工具大全
返回情报列表

码农早餐 · 2026-11-17

今天这碗:Qwen4-Max公布任务成本评测结果。Qwen 团队在 8 月 3 日发布的介绍中公布了 Qwen4-Max:采用新架构,支持原生视觉和 100 万 token 上下文。

2026年11月17日3 分钟阅读码农早餐
🥣 今天这碗一件事 + 主厨的判断

Qwen4-Max公布任务成本评测结果

Qwen 团队在 8 月 3 日发布的介绍中公布了 Qwen4-Max:采用新架构,支持原生视觉和 100 万 token 上下文。官方给出的成本结果是,在自建 Work360 评测中,平均每项任务的成本从 4.43 美元降至 1.67 美元,降幅约 62%;得分从上一代 Qwen3.8-Max 的 47.74 升至 52.69。这是特定评测里的任务成本下降,不是 API 单价统一打了同样的折扣。

这次升级的直接对照是 Qwen3.8-Max。官方同时改了模型架构和 API 定价,并称缓存输入价格降幅尤其大,但正文没有列出具体单价。用量也在下降:Work360 上,Xhigh 和 High 两档推理强度(effort)下的 token 用量分别减少约 24% 和 35%;Terminal-Bench 4.0 上分别减少约 48% 和 49%。因此,62% 是用量与价格共同作用后的结果,不能直接套到你的代码任务账单上。

两项评测覆盖的工作也不同。Qwen 团队为专业工作建立的 Work360 分类体系包含 26 个一级领域、182 个二级领域和 721 个三级专业领域,再据此构建 benchmark;它不是单独的编程测试。同一篇介绍还展示了 Blender 建模,以及使用 Unity、Unreal Engine、Godot 开发游戏的能力。官方描述的流程不止生成代码,还包括运行游戏、读取视觉与交互反馈,再修改镜头、动画、光照等。这些演示展示了官方所说的长任务执行能力,但不能替代完整的项目交付成功率数据。

参数规模也需要拆开看。所谓 2.4 万亿参数指主干网络(backbone)的参数量,另有 3280 亿 N-gram Embedding 参数,每个 token 激活 710 亿参数,并非全部参数都参与每次计算。长上下文机制则是每个 QSA 层配合三个 Gated DeltaNet 层:后者把历史压入固定大小的状态,QSA 再通过轻量索引器选择相关上下文块。官方把效率提升归因于这类稀疏计算与架构调整;100 万 token 的窗口容量本身,并不等于模型对窗口内所有细节都能同样准确地利用。

目前公布的是官方评测与演示,正文没有给出足以复算任务成本的完整价目和用量明细。基础模型评测也有边界:Qwen4-Max-Base 在内部四类领域测试中,相比前代,BPB(每字节比特数,越低越好)降低约 5%—13%,激活参数减少 25%。它在五个受测模型检查点(checkpoint)中 BPB 最低,但官方注明,对照中的 GLM-5.3 和 Kimi-K3.1-Pro 经过后训练,这可能影响与基础模型的比较。

来源:


本文从过去 24h 的 X / Hacker News / GitHub Trending 共 60 条信息中选出这一件事展开。内容由 LLM 辅助生成并经事实校对,来龙去脉部分参考了本站往期内容,文末附原始来源链接,重要决策请交叉验证。

码农早餐公众号二维码

微信扫码关注「码农早餐」

每天早 8 点推送到微信,不用记网址。关注后回复「价格」,拿大模型价格与退役时间速查表。

喜欢这篇?订阅每日推送

每天 8:00 精选 AI 编程动态,每周六另附一封亲手实测的周刊。

本页内容由 LLM 自动聚合 + 解读生成,每条均有原始来源链接,建议交叉验证。

码农早餐 · Qwen4-Max公布任务成本评测结果 | Magic Tools