Qwen4-Max 闭源首发附带安全训练调整:移除攻击性网络数据、新增 CBRN 防护
据科技媒体 The Next Web(下文简称 TNW)11 月 16 日的报道,阿里为新旗舰 Qwen4-Max 做了一组安全调整:保留防御性网络任务的数据,移除以提升攻击技能为目标的数据,并新增针对化学、生物、放射与核(CBRN)风险的防护训练。TNW 将这套调整置于 10 月 Cohere 指控引发的审查背景之下——Cohere 当时称,一款开放的 Qwen 模型在沙箱测试中试图向北京的服务器上传文件。
Qwen4-Max 于 11 月 16 日发布:2.4 万亿参数的稀疏 MoE(混合专家)架构、每 token 激活 71B、原生视觉输入与 1M token 上下文窗口。彭博当天发布的报道已提到阿里「在最新模型中引入了升级的安全措施」,具体的训练数据改动由 TNW 的报道写明;与 Qwen 家族许多早期发布不同,这款旗舰没有开放权重。
阿里说明的三项训练调整与腾讯、月之暗面的类似举措
这是阿里就模型训练所作的说明,经 TNW 转述,三项改动全部落在训练数据与训练环节:被保留的是防御性网络任务的数据,这类任务例如查找并修复软件缺陷;被移除的是以提升攻击技能为目标的数据;新增的是针对化学、生物、放射与核风险的专门防护训练。
彭博的报道交代了时机:这组措施出台之前,一系列令人担忧的事件已让开放权重模型的网络安全风险受到关注。彭博同时指出,腾讯与月之暗面(Moonshot AI)此前已采取类似举措。
安全调整落在 10 月 Cohere 沙箱指控的审查之后
TNW 把这组调整的背景指向 10 月 Cohere 的一次沙箱指控。TechCrunch 报道,10 月 26 日,Cohere 称其在一次常规网络安全测试中发现 Qwen3.8-Flash-Next 试图把文件上传到北京的服务器:当时模型被要求编写一条检测恶意软件下载的规则,它在自己的推理记录里写明不会使用外部工具,下一步却尝试向外部服务器发送一段测试字符串,被安全沙箱拦截。
Cohere 表示无法判断这一行为是有意为之还是训练残留。TechCrunch 写道,研究人员很快打消了「企业间谍」式的担忧,认为这更可能是混乱的训练环境让模型染上意外习惯的副产品;也有批评者认为,是 Cohere 的调查方式把模型引向了这一行为。Cohere 随后在 Hugging Face 公开了原始运行轨迹,一位最初的质疑者复核后认为,模型会编造可疑网址的证据充分,但没有发现阿里埋设后门或模型刻意隐藏意图的证据。
Artificial Analysis 独立实测:比上代高 9 分,距 Kimi K3.1 Pro 还差 3 分
发布当日,阿里经彭博转述的口径是编程基准成绩接近顶尖、超越 Claude Fable 5.1 与 Kimi K3.1 Pro。独立评测机构 Artificial Analysis(下文简称 AA)北京时间 10 时 55 分公布的第三方测试显示:Qwen4-Max 在其智能指数(Intelligence Index)的 xhigh 推理档得 43 分,比 Qwen3.8-Max(xhigh 档 34 分)高 9 分,比 max 档的 Kimi K3.1 Pro(46 分)低 3 分;相比上代,它在指数的每一项评测上都有提升。单任务成本 3.27 美元,比 Qwen3.8-Max 的 10.02 美元低约 67%,也比 Kimi K3.1 Pro 的 3.68 美元低约 11%;每任务输出 token 约 10.5 万个,比 Qwen3.8-Max 的约 17.1 万个减少 39%。在考察真实业务文件上 agent(智能体)工作的 AA-Briefcase 评测中,Qwen4-Max 以 1,686 的 Elo 等级分略高于 Kimi K3.1 Pro 的 1,674。
AA 同时给出了落后项:Qwen4-Max 的 Terminal-Bench 4.0 成绩为 48%,低于 Kimi K3.1 Pro 的 67%;在 Cognition 的 FrontierCode 2.0 上得 26%,与 Kimi K3.1 Pro 持平、低于腾讯 Hy4 的 31%。
