负责压缩与检索,框架负责检查点与恢复,持续交付负责纠偏。
长程智能体的关键正在从模型单点能力转向整套执行系统。
一项长任务最难的地方,往往不是开始,而是走到中途之后。 代码已经修改过数轮,工具返回不断累积,中间文件持续增加,用户又补充了新的限制条件。此时,模型不仅要理解最初的指令,还要识别当前进度,判断哪些中间结论仍然有效,再从复杂的历史信息中找到下一步行动所需的依据。 这与一次性读完长文档属于两类问题。 前者主要考验信息覆盖与检索,后者还涉及任务状态的持续维护。上下文窗口决定模型能够接收多少信息,却不能单独保证一条执行链路始终朝着原有目标推进。 11月16日正式上线的Qwen4-Max,将这两项问题放进了同一套设计。新模型采用稀疏MoE架构,总参数规模为2.4T,每个Token激活71B参数,具备原生视觉能力,支持百万Token上下文窗口。官方对其能力的描述,也明显向专业工具调用、长周期任务执行和成果交付倾斜。 比起参数规模,更值得关注的是Qwen4-Max如何处理持续累积的历史信息,以及模型架构、执行框架与产品机制如何共同支撑长程任务。 在长文本理解中,输入通常先于回答出现。模型读完资料,完成检索、归纳或推理,任务随即结束。 长程智能体的工作方式不同,它的上下文是在执行过程中逐步生成的。 一次代码修改会产生新的测试结果,一次数据查询会改变后续分析方向,一次工具报错则可能要求模型回退并重新规划。最初指令、文件内容、工具返回、中间结论和用户反馈,会持续进入同一条任务链路。 这意味着,长任务面临的并不只是上下文容量问题。 即使所有历史信息都被保留,模型仍需要识别当前步骤真正相关的内容。信息越积越多,无关细节、过期结论和中间产物也可能增加干扰。上下文变长与有效信息变得难以定位,往往同时发生。 静态长文本关注能否读全,动态长任务还要关注能否在持续变化的环境中保持执行一致性,Qwen4-Max的架构调整可以从这个角度理解。 Qwen4-Max没有让所有网络层采用同一种注意力机制,而是将Gated DeltaNet与Qwen Sparse Attention组合使用。 在每四层网络中,三层Gated DeltaNet负责将历史序列压缩为固定大小的递归状态。另一层Qwen Sparse Attention通过轻量级索引器,以Block为粒度选择相关上下文。官方对这套组合的说明,是降低长序列的注意力计算与索引开销。 两种机制对应着不同的信息处理路径。 Gated DeltaNet偏向压缩。它将已经处理的信息转化为内部状态,使序列计算不必始终依赖对全部历史内容进行同等粒度的访问。 Qwen Sparse Attention偏向检索。它保留对历史上下文块的直接访问路径,让模型能够根据当前计算需要选择相关信息,而不是在每个位置都对全部历史进行全局注意力计算。 这里需要划清一条技术边界。 Gated DeltaNet形成的递归状态,是模型内部参与计算的数值表示,不是结构化、可人工读写的任务清单或待办数据库。它不意味着模型已经将初始目标、已完成步骤和待办事项分别存储,更不等于获得跨会话的持久记忆。 这种固定大小的递归状态无法无损留存全部原始Token信息,也不能替代对历史上下文的直接检索。Qwen相关架构论文在解释混合注意力时明确指出,有限状态记忆难以精确复现任意历史内容,因此仍需保留直接访问原始Token的注意力路径。 GDN按序列顺序更新递归状态,适合压缩连续历史,但固定大小状态并不等同于对任意历史片段的精确随机访问。需要回溯原始细节时,仍要依靠QSA等直接检索路径。 从这个意义上看,GDN与QSA不是相互替代,而是压缩与检索的互补。前者控制持续累积的内部状态,后者保留对历史信息的块级检索能力。 这套组合也不是到Qwen4-Max才首次出现。此前的Qwen3.8-Flash-Next已经公开验证过相近架构。Qwen4-Max的变化,更接近一次系统化推进,在既有混合注意力与长程任务能力之上继续降低激活规模,并将模型、执行框架和持续交付产品纳入同一套设计。官方数据显示,其每个Token的激活参数相比Qwen3.8-Max减少约25%。 架构由此提供了长序列处理的效率基础,但它并不能单独证明模型已经解决目标漂移。任务能否稳定推进,还取决于后训练、工具系统与反馈机制。 如果只看模型结构,容易低估Qwen4-Max此次发布的另一项信息。阿里正在把长程能力拆分到模型、智能体框架和产品三个层面处理。 模型层负责理解上下文、规划动作和调用工具。 框架层负责保存任务进度、组织执行步骤、接收工具返回。 产品层则需要让用户看见中间成果,并在任务偏离时及时介入。 Qwen4-Max引入的Live Delivery机制,正位于这条链路上。智能体先交付可用首版,再持续提交更新版本,逐版扩展内容并修正质量。用户可以根据每版成果校准方向,智能体再结合反馈调整计划。