跳到正文

#模型發布

RSS
今日 3 則
11月18日週三
  1. aihot66

    OpenAI 推出 GPT-6.2 Astra 和 GPT-6.2 Sol,主打遊戲製作

    製作遊戲之外,做簡報、架網站和處理日常工作也常要花不少時間。OpenAI 推出 GPT-6.2 Astra 和 GPT-6.2 Sol,表示這兩款模型主打遊戲製作,也擅長做簡報、架網站和處理日常任務。它們自當日起陸續提供給 ChatGPT Work 和 Codex 的 Plus、Pro、Enterprise 與 Edu 使用者。原文沒有說明兩款模型各自適合哪些工作。

    推薦理由:原文提到兩款模型可用於遊戲製作,也擅長做簡報和網站,並列出開放使用的方案與服務。

  2. Hacker News (official RSS)94

    OpenAI 推出 GPT-6.2 Astra 與 Sol,分別主打複雜工作和日常任務

    OpenAI 推出兩款新模型,讓使用者能依工作難度和成本選擇。GPT-6.2 Astra 主打複雜專業任務,能製作更貼近範本的簡報、試算表和檔案,也能寫程式、操作設計工具;GPT-6.2 Sol 則主打日常工作,能處理多步驟任務,API 價格沿用 GPT-6.1 Sol。兩款模型都已提供給部分 ChatGPT Work 和 Codex 方案使用,也能透過 OpenAI API 呼叫。OpenAI 表示,模型的資安能力提升,因此加強了高風險資安協助的限制;GPT-6.2 Astra 也達到 AI 自我改進能力的 High 門檻。

    推薦理由:GPT-6.2 Astra 與 Sol 分別瞄準複雜專業工作和日常任務,文中以基準測試與每項任務成本比較兩者表現。

  3. vLLM58

    AI 模型在長對話中會用掉大量記憶體,草稿模型也需要推論系統配合才能投入實際使用。vLLM 團隊公佈為 Kimi K3.1 Pro 設計的 DSpark,這項工作由 Inferact 與 Red Hat Speculators 團隊共同開發。每個草稿層都使用 2K 的滑動視窗,讓草稿 KV 記憶體用量維持在固定範圍,即使上下文長達 1M tokens 也一樣。HumanEval 測試中,DSpark 的接受長度比預覽版提高最多 30%;vLLM 重新設計的 KV 管理也支援分離式推論與不同的平行配置。

11月17日週二
  1. Dev.to Top Tech73

    阿里推出 Qwen4-Max,但只提供封閉 API,沒有可下載的模型權重

    團隊想用更省成本的模型,又希望能在自己的伺服器上部署;Qwen4-Max 在這兩件事上帶來不同取捨。阿里推出的 Qwen4-Max 有 2.4 兆個引數,每個 token 啟用 710 億個引數,支援 1M-token 上下文視窗,但只能透過封閉的 QwenCloud API 使用,沒有可下載的模型權重。文章指出,它在指定測試中的 token 用量減少 48%–49%,Work360 平均任務成本從 $4.43 降到 $1.67;不過,想用自家 GPU 執行模型的團隊無法自行部署,也少了改用本地模型的退路。

  2. Dev.to Top Tech83

    Mistral Large 4 正式推出,開放權重供下載

    Mistral Large 4 已從預覽版轉為正式版,並開放模型權重下載;不過,各家測試它寫程式的結果差距不小。Mistral 表示,它在 Terminal-Bench 4.0 得到 41%,比預覽版高 13 個百分點,輸出 token 也少了 30%;獨立測試則約為 23% 到 25%,文章提醒這些差異可能來自測試工具和設定不同。另一項較有把握的優點是完成任務所用 token 變少,測得的單次任務成本也從 $5.54 降到 $2.06。API 價格已下調;Large 3 和 Medium 3.5 預計於 2027 年 4 月 30 日停止服務,使用者需要安排遷移。

