阿里把千问4藏进Qoder匿名测试四天，揭晓后主打编程与专业软件操作，还打出限时2折。可当腾讯、MiniMax甚至海外厂商同步押注相似场景，模型跑分第一已难换用户迁移。本文拆解这轮大模型混战：能力、价格与工作台入口，谁才是真正的胜负手。

阿里千问4来了，大模型都快卷疯了

阿里养了四天的鸭子，终于承认是自己家的了。

11月7日，阿里旗下AI编程产品Qoder突然上线了一款匿名模型，名叫Qoduck。

不公布模型厂商，不公布参数规模，连跑分成绩都藏着。开发者只能通过实际使用，猜测它究竟是哪家的模型。

由于Qoduck在编程速度、长程Agent任务等方面表现不错，网上很快出现了各种猜测。其中呼声最高的，就是阿里尚未发布的千问4。

因为就在Qoduck上线前一天，千问官方刚刚释放了新模型的预热信号。

就在今天，Qoder正式揭晓答案：Qoduck升级为Qwen4-Max-Preview，确实来自新一代千问4模型家族。

看来之前怪哥猜测是对的阿里悄悄上线一只代号鸭子的大模型。

按照官方介绍，Qoduck在匿名测试的四天里一直在迭代，每天上线的都是新版本。今天公开的Qwen4-Max-Preview，已经是进一步升级后的测试版。

新模型强化了知识理解、编程、Agent执行能力，尤其强调CAD、Blender、Figma、Revit、UE5等专业软件的操作能力。

Qoder还推出限时2折优惠，模型Credits计费系数由0.5倍降至0.1倍。

01 阿里养了只鸭子，MiniMax放了只兔子

阿里这只鸭子，其实还有个前辈。

10月19日，国内另一家大模型公司MiniMax正式推出M3.1 Flash，同时揭晓了一个秘密。

此前在海外开发者社区活跃的匿名模型Space Bunny（太空兔），原来就是MiniMax M3.1 Flash的早期版本。

根据MiniMax官方披露，这只兔子在匿名运行期间，累计处理了超过200万亿Token。

200万亿Token是什么概念？

哪怕每次模型调用平均消耗1万Token，也相当于200亿次这样的调用量。当然，这只是方便理解规模的换算，并不代表实际请求次数。

MiniMax还宣布，新模型推理速度提升近3倍，Agent任务成本降低70%。

阿里养了一只鸭子，MiniMax提前放出一只兔子。

照这个趋势，国产大模型厂商迟早能凑齐一个AI动物园。

调侃归调侃，这种匿名发布的玩法值得学习，毕竟能吸引注意力。

过去模型发布，厂商通常先公布参数、跑分，再安排Demo演示，最后开放体验。

阿里和MiniMax反过来了。

模型先上线，让开发者在不知道身份的情况下使用，等社区积累了讨论和测试结果，官方再出来认领。

厂商可以提前发现问题，收集真实任务数据，还能借网友的猜测获得传播。

大模型升级的新闻，已经有点多到让人麻木了，如何吸引关注度是每家产商市场团队绞尽脑汁在想的事。

02 一个月八家大厂更新，第一名快不够分了

在来看看最近一个月的模型发布情况。

10月13日，Google开放Gemini 4 Argon，强化复杂推理、编程和企业知识工作。

10月17日，DeepSeek升级V4.1 Flash，提升编程和Agent任务能力。

10月19日，MiniMax推出M3.1 Flash。

10月24日，Kimi发布K3.1 Pro，3万亿级参数、100万Token上下文，还同步推出速度提升约2至3倍的Highspeed版本。

10月26日，OpenAI推出GPT-6.1 Terra，主要面向电脑操作、视觉推理等场景，进入Codex和ChatGPT Work。

10月28日，Google公布更强的Gemini 4 Carbon，并在11月10日进一步向开发者、企业和用户开放。

11月4日，腾讯发布混元4（Hy4），首次引入视觉理解和Computer Use电脑操作能力。

11月9日，Anthropic发布Claude Fable 5.2和Mythos 5.2，编程、推理、视觉理解进一步提升，输出速度最高提高30%。

11月11日，阿里千问4预览版正式亮相。

这还没有把最近各家发布的小版本、专项模型和产品更新全部算进去。

大模型厂商的发布节奏，比手机厂商还快。

而且大家都喜欢强调自己在某个评测项目中拿了第一。

Google的Gemini 4 Carbon曾在Artificial Analysis Intelligence Index登顶。Claude Fable 5.2在Anthropic公布的多项编程和科研测试中领先。Kimi K3.1 Pro在部分编程评测中超过GPT-6 Astra。腾讯混元4也强调了在开源模型中的竞争力。

当然，这些成绩来自不同评测项目、测试配置和推理预算和维度，总之，第一就完事了。

可问题来了。

如果Claude第一、Gemini第一、Kimi第一、腾讯第一，阿里第一，用户到底该相信哪个？

每家公司都能拿出几张漂亮的成绩单。

但真正用起来，有的模型代码写得好，却喜欢改坏原来的文件；有的擅长推理，执行速度却慢得让人着急；有的演示复杂任务非常惊艳，换个任务就开始翻车。

我看过太多AI产品的演示视频。

五分钟生成一个网站，十分钟搞定一套PPT，甚至一句话操作复杂软件。

实际体验时，往往还得自己检查、修改、返工。

AI厂商展示的是成功案例，用户遇到的却可能是各种奇怪的问题。

这两年大模型的能力提升非常明显，我丝毫不怀疑。

但每次升级都号称重大突破，用户的期待也会被不断拉高。等到真正使用，提升幅度未必有宣传材料那么夸张。

模型能力提升和用户体验改善之间，隔着不少产品问题。

03 腾讯和阿里，连攻克的软件都撞上了

还有一个巧合。

11月4日腾讯发布混元4时，特别强调了Computer Use能力，甚至专门对Blender、CAD等专业软件进行训练。

11月11日，阿里千问4也重点宣传CAD、Blender、Figma、Revit等软件操作能力。

腾讯和阿里这次，连重点攻克的软件都撞上了。

Kimi K3.1 Pro同样在强化3D创作和长程Agent能力。

海外也差不多。

OpenAI的GPT-6.1 Terra重点优化电脑操作，Gemini 4 Carbon强调复杂软件工程和长程Agent，Claude Fable 5.2则展示了复杂编程、硬件设计等能力。

