阿里云上线旗舰多模态新模型，不公布跑分且限时14天退役
2026 年 11 月 11 日上午 10 点，阿里云没有开盛大的发布会，也没有在社交媒体上公布一张测试跑分表，而是悄悄在后台上线了一个新模型。很多守在屏幕前的开发者点开文档，发现了一件极不寻常的事：作为下一代旗舰多模态模型，它只在架上摆整整 14 天。到了 11 月 25 日 24 点整，无论有多少人用顺了手，这个模型都会被直接下线退役。
一、没有跑分的旗舰，为什么急着定下死期？
如果你经常关注大模型动态，应该很熟悉各家厂商推旗舰的固定套路：先放出一张排满各路评测排名的图表，证明自己刷新了多少项世界纪录，再写一段长长的致谢，最后挂出按量计费的接口单价。
但这只名叫 Qwen4-Max-Preview 的新旗舰，反常地把这三样东西全部扣下了。
在阿里云官方文档和公开报道里，第一处显眼的留白就是跑分。无论是行业公认的权威排行榜，还是第三方机构的测试数据，当天全都不见踪影。前代 Qwen3.8-Max 曾经跑出过很高的测试成绩，比如在终端环境基准测试里拿到 86.6 分，在专业编程测试里拿到 67.7 分，但那些都是旧模型的历史，不能当成新旗舰的证明。阿里只用了一句简短的概括，称它在复杂推理、编程和视觉理解上更强，却没有附带任何一个能够直接比对的测试数字。
随之而来的第二处留白是参数量。它到底是由多少100亿、1000亿参数堆出来的，官方一个字都没有透露，甚至连开源计划也只字未提。
更让人摸不着头脑的是第三处留白：常规接口单价。它不支持任何传统的按量计费模式，不能像以往那样算好每 100 万个输入词元多少钱、每 100 万个输出词元多少钱。前代 Qwen3.8-Max 自 8 月 3 日起开放调用时，标价是每 100 万个输入词元收 2 美元、每 100 万个输出词元收 6 美元。到了这一代，整套价格体系直接隐形。
取而代之的，是一个被定死的日历格子：2026 年 11 月 11 日 10:00 至 11 月 25 日 24:00。官方文档写得斩钉截铁：在这短短 14 天里，模型不做任何调整变更；时间一到，模型直接退役。
把最顶级的底牌亮出来，却既不给分数，也不给长线价格，甚至连寿命都按天倒计时。这根本不是常规的产品发版，更像是一张发给全行业的限时体验券。
二、39 万词元的脑容量，装得下什么？
虽然三处关键信息留了白，但官方文档给出的硬指标，却把性能拉到了一个非常吓人的位置。
第一个数字是 100 万词元的上下文长度。这是什么概念？相当于一次性把一整套厚厚的技术手册、几百页的项目规范加上好几个工程模块的代码全部塞给它，它依然能够完整接住。单张图片的输入分辨率支持到 1600 万像素，单个视频甚至支持长达 2 小时、体积上限 2GB 的文件解析。
第二个数字更激进：最大输出长度直接拔高到了 393,216 个词元。接近 39 万词元的单次输出上限，在以往的模型里是极其罕见的。
但问题就出在这。很多开发者在读技术文档时容易产生误解，以为这意味着模型可以一口气吐出 39 万词元的最终长篇大论。其实不然，官方文档特别强调了一道硬性约束：这 39 万词元，是由思考过程与最终回答共同占用的同一笔总预算。
新模型默认开启深度思考模式，系统内部提供了低、中、极高三档调节，默认直接顶在极高档位运行。这就好比一个习惯在草稿纸上反复验算的数学家，当面对极其复杂的长链路编程任务或多步工具调用时，它会在后台密密麻麻地写满推导过程。这些推导过程本身就在飞速消耗额度，一旦思考写得太长，留给最终正文回答的空间就会被压缩。不仅如此，在多轮对话时，系统还会默认把这些历史思考过程完整保留在上下文里，避免下一轮思考断片。
也就是说，这 39 万词元的上限，并不是为了让你生成一篇几十万字的长篇小说，而是为了给它极其复杂的工具调用和多步自省提供一个足够宽敞的演练场。它支持函数调用、联网搜索、内置工具以及标准结构化输出，完全是奔着复杂智能体和自动化软件工程去的。
三、两扇大门背后，算力门槛变了样