    推薦理由:不同評測環境得出的程式任務分數差距很大,文中也比較了輸出量與單次任務成本,能幫助讀者判斷該怎麼看這些數字。

  3. Dev.to Top Tech81

    IFM 公開 K2-Horizon 六款模型及訓練資料,最大款有 375B 引數

    許多開放模型只提供權重,外界很難知道訓練資料怎麼來、模型又是怎麼做出來的。IFM 公開了 K2-Horizon 六款模型的權重、訓練資料、中途檢查點、訓練紀錄和製作資料的流程,也提供訓練與評估用的程式碼。模型從 0.9B 到 375B-A23B,適合不同規模的工作;其中 36B-A4B 使用的啟用引數較少,論文稱它的表現接近用相同資料訓練的 32B 模型。這些效能說法尚未經獨立測試,作者也沒有親自試用;公開資料讓人能研究和微調,但從頭重訓需要大量運算資源。

    推薦理由:K2-Horizon 同時公開權重、訓練資料與製作流程,讓人能檢視模型如何建成,也能比較不同規模的模型。

  4. ModelScope68

    一般 AI 多半是等人提問後才回答,Duo 則想讓 AI 和人一起參與即時互動。它會持續聽對方說話、觀察對方的動作,再判斷何時該接話或等待,並同步產生語音和影片。這讓雙方能一起看物品、改變場景、接受引導或玩影音遊戲。inclusionAI 也釋出多種模型版本,並提供研究用流程和即時部署方式。

    推薦理由:Duo 把即時影音互動中的理解、發言時機與影音生成串在一起,呈現模型如何參與雙向交流的研究方向。

  5. MarkTechPost75

    Liquid AI 推出 d1.2 和 d1.2-ultra,讓決策模型讀取文字、圖片和音訊

    一般模型會直接寫答案,Liquid AI 的 d1.2 系列則會替每個選項算出機率,讓使用者知道模型有多確定。新版能讀取文字、圖片和音訊,也新增讀取欄位、找出文字片段、定位物件、估算數量和多選等回答方式。d1.2-ultra 在 Artificial Analysis Decision Index v2.1 得 75 分,d1.2 得 69 分;Liquid AI 自行測試的校準誤差分別是 0.8 和 1.2 個百分點。兩款目前只能透過 Liquid API 使用,尚未提供模型權重。

  6. ModelScope66

    讓 AI 角色跟著語音說話時,嘴型、表情和身體動作有時不夠自然,影片變長後也可能逐漸失去一致性。LongCat-Video-Avatar 1.6 改善語音和嘴型同步、臉部與身體動作,也降低說話時嘴巴動作過大的情況,並讓影片延續到超過 10 分鐘時更能維持角色樣貌和畫面連貫。它支援單人與多人角色影片,也能從音訊、文字、圖片或既有影片開始生成。在 33,051 張投票、共 6 個系統的評比中,它排名第二。

    推薦理由:LongCat-Video-Avatar 1.6 在 33,051 張投票的偏好評比中排名第二,也主打改善長影片延續時的角色一致性,提供了比較表現與長片能力的參考。

  7. Dev.to Top Tech76

    Qwen4-Max 開放使用,Windows 即時語音工具仍得先顧好音訊擷取

    大型模型回覆再快,通話工具也可能先卡在聲音進電腦的路上。Alibaba Cloud 在 11 月 16 日推出 Qwen4-Max,模型有 2.4T 個引數,但每個 token 只啟用 71B;它支援圖片,並提供 1 million token 的上下文視窗。文章也指出,Windows 共用音訊模式可能多出 10–40+ ms 延遲,而專用模式在裝置支援時可降到十多毫秒。Talkaside 的雙軌 WASAPI 做法會分開收錄對方聲音和本機麥克風,讓即時語音辨識與處理更順。

