众力资讯网

任务成本降六成!阿里Qwen4-Max打响大模型降价战

NEW FRONTIER NOTES

新域手记

发现科技新知,记录时代变化

栏目|全球财经与科技巨头

过去两年,大模型竞争最受关注的是参数规模与榜单分数:谁的模型更大,谁的分数更高。

但现在,一个新的变化正在发生:竞争的焦点,正在从“模型有多强”转向“干同样一个活,要花多少钱”。

11月16日,阿里巴巴发布新一代旗舰模型Qwen4-Max:总参数2.4万亿,比上一代更大;但阿里真正想让市场记住的数字,是成本——完成同样一个任务,平均花费比上一代降低约六成。

这意味着,大模型竞争正在从“比参数、比分数”,进一步走向“比单位任务成本”的新阶段。而这场变化的起点,是一次把“便宜”写进发布会主标题的模型升级。

一、案例事实:先给最硬的事实

根据阿里巴巴通义千问团队2026年11月16日的发布,以及路透社、Artificial Analysis等多家机构同日的报道,这次发布可以拆成四组数字:

1. 规模:Qwen4-Max采用全新Qwen4架构的MoE(混合专家)模型,总参数2.4万亿,每个token仅激活710亿参数,较上一代Qwen3.8-Max的950亿减少25%;支持100万token上下文窗口,原生支持文本、图像与视频理解;此次发布为正式版本,11月11日曾先行开放限时预览版;模型权重不开放下载,仅通过API调用。
2. 成本(阿里方面口径):在阿里自建的Work360基准上,平均单任务成本由4.43美元降至1.67美元,降低约62%;同等性能下,Xhigh与High两档推理强度的token消耗分别比上一代减少约24%和35%;Terminal-Bench 4.0上的token消耗降幅约48%和49%。API定价同步下调:输入每百万token 1.50美元(上一代2.00美元,降25%)、输出4.50美元(上一代6.00美元,降25%)、缓存命中输入0.075美元(上一代0.25美元,降70%)。
3. 成绩(阿里自测口径):Work360基准52.69分,高于上一代的47.74分;16项自选基准中,DeepSWE v1.1编程测试75.7分,法律智能体基准HLAB-Vals 21.3分,长程任务基准Agents' Last Exam 46.7分,均列所比模型第一。
4. 短板(第三方口径):独立评测机构Artificial Analysis的智能指数给出43分,高于上一代的34分,但低于月之暗面Kimi K3.1 Pro的46分,也低于Claude Opus 5.5的59分;在81个模型中排第38位,略高于41分的中位数。Terminal-Bench 4.0上48.5分,落后于Kimi K3.1的67.2%;ProgramBench上31.5分,落后于Claude Opus 5.5的65.0分。按Artificial Analysis实测,跑完一道智能指数题平均花费3.27美元,约为上一代10.02美元的三分之一,也低于Kimi K3.1 Pro的3.68美元。

这不是一次普通的模型升级,而是一次把竞争维度从“性能”改写为“性价比”的发布。


图注:Qwen4-Max核心数字总览:2.4万亿参数、单任务成本降62%、第三方指数43分。

二、概念辨析:MoE与“激活参数”是什么意思?

先讲普通做法是什么。过去,谈大模型,谈的几乎都是总参数:几千亿、几万亿,数字越大越像实力的证明。总参数决定了模型“能记住多少东西”,也决定了训练与推理的成本天花板。

但现在,新的变化在于:MoE(混合专家)架构改变了成本的算法。模型里有很多个“专家”,每个token只激活其中一部分来干活。Qwen4-Max总参数2.4万亿,但每个token只激活710亿参数——个子长大了,干活时只叫醒一小部分人。这就是它能把单任务成本压下来约六成的结构原因。

这条降本链条可以拆成五步:

MoE架构减少单次激活参数 → 稀疏注意力与Gated DeltaNet减少长上下文运算 → 同等任务消耗的token更少 → API定价与缓存价格同步下调 → 单任务平均成本从4.43美元降到1.67美元。