想要在 14 天里摸到这个模型，用户面前其实摆着两扇截然不同的大门。
第一扇门开在消费级的前台，走的是大众体验路线。在千问网页端、千问手机应用、千问办公以及千问创作平台里，它已经悄悄露脸。普通用户完全不需要配置复杂的接入密钥，也不用考虑按词元计费的扣款细节，打开对话框就能直接体验。
真正让技术团队犯难的，是第二扇门：专为开发者和智能体准备的技术接口。
以往各大厂商的接口调用逻辑非常简单，充值账户余额，按实际消耗的词元结算扣款即可。但这一次，阿里给技术接口砌起了三道硬性的高墙。
第一道墙是彻底关停按量付费。你想按实际调用的字数给钱，系统根本不收。它唯一支持的调用方式，叫作词元计划订阅套餐。个人版分为四个固定档位：基础版每月 6 美元配 20,000 点额度，进阶版 10 美元配 45,000 点，标准版 18 美元配 80,000 点，专业版 43 美元配 200,000 点。国内人民币的对应标价为每月 39 元起，在新客限时折扣下可以压低到 19.5 元。另外还提供 15 美元购买 20,000 点的额外额度包。
第二道墙是密钥隔离与物理节点。现有的百炼平台普通密钥无法直接调用这个预览版，开发者必须使用专属的新接入地址与套餐专属密钥。在海外节点上，这套订阅目前只在新加坡地域的服务器上运行，提示词和回答会产生跨境传输；阿里云 10 月 29 日刚在阿姆斯特丹上线的新地域，目前并不承载该套餐。而在国内环境，开发者则需要在编程工具里选定北京地域与专属模式。
第三道墙是使用场景被死死框住。官方条款明确限定，这套订阅只能用于受支持的编程与智能体工具内的交互式操作，支持单人运行 1 到 8 个智能体进程。任何试图用它搭建商业应用后端、跑自动化脚本或进行非交互式海量批量任务的尝试，都被条款严厉禁止。
这种定价和接入机制的根本转变，意味着算力的贩卖逻辑变了。它不再是像自来水一样按流量扣费，而是变成了类似健身房月卡的会员制。单次任务到底扣除多少点额度，完全根据输入输出量、思考模式与工具调用的复杂度动态计算。
四、14 天的大考，它到底在收集什么？
既然设置了重重门槛，又定下了 14 天后彻底退役的死期，阿里究竟在打什么算盘？
回溯这场发布的脉络，答案就藏在时间线里。早在 2026 年 9 月 22 日的云栖大会上，Qwen 4 系列就已经对外公布了名称，但当时并未公布详细规格。到了 10 月 29 日的阿姆斯特丹，现场演示列出了旗舰、闪电、增强和 270 亿参数四个待发版本，当时有管理层向与会者透露模型很快就来。直到 11 月 11 日，千问官方账号才正式打出即将到来的标语，把预览版推上前台。
一个最关键的行业细节是，苹果公司已经在 11 月 4 日开始测试由千问提供支持的中国版智能系统。千问正在承载全球规模极大的消费级人工智能部署，它的技术演进已经容不得半点失误。
在实验室里把跑分刷得再高，也无法完全覆盖真实生产环境里的各种怪异代码和长链路逻辑。官方这次把模型同步铺进面向办公的千问办公、面向终端编程的专业工具、面向大众的千问应用以及面向创作者的平台，实际上是在把模型扔进上百种完全不同的真实场景里做抗压测试。
技术团队并不需要向外界炫耀一个漂亮的数字，他们需要的是真实的开发者把带有失败用例的代码仓库丢给它，把长达 2 小时的录像和上千万像素的图纸塞给它，测试它在长达 14 天的高压环境下会不会答非所问、会不会在深层推理时逻辑打结。这种在真实世界里收集到的失败样本与报错日志，比任何榜单成绩都宝贵得多。
对于所有正在尝鲜的技术团队来说，眼下最现实的操作，不是急着把它写死在业务系统的核心代码里，而是挑出 10 到 20 个不含敏感信息的实际复杂任务，把输入和返回结果完整保存下来，抓紧在这个不会变动的 14 天窗口期内测出它的极限。
当大模型的发布不再比拼发布会上的测试大屏，而是直接变成一场真刀真枪、限时 14 天的极限公测，整个行业比拼的重心，已经悄悄从纸面上的参数神话，落回到了屏幕前那行实实在在的代码里。