AI资讯

2.4万亿参数的Qwen4-Max今天发布:单任务费用砍掉58%,但真正好用的是它会分段交卷

AI执行官

先说你最关心的三件事

今天上午,阿里巴巴发布了新一代旗舰大模型 Qwen4-Max。总参数 2.4 万亿,支持一百万字上下文,还能直接看图。

这些数字跟你关系不大。你真正需要知道的是三件事:打开哪个应用能用上它、它能替你干完什么活、用一次大概多少钱。

我先把结论放前面:这次升级里最值钱的不是跑分,是它不再“闷头跑半小时,然后交一份从第三步就跑偏的卷子”。

一、它解决的是“AI 干到一半跑偏”这个老毛病

用过 AI 写长东西的人大概都遇过这种场面:你让它整理二十份资料做一份报告,它安安静静跑了四十分钟,最后交上来一份看着挺像回事、但方向从头就错了的东西。前面烧掉的额度全打水漂,改比重写还累。

Qwen4-Max 这次换了个交活的方式,官方叫 Live Delivery,说白了就是“分段交卷”。

它不等到全部做完才给你看,而是先尽快交一个能看能用的第一版;你可以当场挑毛病、改要求,它顺着你的反馈往下推,第二版、第三版……官方演示里,一个物理课堂科普网站的需求,它交了 14 个可用版本,从一页简陋页面慢慢扩成带 3D 动画、交互实验和原理讲解的完整网站。

这个改动听起来不炫,但对真正拿它干活的人是根本性的。以前是黑盒,现在是流水线,你能在中间任何一个环节喊停、改方向。配套的持续交付插件 Qwen-Live-Delivery-Plugin 也已经开源,懂技术的人可以接进自己的流程里。

二、它现在能干哪些活

按官方公布的四个方向,我翻译成大白话:

第一,能一次装下很长的东西。一百万字上下文,大概相当于七八本长篇小说的体量。你可以把一整年的会议记录、一整套合同、一个项目的全部资料一次性丢进去,不用先自己切段。

第二,会自己找工具办事。不是只会聊天。官方举的例子是金融投研场景里,它调用了 90 个专业工具接口,最后产出 Excel 底稿加 PPT 报告,关键结论还能双重溯源。

第三,能长时间自己推进。材料科学那个例子最能说明问题:它连续自主跑了 48 小时,从 270 万个候选分子里筛选,经过 4 轮“设计—合成—测试”闭环,真的合成出一种新型冷却液材料。药物方向针对阿尔茨海默病的一个关键靶点,它调用了 454 次工具、完成 3239 项计算评估,把候选分子的结合亲和力做到了起点分子的约 3.6 倍。

第四,眼睛能用。原生视觉能力,图纸、表格、截图、手写笔记都能直接读。汽车制造场景里,官方称单个工件的加工编程人工投入从约 475 分钟降到二十几分钟(不同媒体报道有 24 分钟和 26 分钟两个口径)。

三、跑分怎么样,我把该说的都说清楚

官方公布的成绩单,我挑几个普通人能看懂的:

  • CodeArena 前端编程全球盲测:第 6 名,夹在 GPT-6-Astra 和 Claude Fable 5.1 之间,是中国模型目前的最好成绩。
  • Agents’ Last Exam(智能体综合任务):46.7 分,比上一代高 18.8 分。
  • JobBench 专业工作评测:68.5 分,超过 GPT-6.1 Sol,低于 Claude Opus 5.5。
  • Work360(覆盖 721 个细分领域的真实工作评测):52.69 分,上一代是 47.74 分。
  • Terminal-Bench 4.0:同样思考档位下,每次尝试平均消耗从 28.9 万 token 降到 15.1 万 token,分数从 38.9 升到 48.5。

需要提醒一句:以上全部是阿里自己发布的评测口径,独立第三方还没有全面复现。当成“官方自称”看,别当成定论。

四、普通人怎么用上它:四条路,从轻到重

路线一,最省事:千问 App。打开千问 App,在模型选择里切到 Qwen4-Max,直接提问就行。适合日常问答、写文案、看图表、改稿子。这一步不用花钱,也不用注册新账号。

路线二,干文档活:千问办公。如果你要处理 Word、表格、PPT、长文档,去千问办公里用。这里才是它发挥长上下文和工具调用能力的地方。用法上建议一次只交代一件事,把要求说全,比如“把这份三十页的调研报告压缩成八页的汇报稿,保留所有数据来源,最后附一页结论清单”。

路线三,写代码:Qoder。Qoder 是阿里的 AI 编程工具,已经接入新模型。不会写代码的人也能用它做网页、做小工具。

路线四,开发者和进阶用户:千问 AI 平台。模型页可以直接调用 API,接口同时兼容 OpenAI 和 Anthropic 两种格式,老项目换个地址就能切过来。据科技媒体实测报道,模型页可以领 100 万 token 的免费额度,具体以页面实际显示为准。

五、价格:这才是这次最值得说的地方

国内定价,每百万 token:

  • 输入 10 元
  • 输出 30 元
  • 缓存命中 0.5 元

国际站对应 1.5 美元、4.5 美元、0.075 美元。

光看单价不直观,看这个数字:官方称完成单个任务的平均费用比上一代降低了 58%,媒体口径写“降六成”。降的原因一半在价格,一半在效率——它想问题用的 token 更少了(同样任务从 28.9 万降到 15.1 万),每次尝试少烧 25% 的激活参数。

对普通人意味着什么?你在千问 App 里聊天基本感知不到成本;在千问办公里跑一个中等的文档任务,大概率是几毛钱到几块钱的量级;只有真的开长任务、跑批量,才需要开始算账。

六、六条实操建议,都是踩过坑才想明白的

1. 开工前先说清“什么算合格”。分段交付要发挥作用,前提是你知道自己要什么。上来就说“这活儿怎么算过关”,比事后返工便宜十倍。

2. 第一版出来别客气,直接指。“第三节的结论没有数据支撑”“这个表格少了一列去年数据”——它顺着改的能力比从零重做的能力强。

3. 要出处,一定要。AI 写得越流畅,你越容易忘掉核对。凡是涉及数字、法规、时间、价格的结论,都要它给出处,并且自己点开看一眼。

4. 别让它替你拍板。法律、医疗、财务上的最终判断,必须有人签字。它能整理九十份材料,但不能替你承担后果。

5. 想本地部署的,先别急。这次上的是闭源旗舰 Max,中小尺寸模型官方说“将陆续开源”,但没有给时间表。想在自己电脑上跑的,还得等。

6. 免费额度先用完再说。不确定值不值得付费的,先把免费额度跑干净,拿你手头真实的任务试,别用网上那些演示案例判断。

说句实话

这两年中国大模型的发布会看了不少,多数时候热闹在参数和榜单上。这次 Qwen4-Max 难得有个我作为普通用户能直接感受到的改进:它开始懂得“先交一版给你看看”。

这背后是一个很朴素的认识——AI 干活最大的问题从来不是不够聪明,是你不知道它什么时候跑偏了。让它边干边汇报,比让它考更高的分有用得多。

至于 2.4 万亿参数,你可以忘掉。记住“分段交卷”这四个字,用起来会顺手很多。

分享给朋友