Wink Pings

Qwen4-Max 发布:2.4T MoE,71B 激活,1M 上下文,输入每百万 token 1.5 美元

阿里发布 Qwen4-Max,总参数 2.4T,激活 71B,原生视觉,上下文 1M token。输入定价每百万 token 1.5 美元,Work360 单任务成本下降 62%。关键数字和实际影响可以拆开看。

阿里发布了 Qwen4-Max。按 MarkTechPost 的报道,这是一个闭源模型,总参数 2.4T,MoE 架构,单次推理激活 71B 参数,原生支持视觉,上下文窗口到 1M token。输入价格是每百万 token 1.5 美元。报道还提到,它在 Work360 上的单任务成本下降 62%。

先看几个数字。2.4T 是总参数,71B 是激活参数。MoE 模型会把 token 分发给部分专家,所以推理算力更接近激活参数,存储和部署仍要看总参数。对开发者的直接含义是,模型很大,但每次调用不会把 2.4T 全跑一遍。1M 上下文则意味着更长的文档、代码库或多轮任务记录可以放进同一次请求里。原生视觉省掉外挂视觉编码器的拼装工作,工程链路更短。

价格部分,素材只给了输入每百万 token 1.5 美元。这个价位放到 2.4T 总参数的闭源模型上,值得关注。更值得注意的是 Work360 单任务成本下降 62%。单任务成本比单 token 价格更接近采购方真正关心的账:完成同一件事,要花多少钱,要重试几次,要接多少工具。

Qwen4-Max 是闭源模型,和可下载权重的开源模型不是一回事。它适合那些不想自己维护大模型推理集群、但需要长上下文和视觉能力的团队先做验证。接下来要看的,是输出价格、限流、工具调用稳定性,以及 1M 上下文在真实任务里能不能稳定用满。参数规模仍然有新闻价值,成本和质量才决定它能不能留在生产环境。

来源:MarkTechPost,2026 年 11 月 16 日。

发布时间: 2026-11-16 17:44