Hoppa till huvudinnehållet

Qwen4-Max: funktioner, benchmarkresultat, pris och åtkomst

Alibabas nya flaggskepp levererar en ryggrad med 2,4 biljoner parametrar, inbyggd vision och ett kontextfönster på 1M token för $1,50 per miljon indata-token, och underprissätter varje västerländskt flaggskepp.

Skapa ditt gratiskonto

Öva och håll koll på dina framsteg.

Fortsätt med GoogleGenom att fortsätta godkänner du vår användarvillkor, våra integritetspolicy och att dina uppgifter lagras i USA.

Alibabas Qwen-team släppte Qwen4-Max den 16 november 2026, och prislappen är det första som är värt att notera: $1,50 per 1 miljon indata-token och $4,50 per 1 miljon utdata-token på QwenCloud.

Som jämförelse listar sammanställningarna som cirkulerade samma vecka GPT-6 Astra på $10 för indata och $50 för utdata, och Claude Fable 5.2 på $8 respektive $40.

Qwen4-Max är den första modellen byggd på den nya Qwen4-arkitekturen, med en ryggrad på 2,4 biljoner parametrar, 71B parametrar aktiverade per token, ytterligare 328B N-gram-inbäddningsparametrar, inbyggd vision och ett kontextfönster på 1 miljon token.

Alibaba positionerar den som en agentmodell för långa tidshorisonter snarare än en chattmodell, med merparten av lanseringsmaterialet ägnat åt flertimmars autonoma körningar inom teknik, finans, juridik och läkemedelsutveckling.

I den här artikeln går jag igenom allt nytt i Qwen4-Max: arkitekturen, nyckelfunktionerna, benchmark-siffrorna (inklusive där oberoende resultat avviker från Alibabas egna), ansträngningslägen, prissättning och åtkomst.

För sammanhang kring vad den konkurrerar mot, se vår jämförelse av GPT-6 Astra och Claude Opus 5.5 och vår handledning om att bygga självförbättrande agenter med Harness².

Sammanfattning

  • Qwen4-Max är Alibabas nya flaggskepp, byggd på en ny Qwen4-arkitektur med inbyggd vision och ett kontextfönster på 1M token.
  • Fördelarna ligger i agentarbete över långa horisonter och professionella leverabler, där den slår Claude Opus 5.5 i flera av Alibabas redovisade körningar.
  • Terminalkodning är svagheten: den ligger långt efter Kimi K3.1, Opus 5.5 och båda GPT-6-modellerna. Förståelse av diagram och video släpar också efter de tre amerikanska modellerna.
  • Priset är det starkaste argumentet. Den pressar priset under varje västerländskt flaggskepp i de aktuella prisöversikterna för både in- och utdata, även om lägre pris per token inte garanterar lägre kostnad per uppgift.
  • Behandla siffrorna varsamt: lanseringsdiagrammet är sammanställt av leverantören. Oberoende körningar finns nu och är mer blandade; Artificial Analysis rankar den nia och Vals elva, och testare beskriver den som långsam och ordrik. Vals egen Terminal-Bench-körning matchar Alibabas siffra.
  • Inga öppna vikter för Max. Mindre Qwen4-modeller utlovas som öppen källkod senare.

Vad är Qwen4-Max?

Qwen4-Max är Alibabas flaggskeppsmodell med slutna vikter och den första utgåvan i Qwen4-serien, efterträdare till Qwen3.8-Max.

Det är en gles mixture-of-experts-modell, vilket innebär att bara en del av parametrarna arbetar på varje enskild token. Av dess 2,4 biljoner ryggradsparametrar är 71B aktiva per token, och den lägger till ytterligare 328B i N-gram-inbäddningar, som är uppslagstabeller med låg beräkningskostnad. Den tar emot text, bild och video som indata och producerar text som utdata.

