Sari la conținutul principal

Qwen4-Max: funcționalități, benchmarkuri, prețuri și acces

Noul flagship Alibaba include un backbone cu 2,4 trilioane de parametri, viziune nativă și o fereastră de context de 1M tokeni la 1,50 $ per milion de tokeni de input, subțiind prețul față de toate flagship-urile occidentale.

Creează-ți contul gratuit

Practică și urmărește-ți progresul.

Continuă cu GoogleContinuând, accepți Termenii de utilizare, Politica de confidențialitate și faptul că datele tale sunt stocate în SUA.

Echipa Qwen de la Alibaba a lansat Qwen4-Max pe 16 noiembrie 2026, iar primul lucru de observat este prețul: 1,50 $ per 1 milion de tokeni de input și 4,50 $ per 1 milion de tokeni de output pe QwenCloud.

Ca referință, sumarizările din aceeași săptămână listează GPT-6 Astra la 10 $ pentru input și 50 $ pentru output, iar Claude Fable 5.2 la 8 $ și 40 $.

Qwen4-Max este primul model construit pe noua arhitectură Qwen4, cu un backbone de 2,4 trilioane de parametri, 71B de parametri activați per token, încă 328B de parametri N-gram embedding, viziune nativă și o fereastră de context de 1 milion de tokeni.

Alibaba îl poziționează ca pe un model de agent cu orizont lung, nu un model de chat, iar mare parte din materialele de lansare se concentrează pe rulări autonome de câteva ore în inginerie, finanțe, drept și descoperirea de medicamente.

În acest articol, acopăr tot ce e nou la Qwen4-Max: arhitectura, funcționalitățile-cheie, cifrele de benchmark (inclusiv unde rezultatele independente diferă de ale Alibaba), modurile de efort, prețurile și accesul.

Pentru context despre concurență, vezi comparația noastră între GPT-6 Astra și Claude Opus 5.5 și tutorialul nostru despre construirea de agenți auto-îmbunătățibili cu Harness².

Pe scurt

  • Qwen4-Max este noul flagship al Alibaba, construit pe o arhitectură Qwen4 proaspătă, cu viziune nativă și o fereastră de context de 1M tokeni.
  • Câștigurile sunt la munca agentică pe orizont lung și livrabile profesionale, unde întrece Claude Opus 5.5 pe mai multe rulări raportate de Alibaba.
  • Programarea în terminal este punctul slab: e în urma Kimi K3.1, Opus 5.5 și a ambelor modele GPT-6 la o diferență mare. Înțelegerea de grafice și video rămâne în urma celor trei modele americane.
  • Prețul e argumentul cel mai puternic. Subțiază prețurile tuturor flagship-urilor occidentale în sumarizările curente, atât la input, cât și la output, deși tarifele per token mai mici nu garantează cost per task mai mic.
  • Tratează cifrele cu prudență: graficul de lansare e compilat de furnizor. Există acum rulări independente și sunt mai mixte, cu Artificial Analysis clasându-l pe locul 9 și Vals pe 11, iar testeri descriindu-l ca lent și verbos. Rularea Terminal-Bench a Vals se potrivește totuși cu cifra Alibaba.
  • Nicio greutate deschisă pentru Max. Modele Qwen4 mai mici sunt promise ca open source mai târziu.

Ce este Qwen4-Max?

Qwen4-Max este modelul flagship cu greutăți închise al Alibaba și prima lansare din seria Qwen4, succedând Qwen3.8-Max.

Este un model mixture-of-experts rarificat, ceea ce înseamnă că doar o fracțiune din parametri lucrează pe orice token dat. Din cei 2,4 trilioane de parametri ai backbone-ului, 71B sunt activi per token, și adaugă alți 328B în embeddings N-gram, care sunt tabele de căutare cu cost computațional mic. Acceptă input text, imagine și video și produce output text.

Arhitectura este zona unde Qwen4 se îndepărtează cel mai mult de generația anterioară și ajută la explicarea poveștii de cost ulterior. Trei componente s-au schimbat:

  • Attention hibrid (GDN + QSA): pentru fiecare strat de atenție rarificat, trei straturi Gated DeltaNet comprimă contextul anterior într-o memorie de dimensiune fixă. Stratul rarificat selectează apoi doar părțile relevante ale contextului, ceea ce menține accesibilă o fereastră de 1M tokeni.
  • Rezidual cu porți: fiecare strat are patru căi paralele, cu porți care controlează ce curge între ele. Alibaba atribuie acesteia stabilitatea antrenării.
  • Embedding N-gram: căutări pentru tipare locale de tokeni frecvente, care adaugă capacitate cu puțin compute suplimentar.

