,每百万输入词元 0.075 美元。这只是特定的缓存输入费率,并非总使用成本的完整估算:未缓存的输入、生成的输出、推理设置和工具调用都会影响账单。QwenCloud 文档确认了该模型的 API 接入方式和功能集,并列出了多个地区的部署,包括新加坡、法兰克福、香港、东京和弗吉尼亚。
阿里巴巴表示,随后将推出开放权重的较小规模 Qwen4 模型,这一区别对于希望检查或调整模型权重、并在自有环境中运行系统的开发者而言十分重要。Qwen4-Max 本身则通过托管服务和 API 提供。随着技术文档、独立测试和实际使用经验的积累,整个系列能否同时带来有价值的开放性和可靠的安全性,将会逐渐清晰。
此次发布为何重要
Qwen4-Max 凸显了当前 AI 工程中的一个现实挑战:让系统具备持续、多模态工作的能力,同时控制随工具使用和专业知识访问而增长的成本与风险。稀疏激活和缓存可以提升服务效率,更长的上下文和智能体工作流则有助于科研与软件任务。而正是这些能力,使监控、权限边界和细致的人工审核变得更加重要。
对教育者和学生而言,该模型的科学案例最适合作为审视研究过程的切入点:哪些步骤被自动化了、测量了什么、哪些结论来自仿真、哪些经过了实物测试。此次发布给出的具体规格和安全披露为这类讨论提供了素材,但关于准确性、成本和抗滥用能力的最有力结论,仍需要透明的基准测试和长期的独立评测。
本文由 AIBARS 编辑部在 AI 辅助下整理。AI 可能出错,重要信息请以原始来源为准。发现错误?请发邮件至 [email protected]。