

در 16 نوامبر 2026، علی بابا از مدل هوش مصنوعی Qwen4-Max با 2.4 تریلیون پارامتر، حافظه زمینه ای از یک میلیون توکن و توانایی اجرای مستقل وظایف پیچیده رونمایی کرد.
بر اساس این گزارش سرویس هوش مصنوعی یک مرحله ایاین مدل بر اساس معماری جدید Qwen4 توسعه یافته و توانایی انجام فعالیت های تخصصی در زمینه هایی مانند برنامه نویسی، بازی سازی، طراحی صنعتی، تولید ویدئو، امور مالی، حقوق، پزشکی و تحقیقات علمی را دارد.
علی بابا مدل جدید خود را به عنوان دستیار هوش مصنوعی شبانه روزی معرفی کرده است که می تواند پروژه های پیچیده را برای مدت طولانی مدیریت کند. این مدل علاوه بر پاسخگویی به سوالات، از ابزارهای تخصصی استفاده می کند و خروجی های قابل استفاده تولید می کند.
یکی از مهم ترین ویژگی های مدل Qwen4-Max امکان انجام کارهای چند مرحله ای با کمترین دخالت کاربر است. این مدل می تواند برای انجام یک پروژه برنامه ریزی کند، از ابزارهای مورد نیاز استفاده کند، نتایج را ارزیابی کند و بر اساس بازخوردهای دریافتی عملکرد خود را اصلاح کند. همچنین علی بابا اعلام کرده است که Qwen4-Max نسبت به نسل قبلی Qwen3.8-Max عملکرد بهتر و هزینه پردازش کمتری دارد.
بیشتر بخوانید: مایکروسافت سرورهای هوش مصنوعی اوراکل را کنار می گذارد
کاهش 62 درصدی هزینه پردازش با مدل Qwen4-Max
مدل Qwen4-Max از معماری ترکیبی متخصصان نازک یا Sparse MoE استفاده می کند. این معماری امکان استفاده از ظرفیت یک مدل بسیار بزرگ را بدون فعال سازی تمام پارامترهای آن در هر مرحله پردازشی فراهم می کند. ساختار اصلی این مدل دارای 2.4 تریلیون پارامتر است، اما تنها 71 میلیارد پارامتر هنگام پردازش هر توکن فعال می شود. همچنین 328 میلیارد پارامتر اضافی برای مکانیسم N-gram Embedding در نظر گرفته شده است.
علی بابا از برخی فناوری های جدید برای بهبود عملکرد این معماری استفاده کرده است. یکی از آنها Qwen Sparse Attention یا QSA است که اطلاعات مرتبط را در متون طولانی مشخص می کند. این فناوری همراه با لایه های دروازه دار DeltaNet، هزینه پردازش و بازیابی داده ها را کاهش می دهد.

فناوری Gated Residual همچنین انتقال اطلاعات بین لایههای مدل را با استفاده از چهار شاخه موازی افزایش میدهد. مکانیسم N-gram Embedding همچنین ظرفیت پردازش الگوهای متنی را بدون افزایش محاسباتی افزایش میدهد.
مدل جدید از یک پنجره زمینه یک میلیون توکن پشتیبانی می کند. این ظرفیت به مدل اجازه می دهد تا حجم بسیار زیادی از اطلاعات، اسناد و سوابق مکالمه را در یک فرآیند پردازش کند. نتایج تست های داخلی علی بابا نشان می دهد که این تغییرات علاوه بر افزایش توانایی مدل، مصرف منابع پردازشی را نیز کاهش داده است. در معیار Work360، مصرف توکن Qwen4-Max در سطوح پردازش Xhigh و High به ترتیب حدود 24 و 35٪ کمتر از Qwen3.8-Max بود. در تست Terminal-Bench 4.0 کاهش مصرف توکن به 48 و 49 درصد در همین سطوح رسیده است.
علی بابا همچنین قیمت استفاده از API مدل جدید را کاهش داده است. این کاهش به ویژه در هزینه پردازش ورودی های ذخیره شده در حافظه نهان قابل توجه است. در ارزیابی Work360، میانگین هزینه هر کار از 4.43 دلار در نسل قبلی به 1.67 دلار در مدل جدید افزایش یافته است. این تغییر نشان دهنده کاهش 62 درصدی هزینه است.
امتیاز مدل Qwen4-Max در این بنچمارک به 52.69 رسیده است در حالی که نسل قبلی امتیاز 47.74 را کسب کرده است. چارچوب Work360 شامل 26 حوزه اصلی، 182 حوزه فرعی و 721 حوزه تخصصی است. نسخه پایه Qwen4-Max همچنین در ارزیابی های داخلی دانش، برنامه نویسی، پرسش و پاسخ و علوم مهندسی، 5 تا 13 درصد بهبود در شاخص BPB ثبت کرده است. این بهبود با فعال کردن 25٪ پارامترهای کمتر به دست آمده است.
مطالب مرتبط: هوش مصنوعی در آستانه خودسازی خودگردان است! + تصویر
از ساخت بازی های سه بعدی گرفته تا طراحی خطوط تولید خودرو
یکی از مهم ترین قابلیت های مدل Qwen4-Max استفاده مستقیم از نرم افزارهای تخصصی برای تولید خروجی های واقعی است. این مدل می تواند با نرم افزار بلندر کار کند و مراحل مدل سازی هندسی، طراحی صحنه، تنظیم متریال، نورپردازی و رندر را انجام دهد. علی بابا اعلام کرده است که مدل جدید در طراحی ساختمان ها، فضاهای داخلی، مناظر طبیعی و محیط های علمی تخیلی عملکرد خوبی دارد. مدل های سه بعدی تولید شده را می توان در بازی های ویدیویی استفاده کرد یا با چاپگرهای سه بعدی به نمونه های فیزیکی تبدیل کرد.
مدل Qwen4-Max از موتورهای بازی Unity، Unreal Engine و Godot نیز پشتیبانی می کند. این مدل با دریافت توضیحات متنی می تواند صحنه بازی را طراحی کند، منطق گیم پلی بنویسد و جلوه های بصری و رابط کاربری ایجاد کند. پس از تولید بازی، مدل آن را اجرا می کند و مشکلات مربوط به حرکت دوربین، انیمیشن شخصیت ها، نورپردازی و تعاملات بازی را شناسایی و تصحیح می کند.
مرتبط: عینک هوشمند اپل با تمرکز بر هوش مصنوعی سیری در راه است

