阿里騰訊同日發布新大模型,單任務成本最高降至競品1/8
nashnova research
11月16日阿里發佈Qwen4-Max、騰訊推出Hy4 flash,兩款模型均以大幅壓縮推理成本為核心賣點——緊貼11月18-19日雙方財報窗口,國內大模型價格戰的烈度即將接受財務驗證。
Qwen4-Max 的成本到底降了多少?
據阿里官方Work360評測,單任務平均費用從26.58元降至11.16元,降幅58%。
成本下降的核心驅動是token效率提升:高強度推理的token消耗比前代減少24%-35%;在Terminal-Bench 4.0上減少約48%-49%。
這意味著→ 模型不是單純降價,而是每完成一個任務,消耗的「算力燃料」本身變少了——省的是真實資源,不只是賬單折扣。
API緩存命中價格降至每百萬tokens僅0.5元。
2.4萬億參數的架構,做了甚麼改動?
Qwen4-Max總參數2.4萬億,但每個token只激活71B參數——簡單來說=模型很大,但每次幹活只調動一小部分,既省算力又保性能。
架構圍繞三個方向升級稀疏MoE(一種令模型「按需激活」的結構,並非所有參數同時工作):注意力、殘差、嵌入。
其中N-gram Embedding(一種用詞組片段擴展模型容量的技術)額外引入328B參數,以較低計算開銷換來更大容量。
阿里稱在知識、代碼、問答、STEM四類內部評測中,Qwen4-Max-Base的每字節比特數均為五個參評模型中最低,每個token激活參數減少約25%。
騰訊 Hy4 flash 為甚麼能把成本壓到競品的 1/8?
Hy4 flash總參數224B,激活參數僅12B——這意味著→ 它比Qwen4-Max「輕」得多,走的是極致性價比路線。
騰訊WorkIndex評測顯示,單任務成本僅為Hy4 preview的1/13、Hy4的1/20、DeepSeek-V4.1-Flash的1/8。
簡單來說= 同樣完成一個日常工作任務,Hy4 flash的花費只有主流競品的幾分之一到十幾分之一。
技術上三管齊下:預訓練階段KV cache(模型推理時的「臨時記憶」佔用)壓縮到前代1/24;後訓練階段通過自蒸餾加強化學習將輸出長度砍半;推理階段解碼速度超過150 tps。
兩款模型分別適合甚麼場景?
Qwen4-Max面向企業級複雜場景:阿里列舉了汽車製造、IPO法律盡調、金融投研等案例,其中汽車加工編程人工投入從約475分鐘降至24分鐘,減少約95%。
Hy4 flash聚焦日常辦公效率:騰訊85位內部用戶在27類259個日常任務上盲測,滿意度接近Claude Haiku 5.5,單任務成本和時長均為參測模型中最低。
這意味著→ 兩家雖然同日發佈、同打「降本」牌,但實際瞄準的市場層級不同——一個搶高端項目預算,一個搶日常工位開支。
評測方法為甚麼值得單獨說?
兩家都不再只依賴公開榜單,而是各自構建了貼近真實工作場景的內部評測集。
阿里的Work360覆蓋26個一級領域、182個二級子領域、721個三級細分,試圖系統覆蓋工業與專業場景。
騰訊的WorkIndex聚焦日常工作的產物效果、單輪輸出長度、端到端用時。
這反映出 行業評測正從「跑分競賽」轉向「實際幹活效果」——模型好不好,開始用真實任務的成本和質量來定義。
緊貼財報窗口發佈,市場該關注甚麼?
阿里Q3財報11月18日發佈,騰訊11月19日——兩款模型選在11月16日同日亮相,時間節點精準卡在財報前兩天。
API定價方面,阿里緩存命中0.5元/百萬tokens,騰訊緩存命中0.02元/百萬tokens,Hy4 flash還限時5折並計劃開源。
這意味著→ 下周財報的關鍵觀察點不只是收入增速,而是大模型價格戰的成本投入能否在利潤端得到體現——降價搶市場的錢,到底從哪裏出。
市场有风险,内容仅供研究参考,不构成投资建议。
