新闻股票阿里巴巴发布Qwen4-Max,宣称编程基准成绩超越Claude Opus 5.5

阿里巴巴发布Qwen4-Max,宣称编程基准成绩超越Claude Opus 5.5

作者: CryptoBriefing·

要点速览

  • •Qwen4-Max于2026年11月16日上线,是阿里巴巴Qwen4系列的顶级模型,基于2.4万亿参数骨干的稀疏混合专家架构构建。
  • •阿里巴巴报告DeepSWE v1.1编程基准得分75.7,领先Claude Opus 5.5并与Kimi K3.1 Pro相当,但独立排名将模型置于Kimi等竞争对手之后,同时认可其较低的单任务成本。
  • •该模型的token使用量较前代Qwen3.8-Max减少约50%,平均任务成本下降超过60%,定价为每百万输入token 1.50美元、每百万输出token 4.50美元,单任务成本约3.27美元。
  • •Qwen4-Max支持文本、图像和视频的多模态处理,上下文窗口最高100万token,并兼容OpenAI和Anthropic协议,便于竞品平台上的开发者迁移。
  • •阿里巴巴计划发布Qwen4系列中更小的开源权重模型,同时保持旗舰模型闭源,并将该模型定位到医疗、金融和法律等文档密集型行业。
阿里巴巴发布Qwen4-Max,宣称编程基准成绩超越Claude Opus 5.5

阿里巴巴推出了全新旗舰AI模型Qwen4-Max,并对其编程性能提出了大胆的声明。该公司表示,该模型的表现在编程基准测试中超越Anthropic的Claude Opus 5.5,并与月之暗面的Kimi K3.1 Pro不相上下,不过独立排名所呈现的情况则更为复杂。

阿里巴巴实际发布了什么

Qwen4-Max于2026年11月16日正式上线,是全新Qwen4系列中的顶级模型。它运行在基于2.4万亿参数骨干构建的稀疏混合专家架构之上。

这一架构值得简要解释一下。想象一家拥有数百名专科医生的医院,每位患者只需就诊与其病情相关的少数几位医生。混合专家模型的工作方式与此相同,它将每个请求路由到内部"专家"的一个子集,而不是一次性激活全部2.4万亿参数。其结果是一个超大模型,却无需为每项任务支付完整的计算成本。

该模型具有多模态能力,可以处理文本、图像和视频。它还支持最高100万token的上下文窗口。上下文窗口大致相当于模型的短期记忆,更大的窗口使其能够在单次会话中处理长文档或大型代码库。

开发者可以通过QwenCloud上的API访问Qwen4-Max。阿里巴巴还使其兼容OpenAI和Anthropic制定的协议。对于已经围绕这些生态系统构建的团队来说,迁移更多是配置层面的调整,而非大规模重写。

基准测试成绩与细则

在DeepSWE v1.1编程基准测试中,Qwen4-Max得分75.7。根据发布时公布的研究结果,这一成绩使其领先Claude Opus 5.5,并对Kimi K3.1 Pro保持竞争力。

独立排名则没有那么慷慨。它们将Qwen4-Max置于Kimi等竞争对手之后,尽管同时突出了其有利的单任务成本。这种分歧是AI模型发布中的常见现象:厂商的基准测试套件和第三方排行榜往往依赖不同的评估方法,因此买家通常需要在多个记分板之间进行交叉验证,而不是相信单一数字。

阿里巴巴最有说服力的地方在于效率。Qwen4-Max的token使用量较前代模型Qwen3.8-Max减少约50%,平均任务成本较该早期模型下降超过60%。token是模型读写文本的基本单位,也是大多数AI服务商向客户计费的依据——每项任务使用更少的token意味着完成同样工作的账单更小。

旨在压低价格的定价策略

阿里巴巴将Qwen4-Max的定价设为每百万输入token 1.50美元、每百万输出token 4.50美元,使其成为AI模型旗舰级中的高性价比选择。研究结果显示,其单任务成本约为3.27美元,低于竞争对手。

访问权限并非在发布当天才开始提供。Token Plan预览于2026年11月11日开放,将持续至11月25日,为团队提供了明确的时间窗口来在自己的工作负载上测试该模型。阿里巴巴还计划发布Qwen4系列中更小的开源权重模型,而旗舰模型Qwen4-Max将保持闭源。

背景:一场竞争激烈的竞赛

阿里巴巴的宣传重点并非纯粹的能力军备竞赛。相反,该公司强调效率和实际应用,瞄准专业生产力和编程任务。该模型面向医疗、金融和法律等行业,这些行业的工作流程文档密集,成本控制是切实的约束条件。

这意味着什么

对于采购AI服务的企业来说,这里最重要的数字可能不是75.7。而是更低的token使用量与更低的单token定价的结合。这两项节省相互叠加,这就是阿里巴巴能够指出任务成本较自身前代模型下降超过60%的原因。

与OpenAI和Anthropic协议的兼容性也降低了已经投入竞品平台的开发者试用Qwen4-Max的成本。

不过,阿里巴巴的基准声明与独立排名之间的差距值得注意。评估该模型的企业应将第三方结果与厂商数据一同权衡,尤其是在性能因任务而异的编程工作中。独立排名仍然认可其单任务成本,这一事实表明效率方面的说法比 outright 性能桂冠更有说服力。

开源权重策略是另一个值得关注的线索。开放发布更小的Qwen4模型可能会扩大阿里巴巴的开发者基础,而保持旗舰模型闭源则能保护其最有价值的资产。