下载量第一的开源家族,把旗舰关进了接口:二点四万亿参数的 Qwen4-Max,一个榜赢一点五分,一个榜输十一分

一扇沉重的深灰色金属大门虚掩着,右侧缝隙里透出暖黄的光与浮尘,门前是浅色水泥地面,门面平整没有任何标识、文字与编号
内容摘要

十一月十六日阿里发布 Qwen4-Max,二点四万亿参数、每词元激活七百一十亿、一百万上下文。真正的变化不在跑分,在协议:这是千问旗舰第一次只给接口不给权重。这篇把三个榜拆开看它到底强在哪,再算一笔四点八太字节的账,说明它为什么关得起。

十一月十六日,阿里把 Qwen4-Max 正式放出来了。

二点四万亿总参数,混合专家架构,每处理一个词元激活七百一十亿。一百万词元的上下文,一次最多吐三十九万三千词元。文本、图片、视频都能进,自带联网搜索和代码解释器,接口格式兼容 OpenAI 和 Anthropic 两套。

十一月十一日开的限量预览,二十五日下线,正式版接管。

参数和上下文都不算意外。真正的意外在协议那一栏:这是千问旗舰第一次不开放权重,只走云平台。

过去每一代千问旗舰都会把权重放出来,谁都能下载、能自己跑。这次没有。官方说更小的 Qwen4 会开放,但没给日期。

一个榜赢一点五分,一个榜输十一分

先把跑分摆开。这是厂商自报的数,没有第三方复现。

软件工程基准 DeepSWE 一点一版,七十五点七。Claude Opus 5.5 是七十四点二。赢一点五分。

终端基准四点零版,四十八点五。Claude Opus 5.5 是五十九点六,输十一点一分。Kimi K3.1 是六十七点二,输十八点七分。

同一个模型,在一个榜上刚过对手,在另一个榜上差出一大截。这两个榜考的不是一回事:DeepSWE 看的是改代码、补函数这类单点工程能力;终端基准看的是在命令行里连续跑几十步、中间还要自己判断下一步干什么。前者考手艺,后者考耐性。

站内写过 Kimi K3.1 Pro 的一次升级(二点八万亿参数只激活一千零四十亿),当时它靠「不换骨架、多练一轮」把终端任务拉到六十七点二。这条线现在成了国产模型的分水岭:谁能把多步任务跑稳,谁才算真的能干活。

第三方指数那边,Artificial Analysis 给 Qwen4-Max 四十三分,比上一代 Qwen3.8-Max 高九分,比 Kimi K3.1 Pro 低三分。同一份报告里还有一句更值得看:每次任务成本比 Kimi K3.1 Pro 低约百分之十一。

阿里自己的内部测试 Work360 给了一组数:平均每次任务成本从四点四三美元降到一点六七美元。

这就引出一个今年越来越明显的现象——厂商开始用「每次任务多少钱」报价,而不是「每百万词元多少钱」。这个口径对买家友好,因为它是端到端的;对比较不友好,因为任务难度不可控,同一句话换个提示词成本就能翻倍。看到这类数字,先问一句:测的是哪批任务。

竞技场那边,Code Arena 的 WebDev 榜排第六,一千七百五十分,比上一代高七十四分,是中国厂商里最高的,全场第五。

四点八太字节:为什么它关得起

按 BF16 算,一个参数两个字节,二点四万亿乘两字节,是四点八太字节。

昨天站内刚写过美团把一点六万亿参数的权重放出来,那份是三点二太字节、一百九十四个分片(一百九十四张昇腾卡才装得下)。今天这个更大,是它的四成还多。

这个数字是理解闭源的关键。

开源权重这件事,听起来是给所有人的礼物,实际上收货的门槛早就写在了体积里。四点八太字节意味着下载要按天算,加载要按机柜算,推理要按张量并行算。全世界能把它跑起来的机构,数得过来。

所以对阿里来说,不开源的损失很小——本来也没多少人能自己跑。而不开源的收益很实在:API 收入留在自己账上,竞争对手也少了一个可以拿去蒸馏的样本。

这不是道德判断,是算账。当模型的体量大到「开源等于给云厂商送客户」,闭源就成了理性选择。

值得一提的是官方那句补充:更小的 Qwen4 系列会开放权重,只是没给日期。里面有个 Qwen4-27B,十六吉字节内存的设备能跑。这句话的意思是,开源没取消,只是往后挪了一档——旗舰关门,小模型放风。