Arkitekturen är där Qwen4 skiljer sig mest från föregående generation, vilket också hjälper till att förklara kostnadsbilden senare. Tre komponenter ändrades:

  • Hybrid attention (GDN + QSA): för varje lager med gles uppmärksamhet komprimerar tre Gated DeltaNet-lager tidigare kontext till ett minne av fast storlek. Det glesa lagret plockar sedan bara ut relevanta delar av kontexten, vilket håller ett fönster på 1M token överkomligt.
  • Gated Residual: varje lager har fyra parallella banor, med grindar som styr vad som flödar mellan dem. Alibaba tillskriver detta stabil träning.
  • N-gram-inbäddning: uppslag för vanliga lokala tokenmönster, som ger kapacitet till låg extra beräkning.

Alibaba rapporterar att träningskörningen på 2,4T inte hade några förlustspikar, de plötsliga hopp som signalerar instabil träning.

Basmodellen, Qwen4-Max-Base, noterade också lägst bit per byte av de fem kontrollpunkter som utvärderades över kunskap, kod, QA och STEM. Bits per byte mäter hur väl en modell förutsäger text, och lägre är bättre.

Resultatet låg 5 till 13% under Qwen3.8-Max-Base, samtidigt som 25% färre parametrar aktiverades. Detta är interna tester, och täckningsnoteringar anger att två av de jämförda kontrollpunkterna hade fått ytterligare träning, så jämförelsen är inte strikt likvärdig.

Rubriksiffran för kapacitet är Work360, Alibabas egen benchmark som omfattar 721 professionella områden, där Qwen4-Max fick 52,69 mot 47,74 för Qwen3.8-Max.

Qwen4 Max

Viktiga funktioner i Qwen4-Max

Lanseringen är uppbyggd kring vad modellen levererar i slutet av en lång körning snarare än vad den säger i en enstaka vända, så funktionerna nedan handlar mest om varaktighet, verktyg och utdataformat.

Ett kontextfönster på 1 miljon token med inbyggd vision

Qwen4-Max accepterar text, bilder och video i ett kontextfönster på 1M token, med ett maximalt indatautrymme på 991K token, eller 983K med thinking påslaget.

Thinking är på som standard, och upp till 262K token av resonemang räknas mot utdatabudgeten.

Utdatataket är dokumenterat inkonsekvent.

Modellsidan på QwenCloud anger 393K maximalt utdata i båda lägen, medan API-dokumentationen anger 131 072 token utan thinking och 262 144 för thinking och slutligt svar tillsammans. Kontrollera vilken siffra som gäller för din slutpunkt innan du sätter max_tokens.

Vision-vägen är inbyggd snarare än påklistrad, vilket möjliggör den kliniska demon: Alibaba beskriver hur modellen granskar en journal med dussintals labbrapporter, över 10 000 kinesiska tecken av anteckningar och 1 433 originala medicinska bilder i en och samma konversation, sorterar dem i sex bildserier och skickar sedan underagenter för att läsa hundratals snitt.

Alibaba säger att fynden i bilddiagnostiken stämde överens med ansvarig läkares diagnos och att de fyra behandlingsrekommendationerna matchade dagens ordinationer punkt för punkt.

Lämna över ett långkörande jobb och styr det under resans gång

Live Delivery är funktionen jag tycker är mest intressant, eftersom den adresserar det som gör långa agentkörningar svåranvända i praktiken.

I stället för att vänta på att en flertimmarsuppgift ska bli klar och upptäcka att agenten misstolkade briefen i minut tre, levererar agenten en användbar första version tidigt och förbättrar den över successiva releaser medan du styr om den.

Alibaba har släppt Qwen-Live-Delivery-Plugin som öppen källkod under Apache-2.0 så att du kan installera den i stället för att bygga om mönstret själv, men vid lansering är den version 0.1.0 och stödjer endast Codex CLI, på Linux och macOS med Node.js 22+.

Stöd för andra agent-harnessar finns på att-göra-listan.

Visst, kontinuerlig leverans av delarbete är mer ett harness-mönster än en modellkapacitet, vilket är anledningen till att det är viktigare att pluginen är öppen än vilket marknadsföringsnamn den har.

Leverabler du kan granska, inte bara svar

Finansdemon producerar Excel-arbetsböcker och redigerbara PowerPoint-bildspel med två spårbarhetsmekanismer: hyperlänkar inne i celler som leder tillbaka till ursprungskällan, och en ett-till-ett-koppling mellan PowerPoint-diagram och underliggande arbetsbok.