    推薦理由:文章把 Qwen4-Max 的雲端推論成本與 Windows 即時音訊流程放在一起看,說明錄音擷取延遲也會左右通話工具的反應速度。

  8. Dev.to Top Tech46

    下載量最高的 300 個語言模型中,中國模型佔 70.7%

    想知道全世界的開發者最近最常下載哪些語言模型,VIDRAFT 分析了 Hugging Face 最近 30 天下載量最高的 300 個模型。這些模型總共被下載 5 億 2,322 萬次,其中中國模型佔 70.7%;光是 Qwen 系列就佔了 60.3%。下載量第一的是 2019 年公開的 GPT-2,顯示舊模型至今仍常被拿來教學、練習和測試軟體。 榜單也反映出模型變化很快:2026 年公開的模型佔下載量 56.7%,而壓縮過、比較容易在一般電腦上使用的版本也很受歡迎。韓國模型中,只有 VIDRAFT 的 POCKET-Darwin-180B 進入前 300 名,排名第 260。這份分析讓人看出,模型的來源和新舊會影響下載熱度,能不能在一般裝置上使用,也可能是開發者挑選時的重要考量。

  9. Dev.to Top Tech41

    千問 Qwen3-235B-A22B:大規模 open-weight 模型如何兼顧能力與推論成本

    大型模型很有本事,但要讓它回答問題,也得花不少運算資源。千問 Qwen3-235B-A22B 總共有 235B 個引數,每次處理 token 時只啟用其中 22B,並從 128 個專家模組中挑出 8 個來運算。這樣設計是想用較少的運算,保留大型模型的能力;但它仍需要大量硬體資源,不能當成一般 22B 模型來看。 這個模型支援 119 種語言,原生上下文視窗有 262,144 tokens,還能延伸到約 1,000,000 tokens,適合處理長檔案或程式碼專案。它採用 Apache 2.0 授權,方便商業使用、修改和再散佈。不過,支援的語言多、能讀的內容長,不代表回答一定可靠;團隊仍要用自己的資料測試品質,並規劃好要讀哪些檔案、怎麼找資料,以及需要多少運算資源。

  10. 少數派 (sspai)71

    Qwen4-Max、Hy4 flash 等模型與科技訊息整理

    這期派早報整理了多項新品與科技訊息。阿里推出 Qwen4-Max,主打視覺理解和較長的上下文視窗;騰訊推出 Hy4 flash,主打降低使用成本,並支援多模態。日本理化學研究所也通報,超級電腦「富嶽」的相關執行系統遭到非法訪問,目前已向主管部門報告,公告尚未說明是否有機密資料外洩。其他訊息包括高德在北京近百個路口試點雲控紅綠燈,以及工信部通報 46 款被用於電信網路詐騙的 App。

  11. The Decoder77

    Alibaba 發布 Qwen4-Max,以較低成本挑戰 Opus 5.5、GPT-6 和 Kimi K3.1 Pro

    長時間工作和大量資料會讓 AI 模型花更多時間與費用,Alibaba 推出 Qwen4-Max,主打用較少 token 處理長內容和專業任務。它能直接看圖片,並提供一百萬 token 的上下文視窗;在 Alibaba 的 Work360 測試中,平均每項任務成本從 $4.43 降到 $1.67,分數也從 47.74 升到 52.69。外部評測結果不一:它在長時間 AI 助理任務表現突出,但在部分考試和程式開發測試落後競品。新功能 Live Delivery 會先交出可用的初版,讓使用者途中介入調整。Qwen4-Max 已可透過 QwenCloud 等服務使用,Alibaba 表示之後會開放較小型 Qwen4 模型。

    推薦理由:Qwen4-Max 在自家工作任務中以較少 token 降低成本,外部評測表現則有高有低,可看出效率與不同能力之間的取捨。

  12. OpenRouter72

    想用 Hy4,又在意速度和費用的人,現在多了一個選擇。Tencent Hunyuan 的 Hy4 flash 已在 OpenRouter 上線,原文說它比 Hy4 更快、更便宜,並保留 1M 上下文視窗和圖片輸入。11 月 30 日前,輸入價格為每百萬 token $0.035,輸出為每百萬 token $0.14。