开源家族的分岔口

千问这个系列的特殊性在于,它是全球下载量最大的开放权重模型家族。过去两年,很多团队的技术选型是从它开始的:先下个 7B 试试,跑通了再换大的。

旗舰闭源,动的是这条路的地基。

以前你可以一路往上换,从 7B 到 72B 再到旗舰,接口和权重都在手上。现在换到顶会遇到一堵墙:权重没有,只有接口。对于把模型嵌进产品里的团队,这意味着最贵的那一段算力不再可控,成本、延迟、可用性都握在别人手里。

报道里提到,这个决定背后没有政府指令。那就是纯商业选择。而它和另一件事撞在一起看,会更清楚:今年国产厂商的竞争重点,正在从「谁更强」转向「谁更便宜、谁更能落地」。

同一天,还有一台更便宜的

十六日这天,腾讯也发了 Hy4 flash。一百万上下文,每一百万输入词元零点零七美元,输出零点二八一美元。

换算一下,输入约五毛钱人民币一百万词元。一本三十万字的书按四十五万词元估,塞两本进去还不到五毛。

这个价格和 Qwen4-Max 不在一个市场里。一个是旗舰,一个是流水线。但两家在同一天发,把国产模型的路线图摊得很清楚:往上做闭源旗舰,往下做超低价的长文本。

中间那一档正在消失。

站内十一月写过文心 5.5 Flash 把价格拆成白天和夜里两档(两千八百亿参数只激活一百四十亿),也写过混元 Hy4 正式版同价加量(它第一次能看图表、也能自己点鼠标)。三条线拼起来是一条:能力还在涨,但涨得没价格快。

三类人,三种影响

第一类是把模型嵌进产品的开发者。

短期是好事:多了一个兼容两套接口格式的选择,切换成本低到改一个 base url。中期要留心:最贵那一段不再有备份方案。如果你的产品逻辑依赖「实在不行就自己部署」,这条路对旗舰已经断了。选型时要么接受纯接口依赖,要么把主力放在会开源的小模型上(AI 编程工具专题)。

第二类是做长程智能体的团队。

Qwen4-Max 的定位里明确写了长时任务,三十九万输出词元也是为这个准备的。但终端基准那十一分的差距提示得很直接:它能连续跑,但跑得不如对手稳。真正上生产前,建议先用自己业务里的二十条真实任务跑一遍,别看榜。智能体的失败通常不在单步,在第十七步忘了自己在干什么(AI 智能体与自动化专题)。

第三类是做技术选型决策的人。

这次要新增一条评估项:供应商的旗舰会不会哪天不开源了。过去这条不在表里,因为大家默认开源是承诺。现在得把它当成商业条款来读——看协议、看历史行为、看有没有写过路线图。

老达点评

先说结论:Qwen4-Max 是一次合格的旗舰发布,但不是一次领先的发布。

一个榜赢一点五分,一个榜输十一分,第三方指数还差三分。它真正的位置是「性价比最好的第一梯队」,不是「最强的那个」。阿里自己在通稿里也没敢说全面领先,只说在部分编程基准上超过对手——这种克制反而可信。

真正值得记的是协议那一栏。

千问是全球下载量最大的开放权重家族,它关掉旗舰,象征意义大于实际影响。因为四点八太字节这个体积,本来就注定了能自己跑的人是极少数。但对生态来说,信号是明确的:开源从「默认」变成了「分档」。

我一直觉得,判断一家公司对开源的态度的标准,不是它开源了多大的模型,而是它把最好的那个放在哪。放出来,是路线选择;关起来,也是路线选择。两种都能理解,但不能一边关着旗舰,一边继续用「开源领导者」这个身份做宣传。

对普通用户,这件事几乎没有影响。你会用到的还是接口,价格还可能更便宜。

对开发者,影响在未来十二个月:当你需要往上换模型的时候,会发现墙比想象中高。现在就该准备好备选方案,别等到要换的那天。

一句话总结:跑分追得很紧,姿态退了一步。

发表评论

您的电子邮箱地址不会被公开,必填项已标注 *