Перейти к содержимому
Новости

Qwen4-Max: флагманская AI-модель Alibaba с 2,4 трлн параметров

Qwen4-Max занимает 6-е место на Code Arena в рейтинге AI-моделей

Alibaba представила Qwen4-Max: флагманская AI-модель с 2,4 трлн параметров

Alibaba анонсировала Qwen4-Max — самую мощную модель в линейке Qwen на сегодняшний день. Новинка поддерживает нативную работу с изображениями и контекстное окно в один миллион токенов, что делает её пригодной для решения сложных задач в бизнесе, творческих проектах и научных исследованиях.

Топовые результаты в бенчмарках

Qwen4-Max показала сильные результаты сразу в нескольких ключевых тестах. На Code Arena — рейтинге реального качества написания кода — модель заняла 6-е место. Кроме того, Qwen4-Max отличилась в специализированных бенчмарках для агентских рабочих процессов, офисной продуктивности и визуального рассуждения: Agents’ Last Exam, Vals Index, JobBench и Chartography.

По данным внутреннего бенчмарка Work360, который оценивает производительность в 721 специализированной отрасли, Qwen4-Max превосходит предшественника Qwen3.8-Max в общем зачёте. При этом в режиме High Effort Reasoning новинка потребляет на 35% меньше токенов, а средняя стоимость выполнения задачи снизилась примерно на 60%.

Такой результат стал возможен благодаря новой архитектуре Qwen4 с обновлённым разреженным Mixture-of-Experts (MoE) дизайном, улучшениями в механизмах внимания, остаточных соединений и эмбеддингов. При суммарном объёме 2,4 трлн параметров модель активирует лишь 71 млрд на один токен — на 25% меньше, чем Qwen3.8-Max при том же масштабе 2,4T. Это обеспечивает более высокие возможности при меньших затратах на инференс.

Доступность и стоимость

Qwen4-Max уже доступна на QwenCloud по Token Plan и через API. Также модель интегрирована в QwenWork и QwenStudio. Стоимость входящих токенов (Implicit Cache Hit) составляет 0.23 BYN ($0.08) за 1 млн токенов. В ближайшее время разработчики по всему миру получат доступ к более компактным open-weight моделям серии Qwen4.

Эффективность ресурсов и производительность

Qwen4-Max оснащена продвинутыми возможностями Cloud Resource Scheduling для развёртывания в облачной инфраструктуре. Работая в замкнутом цикле, модель самостоятельно оптимизирует собственные процессы планирования. По данным тестирования, это позволило снизить затраты на вызов модели при разметке данных в среднем на 9%, а скорость офлайн-перепланирования CPU выросла более чем в 14 раз.

Помимо облачной инфраструктуры, Qwen4-Max поддерживает профессиональные и творческие рабочие процессы: 3D-моделирование, разработку игр и создание видео с участием агентов. В автомобильной промышленности модель обеспечивает сквозные возможности — от планирования производственных линий до проектирования деталей и проверки механической обработки. В ходе демонстрации Qwen4-Max сократила время ручного программирования заготовок на 95% — с примерно 475 минут до 24 минут — благодаря итерациям с обратной связью, которые позволяют выявить излишнее снятие материала ещё до начала обработки. Кроме того, модель ускоряет работу инженеров на выезде в таких отраслях, как финансы, право и здравоохранение.

Долгосрочные агентные задачи в науке

Qwen4-Max создана для эры агентного AI и способна работать в непрерывном режиме круглосуточно. В области науки её способность к долгосрочному планированию помогает соединить цифровые и физические научные открытия.

Для решения задачи охлаждения чипов нового поколения Qwen4 выполнил непрерывный агентный запуск продолжительностью 48 часов, пройдя четыре итерации замкнутого рабочего цикла — молекулярный дизайн, синтез и тестирование, активное обучение — и в итоге открыл экспериментально подтверждённую молекулу хладагента.

В рамках исследования болезни Альцгеймера Qwen4-Max продемонстрировал сквозные возможности: от изучения мишеней и молекулярного дизайна до вычислительной оценки. В ходе работы модель самостоятельно выполнила 454 вызова инструментов и 3 239 метрических оценок, чтобы разработать и оптимизировать 24 молекулы-кандидата.

Безопасность как основа архитектуры

Alibaba встроила принципы управления моделью в весь жизненный цикл разработки. При обучении на задачах программирования рядом с проверкой функциональности выполнялись проверки безопасности кода — это существенно снизило количество уязвимостей, связанных с инъекциями, безопасностью памяти и нарушениями контроля доступа.

Для задач кибербезопасности Alibaba отфильтровала обучающие данные по намерению: оборонительные материалы по обнаружению и устранению уязвимостей сохранились, тогда как наступательный контент был исключён. Дополнительные наборы данных по безопасности и улучшения после обучения повышают защиту от рисков в химической, биологической, радиологической и ядерной (CBRN) сферах.

Qwen4-Max — серьёзный шаг в сторону более эффективного и безопасного AI: модель не только превосходит предшественников по возможностям, но и делает это при значительно меньших вычислительных затратах, что открывает широкие перспективы для применения в бизнесе и науке.

Источник: Alibaba Cloud