Alibaba raportează că rularea de antrenare cu 2,4T nu a avut spike-uri de loss, acele salturi bruște care semnalează antrenare instabilă.

Modelul de bază, Qwen4-Max-Base, a obținut de asemenea cele mai mici bits per byte dintre cele cinci checkpoint-uri evaluate pe cunoaștere, cod, QA și STEM. Bits per byte măsoară cât de bine prezice modelul textul, iar mai mic e mai bun.

Rezultatul a fost cu 5 până la 13% sub Qwen3.8-Max-Base, activând în același timp cu 25% mai puțini parametri. Acestea sunt teste interne, iar notele de acoperire menționează că două dintre checkpoint-urile comparate primiseră antrenare suplimentară, deci comparația nu este strict una directă.

Cifra de capabilitate din titlu este Work360, benchmarkul propriu al Alibaba care acoperă 721 de domenii profesionale, unde Qwen4-Max a obținut 52,69 față de 47,74 pentru Qwen3.8-Max.

Qwen4 Max

Funcționalități-cheie Qwen4-Max

Lansarea e organizată în jurul a ceea ce modelul livrează la finalul unei rulări lungi, nu a ceea ce spune într-o singură replică, așa că funcțiile de mai jos țin mai ales de durată, unelte și formate de output.

Fereastră de context de 1 milion de tokeni cu viziune nativă

Qwen4-Max acceptă text, imagini și video într-o fereastră de context de 1M tokeni, cu un input maxim de 991K tokeni, sau 983K cu thinking pornit.

Thinking e pornit implicit, iar până la 262K tokeni de raționare se încadrează în bugetul de output.

Plafonul de output este documentat neuniform.

Pagina modelului pe QwenCloud listează un output maxim de 393K în ambele moduri, pe când documentația API dă 131.072 tokeni fără thinking și 262.144 pentru thinking plus răspunsul final combinate. Verifică ce cifră se aplică endpoint-ului tău înainte să dimensionezi max_tokens.

Parcursul de viziune este nativ, nu adăugat ulterior, ceea ce face posibil demo-ul clinic: Alibaba descrie modelul analizând un dosar cu zeci de analize de laborator, peste 10.000 de caractere chinezești de note de evoluție și 1.433 de imagini medicale originale într-o singură conversație, sortându-le în șase serii de imagistică înainte de a trimite sub-agenți să citească sute de slice-uri.

Alibaba spune că rezultatul imagistic a fost în acord cu diagnosticul medicului curant și că cele patru recomandări de management s-au potrivit punct cu punct cu indicațiile zilei respective.

Predă o sarcină de lungă durată și redirecționeaz-o din mers

Live Delivery este funcția care mi se pare cea mai interesantă, pentru că abordează problema care face neutilizabile în practică rulările agentice lungi.

În loc să aștepți finalizarea unei sarcini de câteva ore și să descoperi că agentul a înțeles greșit brief-ul în minutul trei, agentul livrează devreme o primă versiune utilizabilă, apoi o îmbunătățește prin versiuni succesive în timp ce tu îl redirecționezi.

Alibaba a open-sourcit Qwen-Live-Delivery-Plugin sub Apache-2.0, ca să îl poți instala în loc să îl reconstruiești, deși la lansare e versiunea 0.1.0 și suportă doar Codex CLI, pe Linux și macOS cu Node.js 22+.

Suportul pentru alte harness-uri de agenți este pe lista lor de lucru.

E adevărat, livrarea continuă a muncii parțiale e mai degrabă un tipar de harness decât o capabilitate de model, motiv pentru care faptul că pluginul e deschis contează mai mult decât numele de marketing.

Livrabile pe care le poți audita, nu doar răspunsuri

Demo-ul de finanțe produce fișiere Excel și prezentări PowerPoint editabile cu două mecanisme de trasabilitate: hyperlinkuri în celule care duc înapoi la sursa de date originală și o mapare unu-la-unu între graficele PowerPoint și fișierul Excel de bază.