Alibaba säger att Qwen4 anropar 90 MCP-verktyg i sin uppsättning för finansiell investeringsanalys, hämtar marknadspriser, finansiella data, räntor och utdelningsdata över A-aktier, Hongkong- och USA-aktier, obligationer, fonder och derivat, och korsvaliderar mot offentliga uppgifter.

Det verktygsantalet beskriver forskningsuppsättningen i stort. Separat visar Alibaba arbetsflödet på ett CSI 300-derivatfall.

Det juridiska exemplet är det mer imponerande.

Med 198 arbetsdokument med inkonsekventa namn, levererade i omgångar, döpte Qwen4-Max om och sorterade dem efter innehåll i 14 mappar, byggde ett arbetsdokumentindex, korskontrollerade offentliga affärs- och domstolshandlingar mot dokumenten och producerade en 86-sidig rapport som täcker 12 granskningsområden och 14 specifika juridiska frågor, med varje slutsats hänvisad tillbaka till ett arbetsdokument.

Köra professionella verktyg från start till mål

Qwen4-Max kör Blender, Unity, Unreal Engine och Godot direkt, hanterar geometrimodellering, material, ljussättning, spellogik och HUD-design, kör sedan resultatet och använder visuell återkoppling för att justera kameraspårning och träffrespons.

En av demona är ett installerbart Android-racingspel byggt i Unity 6.

Tillverkningsfallet är det som har en siffra kopplad, även om det är en företagsdemonstration snarare än en oberoende mätning.

Hos SANF och Pacific Union byggde modellen 3D-modeller av produktionslinjer från 2D-layouts, simulerade cykeltider, körde PLC-virtuell driftsättning och planerade bearbetningsbanor, och minskade den manuella programmeringsinsatsen för ett enskilt arbetsstycke från cirka 475 minuter till 24 minuter.

Operationsanalys och molnschemaläggning

Alibaba använde Qwen4-Max mot sina egna schemaläggningsproblem i Alibaba Cloud, lät modellen generera kandidat-algoritmer, kontrollera genomförbarhet och objektivvärden med MindOpt (Alibabas lösare) och sedan iterera på koden.

De redovisade resultaten visar att schemaläggningskostnaderna för datamärkningsmodell-anrop sjönk 10,42% mot referensbaslinjen, onlineallokering av GPU ökade varaktigheten för tom kapacitet på hel maskin med 4,62%, och offline-omplanering av CPU nådde sitt optimala mål mer än 14,61 gånger snabbare.

Detta är egenrapporterade interna siffror på interna arbetslaster, så betrakta dem som en demonstration av operationsanalysverktyg snarare än ett överförbart benchmark.

Autonoma forskningsloopar som når fysiska resultat

Under en sammanhängande 48-timmars agentkörning på Deep Principles Mira-plattform konstruerade Qwen4 ett kandidatutrymme med 2,7 miljoner molekyler, screenade dem, körde förstaprincipsberäkningar och retrosyntesanalys, och dirigerade sedan ett automatiserat våtlabb genom syntes, rening och testning.

Efter fyra iterationer av design, syntes och aktivt lärande producerade den ett fysiskt prov av en ny kylmolekyl.

På DP Technologys PharmMaster-plattform, riktad mot NLRP3-inflammasomen, gjorde den 454 verktygsanrop, körde 3 239 utvärderingar av beräkningsmått och designade 24 kandidat-molekyler.

Beräkningar av relativ fri bindningsenergi placerade slutkandidatens nominella affinitet till cirka 3,6 gånger patent-härledd referens, vilket DP Technologys experter bedömde som värt validering i våtlabb.

Standard-API: funktionsanrop, webbsökning och strukturerade utdata

På QwenCloud stödjer Qwen4-Max funktionsanrop, strukturerade JSON-utdata, prefixkomplettering via Partial Mode, implicit och explicit kontextcachning, batchanrop, webbsökning och finjustering. Hastighetsgränserna är satta till 5 000 000 token per minut.

