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
同样是打腊子口,中央红军绝境赌命,红四方面军为何轻松破关

同样是打腊子口,中央红军绝境赌命,红四方面军为何轻松破关

孙缡北漂拍客
2026-11-18 19:56:56
SpaceX美股盘前跌幅扩大至5%

SpaceX美股盘前跌幅扩大至5%

每日经济新闻
2026-11-20 20:09:07
U17国足争议判罚!邝兆镭拉人送点,FVS挑战失败,名记开炮

U17国足争议判罚!邝兆镭拉人送点,FVS挑战失败,名记开炮

奥拜尔
2026-11-20 22:47:03
《伟大的长征》里最败笔的选角,把陈赓大将演成了混混,毫无军人气质!

《伟大的长征》里最败笔的选角,把陈赓大将演成了混混,毫无军人气质!

娱乐故事
2026-11-19 23:25:20
3-0荡气回肠!男单爆大冷!就在刚刚,WTT星球赛:21岁陈垣宇淘汰日乒世界冠军!国乒男单再破8强魔咒!林诗栋迎利好

3-0荡气回肠!男单爆大冷!就在刚刚,WTT星球赛:21岁陈垣宇淘汰日乒世界冠军!国乒男单再破8强魔咒!林诗栋迎利好

篮球热嗖
2026-11-20 19:03:39
领跑全联盟!火箭目前抽中状元概率高达18.8% 美媒看好斯托克斯

领跑全联盟!火箭目前抽中状元概率高达18.8% 美媒看好斯托克斯

罗说NBA
2026-11-20 07:13:18
接连打破纪录!速度滑冰世界杯日本站:廉子文宁忠岩摘金夺银

接连打破纪录!速度滑冰世界杯日本站:廉子文宁忠岩摘金夺银

全景体育V
2026-11-20 15:36:53
台湾前参谋总长李喜明曾在台湾一档节目中说,别以为大陆不敢对台动武,他认为这种可能性是存在的

台湾前参谋总长李喜明曾在台湾一档节目中说,别以为大陆不敢对台动武,他认为这种可能性是存在的

人生录
2026-10-31 00:55:04
兹维列夫脚踝出现伤情!ATP总决赛四强已出3席,阿卡轻伤不下火线

兹维列夫脚踝出现伤情!ATP总决赛四强已出3席,阿卡轻伤不下火线

排球黄金眼
2026-11-20 08:58:27
半场21分!赛季最佳一战,终于打出来了,杨瀚森危险了……

半场21分!赛季最佳一战,终于打出来了,杨瀚森危险了……

体育新角度
2026-11-20 18:56:20
泰山冬窗引援思路曝光!300万薪资空间这么花,斯帅的惊喜要来了

泰山冬窗引援思路曝光!300万薪资空间这么花,斯帅的惊喜要来了

体坛小鹏
2026-11-20 20:11:36
80年NBA绝无仅有,19岁弗拉格又创纪录,二年级已是巨星

80年NBA绝无仅有,19岁弗拉格又创纪录,二年级已是巨星

大西体育
2026-11-19 15:20:30
3年套现15亿?和17家公司完成切割,如今隐居上海,自称全职妈妈

3年套现15亿?和17家公司完成切割,如今隐居上海,自称全职妈妈

墨策讲历史
2026-11-18 23:11:36
宋庆龄一辈子没有生养,1981年法医对她的遗体进行解剖检查,这才揭开了她心底最痛苦的隐情

宋庆龄一辈子没有生养,1981年法医对她的遗体进行解剖检查,这才揭开了她心底最痛苦的隐情

扶苏聊历史
2026-11-12 18:31:31
APEC峰会谈芯片断供,董明珠:没有自己的芯,巨头也纯是替人打工

APEC峰会谈芯片断供,董明珠:没有自己的芯,巨头也纯是替人打工

哄动一时啊
2026-11-20 09:55:29
普京在深圳说的六句话,句句有分量,最后一句最耐人寻味

普京在深圳说的六句话,句句有分量,最后一句最耐人寻味

林子说事
2026-11-20 00:34:09
江浙沪,被托举的一代开始崩溃了

江浙沪,被托举的一代开始崩溃了

二胡的岁月如歌
2026-11-20 22:12:12
又一部高颜值韩剧,狗血又上头

又一部高颜值韩剧,狗血又上头

来看美剧
2026-11-20 22:11:13
450亿援乌贷款,还款条件写着“等俄罗斯赔钱”:四国当场掀桌,默茨翻脸了

450亿援乌贷款,还款条件写着“等俄罗斯赔钱”:四国当场掀桌,默茨翻脸了

浯江孤舟
2026-11-20 15:21:39
刘涛峨眉素颜爬山被拍,不粉黛没替身引猜测,这底气究竟多足

刘涛峨眉素颜爬山被拍,不粉黛没替身引猜测,这底气究竟多足

情感大头说说
2026-11-20 12:54:13
2026-11-20 23:00:49
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

老黄想回来?英伟达董事会:没门

头条要闻

中国女子在希腊失踪半年 保险箱发现10万欧元现金

头条要闻

中国女子在希腊失踪半年 保险箱发现10万欧元现金

体育要闻

伪强队?拥4亿豪阵欧国联6连败+世界杯出局

娱乐要闻

陈晓楠对话厉娜和许飞引全网热议

财经要闻

10万人逼宫英伟达,黄仁勋要复职了?

汽车要闻

全新红旗H9最有意思的地方,是它开始有自己的豪华逻辑了

态度原创

家居
时尚
数码
本地
手机

家居要闻

2026建博会(广州) 公装联探展交流活动

秋天衣服别总穿纯色,试试这几件条纹单品,简单时尚又减龄

数码要闻

苹果公布2026古典乐年度专辑:任奫灿《哥德堡变奏曲》获奖

本地新闻

乌兰察布:以前种土豆,现在种Token

手机要闻

2026年最后一款超模旗舰!小米18标准版屏幕、性能、影像全面领跑

无障碍浏览 进入关怀版