    推薦理由:Hy4 flash 保留 Hy4 的 1M 上下文視窗與圖片輸入,並提供較快、較便宜的選擇,文中也列出限時價格。

  13. Dev.to Top Tech85

    Alibaba 發布 Qwen4-Max,模型很大但 API 價格更低

    高階 AI 模型通常很貴,讓個人開發者和小團隊難以長時間使用。Alibaba 發布 Qwen4-Max,背後有 2.4-trillion-parameter,但每個 token 只啟用 71 billion parameters,還能看圖片和影片,單次提示最多容納一 million tokens。透過 QwenCloud API,輸入每 million tokens 收費 $1.50,輸出收費 $4.50。Alibaba 也說它在程式開發和安全測試上有進步,但這些數字還沒有外部團隊驗證。模型權重則不開放下載,只能使用雲端或相關 App。

    推薦理由:Qwen4-Max以較低 API 價格提供大型模型能力,但權重未開放,效能與安全數字目前仍只來自 Alibaba 自家測試。

  14. Dev.to Top Tech82

    Google DeepMind 發布 AlphaGenome 2,找出 DNA 變異影響哪種細胞

    研究人員常知道某段 DNA 和疾病有關,卻不知道它會在哪種細胞裡發揮作用。Google DeepMind 的 AlphaGenome 2 會把 DNA 序列和指定的細胞型別或狀態一起分析,預測基因表現、染色質可及性、剪接等變化,也能用少量單細胞資料推測沒看過的新狀態。在 TenK10K 測試中,它找出的因果變異比前代模型多近一倍;IBD 案例中,模型約 30 分鐘就找出相關變異和腸道巨噬細胞。它目前只開放非商業研究使用,不能取代實驗,也尚未驗證為臨床或診斷工具。

    推薦理由:原文整理 AlphaGenome 2 如何用細胞狀態解讀 DNA 變異,並比較它和前代模型在疾病研究上的實際差異。

  15. The New Stack77

    阿里巴巴推出 Qwen4-Max,模型權重目前只能透過線上服務使用

    想使用 Qwen4-Max 的開發者,目前得透過線上服務或第三方 API,阿里巴巴還沒有宣佈提供這款模型的下載權重。這款新模型可處理文字和圖片,支援 1M-token 上下文視窗;阿里巴巴表示,它在自家工作任務測試中比前代少用 24% 到 35% 的 token,平均任務成本從 $4.43 降到 $1.67。外部評測則給它 43 分,在 81 款模型中排名第 38。阿里巴巴表示,較小型的 Qwen4 模型會開放權重,但尚未公佈型號和時間。

    推薦理由:Qwen4-Max 沒有公佈可下載權重,文章也對照阿里巴巴自家與外部評測,呈現模型表現、使用成本和開放方式的差異。

  16. aihot85

    Google 發布 Gemini 4 Carbon、Hydrogen,並推出 Decisions API 和自託管 AI 助理沙箱

    Google 一次推出 Gemini 4 Carbon、Hydrogen、Gemini Decisions API 和自託管 AI 助理沙箱。Carbon 面向較難的推理、除錯與安全稽核;Hydrogen 適合日常寫程式和快速工作流程,兩者都有 100 萬 token 的上下文視窗。Decisions API 可用文字、圖片、影片、PDF 或音訊,依問題回傳機率或評分。自託管沙箱則讓 AI 助理在 Google 的服務中運作,並在使用者自己的計算環境執行指令和編輯檔案。材料也介紹多模態基準、機器人與基因組模型,以及 AI Studio 的 Cloud 額度功能。