Alibaba spune că Qwen4 invocă 90 de unelte MCP în cadrul setup-ului de cercetare pentru investiții financiare, trăgând cotații, situații financiare, dobânzi și dividende pentru A-shares, acțiuni din Hong Kong și SUA, obligațiuni, fonduri și derivate, și verificând încrucișat cu dezvăluiri publice.

Acel număr de unelte descrie setup-ul de cercetare în general. Separat, Alibaba demonstrează fluxul pe un caz de derivate CSI 300.

Exemplul juridic e mai impresionant.

Primind 198 de documente de lucru denumite inconsistent, livrate în loturi, Qwen4-Max le-a redenumit și sortat după conținut în 14 foldere, a construit un index de documente, a verificat încrucișat registre publice de afaceri și judiciare cu documentele și a produs un raport de 86 de pagini care acoperă 12 arii de revizuire și 14 probleme juridice specifice, cu fiecare concluzie citată înapoi la un document de lucru.

Rularea cap-coadă a uneltelor profesionale

Qwen4-Max operează direct Blender, Unity, Unreal Engine și Godot, gestionând modelarea geometriei, setarea materialelor, iluminarea, logica de gameplay și designul HUD, apoi rulează rezultatul și folosește feedback vizual pentru a ajusta trackingul camerei și răspunsul la coliziuni.

Unul dintre demo-uri este un joc de curse Android instalabil, construit în Unity 6.

Cazul din producție este cel cu o cifră atașată, deși este o prezentare de companie, nu o măsurătoare independentă.

La SANF și Pacific Union, modelul a construit modele 3D de linii de producție din planuri 2D, a simulat timpi de ciclu, a rulat comisionare virtuală PLC și a planificat trasee de așchiere, reducând efortul de programare manuală pentru o singură piesă de la aproximativ 475 de minute la 24 de minute.

Cercetare operațională și scheduling în cloud

Alibaba a folosit Qwen4-Max pentru propriile probleme de scheduling din Alibaba Cloud, lăsând modelul să genereze algoritmi candidați, să verifice fezabilitatea și valorile de obiectiv cu MindOpt (solverul Alibaba), apoi să itereze pe cod.

Rezultatele raportate arată că, față de baseline-ul de referință, costurile de scheduling pentru adnotare de date pe apeluri de model au scăzut cu 10,42%, alocarea online de GPU a crescut durata de inactivitate pe mașină întreagă cu 4,62%, iar reschedulingul offline pe CPU a atins obiectivul optim de peste 14,61 ori mai rapid.

Acestea sunt cifre interne raportate pe workload-uri interne, așa că tratează-le ca pe o demonstrație a folosirii uneltelor de cercetare operațională, nu ca pe un benchmark transferabil.

Bucle autonome de cercetare care ajung la rezultate fizice

Într-o rulare continuă de 48 de ore pe platforma Mira a Deep Principle, Qwen4 a construit un spațiu de candidați de 2,7 milioane de molecule, le-a filtrat, a rulat calcule de prim-principii și analiză retrosintetică, apoi a dirijat un laborator umed automatizat prin sinteză, purificare și testare.

După patru iterații de design, sinteză și învățare activă, a produs o mostră fizică a unei noi molecule refrigerante.

Pe platforma PharmMaster a DP Technology, având ca țintă inflamazomul NLRP3, a făcut 454 de apeluri de unelte, a rulat 3.239 de evaluări de metrici computaționali și a proiectat 24 de molecule candidate.

Calculând energiile libere relative de legare, afinitatea nominală a candidatului final a ieșit de circa 3,6 ori peste referința derivată din brevet, ceea ce experții DP Technology au considerat demn de validare în laborator umed.

Conectori API standard: function calling, căutare web și outputuri structurate

Pe QwenCloud, Qwen4-Max suportă function calling, outputuri JSON structurate, completare cu prefix prin Partial Mode, caching de context implicit și explicit, apeluri batch, căutare web și fine-tuning. Limitele de rată sunt setate la 5.000.000 tokeni pe minut.

Cum performează Qwen4-Max pe benchmarkuri?

