网易首页 > 网易号 > 正文 申请入驻

实测Qwen4-Max,千问办公开始打“长工”

0
分享至


撰文| 高晓阳

编辑| 郝 鑫

11月15日,千问发布新一代旗舰模型Qwen4-Max。新模型总参数2.4万亿,具备原生视觉能力,上下文窗口达到百万token。官方将其定位为“全天候AI新同事”,主打方向是长程任务与成果交付。

为了验证这一定位能否在实际使用中成立,我们设计了四项测试,包含了前端互动网页、Godot 3D动作游戏、视频白模预演,以及一份需要自主检索资料的PPT。

结果显示,Qwen4-Max在四项任务中均交付了可直接打开和使用的成品。比成品本身更关键的,是模型的工作方式。环境搭建、运行测试、画面检查、问题修复等环节,大部分都能靠模型自主完成。

四项测试完成之后,我们得到了三点核心结论。

1、交付前的自我验证成为常规环节。代码写完先检查,游戏做完先试玩,镜头开拍前先规划,PPT在交付之前Qwen4-Max会先自己过目。Qwen4-Max的原生视觉能力让模型能够检查自身产出,“生成—检查—修改”的闭环由此形成。

2、使用AI开发游戏的门槛显著降低。引擎下载、导出模板续传、在线发布等工程环节,由Qwen4-Max与千问办公协同完成。用户无需掌握Godot或配置开发环境,即可获得一款可运行的游戏。

3、能够准确执行修改意见。游戏第一版数值偏难,模型收到六项修改意见后,在第二版中全部落实,并额外修复了两处未被指出的程序缺陷。长程任务无需一版到位,关键在于每一轮迭代都有实质改进,这一点Qwen4-Max已经落实到位。

一句话概括:Qwen4-Max展现出的,是一种在交付前主动完成自查的工作能力。

架构更省,能力更强,成本更低

本次升级的重点不在单项评测成绩,而在完成任务的能力。

第一是新架构。Qwen4-Max总参数2.4T,每个token激活71B,另有328B的N-gram Embedding参数。


架构有三处主要改动。其中三层采用Gated DeltaNet(门控线性注意力)压缩历史信息,一层采用Qwen Sparse Attention(千问稀疏注意力)按块选择上下文;残差流扩展为四条并行分支,增强跨层信息传递;N-gram Embedding(N元语法嵌入)以较低的计算代价扩充模型容量。


官方表示,Qwen4-Max预训练全程未出现loss spike(训练损失突然飙升,通常意味着训练不稳定),激活参数较上一代Qwen3.8-Max减少约25%。

打个比方,模型处理长文本,就像图书馆整理一份百万字的长稿:Gated DeltaNet是随读随记的馆员,只在一张固定大小的摘要卡上记录要点,由“门控”决定留什么、删什么;Qwen Sparse Attention在需要原文时按索引调出相关几卷,而非搬空整座书库;N-gram Embedding是常用短语索引,常见搭配直接就能查到。2.4T是馆藏总量,每处理一个token,实际取用的只有71B。


第二是专业工具与长程任务。为衡量模型在专业场景中的表现,千问构建了Work360行业基准,覆盖26个一级领域、182个二级子领域和721个三级细分领域,Qwen4-Max得分52.69。


长程任务方面,新模型引入持续交付(Live Delivery)机制,即先交付可用的首版,再逐版完善。千问同步开源了Qwen-Live-Delivery-Plugin,安装该插件即可体验持续交付能力。


第三是使用成本。在Work360评测中,Xhigh和High两档推理强度的token消耗分别减少约24%和35%;单个任务的平均费用从26.58元降至11.16元,降幅58%。


接下来我们用四项测试来检验这些能力在实际任务中的表现。

四项实测:难度逐级递进,成品全部可用

这次测试我们重点验证的是Qwen4-Max的“成果交付”能力,测试遵循三项原则,仅使用千问办公,按普通用户的方式操作;仅提供一段需求,不提供任何素材;需求写到可核对的程度,成品逐条对照检查。

四项任务按难度递进,从单文件的前端网页,到完整的游戏工程,再到考验空间精度的白模预演,最后是需要联网检索的PPT制作。

第一项任务是前端测试。以社区流行的“秦始皇骑北极熊”为题,Qwen4-Max一次性生成了完整的SVG动画;在此基础上,我们先后要求将其扩展为三幕互动网页、追加操控功能,两轮修改均未影响原有功能。

首轮需求沿用社区通行写法。成品中,秦始皇身着黑袍金边,对应“秦尚黑”的历史设定,冕冠旒珠随奔跑摆动;远山、长城与雪地分三层视差滚动。


按照第二轮需求,Qwen4-Max将动画扩展为《秦始皇骑北极熊巡游记》,包含咸阳宫、长城、雪原三幕,每幕配有一句仿古字幕,例如“六王毕,四海一。朕不乘辇,偏骑白熊出咸阳”。角色具备待机、奔跑、互动三种状态。