    推薦理由:這次更新同時提供不同用途的模型與統一的上下文視窗,並列出價格和選型方向,方便依工作難度、速度與成本安排模型。

  17. ModelScope58

    商品照片去背時,包裝文字、標誌和細小空隙容易一起消失。Bria 的 RMBG 3.0 把去背當成圖片編輯,使用 8B Fibo 2.0 DiT,在四個步驟中產生柔和的 8-bit alpha 遮罩。Bria 的測試顯示,它在 234 張全尺寸圖片中,有 185 張表現最佳或並列最佳;電商圖片範例則保留了包裝文字、標誌、動態模糊的肢體和網布空隙。也可自行架設 Fibo 2.0 Edit Turbo。

11月16日週一
  1. Artificial Analysis62

    Liquid AI 推出 d1.2-ultra 和 d1.2,更新旗下的 d1-ultra 和 d1.1 決策模型。Artificial Analysis 表示,d1.2-ultra 在自家 AA-Paperclip 評測拿下 76 分,比第二名 Drex Max v1.1 高 3 分;另一項 Artificial Analysis Decision Index v2.1 排名中,d1.2-ultra 第 1 名,d1.2 第 6 名。兩款模型也都比前代得分更高,且都位於能力與成本的帕累托前緣。每 100 萬個 Decision Index 任務的費用分別是 $133 和 $63;兩者可接收文字與圖片,並透過 Liquid AI 自家 API 提供。

    推薦理由:Artificial Analysis 的測試顯示,d1.2-ultra 與 d1.2 都比前代得分更高,並列在能力與成本的帕累托前緣,可比較兩款模型的進步與花費。

  2. ModelScope85

    科學工作常要整理不同種類的資料,還得確認每個操作步驟有沒有出錯。Sage-S2.1-Flash 是一款多模態 MoE 模型,能處理 10 多種科學輸入,也能使用工具並檢查結果。在 CT 示範中,它從 12,487 張混合影像裡挑出 139 張切片,發現順序檢查沒通過後重新排好,再用 3D Slicer 重建骨架。其他示範還包括衛星影像、CAD 組裝檢查和 EEG 雜訊移除。

    推薦理由:這次發布展示模型如何把多種科學資料放進同一套表示方式,並用工具檢查工作流程,CT 影像示範也呈現了實際操作步驟。

  3. MarkTechPost87

    Alibaba 發布 Qwen4-Max,支援文字、圖片、影片與 1M-token 上下文視窗

    Alibaba 發布新一代模型 Qwen4-Max,主打處理長時間、較複雜的工作。它每次只啟用 71B 個引數,能讀文字、圖片和影片,並支援 1M-token 上下文視窗;目前只能透過 Alibaba 的線上服務使用,沒有開放模型權重。Alibaba 的評測顯示,它在 16 項測試中有 4 項排名第一,法律 AI 助理測試得分為 21.3,但程式開發和圖片理解測試落後部分競爭模型。Alibaba 也表示,Work360 每項工作的平均費用比前代少 62%;這些評測分數在發布時尚未經第三方獨立重現。

    推薦理由:Qwen4-Max 的評測呈現明顯強弱項,並列出與前代及其他模型的分數、用量和價格比較,可瞭解它適合哪些工作。

  4. X.PIN83

    處理複雜任務時,模型可能需要更多 token,也會增加營運成本。Qwen 推出旗艦模型 Qwen4-Max,採用 MoE 架構,具備 2.4 trillion backbone parameters,並原生支援視覺理解,能使用 1-million-token 上下文視窗。開發者可透過 Qwen 平臺的 Token Plan 或 API 使用;原文表示,這款模型在提升複雜任務表現的同時,也會減少 token 用量並降低整體營運成本。

    推薦理由:Qwen4-Max 把原生視覺理解與 1-million-token 上下文視窗放進同一款模型,也主打降低 token 用量與營運成本,呈現旗艦模型的功能方向。