Qwen4-Max este cel mai puternic pe munca agentică de orizont lung și cel mai slab pe programare în terminal și înțelegere vizuală, iar decalajul dintre acestea e suficient de mare încât ar trebui să-ți determine adoptarea.

Alibaba îl compară cu Qwen3.8-Max-0902, Claude Opus 5.5, GPT-6.1 Sol, GPT-6 Astra și Kimi K3.1 (Kimi-K3.1-Pro de la Moonshot, Kimi-K3.1-Pro).

Muncă agentică pe orizont lung

Rezultatul de top este Agents' Last Exam v1.1, unde Qwen4-Max a obținut 46,7 față de 43,4 pentru Claude Opus 5.5, 42,6 pentru GPT-6.1 Sol și 27,9 pentru predecesorul său Qwen3.8-Max.

Un salt de 18,8 puncte într-o singură generație pe un benchmark de sarcini pe orizont lung e singurul rezultat pe care l-aș indica din această lansare.

Benchmarkuri Qwen4 Max

Toate scorurile de mai jos provin din graficul de lansare al Alibaba, compilat de furnizor, așa că citește-le ca raportate de furnizor, chiar dacă unele rânduri citează clasamente terțe. Cel mai bun rezultat din fiecare rând este îngroșat.

BenchmarkCe măsoarăQwen4-MaxQwen3.8-Max-0902Opus 5.5GPT-6.1 SolGPT-6 AstraKimi K3.1
Agents' Last Exam v1.1Sarcini valoroase pe orizont lung46.727.943.442.643.4n/a
AA-Briefcase v1.1 (Elo)Muncă agentică de cunoaștere168616051801155515691674
APEX-Agents v1.1Sarcini de servicii profesionale72.163.373.560.064.765.5
AutomationBench-AAFluxuri SaaS agentice72.556.269.564.968.573.3
HLAB-Vals-1.1Muncă juridică agentică21.315.49.26.37.111.7
JobBenchSarcini profesionale de job68.565.375.466.266.161.2
AgentArena (îmbunătățire netă)Sarcini agentice din lumea reală7.5n/a18.211.813.93.9

Modelul e inegal. Qwen4-Max ia benchmarkul juridic la mare distanță, aproape dublu față de următorul model (21,3 față de 11,7 pentru Kimi K3.1), termină pe locul doi la AA-Briefcase, APEX-Agents, AutomationBench-AA și JobBench și e aproape de coadă la AgentArena, unde 18,2 al lui Opus 5.5 este mai mult decât dublu față de 7,5 al său.

Dacă agenții tăi fac muncă profesională grea în documente, asta arată bine; dacă operează unelte live în medii deschise, mai puțin.

Programare și sarcini în terminal

Aici aș fi rezervat. Qwen4-Max obține 48,5 pe Terminal-Bench 4.0, în urma lui Kimi K3.1 cu 67,2, Opus 5.5 cu 59,6, GPT-6 Astra cu 59,1 și GPT-6.1 Sol cu 56,1, ceea ce îl face al cincilea din cele șase modele din grafic, deși a crescut cu aproape 10 puncte peste cei 38,9 ai lui Qwen3.8-Max.

BenchmarkCe măsoarăQwen4-MaxQwen3.8-Max-0902Opus 5.5GPT-6.1 SolGPT-6 AstraKimi K3.1
DeepSWE v1.1Programare agentică75.769.374.275.274.175.5
CodeArena (Elo)Dezvoltare web175016761816174217631686
Terminal-Bench 4.0Programare agentică în terminal48.538.959.656.159.167.2
ProgramBenchReplicare software black-box31.528.065.052.555.025.0

ProgramBench e partea urâtă: 31,5 față de 65,0 pentru Opus 5.5, mai puțin de jumătate. La DeepSWE, cinci modele sunt în 1,6 puncte unul de altul, așa că aș trata acel rând ca zgomot, nu ca victorie, chiar dacă Qwen4-Max iese nominal primul.

Un avertisment pe rândul Terminal-Bench.

Când am comparat GPT-6 Astra și Claude Opus 5.5, cifrele publicate erau 66,4% pentru Opus 5.5 și 57,9% pentru Astra pe Terminal-Bench 4.0, față de 59,6 și 59,1 în graficul Alibaba.

