千问发布的Qwen4-Max,被官方定位为“全天候AI新同事”,其能力检验标准落在长程任务能否交付可用成品上。围绕这一定位,测试设置了四项任务:前端互动网页、Godot 3D动作游戏、视频白模预演,以及自主检索资料制作PPT。四项任务均得到可直接打开和使用的成品,环境搭建、运行测试、画面检查和问题修复大部分由模型自行完成。
测试只使用千问办公,按普通用户方式操作;只给一段需求,不提供素材;需求写到可核对的程度,成品逐条对照检查。四项任务难度逐级递进,从单文件网页到完整游戏工程,再到空间精度白模和联网检索PPT。
支撑这些任务的是新架构。Qwen4-Max总参数2.4万亿,每个token激活71B,另有328B的N-gram Embedding参数。模型在三层使用Gated DeltaNet压缩历史信息,在一层使用Qwen Sparse Attention按块选取上下文;残差流扩展为四条并行分支,N-gram Embedding则以较低计算代价扩充容量。官方称预训练全程未出现loss spike,激活参数比上一代Qwen3.8-Max少约25%。
在专业场景评测中,千问构建的Work360行业基准覆盖26个一级领域、182个二级子领域和721个三级细分领域,Qwen4-Max得分为52.69。长程任务方面,模型采用持续交付机制,先给出可用首版,再逐版完善;千问同步开源了Qwen-Live-Delivery-Plugin,安装后可体验这一能力。
游戏任务使用Godot 4开发3D动作游戏《北极熊武士》。模型在下载引擎超时后自行改用镜像源并断点续传,开发过程中实际运行游戏并截图检查,发现视角设置错误后随即修正,确认网页版正常后完成在线发布。第一版数值偏难,收到六项修改意见后,第二版全部落实,资源包从14MB压缩至253KB。模型还编写自动玩家程序,从开局打到首领战并通关,其间发现并修复两处未被指出的程序缺陷。公网试玩地址为https://wd4635fq.qwenwork.host/。
前端任务以“秦始皇骑北极熊”为题,模型一次性生成完整SVG动画。成品中秦始皇黑袍金边,对应“秦尚黑”的历史设定,冕冠旒珠随奔跑摆动;远山、长城与雪地分三层视差滚动。随后任务扩展为三幕互动网页并追加操控功能,两轮修改均未影响原有功能。扩展版名为《秦始皇骑北极熊巡游记》,包含咸阳宫、长城、雪原三幕,每幕配一句仿古字幕,角色具备待机、奔跑、互动三种状态。
白模预演要求制作20秒、五个镜头的中式庭院,分镜中的全部尺寸和三个关键时间点均被准确还原。模型交付了带时间轴的预演网页和一份Excel参数表。制作前它先确认交付形式,对“南北20米是否包含正殿”这类歧义给出明确处理方式,并连同其他补充假设写入参数表;各镜头机位和视角经过数学校验。拖动时间轴核对,角色停步、正殿亮灯、殿门开启三个时间点均准确,个别仰拍机位画面被井沿遮挡,追加一句取景调整指令后解决。
PPT任务从一个题目出发,要求自主搜集资料制作《国产AI大模型2026年发展盘点》。模型先进行5轮联网检索,覆盖主要厂商、时间线、开闭源格局、价格和典型应用,交付14页可编辑演示文稿,含3张原生图表,每页页脚附出处链接,并主动注明哪些数据属于厂商披露口径。最后一页给出的判断是“竞争主轴=单位任务成本×交付可靠性”。排版检查时,模型先把PPT渲染为图片,再调用自身视觉能力逐页检查文字溢出、图表可读性和页脚越界,修改4页后重新渲染复核。
在这四项任务中,交付前检查已成为固定动作:代码写完先运行,游戏做完先试玩,镜头开拍前先规划,PPT交付前先渲染成图片逐页过目。原生视觉能力让模型能检查自身产出,生成、检查、修改在交付前完成。游戏开发的门槛也随之降低,引擎下载、导出模板续传、在线发布等工程环节由Qwen4-Max与千问办公协同完成,用户无需掌握Godot或配置开发环境,也能得到可运行的游戏。
修改意见的执行情况也被纳入观察。游戏第一版数值偏难,六项意见在第二版中全部落实,模型还额外修复两处未被指出的程序缺陷。长程任务不必一版到位,关键在于每一轮迭代都有实质改进,这一点在测试中已经体现。
成本方面,Work360评测中Xhigh和High两档推理强度的token消耗分别减少约24%和35%,单个任务平均费用从26.58元降至11.16元,降幅58%。Qwen4系列中小尺寸模型也将陆续开源。千问办公2.0提供沙箱、网页发布、需求确认等工具,模型会判断何时调用;用户只需描述需求,环境搭建、调试和发布可交由模型完成。