几家顶尖模型厂商，正在同时攻克一批高度相似的任务。

站在厂商角度，这很容易理解。

让AI写一段文案，早已不算什么难题。让AI独立完成一套复杂工作，市场空间大得多。

可当所有厂商都朝着同一个方向努力，竞争也会变得格外残酷。

假设千问4的编程能力超过Claude，开发者就会放弃Claude Code，马上迁移到Qoder吗？

恐怕没那么简单。

开发者已经习惯了某款工具的操作方式，项目配置、工作流、团队协作流程也都围绕它建立起来。

模型跑分高几个百分点，未必足以让用户换工具。

更麻烦的是，AI编程工具开始支持多模型接入。

用户可以在同一个工作台里切换不同模型。如果底层模型的差距越来越小，价格、响应速度、额度、稳定性，都会影响最终选择。

这对模型厂商可不是什么好消息。

投入巨额资金训练出来的新模型，可能只因为竞争对手更便宜，就被用户从默认模型列表里换掉。

模型厂商还要面对另一层竞争：产品入口。

Claude、ChatGPT、Google的Antigravity，腾讯的WorkBuddy和CodeBuddy，阿里的Qoder、千问办公。

这些产品一旦进入用户日常工作流程，就能持续产生任务、调用模型、收集反馈。

大模型的竞争，已经从争夺排行榜名次，延伸到了争夺用户每天打开的那个工作台。

阿里这次让千问4率先进入Qoder，显然也考虑了这一点。

04 模型越来越强，卖得却越来越便宜

另一个让人感慨的现象，是价格。

千问4预览版在Qoder限时2折，腾讯混元4推出限时优惠，MiniMax M3.1 Flash把Agent任务成本降低70%，阿里云的订阅套餐也官宣降价了。

DeepSeek升级V4.1 Flash，API价格保持不变，模型能力和执行效率则继续提升。

海外厂商也在降本。

Claude Fable 5.2比前代更快，价格也有所下调。OpenAI推出GPT-6.1 Terra，则提供了面向高频电脑操作任务的较低API价格。

各家产品的计费方式不同，折扣不能直接比较，但降价已经成了争夺开发者的常见手段。

对于用户，这肯定是好事。

对于模型厂商，压力恐怕不小。

训练新模型需要资金、算力和人才。模型能力刚刚取得突破，竞争对手很快跟进，价格还得继续往下压。

尤其是Agent产品，一项复杂任务可能需要调用模型几十次、上百次。

用户最终在意的是，花多少钱、等多久、任务有没有完成。

如果一款便宜模型能完成90%的任务，另一款昂贵模型能完成95%，用户是否愿意为那5%的差距支付数倍价格？

不同任务会有不同答案。

大型企业可能特别重视稳定性、安全和准确率，普通开发者或个人用户却可能更愿意选择性价比高的模型。

结果就是，同一家厂商既要训练最强旗舰模型，也要推出速度更快、成本更低的版本。

MiniMax的Flash、OpenAI的Terra、Kimi的Highspeed，都体现了模型在能力、速度和成本之间的不同取舍。

我甚至认为，未来一部分大模型会越来越像云计算资源。

开发者通过API调用，按量付费，根据任务需要随时切换。

这个市场依然可以很大，但模型公司的议价能力，会受到产品入口、开源模型和低价竞争的持续挤压。

05 千问4来了，阿里能赢回多少用户？

回头再看阿里这次发布千问4。

这款模型的正式版还没发布，具体性能也需要更多独立评测验证。

但阿里已经通过Qoder，把新模型推到了真实的开发环境里。

匿名测试能积累实际任务数据，限时低价有助于吸引用户尝试，正式版还可以根据反馈继续优化。

竞争对手肯定也不会停下来。

腾讯混元4刚发布，Claude和Gemini几乎同时升级。DeepSeek、Kimi、MiniMax也都拿出了自己的新模型。

这一轮模型大战，最大的变化可能是：模型越来越强，单次升级给厂商带来的竞争优势却未必能维持多久。

某家公司今天发布了最强编程模型，明天竞争对手可能就刷新了榜单。某款模型在一个测试中拿到第一，换个测试项目，领先者又变了。

厂商可以不断发布新版本，用户却没必要跟着每次发布会换工具。

从产品角度看，我更关注千问4接下来能给Qoder带来多少实际使用量，以及阿里能不能把这套模型能力延伸到千问办公、钉钉等更多工作场景。

Claude、GPT、Gemini也面临类似的考验。

这些公司已经拥有世界一流的模型，但用户每天究竟打开谁家的产品，仍然有很多变数。

过去两年，大家都在争夺“最强大模型”的称号。

接下来，厂商恐怕还得争夺一个更现实的位置：用户工作台里的默认模型。

这个位置可能比排行榜第一名还值钱。