علی بابا برای نشان دادن این ویژگی، بازی سه بعدی Meow of Magic را با استفاده از Unreal Engine ساخته است. این بازی در مورد یک گربه جادویی است که با دشمنان مبارزه می کند و توانایی های خود را بهبود می بخشد.
کاربرد صنعتی نیز از دیگر بخش های مهم معرفی مدل Qwen4-Max است. این مدل در محیط های تولید واقعی شرکت های SANF و Pacific Union برای طراحی خطوط تولید خودرو، قطعات مدل و برنامه ریزی عملیات ماشینکاری مورد استفاده قرار گرفته است. مدل Qwen4-Max میتواند نقشههای دوبعدی کارخانه را به مدلهای سهبعدی تبدیل کند، زمان چرخه تولید را شبیهسازی کند و راهاندازی مجازی کنترلکنندههای PLC صنعتی را انجام دهد.
در طراحی قطعات نیز مدل می تواند ست درب خودرو و قطعات مکانیکی طراحی کند. سپس مسیر حرکت ابزارهای ماشینکاری را ایجاد می کند و قبل از شروع ساخت، نتیجه را بررسی می کند. این ویژگی امکان شناسایی مشکلاتی مانند حذف بیش از حد یا ناکافی مواد را فراهم می کند. در یکی از نمونه های ارائه شده، زمان کار دستی مورد نیاز برای برنامه ریزی ماشین کاری یک قطعه از 475 دقیقه به 24 دقیقه کاهش یافته است. این نتیجه معادل 95 درصد کاهش زمان کار دستی است.
همچنین علی بابا با ترکیب Qwen4 و WonderClip توانایی تولید ویدیو را به نمایش گذاشته است. این سیستم می تواند آماده سازی استوری بورد، ایجاد دارایی بصری، حرکت دوربین، رندر و ویرایش ویدئو را در یک فرآیند یکپارچه انجام دهد.
بیشتر بخوانید: هوش مصنوعی گوگل به سراغ حل یک مسئله ریاضی 90 ساله رفت
وارد کردن مدل Qwen4-Max در مناطق مختلف
علی بابا بخش مهمی از قابلیت های مدل جدید را به انجام فعالیت های تخصصی اختصاص داده است. در زمینه مالی، Qwen4-Max می تواند از 90 ابزار مبتنی بر پروتکل MCP برای جمع آوری داده های بازار استفاده کند. این اطلاعات شامل قیمت سهام، گزارش های مالی، نرخ بهره، سود سهام، اوراق قرضه و مشتقات است. این مدل می تواند داده های بازارهای چین، هنگ کنگ و آمریکا را تجزیه و تحلیل کند و اطلاعات به دست آمده را با اسناد عمومی تطبیق دهد. در یکی از مثالها، مدل Qwen4-Max ابزارهای مشتقه شاخص CSI 300 را بررسی کرده و هزینه تامین مالی، سود سهام و سررسید قراردادها را در محاسبات خود در نظر گرفته است. خروجی این فرآیند در قالب فایل های اکسل و ارائه های پاورپوینت قابل ویرایش تولید می شود. کاربران می توانند منابع داده اصلی و فرمول های استفاده شده را از طریق پیوندهای موجود در فایل ها بررسی کنند.
این مدل در زمینه حقوقی توانسته است 198 سند را با فرمت ها و نام های نامنظم پردازش کند. مدل Qwen4-Max این اسناد را بر اساس محتوا در 14 پوشه دسته بندی کرد و سپس سوابق ثبت شرکت، مالکیت معنوی، پرونده های قضایی و اطلاعات اعتباری را بررسی کرد. مدل بالاخره یک گزارش حقوقی 86 صفحه ای حاوی بیش از 60000 کاراکتر چینی تهیه کرده است. این گزارش 12 حوزه تحقیقاتی و 14 موضوع حقوقی خاص را پوشش می دهد.
یکی دیگر از اپلیکیشن های معرفی شده کمک به تجزیه و تحلیل اطلاعات بیماران بخش مراقبت های ویژه است. در مثال علی بابا مدیکال، این مدل موردی را بررسی کرده است که پس از استنت گذاری شریان کاروتید، فیبریلاسیون بطنی داشته است. اطلاعات این بیمار شامل ده ها گزارش آزمایشگاهی، یادداشت های پزشکی و 1433 تصویر پزشکی بود. مدل Qwen4 اطلاعات شش روز درمان را سازماندهی کرد و صدها تصویر سی تی اسکن را با استفاده از عوامل هوش مصنوعی تجزیه و تحلیل کرد. در نهایت، مدل چهار پیشنهاد درمانی را ارائه کرد که مطابق با دستورات واقعی پزشک معالج در همان روز بود. با این حال، علی بابا تاکید کرده است که این فناوری برای کمک به متخصصان طراحی شده است و نباید جایگزین قضاوت حرفه ای پزشکان یا سایر متخصصان در تصمیم گیری های حیاتی شود.
مرتبط: FBI نسبت به موج جهانی حملات سایبری با کمک هوش مصنوعی هشدار داد
کشف راه حلی جدید برای تراشه های خنک کننده
یکی از برجسته ترین نمونه های ارائه شده، استفاده از Qwen4 برای کشف و توسعه یک ماده خنک کننده جدید است. این پروژه با هدف بررسی راه حل های خنک کننده برای نسل بعدی تراشه های پرقدرت انجام شده است. این مدل با استفاده از پلتفرم Mira از Deep Principle، یک فرآیند تحقیقاتی مستقل 48 ساعته را اجرا کرده است. مدل Qwen4 ابتدا مجموعه ای از 2.7 میلیون مولکول کاندید ایجاد کرد و سپس غربالگری ساختاری، پیش بینی ویژگی ها و محاسبات تخصصی را انجام داد. پس از انتخاب گزینه های مناسب، مدل تجهیزات آزمایشگاهی خودکار را برای آماده سازی مواد، سنتز، جداسازی و آزمایش هدایت می کند. این فرآیند پس از چهار مرحله طراحی، ساخت، آزمایش و اصلاح، یک نمونه فیزیکی از یک مولکول خنک کننده جدید تولید کرده است. علی بابا اعلام کرده است که این مولکول در آزمایشگاه نیز تایید شده است.

