Przejdź do głównej treści

Qwen4-Max: funkcje, benchmarki, ceny i dostęp

Nowa flaga Alibaba ma backbone z 2,4 biliona parametrów, natywną wizję i okno kontekstu 1M tokenów w cenie $1,50 za milion tokenów wejściowych — taniej niż każdy zachodni flagowiec.

Utwórz bezpłatne konto

Ćwicz i monitoruj swoje postępy.

Kontynuuj z GoogleKontynuując, akceptujesz nasz Warunki użytkowania, nasz Polityka prywatności i że Twoje dane są przechowywane w USA.

Zespół Qwen od Alibaba wypuścił Qwen4-Max 16 listopada 2026 r., a cennik to pierwsza rzecz warta uwagi: $1,50 za 1 milion tokenów wejściowych i $4,50 za 1 milion tokenów wyjściowych na QwenCloud.

Dla porównania, zestawienia z tego samego tygodnia podają ceny GPT-6 Astra na poziomie $10 za wejście i $50 za wyjście, a Claude Fable 5.2 na poziomie $8 i $40.

Qwen4-Max to pierwszy model zbudowany na nowej architekturze Qwen4, z backbone'em o 2,4 biliona parametrów, 71B parametrów aktywowanych na token, dodatkowymi 328B parametrów osadzeń N-gram, natywną wizją i oknem kontekstu o wielkości 1 miliona tokenów.

Alibaba pozycjonuje go jako model-agenta do zadań długohoryzontowych, a nie model do czatu — większość materiałów z premiery dotyczy wielogodzinnych autonomicznych przebiegów w inżynierii, finansach, prawie i odkrywaniu leków.

W tym artykule omawiam wszystko, co nowe w Qwen4-Max: architekturę, kluczowe funkcje, wyniki benchmarków (w tym tam, gdzie niezależne wyniki różnią się od danych Alibaba), tryby wysiłku, ceny i dostęp.

Dla kontekstu, z czym konkuruje, zobacz nasze porównanie GPT-6 Astra i Claude Opus 5.5 oraz nasz poradnik o budowaniu samo-udoskonalających się agentów z Harness².

TL;DR

  • Qwen4-Max to nowa flaga Alibaba, zbudowana na świeżej architekturze Qwen4 z natywną wizją i oknem kontekstu 1M tokenów.
  • Przewagi dotyczą pracy agentowej na długim horyzoncie i profesjonalnych deliverables — w kilku opisanych przebiegach Alibaba wygrywa z Claude Opus 5.5.
  • Terminalowe kodowanie to słaby punkt: wyraźnie ustępuje Kimi K3.1, Opus 5.5 i obu modelom GPT-6. Rozumienie wykresów i wideo też odstaje od trzech amerykańskich modeli.
  • Cena to najsilniejszy argument. Przebija cenowo wszystkie zachodnie flagowce w obecnych zestawieniach — na wejściu i wyjściu — choć niższa stawka za token nie gwarantuje niższego kosztu zadania.
  • Ostrożnie z liczbami: wykres z premiery skompilował sprzedawca. Niezależne wyniki już są i są bardziej mieszane — Artificial Analysis klasyfikuje go na 9. miejscu, Vals na 11., a testerzy opisują go jako wolnego i rozwlekłego. Terminal-Bench od Vals zgadza się jednak z liczbą Alibaba.
  • Brak otwartych wag dla Max. Mniejsze modele Qwen4 mają zostać później otwarte.

Czym jest Qwen4-Max?

Qwen4-Max to flagowy model Alibaba z zamkniętymi wagami i pierwsze wydanie z serii Qwen4, następca Qwen3.8-Max.

To rzadki mixture-of-experts, co oznacza, że w danym tokenie działa tylko część parametrów. Z 2,4 biliona parametrów backbone'u aktywowane jest 71B na token, a dodatkowe 328B to osadzenia N-gram (tablice wyszukiwań o niskim koszcie obliczeń). Przyjmuje tekst, obrazy i wideo, a generuje tekst.