Hur presterar Qwen4-Max på benchmark?

Qwen4-Max är som starkast i agentarbete över långa horisonter och som svagast i terminalkodning och visuell förståelse, och gapet mellan dessa är tillräckligt stort för att avgöra om du ska anta den.

Alibaba jämför den med Qwen3.8-Max-0902, Claude Opus 5.5, GPT-6.1 Sol, GPT-6 Astra och Kimi K3.1 (Moonshots Kimi-K3.1-Pro).

Långa horisonter och agentarbete

Höjdaren är Agents' Last Exam v1.1, där Qwen4-Max fick 46,7 mot 43,4 för Claude Opus 5.5, 42,6 för GPT-6.1 Sol och 27,9 för sin föregångare Qwen3.8-Max.

Ett hopp på 18,8 poäng i en generation på ett benchmark för långhorisontuppgifter är den enskilda resultatpunkt jag skulle lyfta från den här releasen.

Qwen4 Max Benchmarks

Alla poäng nedan kommer från Alibabas lanseringsdiagram, som är sammanställt av leverantören, så läs dem som leverantörsrapporterade även om vissa rader hänvisar till tredjepartslistor. Bästa resultatet i varje rad är i fetstil.

BenchmarkVad det mäterQwen4-MaxQwen3.8-Max-0902Opus 5.5GPT-6.1 SolGPT-6 AstraKimi K3.1
Agents' Last Exam v1.1Värdefulla uppgifter över långa horisonter46.727.943.442.643.4n/a
AA-Briefcase v1.1 (Elo)Agentiskt kunskapsarbete168616051801155515691674
APEX-Agents v1.1Uppgifter inom professionella tjänster72.163.373.560.064.765.5
AutomationBench-AAAgentiska SaaS-arbetsflöden72.556.269.564.968.573.3
HLAB-Vals-1.1Juridiskt agentarbete21.315.49.26.37.111.7
JobBenchProfessionella jobbuppgifter68.565.375.466.266.161.2
AgentArena (nettoförbättring)Agentuppgifter i verkliga miljöer7.5n/a18.211.813.93.9

Mönstret är ojämnt. Qwen4-Max tar hem den juridiska agent-benchmarket med god marginal, nästan dubbelt mot nästa modell (21,3 mot Kimi K3.1:s 11,7), slutar tvåa på AA-Briefcase, APEX-Agents, AutomationBench-AA och JobBench, och hamnar nära botten på AgentArena, där Opus 5.5:s 18,2 är mer än dubbelt dess 7,5.

Om dina agenter gör dokumenttungt professionellt arbete ser det här bra ut; om de kör levande verktyg i öppna miljöer, mindre bra.

Kodning och terminaluppgifter

Kodning är där jag skulle bromsa. Qwen4-Max får 48,5 på Terminal-Bench 4.0, bakom Kimi K3.1 på 67,2, Opus 5.5 på 59,6, GPT-6 Astra på 59,1 och GPT-6.1 Sol på 56,1, vilket gör den till femma av de sex modellerna i diagrammet, även om den förbättrats nästan 10 poäng över Qwen3.8-Max:s 38,9.

BenchmarkVad det mäterQwen4-MaxQwen3.8-Max-0902Opus 5.5GPT-6.1 SolGPT-6 AstraKimi K3.1
DeepSWE v1.1Agentisk kodning75.769.374.275.274.175.5
CodeArena (Elo)Webbutveckling175016761816174217631686
Terminal-Bench 4.0Agentisk terminalkodning48.538.959.656.159.167.2
ProgramBenchReplikering av programvara i svart låda31.528.065.052.555.025.0

ProgramBench är den trista: 31,5 mot 65,0 för Opus 5.5, mindre än hälften. På DeepSWE landar fem modeller inom 1,6 poäng från varandra, så jag skulle betrakta den raden som brus snarare än en seger, även om Qwen4-Max formellt är först.

Ett förbehåll kring Terminal-Bench-raden.