Harness-uri diferite produc numere diferite pe același benchmark, ceea ce e un motiv bun să nu citești diferențele de 5 puncte ca ierarhii. Cifra proprie a lui Qwen4-Max arată solid, totuși: Vals a măsurat independent 48,48%.

Raționare, știință și multimodal

Qwen4-Max obține 51,7 pe Humanity's Last Exam, după Opus 5.5 cu 59,8 și GPT-6.1 Sol cu 54,0, și înaintea lui Kimi K3.1 cu 51,1. Conduce pe BioMysteryBench-1.1 cu 85,0 și se îmbunătățește mult pe HealthBench Professional, urcând de la 39,6 la 60,0, deși ambele modele GPT-6 încă punctează mai sus.

BenchmarkCe măsoarăQwen4-MaxQwen3.8-Max-0902Opus 5.5GPT-6.1 SolGPT-6 AstraKimi K3.1
Humanity's Last ExamRaționare multidisciplinară51.743.959.854.053.651.1
BioMysteryBench-1.1Cercetare bioinformatică85.084.181.984.478.980.6
HealthBench ProfessionalRaționare clinică60.039.659.965.166.057.2
ChartographyÎnțelegerea vizuală a grafice-lor54.242.066.367.871.150.0
Video-IndexÎnțelegere video68.163.274.873.876.763.2

Rândurile de viziune sunt partea cea mai puțin măgulitoare a graficului.

La Chartography, Qwen4-Max a obținut 54,2, în creștere de la 42,0 pentru Qwen3.8-Max, dar e cu 12 până la 17 puncte în urma lui Opus 5.5, GPT-6.1 Sol și GPT-6 Astra și depășește doar Kimi K3.1. Video-Index spune aceeași poveste, cu 68,1 față de 73,8 până la 76,7 pentru cele trei modele americane. Viziunea nativă funcționează, dar nu e un avantaj competitiv.

Eficiența tokenilor și costul per task

Acesta este rezultatul care afectează cel mai mult un buget de producție.

La Work360, Qwen4-Max a folosit cu aproximativ 24% mai puțini tokeni la efort Xhigh și cu aproximativ 35% mai puțini la efort High decât Qwen3.8-Max, iar la Terminal-Bench 4.0 reducerile au fost de aproximativ 48% și 49%.

Combinat cu tarife API mai mici, Alibaba raportează că prețul mediu per sarcină Work360 a scăzut de la 4,43 $ la 1,67 $, o reducere de 62%.

Să punctezi mai sus cheltuind ~38% din costul per task e o afirmație mai utilă decât majoritatea câștigurilor pe un singur benchmark, dar se aplică două avertismente. Work360 este benchmarkul propriu al Alibaba, iar reducerea e mai mare decât ar sugera doar tăierile de tokeni și preț: circa 35% mai puțini tokeni la un preț cu 25% mai mic implică aproximativ 51%, iar cifrele în yuani ale Alibaba dau 58%. Alibaba nu a explicat diferența.

Costurile independente per task sunt mai puțin clare față de un rival. Pe indexul Artificial Analysis, o sarcină costă în medie 3,27 $ pentru Qwen4-Max, față de 10,04 $ pentru Opus 5.5, dar doar 1,27 $ pentru GPT-6.1 Sol.

Pe Vals, un test costă 9,33 $ pentru Qwen4-Max, față de 24,77 $ pentru Opus 5.5 și 3,61 $ pentru Sol, iar Sol punctează ușor mai sus (63,94% față de 63,20%).

Kimi K3.1 e comparația mai apropiată pentru majoritatea cititorilor care cântăresc o alternativă din ecosistem deschis. Îl bate pe Qwen4-Max la Terminal-Bench 4.0 (67,2 versus 48,5) și AutomationBench-AA (73,3 versus 72,5), în timp ce Qwen4-Max conduce la APEX-Agents v1.1 (72,1 versus 65,5), HLAB-Vals-1.1 (21,3 versus 11,7) și JobBench (68,5 versus 61,2). Alege Kimi pentru munca în terminal, Qwen4-Max pentru fluxuri de documente profesionale.

Ce arată testarea independentă

Graficul de lansare e compilat de furnizor.