Architektura to największe odejście Qwen4 od poprzedniej generacji i pomaga później zrozumieć koszty. Zmieniono trzy elementy:

  • Hybrydowa atencja (GDN + QSA): dla każdej warstwy rzadszej atencji trzy warstwy Gated DeltaNet kompresują wcześniejszy kontekst do pamięci o stałym rozmiarze. Rzadka warstwa wybiera potem tylko istotne fragmenty kontekstu, co utrzymuje okno 1M tokenów w rozsądnym koszcie.
  • Gated Residual: każda warstwa ma cztery równoległe ścieżki, a bramki kontrolują przepływ między nimi. Alibaba przypisuje temu stabilny trening.
  • Osadzanie N-gram: lookupy dla częstych lokalnych wzorców tokenów, które dodają pojemność przy niewielkim dodatkowym koszcie.

Alibaba podaje, że trening 2,4T przebiegł bez skoków straty — nagłych skoków sygnalizujących niestabilny trening.

Model bazowy, Qwen4-Max-Base, uzyskał też najniższe bits per byte spośród pięciu sprawdzonych checkpointów w obszarach wiedzy, kodu, QA i STEM. Bits per byte mierzy, jak dobrze model przewiduje tekst — im niżej, tym lepiej.

Wynik był o 5–13% lepszy niż w Qwen3.8-Max-Base przy aktywowaniu o 25% mniej parametrów. To testy wewnętrzne, a notatki wskazują, że dwa porównywane checkpointy miały dodatkowy trening, więc nie jest to porównanie 1:1.

Najgłośniejsza liczba to Work360 — własny benchmark Alibaba obejmujący 721 dziedzin zawodowych — gdzie Qwen4-Max zdobył 52,69 wobec 47,74 dla Qwen3.8-Max.

Qwen4 Max

Kluczowe funkcje Qwen4-Max

Premiera została zorganizowana wokół tego, co model dostarcza po długim przebiegu, a nie tego, co odpowiada w pojedynczej turze, więc poniższe funkcje dotyczą głównie czasu trwania, narzędzi i formatów wyjścia.

Okno kontekstu 1 miliona tokenów z natywną wizją

Qwen4-Max przyjmuje tekst, obrazy i wideo w oknie kontekstu 1M tokenów, z maksymalnym wejściem 991K tokenów lub 983K przy włączonym „myśleniu”.

Myślenie jest domyślnie włączone, a do 262K tokenów rozumowania wlicza się do budżetu wyjścia.

Limit wyjścia jest udokumentowany niespójnie.

Strona modelu na QwenCloud podaje maksymalnie 393K wyjścia w obu trybach, podczas gdy dokumentacja API mówi o 131 072 tokenach bez myślenia i 262 144 dla myślenia oraz odpowiedzi łącznie. Sprawdź, która liczba dotyczy twojego endpointu, zanim ustawisz max_tokens.

Ścieżka wizji jest natywna, a nie doczepiona, co umożliwia demo kliniczne: Alibaba opisuje, jak model w jednej rozmowie przegląda kartę z dziesiątkami wyników badań, ponad 10 000 chińskich znaków notatek oraz 1 433 oryginalnymi obrazami medycznymi, porządkując je w sześć serii obrazowania, po czym wysyła subagentów do odczytania setek przekrojów.

Alibaba podaje, że znalezisko obrazowe było zgodne z diagnozą lekarza prowadzącego, a cztery rekomendacje terapeutyczne odpowiadały punkt w punkt zleceniom z danego dnia.

Oddaj długie zadanie i koryguj je w locie

Live Delivery to funkcja, którą uważam za najciekawszą, bo rozwiązuje problem, który w praktyce czyni długie przebiegi agentów bezużytecznymi.

Zamiast czekać, aż wielogodzinne zadanie się skończy, by odkryć, że agent źle zrozumiał brief w trzeciej minucie, agent wcześnie dostarcza używalną pierwszą wersję, a potem poprawia ją w kolejnych wydaniach, gdy go przeukierunkowujesz.

Alibaba otworzyła Qwen-Live-Delivery-Plugin na licencji Apache-2.0, więc możesz go zainstalować zamiast budować od zera, choć na starcie to wersja 0.1.0 i wspiera tylko Codex CLI, na Linuksie i macOS z Node.js 22+.

Wsparcie dla innych „uprzęży” agentów jest na liście „to-do”.

Owszem, ciągłe dostarczanie częściowej pracy to wzorzec uprzęży bardziej niż zdolność modelu — dlatego otwarcie wtyczki ma większe znaczenie niż sama nazwa marketingowa.