När vi jämförde GPT-6 Astra och Claude Opus 5.5 var de publicerade siffrorna 66,4% för Opus 5.5 och 57,9% för Astra på Terminal-Bench 4.0, mot 59,6 och 59,1 i Alibabas diagram.

Olika harnessar ger olika siffror på samma benchmark, vilket är ett bra skäl att inte läsa 5-poängsgap som rangordningar. Qwen4-Max egen siffra ser dock solid ut: Vals mätte oberoende 48,48%.

Resonemang, vetenskap och multimodal

Qwen4-Max får 51,7 på Humanity's Last Exam, bakom Opus 5.5 på 59,8 och GPT-6.1 Sol på 54,0, och före Kimi K3.1 på 51,1. Den leder på BioMysteryBench-1.1 med 85,0 och förbättras stort på HealthBench Professional, från 39,6 till 60,0, även om båda GPT-6-modellerna fortfarande får högre poäng.

BenchmarkVad det mäterQwen4-MaxQwen3.8-Max-0902Opus 5.5GPT-6.1 SolGPT-6 AstraKimi K3.1
Humanity's Last ExamTvärvetenskapligt resonemang51.743.959.854.053.651.1
BioMysteryBench-1.1Bioinformatisk forskning85.084.181.984.478.980.6
HealthBench ProfessionalKliniskt resonemang60.039.659.965.166.057.2
ChartographyFörståelse av visuella diagram54.242.066.367.871.150.0
Video-IndexVideoförståelse68.163.274.873.876.763.2

Vision-raderna är den minst smickrande delen av diagrammet.

På Chartography fick Qwen4-Max 54,2, upp från 42,0 för Qwen3.8-Max, men den ligger 12 till 17 poäng efter Opus 5.5, GPT-6.1 Sol och GPT-6 Astra och slår bara Kimi K3.1. Video-Index berättar samma historia, med 68,1 mot 73,8 till 76,7 för de tre amerikanska modellerna. Inbyggd vision fungerar, men det är ingen ledning.

Tokeneffektivitet och kostnad per uppgift

Detta är resultatet som mest påverkar en produktionsbudget.

På Work360 använde Qwen4-Max cirka 24% färre token på Xhigh-ansträngning och cirka 35% färre på High än Qwen3.8-Max, och på Terminal-Bench 4.0 var minskningarna cirka 48% respektive 49%.

Kombinerat med lägre API-priser rapporterar Alibaba att den genomsnittliga kostnaden per Work360-uppgift föll från $4,43 till $1,67, en minskning med 62%.

Att få högre poäng samtidigt som man spenderar cirka 38% så mycket per uppgift är ett mer användbart påstående än de flesta enskilda benchmarkvinster, men två förbehåll gäller. Work360 är Alibabas egen benchmark, och minskningen är större än vad token- och prissänkningarna ensamma antyder: ungefär 35% färre token till 25% lägre pris ger cirka 51%, och Alibabas yuan-siffror ger 58%. Alibaba har inte förklarat gapet.

Oberoende kostnader per uppgift är mindre entydiga mot en konkurrent. På Artificial Analysis index kostar en uppgift i snitt $3,27 för Qwen4-Max mot $10,04 för Opus 5.5, men bara $1,27 för GPT-6.1 Sol.

På Vals kostar ett test $9,33 för Qwen4-Max mot $24,77 för Opus 5.5 och $3,61 för Sol, och Sol får något högre poäng (63,94% mot 63,20%).

Kimi K3.1 är den närmare jämförelsen för de flesta läsare som väger ett alternativ i öppet ekosystem. Den slår Qwen4-Max på Terminal-Bench 4.0 (67,2 mot 48,5) och AutomationBench-AA (73,3 mot 72,5), medan Qwen4-Max leder på APEX-Agents v1.1 (72,1 mot 65,5), HLAB-Vals-1.1 (21,3 mot 11,7) och JobBench (68,5 mot 61,2). Välj Kimi för terminalarbete, Qwen4-Max för professionella dokumentarbetsflöden.

Vad oberoende tester visar

Lanseringsdiagrammet är sammanställt av leverantören.