其中,Work360是阿里自建的行业基准,覆盖26个大行业、182个子行业、721个专业工种,衡量模型完成真实职业任务的能力;而Artificial Analysis智能指数是第三方独立评测,81个模型同场比较。两套口径的结论方向一致,但数字不能直接混用。

需要加一句边界提醒:自测基准的分数,不能等同于独立验证的结果;降价也不等于增收——每任务收入下降之后,总收入能不能增长,取决于用量能不能补回来。把“成本降六成”直接读成“利润涨六成”,是不准确的。


图注:Qwen4-Max的四个参数:规模、窗口、价格与调用方式。


图注:Qwen4-Max的降本链条:从MoE架构到单任务成本下降约62%。


图注:自测基准与第三方指数:两套口径下的成绩与短板对照。

三、宏观数据:只用一个权威数据点打底

根据独立评测机构Artificial Analysis 2026年11月16日发布的数据,Qwen4-Max智能指数43分,在81个模型中排第38位,高于41分的中位数;比上一代Qwen3.8-Max的34分高9分,比Kimi K3.1 Pro的46分低3分,与头部Claude Opus 5.5的59分差距约为16分。

冷静一句:第三方指数提升9分,并不等于商业回报已经兑现。分数是模型能力的快照,收入是客户用量的累积,两者之间隔着定价、留存与场景落地。

顺势列出真正值得看的指标:API调用量能不能在降价后放量、付费客户数与留存率、Qwen在阿里云收入中的占比变化,以及中小尺寸Qwen4模型的开源时点——阿里目前只说“很快”,未公布规模与日期。


图注:Artificial Analysis智能指数:Qwen4-Max 43分,81个模型中排第38位。

四、产业链拆解:大模型不是单一产品,而是一个产业体系

大模型不是单一产品,而是一个由多个环节组成的产业体系。从算力到应用,可以分成四层:

1. 算力基础设施层:包括芯片、服务器与数据中心,负责提供训练与推理的算力,是模型成本的“地基”,决定降价空间有多大。
2. 模型厂商层:包括阿里、月之暗面、腾讯、Anthropic、OpenAI等,负责模型研发与基准竞争,是这场降价战的“主战场”,决定性能与价格的平衡点。
3. 云与API平台层:包括阿里云千问平台等,负责把模型变成可调用的服务,是降价真正传到客户手里的“渠道”,决定用量能不能放量。
4. 行业应用层:包括办公生产力、软件开发、金融、法律、医药与科研等场景,负责把模型能力变成可交付的工作成果,是最终为降价买单、也决定降价价值的一层。

收尾判断:未来的竞争不只是模型分数的竞争,更是成本结构、调用规模、场景落地与客户留存的综合竞争。谁的模型先便宜到“用得起、用得多”,谁的生态才能先转起来。


图注:大模型产业链分层结构图:算力、模型、云平台、行业应用。

五、A股相关产业链观察

以下公司仅作为产业链研究案例,不代表投资推荐。

阿里巴巴(09988.HK)是这条产业链上最值得拆解的案例,关注方向是云计算与大模型API收入。

财报数据(累计口径与单季口径分开写):阿里巴巴将于11月19日(周四)公布9月季度财报,由于该季度结束时Qwen4-Max尚未上线,相关表现将体现在12月季度报告中,尚无可引用的当季数字。发布当日(11月16日),阿里巴巴港股午盘上涨1.05%,报91.50港元;年初以来港股累计下跌38.59%(据BeInCrypto转引Google Finance数据)。

审慎提醒:需要注意,降价对收入是双刃剑——每完成一次任务,阿里获得的收入减少,除非使用量大幅增加,否则整体营收将面临下滑压力。后续还需要观察阿里云收入增速、AI相关收入占比与客户调用量。

同一天,腾讯发布了低价模型Hy4 flash:单任务成本约为Hy4的二十分之一,并计划开源模型权重,走的是比Qwen4-Max更极致的低价路线。两家同一天出牌,说明大模型的价格竞争已经从“降一点”进入“降一个量级”的阶段。

