塔斯娱乐资讯网

阿里Qwen4-Max:2.4T参数成本大降6成

输入成本 $1.5/百万token,Work360 任务成本直接砍掉 6 成——这是阿里云刚发布的 Qwen4-Max 给行业带来的最直观冲击。
这周阿里放出的这款模型,参数规模有点意思:总参数 2.4T,但激活参数只有 71B。典型的 MoE 混合专家架构,意思是你不用为没被调用的参数买单。配合原生的视觉理解能力和 1M token 的超长上下文,它既能读大文件,又能看图,还能做多模态推理。对于需要处理长文档分析、复杂代码库审查或者多轮对话的企业来说,这几乎是量身定做的。
为什么成本能降这么多?关键在于“激活率”。2.4T 的大体量保证了模型见多识广,而 71B 的小激活量保证了推理时的显存占用和计算开销可控。再加上 1M 上下文,意味着你可以把整本技术手册或者几百页的合同直接扔进去,不用切分,不用拼凑,模型自己能理出脉络。对于做 RAG(检索增强生成)的团队来说,这可能是个好消息:以前需要精心设计的分段检索策略,现在可能直接塞进上下文窗口就能搞定,开发难度和调用费用双降。
怎么上手?目前看主要是 API 接入,阿里应该会在百炼平台提供相关服务。对于开发者,建议先拿那些“吃” token 比较狠的场景做测试,比如长篇小说续写、大型代码库的逻辑梳理。如果你的业务对延迟特别敏感,71B 的激活量意味着响应速度会比全参数大模型快不少。
谁适合用?首推那些预算有限但又有“大任务”需求的中小企业。以前想跑 1M 上下文的顶级模型,光调用费就能把利润吃掉一半;现在成本打对折甚至更低,性价比直接拉满。当然,如果你是追求极致精度的学术研究者,或者需要微调底层权重的极客,可能还得看看有没有开源版本。
说白了,这次更新不只是参数堆料,而是把“能用”和“好用”之间的成本门槛又拉低了一截。AI 正在从“奢侈品”变成“日用品”,阿里这一步算是踩在点上了。至于稳定性如何,还得等大伙儿在真实业务里跑一跑才知道。