Vissa rader hänvisar till tredjepartslistor, inklusive LM Arena för CodeArena och AgentArena, Artificial Analysis för AA-Briefcase och AutomationBench-AA, Mercors topplista för APEX-Agents v1.1 och Vals Index för HLAB-Vals-1.1, med Agents' Last Exam hänvisad till från dess upphovspersoner.

Alibaba körde JobBench själv. Jag har inte hittat oberoende reproduktioner av agentresultaten, vilket är varför jag fortfarande skulle betrakta de vinsterna som provisoriska.

Oberoende topplistor fyller nu i helhetsbilden, och de är mindre smickrande än lanseringsmaterialet.

  • Artificial Analysis ger Qwen4-Max 43 på sitt Intelligence Index, nia totalt, bakom Claude Fable 5.2, Gemini 4 Carbon, Opus 5.5, GPT-6 Astra, GPT-6.1 Sol och Kimi K3.1.
  • Vals rankar den 11:a av 38 på sitt Index med 63,20%, högst av alla kinesiska modeller den har testat, och dess oberoende Terminal-Bench-körning matchar Alibabas tal.
  • På Code Arena WebDev ligger den sexa, men fortfarande markerad som preliminär med få röster.
  • Finans är dess bästa oberoende placering, åtta av 41 på både Vals finansindex och dess Finance Agent-benchmark; juridik är svagare, 17:e av 39 på Vals Legal Index, vilket skaver bredvid ledningen på HLAB-Vals.

Långsamhet och ordrikedom är de återkommande klagomålen. Vals klockade cirka 1 timme och 4 minuter per test, långsammare än alla utom Opus 5.5 och Sonnet 5.5 bland de 11 bästa, och Artificial Analysis noterade 127 miljoner utdata-token på sitt index mot en median på 78,6 miljoner.

Anekdotiska praktiska rapporter är blandade och motsäger ofta varandra, med testare som beskriver övertänkande på enkla uppgifter och långa körtider på långa promptar; en testare bedömde den under Qwen3.8-Max rent ut, medan en annan rapporterade att den slutförde en agentuppgift på cirka 30 minuter mot cirka 70 minuter för MiniMax M3.1 Flash.

Vilken Qwen4-Max-nivå ska du använda?

Qwen4-Max levereras som en modell med thinking-växel och namngivna ansträngningsnivåer, så valet gäller hur mycket resonemang du betalar för snarare än vilken kontrollpunkt du anropar. Thinking är på som standard, på hög ansträngning.

"Standardläge" betyder därför att sätta enable_thinking till false. Indatakapaciteten sjunker något med thinking på, från 991K till 983K, och resonemang (upp till 262K token) belastar utdatabudgeten.

Eftersom thinking-token räknas mot den budgeten kan ett max_tokens dimensionerat för det synliga svaret ensam trunkera svaret; i förhandsvisningen begränsade max_tokens thinking och svar tillsammans, så anta samma tills du har testat.

De dokumenterade utdatataken skiljer sig mellan API-dokumentationen (131 072 utan thinking, 262 144 med) och modellsidan (393K i båda lägen), som nämnts ovan.

Ansträngning är den andra ratten.

Alibaba rapporterar Work360- och Terminal-Bench 4.0-resultat på både Xhigh och High, och tokensbesparingarna mot Qwen3.8-Max var större på High på Work360 (35% mot 24%) och ungefär lika på Terminal-Bench. Eftersom resonemangstoken debiteras till utdatapriset på $4,50 per miljon är ansträngningsinställningen den enskilt största hävstången på din faktura.

High är också Qwen4-Max standard, medan Qwen3.8-Max hade xhigh som standard, så en jämförelse med standardinställningar mellan generationerna blandar modellskiftet med ett ansträngningsskifte. Sätt ansträngning explicit när du A/B-testar.