第二项任务从单文件升级为完整的工程项目,使用Godot 4开发3D动作游戏《北极熊武士》。Qwen4-Max交付了一款发布至公网、可在浏览器中直接运行的游戏,并在一轮反馈后完成了全流程通关验证。

这一任务对自主性的要求最高。下载引擎超时后,模型自行改用镜像源并断点续传;开发中,模型实际运行游戏并截图检查,发现视角设置错误后随即修正,确认网页版运行正常后完成了在线发布。

第一版的数值设定偏难。我们提出六项修改意见后,模型在第二版中全部落实,游戏资源包也从14MB压缩至253KB。随后,模型编写了自动玩家程序,由程序从开局一路打到首领战并顺利通关;其间,模型还发现并修复了两处未被指出的程序缺陷。


试玩链接:https://wd4635fq.qwenwork.host/

第三项任务考验空间精度,制作一段20秒、五个镜头的中式庭院白模预演。分镜中设定的全部尺寸与三个关键时间点,成品均准确还原;Qwen4-Max同时交付了带时间轴的预演网页和一份Excel参数表。

开始制作前,模型先确认了交付形式。对于“南北20米是否包含正殿”这类需求中的歧义,模型也给出了明确的处理方式,并连同其他补充假设一并写入参数表。各镜头的机位和视角也都经过了数学校验。

我们拖动时间轴核对,角色停步、正殿亮灯、殿门开启三个时间点均准确无误。个别仰拍机位的部分画面被井沿遮挡,追加一句指令调整取景即可解决。

第四项任务回到办公场景,要求自主搜集资料,制作《国产AI大模型2026年发展盘点》PPT。从一个题目出发,Qwen4-Max交付了14页可编辑的演示文稿,包含3张原生图表,每页页脚均附出处链接,并主动注明了哪些数据属于厂商披露口径。

模型先进行了5轮联网检索,内容涵盖主要厂商、时间线、开闭源格局、价格和典型应用,最后一页给出自己的判断,“竞争主轴=单位任务成本×交付可靠性”。

排版检查方面,模型先将PPT渲染为图片,再调用自身视觉能力逐页检查文字溢出、图表可读性和页脚越界等问题,修改4页后重新渲染复核。


自我验证,让长程任务走进日常工作

Qwen4-Max将大模型的竞争重点,从“答得好”推向了“交得出”。

从能力看,自我验证是交付可靠的前提。本次测试的四项任务按难度递进,越往后越接近真实工作,对交付的要求也越高,但成品质量并未随难度提升而下降。原因在于,每项任务交付前,模型都会自行检查。原生视觉、长程执行等能力,由此不再只体现为评测分数,而是转化为实际的交付质量。

从产品看,模型与产品的协同降低了使用门槛。千问办公2.0提供沙箱、网页发布、需求确认等工具,模型能够判断何时调用何种工具。用户只需描述需求,环境搭建、调试和发布都可以交由模型完成。

从成本看,价格决定了这种使用方式能否普及。单个任务平均费用下降58%,Qwen4系列中小尺寸模型也将陆续开源。长程智能体要成为日常工具,成本必须先降下来。

能力、产品与成本同时推进,“全天候AI新同事”的定位才有了落地的基础。从这次实测看,Qwen4-Max已经具备了在交付之前先把工作检查一遍的习惯,这也是AI成为新同事最重要的素质。


微信号|TMTweb

公众号|光子星球

别忘了扫码关注我们!

特别声明:以上内容(如有图片或视频亦包括在内)为自媒体平台“网易号”用户上传并发布,本平台仅提供信息存储服务。

Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.

