Qwen4 – 新一代千问Qwen4-Max预览版

2026年11月11日，阿里巴巴官宣全新一代千问大模型Qwen4即将发布，官方口径是知识理解更深入、世界感知更立体，Coding与Agentic能力持续进阶。旗舰型号Qwen4-Max的预览版已首发上线阿里TokenPlan，模型ID为qwen4-max-preview，预览期从11月11日10:00持续到11月25日24:00.期间限时最低1折体验。千问办公、Qoder、千问App、QwenStudio等产品同步接入。参数规模、正式发布时间、是否开源暂未公布。

Qwen4特点

预览版先行，正式版压后

Qwen4-Max目前属于预览版本，官方说明其用途是验证新能力、收集使用反馈，后续可能持续更新，与面向生产环境的稳定商用版有区别。预览期结束后该版本下线，正式商用版本另行发布。

规格给得比较足

千问AI平台文档显示，qwen4-max-preview上下文长度1Mtoken，最大输出393.216token，思考内容与最终回答共享这一预算。默认开启思考模式，可选low、medium、xhigh三档推理力度。

多模态输入与工具执行一体

支持文本、图片、视频输入，覆盖截图分析、文档理解、视频分析;支持FunctionCalling、联网搜索、内置工具调用，以及JSONObject与JSONSchema结构化输出。API侧兼容OpenAIChatCompletions、Responses与AnthropicMessages三种协议。

家族四档并行

云栖大会披露的命名包括Qwen4-Max、Qwen4-Plus、Qwen4-Flash与Qwen4-27B，其中27B被描述为面向本地部署、优先开放权重的一档。官方幻灯片当时只标注ComingSoon，未给时间表。

升级方向集中在长任务

官方列举的场景是复杂编程、专业办公、前端设计、专业软件操作，内测反馈提到3D建模、网页设计、交互生成上的表现。这几类任务的共同点是链路长、工具调用多、需要持续记住目标。

Qwen4技术原理

Qwen4的架构线索来自8月开源的Qwen3.8-Flash-Next，阿里把它明确称为Qwen4架构的技术预览版，模型配置里的类型标识写作qwen4_exp。

GDN与QSA混合注意力

每四层中三层使用GatedDeltaNet线性注意力压缩历史信息，第四层用QwenSparseAttention做精确长程检索。QSA先用轻量路由挑选命中的KV段，只对命中段做完整计算，其余区域置零。官方称在百万token场景下，QSA内核Prefill阶段提速7.6至10.2倍、Decode阶段提速4.9至6.6倍。

N-gramEmbedding扩容量不加算力

在Transformer主干之外挂一张51B参数的n-gram嵌入表，思路受Gemma3n的Per-LayerEmbedding与DeepSeekEngram启发。查表位置可提前确定，因此这张表被设计成放主机内存异步预取，不占显存，每个token几乎不增加计算量。

MoE稀疏激活与门控残差

预览模型主干125B参数、512个路由专家、top-10路由，每token激活约6B;另配约4B的多token预测头，内置投机解码，无需外挂draftmodel。残差侧引入门控残差结构，用多条分支动态控制跨层读写。

训练成本明显下降

预览模型采用Muon优化器，官方给出的训练成本约为Qwen3.7-Plus的1/9.整体能力相当。原生上下文256K，通过YaRN扩展至1M。

需要区分的是，5万亿至10万亿参数是9月22日云栖大会上提到的Qwen4.5、Qwen5远期路线，不是Qwen4本身的规格。

Qwen4功能

编程与代码库级修改：跨文件重构、遗留系统迁移、前端页面与交互生成，配合工具调用完成编译、测试、修正的闭环。

智能体长程任务：拆解目标、多轮规划、调用外部工具并校验结果，适合自动化工作流与多步骤业务处理。

文档与多模态理解：长文档摘要、扫描件与表格解析、截图分析、视频内容问答，1M上下文减少分段处理。

专业办公辅助：材料撰写、数据整理、报表生成、会议纪要，已在千问办公中接入。

深度思考与可控推理：三档reasoning_effort调节推理力度，复杂任务开高档，高频低延迟场景降档省额度。

结构化输出与集成：JSONSchema约束输出，便于对接前端、数据库与下游系统。

Qwen4应用场景

AI编程工具链：Qoder等编程助手已接入，可用于代码补全、代码审查、测试生成、CI流程中的自动修复。

企业自动化：把重复性业务流程交给智能体执行，数据敏感团队可等待正式版后评估私有化部署路径。

设计与前端：从设计稿到可运行页面的转换、3D场景与交互原型快速验证。

内容与分析：长报告解读、多文件交叉比对、视频与图像素材的内容提取。

端侧与本地部署：27B一档若开放权重，适合单卡24GB级别环境做私有化推理，具体显存预算要等权重落地后确认。

Qwen4如何使用

1. 订阅 Token Plan 个人版或团队版，获取套餐专用 API Key。Lite、Essential、Standard、Pro 四档按月提供不同 Credits 额度，其中 Pro 档额度已从 18 万提升至 20 万 Credits，月费由 499 元调整为 312 元，存量用户在新周期生效。
2. 使用套餐专用 Base URL：https://token-plan.maas.qianwenaiapi.com。
3. 模型 ID 填写 qwen4-max-preview。该模型当前仅支持 Token Plan，不支持按量计费。

1  from openai import OpenAI
2
3   client = OpenAI(
4    base_url="https://token-plan.maas.qianwenaiapi.com",
5    api_key="你的Token Plan专用Key"
6)
7
8    resp = client.chat.completions.create(
9    model="qwen4-max-preview",
10    messages=[{"role": "user", "content": "分析这个项目的目录结构，找出影响接口响应速度的主要问题"}],
11    max_completion_tokens=16384
12)
13    print(resp.choices[0].message.content)

• max_tokens 与 max_completion_tokens 在该模型下等价，都限制思考内容与最终回答的总 token 数。沿用过去只给回答预留的上限，会导致输出提前截断，需要为思考过程共同留出额度。
• 多轮对话中 preserve_thinking 默认开启，历史 assistant 消息要在 reasoning_content 字段完整回传思考内容，不能拼进 content。reasoning_effort 与 thinking_budget 不能同时设置。