把一份资料交给 AI 总结,与让它阅读图表、核对证据、调用工具,再交出可修改的成果,是两种不同的工作。前者主要看回答,后者还要看模型能否在漫长的执行过程中守住目标。
11 月 16 日,阿里巴巴正式发布 Qwen4-Max。它采用原生视觉和百万 Token 上下文,总参数为 2.4 万亿,每个 Token 激活约 710 亿参数。阿里将这次升级的重点放在复杂工作、创作与研究任务,而不只是更长的对话。官方发布公告
对普通用户,这是一个可以重新尝试复杂任务的理由;对已接入预览版的开发者,它更像一次需要认真验收的迁移。
百万上下文能装下更多材料,但不会自动消除错误
Qwen4-Max 的正式文档列出文本、图片和视频输入,以及工具调用、结构化输出等能力。这让一种工作方式更有吸引力:不再分别解释截图、粘贴文字、整理表格,而是把相关材料交给同一个任务流程处理。模型文档
例如,制作一份项目复盘时,可以先要求模型梳理文档与截图中的事实,再列出相互矛盾的地方,最后生成提纲和待核实清单。这样安排的价值不是把工作一次性“扔出去”,而是让每一步都留下可检查的中间成果。
长上下文解决的是容量问题,不等于模型对每个细节都理解正确。对于跨文件金额、版本差异、日期或责任归属,仍应要求标明出处。材料越多,越需要明确哪些是最新版本、哪些只能作背景,避免把过期内容混进结论。
Preview 用户最容易忽略的三个变化
正式模型 ID 是 qwen4-max,而不是 qwen4-max-preview。预览版只通过 Token Plan 提供,官方写明预览期截至北京时间 11 月 25 日 24:00,之后下线;正式版则已提供 Token Plan 和 API 接入。预览版说明
除名称外,还应逐项核对以下配置:
| 检查项目 | Preview | 正式版 |
|---|---|---|
| 推理档位 | low、medium、xhigh;默认 xhigh | low、high、xhigh;默认 high |
| 思考与最终答案共享的最大输出预算 | 393,216 Token | 思考模式 262,144 Token |
| 非思考输出 | 不沿用旧假设 | 正式版文档列出上限 131,072 Token |
表中正式版参数来自 QwenCloud 最新模型指南,预览参数来自上述 Preview 文档。迁移时不要把旧默认值当成新版本的承诺。
尤其需要注意,思考会占用输出预算。一个原来只为最终答案预留的较小上限,可能让任务在给出完整结果之前就结束。反过来,也不必对所有简单请求开放最大预算。将短文本整理、普通问答和多步骤研究分开配置,通常比一个参数覆盖所有任务更容易管理。

看价格时,先把地域和缓存分清
QwenCloud 新加坡区域的正式模型页面列出:每百万 Token 输入 1.5 美元、输出 4.5 美元,隐式缓存命中输入 0.075 美元。最后这个数字只适用于命中缓存的输入,不是全部请求的输入价。新加坡区域价格
阿里云北京地域文档列出的基础价格则为每百万 Token 输入 10 元、输出 30 元。两组数字分别属于不同地域和币种,不宜通过随意换汇认定哪个账号更便宜,也不能把 Token Plan 的额度与按量 API 账单直接混算。北京地域价格
更实际的成本问题是:同一项工作,成功交付一次究竟花了多少?一次调用便宜,但需要反复重试、人工返工,未必更划算。反之,一次调用使用较多 Token,却减少了后续纠错,也可能更适合重要任务。比较时应固定任务、资料、地域、推理档位和验收标准,再记录费用与人工修改量。
“任务成本下降”值得关注,但要保留测试范围
阿里在自有 Work360 评测中报告,Qwen4-Max 相比 Qwen3.8-Max 在 High 推理档位下减少约 35% Token 用量,平均任务成本降低约 60%。这是特定评测与前代对比的结果,不是对每位用户账单的降幅保证。发布公告
它真正值得关注的方向,是把模型评估从“答对了多少题”拉近到“完成一项工作花了多少资源”。团队可以据此设计自己的小型验收:选一份常见报告、一个有测试用例的代码修改,以及一个跨文件核对任务,让新旧版本在相同条件下完成。除了质量和耗时,还记录失败后能否恢复、引用能否追溯、结果是否方便继续编辑。
更好的起点:先交一版,再继续完善
对长任务而言,最有用的交互未必是等待一个最终答案,而是先看到目录、结构或初版成果,再决定下一步。QwenCloud 的最新模型指南也介绍了分阶段交付与持续更新的使用方向。开发指南
可以把提示改成:“先给出工作计划和第一版结构,列出缺失资料;得到确认后再细化。”这比笼统要求“做得专业一点”更容易控制质量。连接外部工具时,也应把可读取的数据、可修改的文件和必须人工确认的动作分开。
Qwen4-Max 的意义,不是让所有工作都立刻切到最大模型,而是给复杂任务提供一个新的候选。是否值得升级,最终应由可复现的交付质量决定,而不是由上下文长度或单个价格数字替代判断。
参考来源
© 版权声明
文章版权归作者所有,未经允许请勿转载。
Related posts
暂无评论...