AnvändningsfallInställningVarför
Flertimmars agentkörningar med verktygsanropThinking, HighBästa tokeneffektivitet jämfört med föregående generation på Work360
Lång dokumentgranskning över 100+ filerThinking, Xhigh262K resonemangsbudget plus 1M kontextfönster
Strukturerad extraktion till JSONThinking avStrukturerade utdata stöds, och att stänga av thinking undviker resonemangs-overhead
Högvolym batchklassificeringThinking av plus batchanropCachning sänker indata till $0,075 per miljon token
Tung terminalkodningÖverväg en annan modell48,5 på Terminal-Bench 4.0 ligger efter Kimi K3.1, Opus 5.5 och båda GPT-6-modellerna

Qwen4-Max: pris och tillgänglighet

QwenCloud listar Qwen4-Max på $1,50 per 1 miljon indata-token och $4,50 per 1 miljon utdata-token på sin internationella lista, med cachade indata på $0,075 per miljon. Explicit cache-skapande kostar $1,875 per miljon för 5-minutersfönstret och $3,00 per miljon för 1-timmarsfönstret, och explicita cache-läsningar är $0,075 per miljon.

Dessa priser pressar under varje västerländskt flaggskepp i de aktuella prisöversikterna: GPT-6 Astra på $10 för indata och $50 för utdata (för promptar upp till 272K token), Claude Fable 5.2 på $8 respektive $40, Gemini 4 Carbon på $2 respektive $10 till och med 30 november (höjs till $4 respektive $20 därefter) och Grok 4.7 på $2 respektive $6 (under 200K kontext).

Det är dock de högst prissatta nivåerna, och modellerna Alibaba benchmarkar mot är billigare: Claude Opus 5.5 på $4 respektive $20, och GPT-6.1 Sol och Kimi K3.1 på $2 respektive $10. Jämfört med Astra är Qwen4-Max utdatapris ungefär en tiondel; jämfört med Opus 5.5 är det cirka 22%, och jämfört med Sol och Kimi cirka 45%.

Det finns en gratiskvot på 1 miljon token på QwenCloud, tillgänglig i regionen Singapore i cirka 90 dagar, och hastighetsgränserna är publicerade till 5 000 000 token per minut.

Alibaba säljer också tillgång via en Token Plan snarare än ren pay-as-you-go, med tredjepartsrapporter som listar personliga nivåer på Lite $6/månad för 20 000 krediter, Essential $10/månad för 45 000, Standard $18/månad för 80 000 och Pro $43/månad för 200 000, plus rabatterade nypriser på $3 och $5 på de två billigaste nivåerna, rapporterade att gälla till och med 30 november.

Den personliga planen är ett erbjudande i Singapore, och under förhandsvisningen begränsade Alibaba den till interaktiv kodning och agentverktyg snarare än produktions-backends, så kontrollera aktuella villkor innan du bygger på den.

En not om tidslinjen, eftersom tidiga artiklar gav motstridiga besked om huruvida ett offentligt pris per token fanns.

Alibaba öppnade qwen4-max-preview den 11 november, endast på Token Plan, utan pris per token och med ett slutdatum 25 november. Pay-as-you-go-prissättning kom med den allmänna lanseringen den 16 november under modell-ID qwen4-max, och siffrorna $1,50 och $4,50 ovan är de internationella listpriserna per det datumet.

Öppna vikter för Max har inte aviserats; Alibaba säger att mindre Qwen4-modeller kommer att släppas som öppen källkod senare.

Hur får du åtkomst till Qwen4-Max?

API-modell-ID:t är qwen4-max, tillgängligt via QwenCloud antingen genom Token Plan eller standard-API, med OpenAI-kompatibla och Anthropic-kompatibla slutpunkter. Utanför API:t finns modellen i QwenStudio (Qwen Chat), QwenWork och kodningsprodukten Qoder, som Alibaba samdesignade tillsammans med modellen.

Här är det minsta anropet med OpenAI:s Python-klient mot den kompatibla Chat Completions-slutpunkten. Thinking är på som standard, så flaggan enable_thinking visas bara för tydlighet; sätt den till False för att stänga av 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)

Om du vill prova Live Delivery finns pluginen på GitHub som Qwen-Live-Delivery-Plugin. Eftersom den för närvarande riktar sig mot Codex CLI innebär användning i ett annat harness att du själv kopplar dess MCP-leveransverktyg och hooks. För de allmänna mönstren bakom funktionsanrop och agent-harnessar går vår Harness²-handledning igenom hur man kopplar en modell till OpenCode och granskar resultaten.