Qwen团队还同步开源了Qwen-Live-Delivery-Plugin。 持续交付的价值,不只是让用户更早看到结果。 它把一条漫长的执行链路切分为多个可检查阶段。每个阶段都形成外部成果,也都提供一次纠偏机会。任务状态因此不再只存在于模型上下文中,还被写入文件、版本、工具记录和用户反馈。 在一个物理课堂科普网站的公开演示中,Qwen4-Max先后交付14个可用版本,逐步加入3D动画、交互实验和原理讲解。这个案例呈现了持续交付的实际工作方式。每次更新都不是简单增加生成次数,而是在已有成果上扩展功能,同时为用户提供新的检查与修正节点。 这比单纯扩大上下文窗口更接近真实工程系统的运行方式。 模型内部的状态压缩,与系统外部的阶段检查点,承担的是不同工作。前者提高历史信息的处理效率,后者保证任务进展可观察、可恢复、可审计。两者不能互相替代。 Qwen4-Max的发布并不意味着智能体可以放弃外部状态管理。 对于复杂工程,文件系统、任务数据库、版本控制、权限管理和验证节点仍然不可缺少。涉及代码仓库或专业资料时,智能体还需要明确知道哪些结果已经确认,哪些只是临时生成,哪些操作可以撤销。 官方也没有宣称模型已经获得独立的长期记忆。相反,其提出的“模型、框架、产品”协同设计,本身就说明长程能力仍是一项系统工程。 一个更合理的分工正在显现。 模型负责语义连续性,理解目标、上下文和工具反馈之间的关系。外部系统负责确定性状态,记录文件版本、执行结果、权限边界和检查点。前者处理难以完全结构化的信息,后者保存必须精确、可验证的事实。 当模型能够更高效地处理长序列和工具反馈时,外部框架不必对所有上下文都机械地截断、摘要或重写。模型可以承担更多上下文理解与步骤衔接,外部系统则继续负责确定性记录和结果验证。 对推理基础设施而言,这也不等于工程复杂度消失。递归状态、稀疏索引、多轮推理缓存、工具返回与中间产物,并不需要由同一个组件集中管理,但模型服务与Agent框架必须明确各自的状态边界,避免缓存、检查点和任务进度相互脱节。 评价一套系统的标准,将从支持多大的上下文窗口,扩展到能否稳定维护一条持续变化的执行链路。 长程智能体最终需要嵌入现有开发环境,而不是运行在孤立演示中。 千问AI平台的工具接入文档已经为Qwen4-Max列出OpenAI兼容协议和Anthropic兼容协议的配置方式。这意味着开发者可以将其接入已有的部分客户端与Agent编排工具,而不必围绕单一模型重写整套调用接口。 接口兼容的意义,在于让模型成为可以替换的推理节点。任务编排、工具定义和客户端交互可以保留,模型则根据任务需求接入。 但协议对齐只是迁移的起点。不同模型在思考内容回传、工具调用格式、上下文截断、结构化输出和异常恢复上的行为仍可能存在差异。能够成功发出请求,不代表一条长任务链路已经完成验证。 对开发者而言,真正需要测试的是整个编排系统。模型更换之后,原有检查点是否仍然有效,工具返回是否被正确理解,任务失败后能否恢复,都比单次回答更接近实际使用。 围绕长程任务,模型与系统设计者正在尝试不同的分工方式。 Google近期展示了另一种系统设计。在Antigravity中,Orchestrator可根据任务阶段调用不同模型,由Carbon或Argon承担规划,Hydrogen负责代码修改、测试与执行,遇到阻碍后再交回规划模型。其重点是在多模型链路中动态分配规划与执行。 Qwen4-Max公开材料的重点则有所不同。它先在同一基座内部组合状态压缩与稀疏检索,再通过外部框架和持续交付机制组织任务。信息处理的分工首先发生在模型架构内部,任务控制与阶段纠偏则继续由外部系统承担。 两种设计都在回应长程执行问题,但分工发生的位置不同。现阶段还没有充分证据判断哪条路线必然具有更低的编排复杂度或状态传递损耗。它们都需要经过真实任务、长周期运行与失败恢复测试。 Qwen4-Max提供的技术样本,因此不宜被概括为模型拥有了常驻任务记忆。 长上下文技术开始与持续执行机制汇合。Gated DeltaNet负责压缩历史,Qwen Sparse Attention负责选择历史,Live Delivery把任务进展转化为可检查的阶段成果,外部框架继续承担确定性的状态管理与验证。 这条路线能否显著减少长任务中的目标漂移,仍需要真实工程链路和独立测试回答。 但它已经提出一个比上下文长度更具体的问题。当智能体持续运行数小时,模型应当如何处理不断累积的历史,系统又应当把哪些状态留在模型之外。 Qwen4-Max的价值,正在于把这个问题从应用层推进到了模型架构层。长上下文不等于长任务
压缩历史与选择历史,被放进同一套架构


长程能力不只发生在模型内部

外部记忆不会消失,但系统分工正在变化


模型还要成为可接入的推理节点
长程智能体的分工,开始出现在不同位置
本文来源于DOIT传媒,文章内容仅供参考,不构成投资建议。
评论列表