  5. Dev.to Top Tech78

    Tencent 推出 Hy4 flash,以較低成本處理日常工作

    日常工作常要處理長檔案、圖片和表格,但使用大型模型的費用可能不低。Tencent 推出 Hy4 flash,主打保留 Hy4 的長篇上下文和文字、圖片輸入能力,降低處理費用;它有 224B 引數,每次運算只啟用其中 12B。Tencent 表示,在自家 WorkIndex 測試中,每項任務的成本是 Hy4 的二十分之一,但這是廠商內部測試,不能當成能力排名。另有 85 位 WorkBuddy 使用者評分 259 項任務,結果只反映他們在該產品中的使用感受。模型可透過 WorkBuddy、Yuanbao 和 Tencent Cloud TokenHub 使用,Tencent 也計畫釋出權重。

    推薦理由:Hy4 flash 以較低成本換取部分能力,文中比較了定價與內部測試,也說明盲測範圍有限,可供評估日常工作是否適用。

  6. 🚨 AI News | TestingCatalog80

    這則訊息公佈了 Qwen4-Max 的基準測試成績。文中表示,這款採用 MoE 架構的模型原生支援視覺,並有 1M-token 上下文視窗;在 Artificial Analysis Index 得 43 分,比 Muse Wonder 少 1 分。使用 xhigh 推理力度時,它比 Qwen3.8 Max 高 9 分,比 Kimi K3.1 Pro 的 46 分低 3 分;在 Agent Arena 則排名第 14,14.7k 場真實世界 AI 助理工作階段的整體表現提升 7.5%。這些數字提供了不同評測中的比較結果。

    推薦理由:Qwen4-Max 的基準成績與 Qwen3.8 Max、Kimi K3.1 Pro 的分數差距,呈現了這款模型在兩項評測中的相對位置。

  7. Dev.to Top Tech77

    阿里巴巴推出 Qwen4-Max,主打百萬 token 上下文與較低成本

    處理很長的檔案或長時間工作的 AI 任務,可能需要拆成多次請求,費用也會跟著增加。阿里巴巴推出 Qwen4-Max,提供最多一百萬 token 的上下文視窗,並稱它比 Qwen3.8-Max 最多少用約 50% 的 token,平均每項任務成本降低超過 60%。API 費用是每百萬輸入 token $1.50、每百萬輸出 token $4;模型也可透過 QwenCloud、Qwen Studio、QwenWork 和 Qoder 使用。公告沒有說明成本與效能數字的計算方式,也未提供和其他模型在相同條件下的比較,因此這些優勢仍需要獨立測試確認。

    推薦理由:Qwen4-Max 主打長上下文與較低用量成本,文中也指出計算方式和同條件比較尚未交代,可用來理解它的商業定位與評估重點。

  8. karminski-牙醫60

    把圖片或影片交給模型,請它重建畫面中的物件,可以看出它是否理解空間和細節。作者用原圖或原始影片讓 Qwen4-Max 透過 three.js 重建內容,發現面板按鍵還原得不錯,空間理解也有進步;不過畫面效果還不夠炫。作者認為,這可能和 three.js 的後訓練較少有關,也可能讓模型較少產生幻覺。測試中,模型很快就開始輸出,thinking 使用的 token 也不多;更完整的測試結果之後才會公佈。

  9. karminski-牙醫61

    Qwen4-Max 正式版發布後,作者把原始圖片或影片交給模型,請它用 three.js 重現畫面中的面板。測試中,模型還原按鍵的表現不錯,作者認為它的空間理解有所提升;但 three.js 的作品不夠炫酷,可能和這方面的後訓練不足有關。作者也觀察到模型較少產生幻覺,思考時使用的 token 不多,很快就開始輸出正文。更詳細的測試結果尚未公佈。