Deliverables do audytu, nie tylko odpowiedzi

Demo finansowe dostarcza skoroszyty Excela i edytowalne prezentacje PowerPoint z dwoma mechanizmami śledzenia: hiperlinkami w komórkach prowadzącymi do źródła danych oraz mapowaniem 1:1 między wykresem w PowerPoint a bazowym skoroszytem.

Alibaba twierdzi, że Qwen4 wywołuje 90 narzędzi MCP w swoim środowisku badań inwestycyjnych, pobierając notowania, dane finansowe, stopy procentowe i dywidendy dla A-shares, akcji z Hongkongu i USA, obligacji, funduszy i derywatów oraz krzyżowo weryfikuje je z publicznymi ujawnieniami.

Ta liczba narzędzi opisuje środowisko badawcze ogólnie. Osobno Alibaba demonstruje workflow na przypadku derywatów CSI 300.

Przykład prawny jest bardziej imponujący.

Mając 198 niekonsekwentnie nazwanych working papers dostarczonych partiami, Qwen4-Max zmienił nazwy i posortował je według treści do 14 folderów, zbudował indeks working papers, zweryfikował publiczne rejestry gospodarcze i sądowe wobec dokumentów i przygotował 86-stronicowy raport obejmujący 12 obszarów przeglądu i 14 konkretnych kwestii prawnych, z każdą konkluzją odesłaną do working paper.

Obsługa profesjonalnych narzędzi od A do Z

Qwen4-Max obsługuje bezpośrednio Blender, Unity, Unreal Engine i Godot — zajmuje się modelowaniem geometrii, ustawieniami materiałów, oświetleniem, logiką rozgrywki i projektem HUD, po czym uruchamia wynik i na podstawie informacji wizualnej koryguje śledzenie kamery oraz reakcję na trafienie.

Jedno z dem to instalowalna gra wyścigowa na Androida zbudowana w Unity 6.

Przypadek z produkcji ma dołączoną liczbę, choć to pokaz firmowy, a nie niezależny pomiar.

W SANF i Pacific Union model tworzył 3D modele linii produkcyjnych z 2D layoutów, symulował czasy cykli, wykonywał wirtualny rozruch PLC i planował ścieżki obróbki, redukując ręczne programowanie dla pojedynczego detalu z ok. 475 minut do 24 minut.

Badania operacyjne i harmonogramowanie w chmurze

Alibaba wdrożyła Qwen4-Max do własnych problemów harmonogramowania w Alibaba Cloud, pozwalając modelowi generować kandydackie algorytmy, sprawdzać wykonalność i wartości funkcji celu w MindOpt (solver Alibaba), a następnie iterować nad kodem.

Wyniki pokazują, że koszty harmonogramowania wywołań modelu do anotacji danych spadły o 10,42% względem punktu odniesienia, przydział GPU online zwiększył czas trwania bezczynności całych maszyn o 4,62%, a rescheduling CPU offline osiągał optimum ponad 14,61 raza szybciej.

To wewnętrzne, samodzielnie raportowane liczby na wewnętrznych obciążeniach, więc traktuj je jako pokaz użycia narzędzi OR, a nie przenośny benchmark.

Autonomiczne pętle badawcze z wynikiem fizycznym

Podczas ciągłego 48-godzinnego przebiegu agenta na platformie Mira od Deep Principle, Qwen4 zbudował przestrzeń kandydatów 2,7 mln cząsteczek, przesiał je, wykonał obliczenia pierwszych zasad i analizę retrosyntetyczną, a następnie sterował zautomatyzowanym „mokrym” labem przez syntezę, oczyszczanie i testy.

Po czterech iteracjach projektowania, syntezy i aktywnego uczenia powstała fizyczna próbka nowej cząsteczki chłodziwa.

Na platformie PharmMaster firmy DP Technology, celując w inflammasom NLRP3, wykonał 454 wywołania narzędzi, przeprowadził 3 239 ewaluacji metryk obliczeniowych i zaprojektował 24 cząsteczki kandydujące.

Obliczenia względnej swobodnej energii wiązania oszacowały nominalne powinowactwo finalnego kandydata na ok. 3,6 raza wyższe niż referencja z patentu, co eksperci DP Technology uznali za warte walidacji w labie mokrym.

Standardowa hydraulika API: function calling, wyszukiwanie w sieci i strukturyzowane wyjścia

W QwenCloud Qwen4-Max wspiera function calling, strukturyzowane wyjścia JSON, dopełnianie prefiksów przez Partial Mode, implicit i explicit caching kontekstu, wywołania wsadowe, web search i fine-tuning. Limity to 5 000 000 tokenów na minutę.