Unele rânduri citează clasamente terțe, inclusiv LM Arena pentru CodeArena și AgentArena, Artificial Analysis pentru AA-Briefcase și AutomationBench-AA, clasamentul Mercor pentru APEX-Agents v1.1 și Vals Index pentru HLAB-Vals-1.1, cu Agents' Last Exam citat de la autori.

Alibaba a rulat singură JobBench. Nu am găsit reproduceri independente ale rezultatelor agentice, motiv pentru care aș trata acele victorii drept provizorii.

Clasamentele independente conturează acum o imagine mai largă și sunt mai puțin măgulitoare decât materialele de lansare.

  • Artificial Analysis îi dă lui Qwen4-Max 43 pe Intelligence Index, locul 9 per total, în urma Claude Fable 5.2, Gemini 4 Carbon, Opus 5.5, GPT-6 Astra, GPT-6.1 Sol și Kimi K3.1.
  • Vals îl clasează pe locul 11 din 38 pe Index la 63,20%, cel mai mare dintre modelele chineze testate, iar rularea independentă Terminal-Bench îi confirmă cifra Alibaba.
  • Pe Code Arena WebDev este pe locul șase, deși încă marcat preliminar pe un număr mic de voturi.
  • Finanțele sunt cea mai bună prestație independentă, locul 8 din 41 atât pe indexul de finanțe al Vals, cât și pe benchmarkul său Finance Agent; partea juridică e mai slabă, locul 17 din 39 pe Vals Legal Index, ceea ce contrastează curios cu avantajul pe HLAB-Vals.

Încetineala și verbositatea sunt reclamațiile constante. Vals a măsurat aproximativ 1 oră și 4 minute per test, mai lent decât toate, cu excepția lui Opus 5.5 și Sonnet 5.5, dintre primele 11, iar Artificial Analysis a înregistrat 127 milioane de tokeni de output pe indexul său, față de o mediană de 78,6 milioane.

Relatările la cald sunt mixte și adesea se contrazic: testeri descriu supra-raționare la sarcini simple și timpi lungi de finalizare la prompturi lungi; un tester l-a evaluat sub Qwen3.8-Max direct, în timp ce altul a raportat finalizarea unei sarcini agentice în aproximativ 30 de minute, față de circa 70 pentru MiniMax M3.1 Flash.

Ce variantă Qwen4-Max ar trebui să folosești?

Qwen4-Max vine ca un singur model cu un comutator de thinking și niveluri de efort numite, deci alegerea ține de câtă raționare plătești, nu de ce checkpoint apelezi. Thinking e pornit implicit, pe efort High.

„Standard mode” înseamnă deci să setezi enable_thinking la false. Capacitatea de input scade ușor cu thinking pornit, de la 991K la 983K, iar raționarea (până la 262K tokeni) consumă din bugetul de output.

Pentru că tokenii de thinking se contorizează la acel buget, un max_tokens dimensionat doar pentru replica vizibilă poate tăia răspunsul; în preview, max_tokens limita thinking și răspunsul împreună, deci presupune la fel până testezi.

Plafonurile de output documentate diferă între documentația API (131.072 fără thinking, 262.144 cu) și pagina modelului (393K în ambele moduri), cum am menționat mai sus.

Efortul e a doua rotiță.

Alibaba raportează rezultate Work360 și Terminal-Bench 4.0 atât la Xhigh, cât și la High, iar economiile de tokeni față de Qwen3.8-Max au fost mai mari la High pe Work360 (35% versus 24%) și aproximativ egale pe Terminal-Bench. Deoarece tokenii de raționare sunt facturați la rata de output de 4,50 $ per milion, setarea efortului e cea mai mare pârghie pe factură.

High este și implicitul Qwen4-Max, în timp ce la Qwen3.8-Max implicitul era xhigh, deci o comparație pe setări implicite între generații amestecă schimbarea de model cu o schimbare de efort. Setează efortul explicit când faci A/B testing.