相关推荐
热点推荐
李亚鹏被送急诊不到一周,王菲母女就开始为他争光,谢霆锋挺尴尬

李亚鹏被送急诊不到一周,王菲母女就开始为他争光,谢霆锋挺尴尬

触摸史迹
2026-11-20 09:46:45
深圳这次APEC,有个细节太提气了。各国嘉宾一下飞机、进会场,坐的啥车?是红旗,是腾势

深圳这次APEC,有个细节太提气了。各国嘉宾一下飞机、进会场,坐的啥车?是红旗,是腾势

扶苏聊历史
2026-11-19 15:27:26
特朗普是美国历史上第一位,也是到目前为止唯一一位,当选总统前既没有任何文职政府公职、也没有参军服役经历的总统

特朗普是美国历史上第一位,也是到目前为止唯一一位,当选总统前既没有任何文职政府公职、也没有参军服役经历的总统

回京历史梦
2026-10-26 10:49:29
米体:那不勒斯将以一个非常低廉的价格出售德布劳内

米体:那不勒斯将以一个非常低廉的价格出售德布劳内

懂球帝
2026-11-19 22:24:21
沈腾凭《欢迎来龙餐馆》获亚洲国际电影节最佳男主,影片同时斩获最佳影片荣誉

沈腾凭《欢迎来龙餐馆》获亚洲国际电影节最佳男主,影片同时斩获最佳影片荣誉

极目新闻
2026-11-20 19:22:32
特朗普从中国返美途中发文:这是一次伟大且意义深远的访问

特朗普从中国返美途中发文:这是一次伟大且意义深远的访问

极目新闻
2026-11-20 09:35:13
千亿老板拎包,陪老父亲逛商场购物,再大的老板在爹面前也是孩子

千亿老板拎包,陪老父亲逛商场购物,再大的老板在爹面前也是孩子

Mz娱乐前沿
2026-11-19 21:01:32
陈伟霆儿子近照曝光!何穗晒小win走路画面好温馨

陈伟霆儿子近照曝光!何穗晒小win走路画面好温馨

阿废冷眼观察所
2026-11-20 06:49:22
这是中国最不要脸的一个群体,无耻之极,世所罕见!

这是中国最不要脸的一个群体,无耻之极,世所罕见!

晓楖科普
2026-11-11 13:09:39
足协杯决赛:海港vs玉昆,12月6日决战苏州

足协杯决赛:海港vs玉昆,12月6日决战苏州

懂球帝
2026-11-20 21:41:51
7分+6分+10分!年薪超5000万美元!马刺想要冲冠,这人必须交易

7分+6分+10分!年薪超5000万美元!马刺想要冲冠,这人必须交易

钱说体育
2026-11-20 22:28:50
河南“骑行大佬”刘旭去世,年仅33岁有田有店,友人曝死因太可惜

河南“骑行大佬”刘旭去世,年仅33岁有田有店,友人曝死因太可惜

嫹笔牂牂
2026-11-20 07:28:58
好奇查了一下黄仁勋的出身,不查不知道,一查惊讶了,原来黄仁勋根本不是什么大富豪家庭,而是普通的知识分子家庭。

好奇查了一下黄仁勋的出身,不查不知道,一查惊讶了,原来黄仁勋根本不是什么大富豪家庭,而是普通的知识分子家庭。

回京历史梦
2026-11-15 06:35:06
脑梗住院的人飙升!医生含泪苦劝:无论多大年纪,天冷坚守5原则

脑梗住院的人飙升!医生含泪苦劝:无论多大年纪,天冷坚守5原则

路医生健康科普
2026-11-11 23:20:03
一路走好!不到72小时,已有3位名人被曝去世,个个都让人惋惜

一路走好!不到72小时,已有3位名人被曝去世,个个都让人惋惜

往史过眼云烟
2026-11-20 12:06:15
文班亚马32+11+3无缘今日最佳!对不起,你碰到创新高的利拉德了

文班亚马32+11+3无缘今日最佳!对不起,你碰到创新高的利拉德了

微评体育圈
2026-11-20 12:16:58
1988年,他喝醉了,把家里23岁的小保姆错认成自己的妻子。保姆没作声,第二天,保姆表示自己什么也不要。

1988年,他喝醉了,把家里23岁的小保姆错认成自己的妻子。保姆没作声,第二天,保姆表示自己什么也不要。

回京历史梦
2026-11-19 09:21:15
终于不准跌了?中央部委明确!明后两年,除了买房,你可能无选择

终于不准跌了?中央部委明确!明后两年,除了买房,你可能无选择

混沌录
2026-11-20 10:25:16
CBA杯16强定4席!天津坐收渔利直通,广州击败香港拿够净胜分

CBA杯16强定4席!天津坐收渔利直通,广州击败香港拿够净胜分

乒桢泳球
2026-11-20 17:53:57
斯坦丘致谢队友:是你们成就了更好的我,友谊永远都在

斯坦丘致谢队友:是你们成就了更好的我,友谊永远都在

懂球帝
2026-11-20 21:30:39
2026-11-20 23:08:49
光子星球 incentive-icons
光子星球
细微之处,看见未来!
1702文章数 2159关注度
往期回顾 全部

科技要闻

Anthropic收涨17.1%,市值一度破2万亿美元

头条要闻

"花坛藏尸案"凶手不服死刑判决 已提起上诉

头条要闻

"花坛藏尸案"凶手不服死刑判决 已提起上诉

体育要闻

脚步未停!西班牙摩托车手赤脚徒步入境中国

娱乐要闻

官媒发文 官宣赵丽颖新身份,进步很大

财经要闻

最大回撤超37%,黄金崩盘了吗?

汽车要闻

35万级MPV的满配答案 享界V8正式上市售31.98万起

态度原创

时尚
教育
艺术
家居
旅游

《后会友期》的癫,还得她们治

教育要闻

小鹿爱学,开启 AI 教育普惠时代

艺术要闻

2026 研究与超越——中国小幅油画作品双年展 油画选(二)

家居要闻

2026建博会(广州) 公装联探展交流活动

旅游要闻

寻迹须弥山——藏在丝路古道上的石窟密码

无障碍浏览 进入关怀版