新聞股票阿里巴巴發布Qwen4-Max,宣稱編碼基準測試領先Claude Opus 5.5

阿里巴巴發布Qwen4-Max,宣稱編碼基準測試領先Claude Opus 5.5

作者: CryptoBriefing·

重點速覽

  • •Qwen4-Max於2026年11月16日上線,是阿里巴巴Qwen4系列的頂級模型,採用建構於2.4兆參數骨幹之上的稀疏混合專家架構。
  • •阿里巴巴公布其在DeepSWE v1.1編碼基準測試中取得75.7分,領先Claude Opus 5.5並與Kimi K3.1 Pro具競爭力,但獨立排名將該模型置於Kimi等競爭對手之後,同時肯定其較具優勢的單一任務成本。
  • •該模型使用的代幣數量比前代Qwen3.8-Max減少約50%,平均任務成本下降超過60%,定價為輸入代幣每百萬1.50美元、輸出代幣每百萬4.50美元,單一任務成本約3.27美元。
  • •Qwen4-Max支援文字、圖像與影片的多模態處理,支援最高100萬代幣的上下文視窗,並相容於OpenAI與Anthropic協定,降低競爭平台上開發者的切換成本。
  • •阿里巴巴計劃在Qwen4系列中發布較小的開放權重模型,同時保持旗艦模型閉源,並將該模型定位於醫療、金融與法律等文件密集型產業。
阿里巴巴發布Qwen4-Max,宣稱編碼基準測試領先Claude Opus 5.5

阿里巴巴推出了全新旗艦AI模型Qwen4-Max,並對其編碼性能提出了大膽的宣稱。該公司表示,此模型在編碼基準測試中表現超越Anthropic的Claude Opus 5.5,並對Moonshot AI的Kimi K3.1 Pro展現具競爭力的成績,但獨立排名呈現的結果則較為好壞參半。

阿里巴巴實際推出了什麼

Qwen4-Max於2026年11月16日正式上線,是全新Qwen4系列中的頂級模型。它採用建構於2.4兆參數骨幹之上的稀疏混合專家(MoE)架構。

此架構值得簡要說明。想像一家擁有數百名專科醫生的醫院,每位病人只會診治與其病情相關的少數醫生。混合專家模型的運作方式相同,將每個請求路由至其內部「專家」的子集,而不是同時啟動全部2.4兆個參數。其結果是一個非常龐大的模型,卻無需在每個任務上支付完整的運算成本。

該模型是多模態的,意味著它可以處理文字、圖像與影片。它還支援最高100萬代幣的上下文視窗。上下文視窗大致相當於模型的短期記憶,因此更大的視窗可讓它在單一會話中處理長文件或大型程式碼庫。

開發者可透過QwenCloud上的API使用Qwen4-Max。阿里巴巴也使其相容於OpenAI與Anthropic制定的協定。對於已圍繞這些生態系建構的團隊而言,切換不再是重寫程式碼,而更像是一次設定調整。

基準測試成績與其附帶條件

在DeepSWE v1.1編碼基準測試中,Qwen4-Max取得75.7分。根據發布時公布的研究結果,此成績使其領先Claude Opus 5.5,並對Kimi K3.1 Pro展現具競爭力的表現。

獨立排名則沒有那麼慷慨。它們將Qwen4-Max置於Kimi等競爭對手之後,即便同時突顯其較具優勢的單一任務成本。這種分歧是AI模型發布的常見現象:廠商的基準測試套件與第三方排行榜通常依賴不同的評估方式,因此買家往往需要在多個評分榜之間交叉比對,而非只信賴單一數字。

阿里巴巴最具說服力的論點在於效率。Qwen4-Max使用的代幣數量比其前代模型Qwen3.8-Max減少約50%,平均任務成本則較先前模型下降超過60%。代幣是模型讀取與寫入的文字區塊,也是大多數AI供應商向客戶計費的依據——每項工作使用越少代幣,同樣工作的帳單就越小。

以低價搶市的定價策略

阿里巴巴將Qwen4-Max的定價訂為輸入代幣每百萬1.50美元、輸出代幣每百萬4.50美元,使其成為AI模型旗艦級別中的高性價比選擇。研究結果顯示其單一任務成本約為3.27美元,低於競爭對手。

存取並非從發布當日才開始。Token Plan預覽已於2026年11月11日開放,並持續至11月25日,讓團隊能在固定的時間範圍內以自身工作負載測試該模型。阿里巴巴還計劃在Qwen4系列中發布較小的開放權重模型,而旗艦Qwen4-Max將維持閉源。

背景:一場競爭激烈的賽事

阿里巴巴的定位避開了純粹的能力軍備競賽。該公司轉而強調效率與實際應用,瞄準專業生產力與編碼任務。它將此模型投向醫療、金融與法律等產業,這些領域的工作流程以文件為主,且成本紀律是實際的限制條件。

這代表什麼

對採購AI的企業而言,此處最重要的數字或許不是75.7,而是更低代幣用量與更低單一代幣價格的組合。這兩項節省會疊加,這正是阿里巴巴能指出任務成本較自身前代模型下降超過60%的原因。

與OpenAI及Anthropic協定的相容性,也降低了已投資於競爭平台的開發者嘗試Qwen4-Max的成本。

儘管如此,阿里巴巴的基準測試宣稱與獨立排名之間的差距值得關注。評估此模型的企業應將第三方結果與廠商數據一併衡量,尤其是性能因任務而異的編碼工作。獨立排名仍肯定其單一任務成本,這一事實表明其效率故事比純粹的性能桂冠更有說服力。

開放權重策略是另一個值得關注的焦點。以開放方式發布較小的Qwen4模型可能擴大阿里巴巴的開發者基礎,而保持旗艦模型閉源則保護了其最有價值的資產。