Caz de utilizareSetareDe ce
Rulări agentice de ore, cu apeluri de unelteThinking, efort HighCea mai bună eficiență de token față de generația precedentă pe Work360
Revizuire de documente lungi peste 100+ fișiereThinking, efort XhighBuget de raționare 262K plus fereastra de context de 1M
Extracție structurată în JSONThinking opritOutputurile structurate sunt suportate, iar oprirea thinking evită costul de raționare
Clasificare batch cu volum mareThinking oprit plus apeluri batchCaching-ul coboară inputul la 0,075 $ per milion de tokeni
Programare grea în terminalIa în considerare alt model48,5 pe Terminal-Bench 4.0 e în urma lui Kimi K3.1, Opus 5.5 și a ambelor modele GPT-6

Prețuri și disponibilitate Qwen4-Max

QwenCloud listează Qwen4-Max la 1,50 $ per 1 milion de tokeni de input și 4,50 $ per 1 milion de tokeni de output pe lista internațională, cu input în cache la 0,075 $ per milion. Crearea explicită de cache costă 1,875 $ per milion pentru fereastra de 5 minute și 3,00 $ per milion pentru fereastra de 1 oră, iar citirile explicite din cache sunt 0,075 $ per milion.

Aceste tarife subțiază toate flagship-urile occidentale din sumarizările de preț curente: GPT-6 Astra la 10 $ input și 50 $ output (pentru prompturi până la 272K tokeni), Claude Fable 5.2 la 8 $ și 40 $, Gemini 4 Carbon la 2 $ și 10 $ până la 30 noiembrie (urcând la 4 $ și 20 $ după), și Grok 4.7 la 2 $ și 6 $ (sub 200K context).

Acestea sunt nivelurile de top ca preț, totuși, iar modelele la care se raportează Alibaba sunt mai ieftine: Claude Opus 5.5 la 4 $ și 20 $, iar GPT-6.1 Sol și Kimi K3.1 la 2 $ și 10 $. Față de Astra, rata de output a lui Qwen4-Max e cam o zecime; față de Opus 5.5 e aproximativ 22%, iar față de Sol și Kimi cam 45%.

Există o cotă gratuită de 1 milion de tokeni pe QwenCloud, disponibilă în regiunea Singapore pentru aproximativ 90 de zile, iar limitele de rată sunt publicate la 5.000.000 tokeni pe minut.

Alibaba vinde acces și printr-un Token Plan în loc de pur pay-as-you-go, cu rapoarte terțe care listează niveluri personale la Lite 6 $/lună pentru 20.000 de credite, Essential 10 $/lună pentru 45.000, Standard 18 $/lună pentru 80.000 și Pro 43 $/lună pentru 200.000, plus prețuri reduse pentru utilizatori noi de 3 $ și 5 $ pe cele două niveluri cele mai ieftine, raportate până pe 30 noiembrie.

Planul personal e o ofertă din Singapore, iar în preview Alibaba l-a restricționat la coding interactiv și unelte agent, nu la back-enduri de producție, așa că verifică termenii actuali înainte să construiești pe el.

O notă despre cronologie, pentru că acoperirea timpurie a fost contradictorie pe existența unui preț public per token.

Alibaba a deschis qwen4-max-preview pe 11 noiembrie, doar pe Token Plan, fără preț per token și cu dată de retragere 25 noiembrie. Prețurile pay-as-you-go au sosit odată cu lansarea generală pe 16 noiembrie, sub ID-ul de model qwen4-max, iar cifrele de 1,50 $ și 4,50 $ de mai sus sunt prețurile de listă internaționale la acea dată.

Greutăți deschise pentru Max nu au fost anunțate; Alibaba spune că modelele Qwen4 mai mici vor fi open-source mai târziu.

Cum obții acces la Qwen4-Max?

ID-ul de model API este qwen4-max, servit prin QwenCloud fie sub Token Plan, fie prin API standard, cu endpointuri compatibile OpenAI și Anthropic. În afara API-ului, modelul e disponibil în QwenStudio (interfața Qwen Chat), QwenWork și produsul de coding Qoder, pe care Alibaba l-a co-proiectat alături de model.

Iată apelul minim folosind clientul OpenAI pentru Python împotriva endpointului Chat Completions în mod compatibil. Thinking e pornit implicit, așa că flagul enable_thinking e afișat doar pentru explicitare; setează-l la False pentru a opri thinking.

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)

Dacă vrei să încerci Live Delivery, pluginul e pe GitHub ca Qwen-Live-Delivery-Plugin. Pentru că vizează în prezent Codex CLI, folosirea lui într-un alt harness înseamnă să-ți conectezi singur uneltele și hook-urile MCP de livrare. Pentru tiparele generale din spatele function calling și harness-urilor de agenți, tutorialul nostru Harness² parcurge conectarea unui model în OpenCode și notarea rezultatelor.