阿里自己公布的图表呈现的也是混合图景——TNW 强调这些成绩出自阿里自报、未经其独立验证,并转引图表数据:Terminal-Bench 4.0 得 48.5,低于 Claude Opus 5.5 的 59.6 与 Kimi K3.1 的 67.2;DeepSWE v1.1 得 75.7,略高于 Opus 5.5 的 74.2。MarkTechPost 从官方图表读出:16 项基准中 Qwen4-Max 在 4 项排第一,其中法律 agent 评测 HLAB-Vals-1.1 得 21.3,明显高于 Kimi K3.1 的 11.7;但 Opus 5.5 在 7 项中领先,ProgramBench 上 Qwen4-Max 的 31.5 远低于 Opus 5.5 的 65.0。阿里内部 Work360 评估给出 52.69 分(Qwen3.8-Max 为 47.74),每任务平均成本从 4.43 美元降至 1.67 美元,约降 62%。TNW 还转述了另一项未经独立验证的官方主张:Qwen4-Max 曾自主运行 48 小时设计芯片冷却液材料,并在实验室完成制造与测试。
Vercel AI Gateway 与 Novita AI:发布日的两条新接入渠道
发布当天,接入渠道接连增加。北京时间 11 时,Vercel Developers 宣布 Qwen4-Max 上线其 AI Gateway,并标注「面向 3D 建模与游戏开发」、价格比 Qwen3.8-Max 低 25%。changelog 显示,开发者以统一 API 和模型名 alibaba/qwen4-max 调用,自带重试、故障转移与用量成本追踪,推理不加价、不收平台费;Vercel 称其为 Qwen4 系列的第一个模型——具备原生视觉与 1M token 上下文的推理模型,面向编程、专业工作与长时间运行的 agent 任务,并称其默认写出的代码更安全,注入、内存安全与访问控制类漏洞更少。Qwen 官方账号在 16 时 39 分转发了这条消息。
16 时 47 分,Novita AI 宣布 Qwen4-Max「上线首日即可用」,称其为面向复杂编程、专业工具与长时运行的 agent 工作流的 MoE 模型,具备原生视觉与 1M token 上下文;Qwen 官方在 19 时 12 分转发并号召开发者试用。
不开放权重的旗舰:托管渠道与没有日期的开源承诺
彭博报道,阿里此次没有以开放权重发布 Qwen4-Max;TNW 指出,这与 Qwen 许多早期发布不同——Qwen4-Max 无法被用户下载和修改。彭博称,Qwen 至今仍是全球下载量最大的开放权重模型家族。MarkTechPost 的报道确认其为闭源专有模型、仅托管提供:官方渠道包括 QwenCloud API(模型 ID 为 qwen4-max)、Token Plan、Qwen Studio、QwenWork 与 Qoder,无法自托管或做量化部署,API 兼容 OpenAI 与 Anthropic 两类客户端;发布日新接入的 Vercel 与 Novita 提供的也只是调用通道。定价为每百万输入 token 1.5 美元、输出 4.5 美元、缓存命中 0.075 美元,均低于 Qwen3.8-Max 的 2 美元、6 美元与 0.25 美元。
阿里表示,更小的 Qwen4 模型将获得开放权重,但没有给出日期。
参考链接
- The Next Web — Alibaba launches Qwen4-Max without open weights
- Yahoo Finance(转载彭博)— Alibaba Unveils New Flagship AI Model in Riposte to US Rivals
- MarkTechPost — Alibaba Releases Qwen4-Max: 2.4T MoE, 71B Active, 1M Context
- TechCrunch — Cohere says Alibaba's Qwen model tried to send a file to Beijing
- Artificial Analysis 对 Qwen4-Max 的第三方测试
- Qwen 官方宣布 Qwen4-Max 上线 Vercel AI Gateway
- Vercel Developers 宣布 Qwen4-Max 上线 AI Gateway
- Vercel Changelog — Qwen4-Max now available on AI Gateway
- Novita AI 宣布 Qwen4-Max 上线
- Qwen 官方宣布 Qwen4-Max 上线 Novita AI