Jak Qwen4-Max wypada w benchmarkach?

Qwen4-Max jest najsilniejszy w pracy agentowej na długim horyzoncie i najsłabszy w terminalowym kodowaniu i rozumieniu wizji — i ta różnica jest na tyle duża, że powinna przesądzać o adopcji.

Alibaba porównuje go z Qwen3.8-Max-0902, Claude Opus 5.5, GPT-6.1 Sol, GPT-6 Astra oraz Kimi K3.1 (Moonshot Kimi-K3.1-Pro).

Długohoryzontowe i agentowe

Najmocniejszy wynik to Agents' Last Exam v1.1, gdzie Qwen4-Max uzyskał 46,7 wobec 43,4 dla Claude Opus 5.5, 42,6 dla GPT-6.1 Sol i 27,9 dla swojego poprzednika Qwen3.8-Max.

Skok o 18,8 punktu w jednej generacji na benchmarku zadań długohoryzontowych to pojedynczy wynik, na który bym wskazał w tej premierze.

Qwen4 Max Benchmarks

Wszystkie poniższe wyniki pochodzą z wykresu z premiery Alibaba, skompilowanego przez dostawcę, więc traktuj je jako raportowane przez sprzedawcę, nawet jeśli niektóre wiersze cytują zewnętrzne tablice wyników. Najlepszy wynik w wierszu jest pogrubiony.

BenchmarkCo mierzyQwen4-MaxQwen3.8-Max-0902Opus 5.5GPT-6.1 SolGPT-6 AstraKimi K3.1
Agents' Last Exam v1.1Wartościowe zadania długohoryzontowe46.727.943.442.643.4n/a
AA-Briefcase v1.1 (Elo)Agentowa praca wiedzo­wa168616051801155515691674
APEX-Agents v1.1Zadania usług profesjonalnych72.163.373.560.064.765.5
AutomationBench-AAAgentowe workflowy w SaaS72.556.269.564.968.573.3
HLAB-Vals-1.1Praca agenta w prawie21.315.49.26.37.111.7
JobBenchZadania zawodowe68.565.375.466.266.161.2
AgentArena (net improvement)Rzeczywiste zadania agentów7.5n/a18.211.813.93.9

Wzorzec jest nierówny. Qwen4-Max wygrywa prawniczy benchmark agenta dużą różnicą — niemal dwukrotnie lepszy od kolejnego (21,3 wobec 11,7 Kimi K3.1), jest drugi na AA-Briefcase, APEX-Agents, AutomationBench-AA i JobBench, i ląduje blisko dołu na AgentArena, gdzie 18,2 Opus 5.5 to ponad dwa razy jego 7,5.

Jeśli twoje agenty robią pracę dokumentowo-ciężką, to wygląda dobrze; jeśli działają na żywych narzędziach w otwartych środowiskach — mniej.

Kodowanie i zadania terminalowe

Tu bym się wstrzymał. Qwen4-Max ma 48,5 na Terminal-Bench 4.0, za Kimi K3.1 (67,2), Opus 5.5 (59,6), GPT-6 Astra (59,1) i GPT-6.1 Sol (56,1) — piąte miejsce z sześciu modeli na wykresie, choć poprawił się o prawie 10 punktów względem 38,9 Qwen3.8-Max.

BenchmarkCo mierzyQwen4-MaxQwen3.8-Max-0902Opus 5.5GPT-6.1 SolGPT-6 AstraKimi K3.1
DeepSWE v1.1Agentowe kodowanie75.769.374.275.274.175.5
CodeArena (Elo)Web development175016761816174217631686
Terminal-Bench 4.0Agentowe kodowanie w terminalu48.538.959.656.159.167.2
ProgramBenchCzarna skrzynka — replikacja oprogramowania31.528.065.052.555.025.0

ProgramBench wygląda źle: 31,5 wobec 65,0 dla Opus 5.5 — mniej niż połowa. Na DeepSWE pięć modeli mieści się w 1,6 punktu, więc potraktowałbym ten wiersz jako szum bardziej niż zwycięstwo, nawet jeśli Qwen4-Max jest nominalnie pierwszy.

Jedno zastrzeżenie do wiersza Terminal-Bench.