其余方向只列研究方向清单:国产算力芯片、云计算基础设施、AI应用软件、数据标注与模型服务。不点评个股,不给价格判断。


图注:研究方向三板块:模型供给、云平台、行业应用与观察维度。

六、未来需要观察的三个变化

1. 企业是否愿意持续付费。降价能不能换来用量,是这场降价战的第一道考题。试点调用不等于规模化收入,需要观察API调用量、付费客户数与留存率是否同步放量。
2. 性能短板能不能追上。编程类基准上Qwen4-Max落后于Kimi与Claude,差距能否在后续版本中缩小,决定它到底是“便宜的干活主力”,还是能冲击前沿的旗舰。
3. 应用效果能否反映在企业财务报表中。真正有商业价值的技术,最终需要在经营数据中得到验证:阿里云收入、AI相关收入增速、毛利率与现金流,缺一不可。11月19日的9月季度财报与此后的12月季度报告,是最近的两次检验。


图注:三个关键观察变量:持续付费、性能追赶、报表验证。

七、风险与需要警惕的问题

- 降价侵蚀收入:单任务价格下降约六成,使用量若不能同步放量,模型业务收入将承压。
- 性能差距仍在:第三方指数43分,与头部模型差距约16分,编程类基准明显落后。
- 自测口径风险:Work360等分数来自阿里自建基准,尚未经独立复现,解读时需要与第三方数据对照。
- 价格战压利润率:腾讯Hy4 flash等竞品同步降价,行业整体定价中枢下移,可能压缩全行业利润空间。
- 开源节奏不确定:中小尺寸Qwen4模型只说“很快”开源,未公布规模与日期,生态扩散速度存在变数。
- 需求不及预期:如果企业客户对AI投入趋于谨慎,降价换来的可能是“量价齐跌”而非“以价换量”。

尤其需要警惕只讲模型分数、不讲调用量、留存与经营成果的宣传。

八、总结

从阿里的一次模型发布,到同一天腾讯的低价模型,可以看到中国大模型产业正在从“比拼参数与分数”,逐步走向“比拼单位任务成本与落地效率”。

AI真正的价值,不在于它能说什么,而在于它能否可靠地完成任务,并创造可衡量的经济价值。而3.27美元一道题,正在成为衡量这句话的新标尺。

你认为未来三年,大模型最先大规模落地的场景会是办公生产力、软件开发,还是金融、法律等专业服务?欢迎在评论区交流。

数据与观点出处:
- 阿里巴巴通义千问团队Qwen4-Max发布博客(2026年11月16日):总参数2.4万亿、每token激活710亿参数、100万token上下文、Work360基准52.69分、单任务成本4.43美元降至1.67美元、API定价下调。
- 路透社报道(经联合新闻网2026年11月16日转载):https://udn.com/news/story/7333/9882157
- Artificial Analysis智能指数(2026年11月16日):Qwen4-Max 43分、单任务成本3.27美元;Kimi K3.1 Pro 46分、3.68美元;Qwen3.8-Max 34分、10.02美元;腾讯Hy4 35分、1.03美元。
- The Independent AI《阿里发布Qwen4-Max:成本下探,编程评测落后Kimi》(2026年11月16日):https://theindependentai.com/briefing/qwen4-max-api-25-fbeae0d9-64395fce?lang=zh
- 0xzx《Qwen4 Max 拿下 43 分:便宜的干活主力,不是前沿杀手》(2026年11月16日):https://0xzx.com/post/pst_1c7a9d6f0e7dd000
- TVBS《阿里巴巴推出Qwen4-Max AI任務成本降低62%、強化專業應用》(2026年11月16日):https://news.tvbs.com.tw/tech/4051391
- BeInCrypto《阿里巴巴新AI模型降本对股价影响》(2026年11月16日):https://cn.beincrypto.com/alibaba-qwen4-max-stock-impact/
- 腾讯Hy4 flash发布(2026年11月16日,KimKJ中国AI简报转述):https://kimkj.com/hi/ai-board-hi/?mod=document&uid=21964

本文仅作财经研究与信息交流,不构成投资建议。市场有风险,投资需谨慎。