حتما بخوانید: گوگل امکان اتصال حساب بانکی به Jumnai را فراهم کرد
یکی دیگر از کاربردهای علمی مدل Qwen4-Max مربوط به تحقیقات بیماری آلزایمر است. این مدل با استفاده از پلتفرم PharmMaster DP Technology، مولکول هایی را با هدف تأثیرگذاری بر مجموعه التهابی NLRP3 طراحی کرده است. در این پروژه مدل Qwen4-Max 454 بار ابزارهای تخصصی را فراخوانی کرد، 3239 ارزیابی محاسباتی انجام داد و 24 مولکول کاندید را طراحی و بهینه کرد. نتایج محاسبات نشان می دهد که میل ترکیبی مولکول انتخاب شده به هدف مورد نظر حدود 3.6 برابر مولکول مرجع است. کارشناسان DP Technology ارزش تحقیقاتی این مولکول را تایید کرده اند، اما بررسی های آزمایشگاهی بیشتر برای تایید نتایج هنوز ضروری است.
همچنین علی بابا قابلیت Live Delivery را برای کارهای طولانی مدت معرفی کرده است. این ویژگی به عامل هوش مصنوعی اجازه می دهد تا نسخه های اولیه خروجی را ارائه کند و مراحل بعدی را بر اساس بازخورد کاربر اصلاح کند.
مدل جدید در مدیریت منابع ابری نیز آزمایش شده است. نتایج ارائه شده حاکی از کاهش 10.42 درصدی هزینه مدلهای زمانبندی برای برچسبگذاری دادهها و افزایش بیش از 14.61 برابر سرعت حل یکی از مشکلات زمانبندی CPU است. در بخش امنیتی، میزان موفقیت کد تولید شده در سطح عملکرد از 22 به 31.8 درصد افزایش یافته است.
مدل Qwen4-Max اکنون از طریق خدمات QwenCloud و QwenWork، Qoder و QwenStudio در دسترس است. توسعه دهندگان می توانند از طریق API یا Token Plan به آن دسترسی داشته باشند. علی بابا اعلام کرده است که مدل های کوچکتر خانواده Qwen4 نیز در آینده به صورت متن باز عرضه خواهند شد.

















گفتگو در مورد این post