Gdy porównywaliśmy GPT-6 Astra i Claude Opus 5.5, opublikowane liczby wynosiły 66,4% dla Opus 5.5 i 57,9% dla Astra na Terminal-Bench 4.0, wobec 59,6 i 59,1 na wykresie Alibaba.

Różne uprzęże dają różne liczby na tym samym benchmarku — to dobry powód, by nie czytać 5-punktowych różnic jako rankingu. Liczba Qwen4-Max wygląda jednak solidnie: Vals niezależnie zmierzył 48,48%.

Rozumowanie, nauka i multimodalność

Qwen4-Max ma 51,7 na Humanity's Last Exam, za Opus 5.5 (59,8) i GPT-6.1 Sol (54,0), przed Kimi K3.1 (51,1). Prowadzi na BioMysteryBench-1.1 z 85,0 i mocno poprawia się na HealthBench Professional — z 39,6 do 60,0 — choć oba GPT-6 nadal wyżej.

BenchmarkCo mierzyQwen4-MaxQwen3.8-Max-0902Opus 5.5GPT-6.1 SolGPT-6 AstraKimi K3.1
Humanity's Last ExamWielodziedzinowe rozumowanie51.743.959.854.053.651.1
BioMysteryBench-1.1Badania bioinformatyczne85.084.181.984.478.980.6
HealthBench ProfessionalRozumowanie kliniczne60.039.659.965.166.057.2
ChartographyRozumienie wykresów54.242.066.367.871.150.0
Video-IndexRozumienie wideo68.163.274.873.876.763.2

Wiersze wizji są najmniej pochlebne.

Na Chartography Qwen4-Max osiągnął 54,2, w górę z 42,0 dla Qwen3.8-Max, ale odstaje od Opus 5.5, GPT-6.1 Sol i GPT-6 Astra o 12–17 punktów i wygrywa tylko z Kimi K3.1. Video-Index opowiada to samo: 68,1 wobec 73,8–76,7 dla trzech amerykańskich modeli. Natywna wizja działa, ale nie prowadzi.

Wydajność tokenowa i koszt zadania

To wynik, który najmocniej wpływa na budżet produkcyjny.

Na Work360 Qwen4-Max zużył ok. 24% mniej tokenów w Xhigh i ok. 35% mniej w High niż Qwen3.8-Max, a na Terminal-Bench 4.0 redukcje wyniosły ok. 48% i 49%.

W połączeniu z niższymi stawkami API Alibaba podaje, że średni koszt zadania Work360 spadł z $4,43 do $1,67 — o 62%.

Wyższy wynik przy wydawaniu ok. 38% dotychczasowego kosztu zadania to bardziej użyteczna teza niż pojedyncze wygrane benchmarki, ale dwa zastrzeżenia. Work360 to własny benchmark Alibaba, a spadek jest większy niż sugerowałyby same tokeny i ceny: ok. 35% mniej tokenów przy 25% niższej cenie implikuje ~51%, a liczby w juanach dają 58%. Alibaba nie wyjaśniła tej luki.

Niezależne koszty per task są mniej jednoznaczne wobec jednego rywala. W indeksie Artificial Analysis zadanie kosztuje średnio $3,27 dla Qwen4-Max wobec $10,04 dla Opus 5.5, ale tylko $1,27 dla GPT-6.1 Sol.

W Vals test kosztuje $9,33 dla Qwen4-Max wobec $24,77 dla Opus 5.5 i $3,61 dla Sol, a Sol ma nieco wyższy wynik (63,94% wobec 63,20%).

Kimi K3.1 to bliższe porównanie dla większości, którzy rozważają alternatywę w otwartym ekosystemie. Wygrywa z Qwen4-Max na Terminal-Bench 4.0 (67,2 vs 48,5) i AutomationBench-AA (73,3 vs 72,5), podczas gdy Qwen4-Max prowadzi na APEX-Agents v1.1 (72,1 vs 65,5), HLAB-Vals-1.1 (21,3 vs 11,7) i JobBench (68,5 vs 61,2). Wybierz Kimi do pracy terminalowej, Qwen4-Max do profesjonalnych workflowów dokumentowych.

Co pokazują testy niezależne

Wykres z premiery jest skompilowany przez sprzedawcę.

Niektóre wiersze cytują zewnętrzne tablice, m.in. LM Arena dla CodeArena i AgentArena, Artificial Analysis dla AA-Briefcase i AutomationBench-AA, Mercor dla APEX-Agents v1.1 oraz Vals Index dla HLAB-Vals-1.1, a Agents' Last Exam cytowany jest od autorów.