  10. The Economic Times · ETtech74

    Alibaba 發布 Qwen4-Max,提升專業工作能力並加強安全防護

    Alibaba 發布新一代旗艦模型 Qwen4-Max,主打處理複雜的專業與科學工作,也加強了安全防護。公司表示,它能用較少的 token 完成工作,成本效益也優於今年 8 月推出的 Qwen3.8-Max。訓練時除了測試程式碼,也加入安全檢查,以減少程式碼注入、記憶體安全缺陷和存取控制失效等問題;公司也加強防範模型被用於網路犯罪或危險物質相關用途,並表示內部測試沒有發現重大高風險能力。文中未提供具體效能數字。

  11. aihot77

    騰訊混元推出 Hy4 flash,主打 1M 上下文與日常任務價效比

    日常使用大型語言模型時,成本和能處理的內容長度都會影響選擇。騰訊混元推出 Hy4 flash,總引數為 224B,其中包含 64B Engram 引數;每次運算會啟用 12B 引數,並支援多模態與 1M 上下文。API 每百萬 tokens 的輸入價格是 0.5 元、輸出價格是 2 元,原文也列出它和 Hy4 的成本比較及多種業務場景的評測結果,方便估算日常使用的花費與表現。

    推薦理由:原文比較 Hy4 flash 與 Hy4 的價格,並列出多種業務場景的評測結果,可用來評估日常任務的成本與表現。

  12. ModelScope76

    大型模型通常需要很多運算資源,Edge0-145B則主打能在單張消費級 GPU 上本機執行。它採用稀疏架構,每個 token 只啟用 10.12B 個引數;原文列出的 RTX 5090 D 24GB 測試中,Q3_K 版本每秒可處理 121.2 個 token。Edge0-145B在 Terminal-Bench 2.1 得分 86.5,在 DeepSWE 1.1 得分 64.6;若偏好更快的版本,Edge0-120B每個 token 啟用 8.64B 個引數。兩款模型都提供 Q3_K 和 NVFP4 版本,透過 Edge0 專用的本機執行環境部署。

    推薦理由:Edge0-145B以稀疏架構減少每個 token 啟用的引數,並列出單張 RTX 5090 D 上的速度與測試成績,可瞭解它如何兼顧模型規模和本機部署。

  13. iThome (臺灣)69

    Microsoft 用 Aion Instruct 取代 Windows 裝置端的 Phi Silica

    Windows 電腦上的小型語言模型能讓應用程式在裝置上處理文字,不必把內容送到雲端,但原本能讀的內容長度有限。Microsoft 將用 Aion Instruct 取代 Phi Silica,模型引數量從 38 億降到 23 億,輸入上限則從 3,500 個詞元提高到 32,000 個,應用程式一次就能交給模型更多檔案或對話。新模型也將支援 Nvidia RTX 和 AMD RDNA 4 顯示卡,分階段推送到符合條件的 Windows 裝置;多數使用既有 Windows AI API 的應用程式不必修改程式。不過,使用自訂提示詞或依賴特定輸出的程式仍要重新測試,為 Phi Silica 訓練的 LoRA 也必須重新訓練。

  14. aihot83

    Qwen4 Max 發布,評測分數比 Qwen3.8 Max 高 9 分

    挑選模型時,分數高不一定代表每項任務都更省錢。這份評測顯示,Qwen4 Max 使用 xhigh 推理強度時,Artificial Analysis Intelligence Index 得分為 43,比 Qwen3.8 Max 高 9 分,每項任務成本約為其三分之一,也比 Kimi K3.1 Pro 低約 11%。不過,各項測試的表現不同:Qwen4 Max 在 Terminal-Bench 4.0 落後 Kimi K3.1 Pro,在 FrontierCode 2.0 則落後 Hy4。資料也列出它支援文字與圖片輸入、文字輸出,並提供 1M tokens 上下文視窗。

    推薦理由:Qwen4 Max 與 Qwen3.8 Max、Kimi K3.1 Pro 和 Hy4 的評測分數、每項任務成本及用量比較,呈現效能與費用之間的取捨。