最新模型
阿里巴巴發布 Qwen4-Max:每 token 啟用 710 億參數,提供百萬 token 上下文
阿里巴巴於 11 月 16 日發布 Qwen4-Max,採用新版 MoE 架構並整合原生視覺能力。正式 API 同時提供明確快取與推理摘要機制,長時間代理任務的成本和狀態管理成為整合重點。

阿里巴巴於 11 月 16 日發布 Qwen4-Max,並透過 QwenCloud 提供 Token Plan 與 API 存取。官方公布模型總參數為 2.4 兆,每個 token 啟用 710 億參數,較同為 2.4 兆規模的 Qwen3.8-Max 減少 25%;新版稀疏 MoE 的調整涵蓋注意力、殘差連接與嵌入設計,並具備原生視覺與百萬 token 上下文能力。官方公告
對開發者而言,具體變化包括正式模型識別碼 qwen4-max,以及文字、影像、影片輸入與工具呼叫支援。文件列出非推理模式最多輸出 131,072 tokens,推理加最終答案合計最多 262,144 tokens;預設開啟高強度推理,因此應在應用端明確設定輸出預算,避免長任務產生非預期用量。模型文件
代理整合也新增可明確控制的快取:共用系統提示、工具定義及參考文件可設定快取斷點,存活時間為五分鐘或一小時。CoT Summary 則將可讀推理摘要與加密的完整推理分開傳遞;文件要求後續輪次原樣帶回加密內容,摘要本身不能取代推理歷史。這使多輪工具調用的訊息保存方式成為遷移時必須檢查的環節。整合說明
新加坡區每百萬輸入與輸出 tokens 分別為 1.50、4.50 美元,推理 tokens 按輸出費率計算,快取讀取為 0.075 美元。明確快取寫入另行收費,工程團隊應依前綴重用頻率與有效期限估算總成本,並將工具費納入任務帳單。計價文件
效能方面,阿里巴巴聲稱在自有 Work360 評測中,高強度推理相較前代少用 35% tokens,平均每項任務成本降低約 60%;這些仍是廠商測試結果,不能直接推算至其他代理工作負載。後續值得觀察的是獨立任務成功率、長上下文延遲與實際費用。目前文件明列不支援批次推論、微調及模型部署;官方預告的較小 Qwen4 開放權重版本,也尚未給出尺寸與日期。發布公告、功能限制