Alibaba sama uruchomiła JobBench. Nie znalazłem niezależnych replik wyników agentowych — te zwycięstwa traktowałbym jeszcze warunkowo.

Niezależne rankingi zapełniają już szerszy obraz i są mniej pochlebne niż materiały premierowe.

  • Artificial Analysis daje Qwen4-Max 43 w swoim Intelligence Index — 9. miejsce ogółem — za Claude Fable 5.2, Gemini 4 Carbon, Opus 5.5, GPT-6 Astra, GPT-6.1 Sol i Kimi K3.1.
  • Vals klasyfikuje go na 11. z 38 na swoim Indeksie z 63,20% — najwyżej spośród chińskich modeli, które testował — a niezależny Terminal-Bench zgadza się z liczbą Alibaba.
  • Na Code Arena WebDev jest szósty, choć nadal oznaczony jako wstępny przy małej liczbie głosów.
  • Finanse to najlepszy niezależny wynik — 8. z 41 na indeksie finansowym Vals i na jego Finance Agent; prawo słabsze — 17. z 39 na Vals Legal Index, co kontrastuje z prowadzeniem na HLAB-Vals.

Spójne zarzuty to powolność i rozwlekłość. Vals zanotował ok. 1 godz. 4 min na test — wolniej niż wszystkie poza Opus 5.5 i Sonnet 5.5 w top 11 — a Artificial Analysis odnotował 127 mln tokenów wyjściowych na swoim indeksie wobec mediany 78,6 mln.

Relacje „hands-on” są mieszane i często sobie przeczą — testerzy opisują nadmierne rozkminianie prostych zadań i długi czas kończenia przy długich promptach; jeden ocenił go niżej niż Qwen3.8-Max, inny raportował ukończenie zadania agentowego w ok. 30 minut wobec ok. 70 minut dla MiniMax M3.1 Flash.

Który tier Qwen4-Max wybrać?

Qwen4-Max występuje jako jeden model z przełącznikiem myślenia i nazwanymi poziomami wysiłku, więc wybierasz, ile rozumowania opłacasz, a nie który checkpoint wołasz. Myślenie jest domyślnie włączone, na poziomie „High”.

„Standard mode” oznacza więc ustawienie enable_thinking na false. Pojemność wejścia nieco spada przy włączonym myśleniu — z 991K do 983K — a rozumowanie (do 262K tokenów) zużywa budżet wyjścia.

Ponieważ tokeny myślenia liczą się do budżetu, max_tokens dobrane pod widoczną odpowiedź może ją obciąć; w podglądzie max_tokens limitował myślenie i odpowiedź razem, więc zakładaj to samo, dopóki nie przetestujesz.

Udokumentowane limity wyjścia różnią się między dokumentacją API (131 072 bez myślenia, 262 144 z) a stroną modelu (393K w obu trybach), jak wyżej.

Drugie pokrętło to wysiłek.

Alibaba raportuje wyniki Work360 i Terminal-Bench 4.0 w Xhigh i High, a oszczędności tokenów względem Qwen3.8-Max były większe na High w Work360 (35% vs 24%) i zbliżone na Terminal-Bench. Ponieważ tokeny rozumowania są rozliczane po stawce wyjścia $4,50/1M, ustawienie wysiłku to największa dźwignia twojego rachunku.

High to też domyślne ustawienie Qwen4-Max, podczas gdy Qwen3.8-Max domyślnie był xhigh, więc porównanie „domyślne vs domyślne” miesza zmianę modelu ze zmianą wysiłku. Ustaw wysiłek jawnie przy testach A/B.

Use caseUstawienieDlaczego
Wielogodzinne przebiegi agentowe z wywołaniami narzędziMyślenie, HighNajlepszy zysk wydajności tokenów względem poprzedniej generacji na Work360
Długi przegląd dokumentów w 100+ plikachMyślenie, XhighBudżet rozumowania 262K plus okno kontekstu 1M
Strukturyzowana ekstrakcja do JSONMyślenie wyłączoneObsługa strukturyzowanych wyjść; wyłączenie myślenia eliminuje narzut rozumowania
Wysokowolumenowa klasyfikacja wsadowaMyślenie wyłączone + batchCache obniża koszt wejścia do $0,075 za 1M tokenów
Trudne kodowanie w terminaluRozważ inny model48,5 na Terminal-Bench 4.0 odstaje od Kimi K3.1, Opus 5.5 i obu GPT-6

Ceny i dostępność Qwen4-Max

QwenCloud wycenia Qwen4-Max na $1,50 za 1M tokenów wejściowych i $4,50 za 1M tokenów wyjściowych na liście międzynarodowej, z cache'owanym wejściem po $0,075 za 1M. Jawne tworzenie cache kosztuje $1,875 za 1M dla okna 5 min i $3,00 za 1M dla okna 1 godz., a jawne odczyty cache to $0,075 za 1M.