Avslutande tankar

Qwen4-Max är Alibaba som för ett prisargument mer än ett kapacitetsargument.

Den vinner raderna som handlar om att läsa många dokument och producera en leverabel, förlorar raderna som handlar om en terminal, ett diagram eller en video, och gör allt detta till ungefär en tiondel av GPT-6 Astras utdatapris.

Skulle jag byta? För dokumenttunga agentpipelines där kostnad per uppgift är begränsningen är den värd ett seriöst test, men inte en blind migrering.

Fallet från $4,43 till $1,67 per Work360-uppgift är Alibabas egen siffra, och oberoende körningar är mer blandade: GPT-6.1 Sol var billigare per uppgift och fick något högre poäng på Vals, och Qwen4-Max är långsam och ordrik. För tungt kodarbete skulle jag stanna med Opus 5.5 eller Kimi K3.1, och Vals oberoende Terminal-Bench-körning bekräftar den svagheten.

Om du vill bli ordentligt bekväm med att bygga med modeller som denna, börja med vår AI Fundamentals-kursväg.

FAQs

Hur skiljer sig Qwen4-Max från Qwen3.8-Max?
Qwen4-Max är den första modellen på den nya Qwen4-arkitekturen, med en ryggrad på 2,4 biljoner parametrar, 71B parametrar aktiverade per token och inbyggd vision. Den fick 52,69 på Alibabas Work360-benchmark mot 47,74 för Qwen3.8-Max, och hoppade från 27,9 till 46,7 på Agents' Last Exam v1.1. Den använder också ungefär 24% till 49% färre token på samma uppgifter, vilket sänker den genomsnittliga Work360-kostnaden per uppgift från $4,43 till $1,67.
Hur mycket kostar Qwen4-Max per miljon token?
QwenCloud listar Qwen4-Max på $1,50 per 1 miljon indata-token och $4,50 per 1 miljon utdata-token, med cachade indata och explicita cache-läsningar på $0,075 per miljon. Explicit cache-skapande kostar $1,875 per miljon för ett 5-minutersfönster och $3,00 per miljon för ett 1-timmarsfönster. Det finns en gratiskvot på 1 miljon token, och Alibaba säljer även Token Plan-abonnemang som börjar runt $6 per månad.
Var kan jag få åtkomst till Qwen4-Max?
Qwen4-Max finns tillgänglig på QwenCloud via antingen Token Plan eller API:t, med modell-ID qwen4-max mot en OpenAI-kompatibel slutpunkt. Den körs också i QwenStudio (Qwen Chat), QwenWork och kodningsprodukten Qoder. Viss tredjepartsdokumentation hänvisar till ett förhands-ID, qwen4-max-preview.
Är Qwen4-Max öppen källkod?
Nej. Qwen4-Max har slutna vikter, och Alibaba har inte aviserat öppna vikter eller ett offentligt model card för den. Alibaba har sagt att mindre modeller i Qwen4-familjen kommer att släppas som öppen källkod senare, byggda på samma härstamning och träningstekniker.
Är Qwen4-Max bra för kodning?
Den är konkurrenskraftig på agentisk kodning och svag på terminalarbete. Qwen4-Max får 75,7 på DeepSWE v1.1, ungefär i nivå med Claude Opus 5.5 (74,2) och GPT-6.1 Sol (75,2), men bara 48,5 på Terminal-Bench 4.0 mot 67,2 för Kimi K3.1, och 31,5 på ProgramBench mot 65,0 för Opus 5.5. För tung terminal- och programvarureplikering är andra modeller fortfarande starkare.
Vad är Live Delivery i Qwen4-Max?
Live Delivery är Qwen4-Max angreppssätt för långkörande agentuppgifter: i stället för att återkomma först när jobbet är klart levererar agenten en användbar första version tidigt och förbättrar den över successiva releaser medan du styr om den under körning. Alibaba har släppt Qwen-Live-Delivery-Plugin på GitHub så att du kan installera den i stället för att bygga mönstret själv.

Ämnen