
阿里巴巴发布Qwen4-Max模型,称专业任务成本降低62%
来源标题:Alibaba touts 62% lower task costs with Qwen4-Max, adds cyber safeguards
阿里巴巴发布2.4万亿参数的Qwen4-Max旗舰模型,称其完成专业任务的平均成本较前代Qwen3.8-Max降低62%。该模型在自有基准Work360上整体表现优于前代,高推理模式下token用量减少35%,平均单任务成本从4.43美元降至1.67美元。模型沿用混合专家架构,每token激活约710亿参数(前代为约950亿),支持100万token上下文窗口,并新增针对攻击性网络安全能力等高风险用途的防护措施。
以下正文由 AI 翻译自 InfoWorld(原文版权归原站所有),可能存在偏差,重要内容请以原文为准。
阿里巴巴发布了 Qwen4-Max,这是一款 2.4 万亿参数的旗舰模型。阿里声称,与前代模型相比,该模型将完成专业任务的平均成本降低了 62%,同时针对攻击性网络安全能力及其他高风险用途增加了额外的防护措施。
阿里巴巴在一篇博客文章中表示:“根据 Work360——一个专有基准,用于评估模型在 721 个专业领域中完成高难度行业任务的表现——Qwen4-Max 整体上优于其前代 Qwen3.8-Max,在高强度推理模式下使用的 token 减少了 35%,并将每个任务的平均成本降低了约 60%。”
Qwen 团队公布的数据显示,Qwen4-Max 的平均任务成本为 1.67 美元,而 Qwen3.8-Max 为 4.43 美元,降幅达 62%。
该公司表示,该模型保留了前代 Qwen3.8-Max 的 2.4 万亿参数混合专家(MoE)主干架构,但每个 token 激活的参数量从约 950 亿降至约 710 亿。该模型支持 100 万 token 的上下文窗口。
阿里将成本节约归因于 token 用量的降低以及新的定价:每百万输入 token 1.50 美元、每百万输出 token 4.50 美元,低于此前的 2 美元和 6 美元。Anthropic 公布的 Claude Opus 5.5 价格为每百万输出 token 20 美元。
Greyhound Research 首席分析师 Sanchit Vir Gogia 表示,企业应将该数字视为厂商基准,而非自身 AI 支出必然下降的保证。他说,真正相关的衡量指标是“被接受的结果”的成本,包括重试、推理 token 以及员工核验输出所花费的时间。
Gogia 表示:“阿里巴巴公布的是它在自己道路上跑出的里程,而买家的账单取决于买家自己开的是什么路。”
Security Brigade 创始人兼 CTO Yash Kadakia 表示,企业应衡量成功完成任务的情况,而非仅看 token 价格。
Kadakia 说:“企业应该基准测试的是成功完成 1000 个真实业务任务需要多少成本,而不是生成一百万 token 需要多少成本。”
阿里还列举了在编程和智能体评测方面的改进,包括 Code Arena 和 Agents' Last Exam。在一项汽车制造演示中,该公司称 Qwen4-Max 将人工工件编程时间从约 475 分钟缩短至 24 分钟。
安全声明需独立测试
在成本数据之外,阿里还说明了在训练数据阶段对模型学习黑客相关知识所做的调整。
阿里巴巴的博客文章称:“在网络安全方面,我们根据每项任务的具体目的筛选数据,保留漏洞验证、检测和修复等防御性任务的数据,同时移除旨在增强攻击能力的进攻性任务数据。”
该公司表示,训练期间新增的代码安全检测使 Last Secure Code Bench 上同时通过功能与安全测试的函数比例从 22% 提升至 31.8%。文章补充称,其内部安全专家发现该模型的防御能力“大幅提升”。
Kadakia 质疑能否通过训练数据过滤可靠地将攻防网络安全知识分开。
他说:“网络安全 AI 的一个根本挑战在于,攻击和防御知识在很大程度上是同一套知识。”他指出,理解 SQL 注入既是利用它的前提,也是防范它的前提。
Gogia 表示,这种区分需要独立验证,并建议 CISO 寻求政府评估机构或成熟的外部红队的评估,而不是仅依赖阿里巴巴的内部测试。
这一发布正值加拿大 AI 公司 Cohere 于 10 月开展的一项调查之后。该调查称,较早的阿里模型 Qwen3.8-Flash-Next 在一次安全测试中试图将一份测试文件发送至位于北京的一个阿里云存储目标。Cohere 表示其沙箱阻止了该请求。
Check Point 随后的调查将该行为重放了 64 次,发现了 52 个不同的目标主机。它认为,不可预测的模型行为比刻意配置的后门更可能是解释。
该事件涉及的是一款实验性模型,而非 Qwen4-Max。
此外,政府评估机构已开始独立测试中国模型。7 月,美国 AI 标准与创新中心发现,Z.ai 的 GLM-5.2 的防护措施允许其协助开发智能体网络攻击工具。Gogia 表示,CISO 应将阿里的过滤措施“视为一项承诺,直到政府评估机构或成熟的外部红队对其进行了测试”。
数据治理与开放权重风险
对于中国境外的企业,Gogia 表示,在将模型部署于敏感工作负载之前,应考虑阿里巴巴全球服务的地理范围、提示词保留政策以及存储数据所适用的司法管辖区。他指出,提示词保留期最长可达 30 天,被标记内容的保留时间更长,即使在零保留安排下也是如此。
Kadakia 表示,企业应审查提示词、检索到的文档、工具输出和日志在何处处理、谁可以访问,以及智能体在内部系统中拥有哪些权限。
他说:“企业 AI 的最大风险不再仅仅是员工在聊天机器人中输入了什么信息,而是自主智能体能够访问什么、能做出什么决策,以及能在互联的企业系统中执行什么操作。”
阿里巴巴还计划发布更小规模的开放权重 Qwen4 模型。Kadakia 表示,通过微调修改这些模型的开发者不应假定原有的安全防护措施会保持不变。
他说:“安全训练并非模型的永久属性。”他建议对定制版本进行新的对抗性测试,并对工具访问加以控制。Gogia 同样建议对每个修改后的模型重新评估,而不是自动继承原模型的安全保证。
正文由 探How 从来源站点 RSS 同步,内容未经改写;遇到排版缺失或需要图片、视频时请以原文为准。