Te stawki przebijają wszystkie zachodnie flagowce w obecnych zestawieniach: GPT-6 Astra $10 za wejście i $50 za wyjście (dla promptów do 272K tokenów), Claude Fable 5.2 $8 i $40, Gemini 4 Carbon $2 i $10 do 30 listopada (potem $4 i $20) oraz Grok 4.7 $2 i $6 (kontekst poniżej 200K).

To najwyższe progi cenowe, ale modele, do których Alibaba się porównuje, są tańsze: Claude Opus 5.5 $4 i $20, a GPT-6.1 Sol i Kimi K3.1 $2 i $10. Wobec Astra stawka wyjścia Qwen4-Max to ok. jedna dziesiąta; wobec Opus 5.5 ok. 22%, a wobec Sol i Kimi ok. 45%.

Jest darmowa pula 1 miliona tokenów na QwenCloud, dostępna w regionie Singapur przez ok. 90 dni, a limity to 5 000 000 tokenów na minutę.

Alibaba sprzedaje też dostęp w formie Token Plan zamiast czystego pay-as-you-go, a zewnętrzne źródła podają progi dla osób prywatnych: Lite $6/mies. za 20 000 kredytów, Essential $10/mies. za 45 000, Standard $18/mies. za 80 000 i Pro $43/mies. za 200 000, plus zniżki dla nowych użytkowników $3 i $5 na dwóch najtańszych progach — do 30 listopada.

Plan osobisty to oferta w Singapurze i podczas podglądu Alibaba ograniczała go do interaktywnego kodowania i narzędzi agentowych, a nie backendów produkcyjnych — sprawdź aktualne warunki przed wdrożeniem.

Uwaga co do osi czasu, bo we wczesnych relacjach panował chaos, czy istnieje publiczna cena per token.

Alibaba otworzyła qwen4-max-preview 11 listopada, tylko w Token Plan, bez ceny per token i z datą wycofania 25 listopada. Cennik pay-as-you-go pojawił się przy ogólnej premierze 16 listopada pod ID qwen4-max, a $1,50 i $4,50 to międzynarodowe ceny listowe na ten dzień.

Otwarte wagi dla Max nie zostały ogłoszone; Alibaba zapowiada otwarcie mniejszych modeli Qwen4 później.

Jak uzyskać dostęp do Qwen4-Max?

ID modelu w API to qwen4-max, serwowany przez QwenCloud w ramach Token Plan lub standardowego API, z endpointami kompatybilnymi z OpenAI i Anthropic. Poza API model jest dostępny w QwenStudio (interfejs Qwen Chat), QwenWork i produkcie do kodowania Qoder, który Alibaba współprojektowała wraz z modelem.

Oto minimalne wywołanie klientem OpenAI w Pythonie na endpoint kompatybilny Chat Completions. Myślenie jest domyślnie włączone, więc flaga enable_thinking jest pokazana tylko dla jasności; ustaw na False, by je wyłączyć.

import os
from openai import OpenAI

client = OpenAI(
    api_key=os.getenv("DASHSCOPE_API_KEY"),
    base_url="https://ap-southeast-1.maas.qwencloudapi.com/compatible-mode/v1",
)

response = client.chat.completions.create(
    model="qwen4-max",
    messages=[
        {"role": "user", "content": "Summarize the revenue drivers in this quarterly report."}
    ],
    extra_body={"enable_thinking": True},  # on by default; False turns thinking off
)

print(response.choices[0].message.content)

Jeśli chcesz spróbować Live Delivery, wtyczka jest na GitHubie jako Qwen-Live-Delivery-Plugin. Ponieważ obecnie celuje w Codex CLI, użycie jej w innej uprzęży oznacza samodzielne podpięcie jej narzędzi MCP i hooków. Ogólne wzorce function callingu i uprzęży agentów omawia nasz poradnik Harness² — pokazujemy tam wpięcie modelu do OpenCode i ocenę wyników.