Gânduri finale

Qwen4-Max este Alibaba făcând un argument de preț mai mult decât unul de capabilități.

Câștigă rândurile care implică citirea multor documente și producerea unui livrabil, pierde rândurile care implică un terminal, un grafic sau un video și face toate acestea la aproximativ o zecime din rata de output a lui GPT-6 Astra.

Aș face trecerea? Pentru pipeline-uri agentice încărcate de documente, unde costul per task e constrângerea, merită un test serios, dar nu o migrare oarbă.

Scăderea de la 4,43 $ la 1,67 $ per sarcină Work360 este cifra Alibaba, iar rulările independente sunt mai mixte: GPT-6.1 Sol a fost mai ieftin per task și a punctat ușor mai sus pe Vals, iar Qwen4-Max e lent și verbos. Pentru munca grea de coding, aș rămâne la Opus 5.5 sau Kimi K3.1, iar rularea independentă Terminal-Bench a Vals confirmă această slăbiciune.

Dacă vrei să te simți cu adevărat confortabil construind cu astfel de modele, începe cu traseul de competențe AI Fundamentals.

Întrebări frecvente

Cu ce e diferit Qwen4-Max față de Qwen3.8-Max?
Qwen4-Max este primul model pe noua arhitectură Qwen4, cu un backbone de 2,4 trilioane de parametri, 71B de parametri activați per token și viziune nativă. A obținut 52,69 pe benchmarkul Work360 al Alibaba față de 47,74 pentru Qwen3.8-Max și a sărit de la 27,9 la 46,7 pe Agents' Last Exam v1.1. De asemenea, folosește cu aproximativ 24% până la 49% mai puțini tokeni pe aceleași sarcini, reducând costul mediu Work360 per sarcină de la 4,43 $ la 1,67 $.
Cât costă Qwen4-Max per milion de tokeni?
QwenCloud listează Qwen4-Max la 1,50 $ per 1 milion de tokeni de input și 4,50 $ per 1 milion de tokeni de output, cu input în cache și citiri explicite din cache la 0,075 $ per milion. Crearea explicită de cache costă 1,875 $ per milion pentru o fereastră de 5 minute și 3,00 $ per milion pentru o fereastră de 1 oră. Există o cotă gratuită de 1 milion de tokeni, iar Alibaba vinde și abonamente Token Plan începând de la aproximativ 6 $ pe lună.
Unde pot accesa Qwen4-Max?
Qwen4-Max este disponibil pe QwenCloud fie prin Token Plan, fie prin API, folosind ID-ul de model qwen4-max pe un endpoint compatibil OpenAI. Rulează și în QwenStudio (Qwen Chat), QwenWork și produsul de coding Qoder. Unele documentații terțe se referă la un ID de preview, qwen4-max-preview.
Este Qwen4-Max open source?
Nu. Qwen4-Max are greutăți închise, iar Alibaba nu a anunțat greutăți deschise sau un model card public pentru el. Alibaba a spus că modelele mai mici din familia Qwen4 vor fi lansate ca open source mai târziu, construite pe aceeași linie și tehnici de antrenare.
Este Qwen4-Max bun pentru programare?
Este competitiv la programare agentică și slab la munca în terminal. Qwen4-Max obține 75,7 pe DeepSWE v1.1, aproximativ la nivel cu Claude Opus 5.5 (74,2) și GPT-6.1 Sol (75,2), dar doar 48,5 pe Terminal-Bench 4.0 față de 67,2 pentru Kimi K3.1, și 31,5 pe ProgramBench față de 65,0 pentru Opus 5.5. Pentru sarcini grele de terminal și replicare software, alte modele rămân mai puternice.
Ce este Live Delivery în Qwen4-Max?
Live Delivery este abordarea Qwen4-Max pentru sarcini agentice de lungă durată: în loc să returneze rezultate doar când jobul e terminat, agentul livrează devreme o primă versiune utilizabilă și o îmbunătățește prin versiuni succesive în timp ce îl redirecționezi din mers. Alibaba a open-sourcit Qwen-Live-Delivery-Plugin pe GitHub, ca să îl poți instala în loc să construiești singur tiparul.

Subiecte