Na koniec

Qwen4-Max to bardziej argument cenowy niż kompetencyjny ze strony Alibaba.

Wygrywa wiersze, które wymagają przeczytania wielu dokumentów i dostarczenia produktu, przegrywa te, które wymagają terminala, wykresu lub wideo — i robi to wszystko przy stawce wyjścia ok. jednej dziesiątej GPT-6 Astra.

Czy bym się przesiadł? Dla agentowych pipeline'ów dokumentowych, gdzie ograniczeniem jest koszt zadania — warto solidnie przetestować, ale nie migrowałbym w ciemno.

Spadek z $4,43 do $1,67 na zadanie Work360 to własna liczba Alibaba, a niezależne przebiegi są bardziej mieszane: GPT-6.1 Sol był tańszy per task i miał nieco wyższy wynik w Vals, a Qwen4-Max jest wolny i rozwlekły. Do trudnego kodowania zostałbym przy Opus 5.5 lub Kimi K3.1, a niezależny Terminal-Bench Vals potwierdza tę słabość.

Jeśli chcesz się naprawdę oswoić z budową na takich modelach, zacznij od naszego szlaku umiejętności AI Fundamentals.

FAQs

Czym Qwen4-Max różni się od Qwen3.8-Max?
Qwen4-Max to pierwszy model na nowej architekturze Qwen4, z backbone'em 2,4 biliona parametrów, 71B aktywowanych na token i natywną wizją. Uzyskał 52,69 w benchmarku Alibaba Work360 wobec 47,74 dla Qwen3.8-Max i skoczył z 27,9 do 46,7 na Agents' Last Exam v1.1. Zużywa też ok. 24%–49% mniej tokenów na te same zadania, obniżając średni koszt Work360 na zadanie z $4,43 do $1,67.
Ile kosztuje Qwen4-Max za milion tokenów?
QwenCloud wycenia Qwen4-Max na $1,50 za 1 milion tokenów wejściowych i $4,50 za 1 milion tokenów wyjściowych, z cache'owanym wejściem i jawnymi odczytami cache po $0,075 za milion. Jawne tworzenie cache kosztuje $1,875 za milion dla okna 5 min i $3,00 za milion dla okna 1 godz. Dostępna jest darmowa pula 1 miliona tokenów, a Alibaba sprzedaje też subskrypcje Token Plan od ok. $6 miesięcznie.
Gdzie mogę uzyskać dostęp do Qwen4-Max?
Qwen4-Max jest dostępny na QwenCloud przez Token Plan lub API, używając ID modelu qwen4-max na endpointzie kompatybilnym z OpenAI. Działa też w QwenStudio (Qwen Chat), QwenWork i produkcie do kodowania Qoder. Niektóre zewnętrzne materiały wspominają ID podglądu, qwen4-max-preview.
Czy Qwen4-Max jest open source?
Nie. Qwen4-Max ma zamknięte wagi i Alibaba nie ogłosiła otwartych wag ani publicznej karty modelu. Alibaba zapowiedziała, że mniejsze modele rodziny Qwen4 zostaną później wydane jako open source, zbudowane na tej samej linii i technikach treningu.
Czy Qwen4-Max nadaje się do kodowania?
Jest konkurencyjny w agentowym kodowaniu i słaby w pracy terminalowej. Qwen4-Max ma 75,7 na DeepSWE v1.1 — na poziomie Claude Opus 5.5 (74,2) i GPT-6.1 Sol (75,2) — ale tylko 48,5 na Terminal-Bench 4.0 wobec 67,2 Kimi K3.1 i 31,5 na ProgramBench wobec 65,0 Opus 5.5. Do trudnych zadań terminalowych i replikacji oprogramowania inne modele pozostają mocniejsze.
Czym jest Live Delivery w Qwen4-Max?
Live Delivery to podejście Qwen4-Max do długich zadań agentowych: zamiast zwracać wyniki dopiero po zakończeniu, agent wcześnie dostarcza używalną pierwszą wersję i poprawia ją przez kolejne wydania, gdy korygujesz go w trakcie. Alibaba otworzyła wtyczkę Qwen-Live-Delivery-Plugin na GitHubie, więc możesz ją zainstalować zamiast budować wzorzec samodzielnie.

Tematy