ทีม Qwen ของ Alibaba เปิดตัว Qwen4-Max เมื่อวันที่ 16 พฤศจิกายน 2026 และสิ่งแรกที่ควรดูคือราคา: $1.50 ต่อ 1 ล้านโทเค็นอินพุต และ $4.50 ต่อ 1 ล้านโทเค็นเอาต์พุตบน QwenCloud
เพื่อเทียบกันให้เห็นภาพ บทสรุปราคาในสัปดาห์เดียวกันระบุว่า GPT-6 Astra อยู่ที่ $10 สำหรับอินพุต และ $50 สำหรับเอาต์พุต ส่วน Claude Fable 5.2 อยู่ที่ $8 และ $40
Qwen4-Max เป็นรุ่นแรกที่สร้างบนสถาปัตยกรรม Qwen4 ใหม่ โดยมีแบ็กโบน 2.4 ล้านล้านพารามิเตอร์ เปิดใช้งาน 71B พารามิเตอร์ต่อโทเค็น เสริมด้วยพารามิเตอร์ N-gram embedding อีก 328B มีวิชันเนทีฟ และหน้าต่างคอนเท็กซ์ 1 ล้านโทเค็น
Alibaba วางตำแหน่งเป็นโมเดลเอเจนต์สำหรับงานระยะยาว ไม่ใช่โมเดลแชต โดยวัสดุเปิดตัวส่วนใหญ่เน้นการรันแบบอัตโนมัติหลายชั่วโมงในงานวิศวกรรม การเงิน กฎหมาย และการค้นพบยา
บทความนี้จะสรุปสิ่งใหม่ทั้งหมดใน Qwen4-Max ครอบคลุมสถาปัตยกรรม ฟีเจอร์หลัก ตัวเลขเบนช์มาร์ก (รวมถึงจุดที่ผลอิสระต่างจากของ Alibaba เอง) โหมดความพยายาม ราคา และวิธีเข้าถึง
สำหรับบริบทด้านคู่แข่ง ดูบทความเปรียบเทียบของเราเกี่ยวกับ GPT-6 Astra และ Claude Opus 5.5 และบทเรียนของเราเรื่อง การสร้างเอเจนต์ที่พัฒนาตนเองด้วย Harness²
สรุปสั้นๆ
Qwen4-Max เป็นเรือธงใหม่ของ Alibaba สร้างบนสถาปัตยกรรม Qwen4 ชุดใหม่ มีวิชันเนทีฟ และหน้าต่างคอนเท็กซ์ 1M โทเค็น
จุดแข็งอยู่ที่งานเอเจนต์ระยะยาวและงานระดับมืออาชีพ ซึ่งแซง Claude Opus 5.5 ในหลายเคสที่ Alibaba รายงาน
การโค้ดในเทอร์มินัลคือจุดอ่อน: ตามหลัง Kimi K3.1, Opus 5.5 และทั้งสองรุ่นของ GPT-6 อย่างทิ้งห่าง การเข้าใจกราฟและวิดีโอก็ยังตามหลังสามโมเดลจากสหรัฐ
ราคาคือเหตุผลที่แข็งแกร่งที่สุด กดทุกรุ่นเรือธงฝั่งตะวันตกลงทั้งอินพุตและเอาต์พุตในบทสรุปราคาปัจจุบัน แม้อัตราต่อโทเค็นต่ำจะไม่การันตีว่าต้นทุนต่อภารกิจต่ำกว่า
ควรอ่านตัวเลขด้วยความระมัดระวัง: ชาร์ตเปิดตัวรวบรวมโดยผู้ขาย ปัจจุบันมีผลอิสระแล้วและออกมาปะปน โดย Artificial Analysis จัดอันดับที่ 9 และ Vals ที่ 11 และผู้ทดสอบบรรยายว่าช้าและพูดเยอะ อย่างไรก็ดี การรัน Terminal-Bench ของ Vals ตรงกับตัวเลข Alibaba
ไม่มีน้ำหนักโมเดลโอเพ่นสำหรับ Max โมเดล Qwen4 ที่เล็กกว่าจะเปิดโอเพ่นซอร์สภายหลัง
Qwen4-Max คืออะไร?
Qwen4-Max คือโมเดลเรือธงแบบปิดน้ำหนักของ Alibaba และเป็นรุ่นแรกในตระกูล Qwen4 ต่อจาก Qwen3.8-Max
เป็น โมเดล mixture-of-experts แบบส.parse หมายความว่ามีพารามิเตอร์เพียงส่วนหนึ่งที่ทำงานกับโทเค็นใดๆ จากแบ็กโบน 2.4 ล้านล้านพารามิเตอร์ มี 71B ที่แอคทีฟต่อโทเค็น และเพิ่ม N-gram embeddings อีก 328B ซึ่งเป็นตารางค้นหาที่แทบไม่กินคอมพิวต์ รับอินพุตได้ทั้งข้อความ รูปภาพ และวิดีโอ และให้เอาต์พุตเป็นข้อความ
สถาปัตยกรรมคือจุดที่ Qwen4 ต่างจากเจนก่อนมากที่สุด และช่วยอธิบายเรื่องต้นทุนในภายหลัง องค์ประกอบที่เปลี่ยนมี 3 ส่วน:
Hybrid attention (GDN + QSA): ในทุกเลเยอร์แบบส.parse-attention จะมี Gated DeltaNet 3 เลเยอร์บีบอัดคอนเท็กซ์ก่อนหน้าเป็นหน่วยความจำขนาดคงที่ จากนั้นเลเยอร์ส.parseจะเลือกเฉพาะส่วนคอนเท็กซ์ที่เกี่ยวข้อง ทำให้หน้าต่าง 1M โทเค็นยังคงมีต้นทุนที่รับได้
Gated Residual: แต่ละเลเยอร์มีสี่เส้นทางขนานกัน โดยเกตควบคุมสิ่งที่ไหลระหว่างกัน Alibaba ให้เครดิตว่าส่งผลให้การเทรนเสถียร
N-gram Embedding: การลุคอัพแพตเทิร์นโทเค็นท้องถิ่นที่พบบ่อย ซึ่งเพิ่มขีดความสามารถโดยแทบไม่เพิ่มคอมพิวต์
Alibaba รายงานว่าการเทรน 2.4T ไม่มี loss spike ซึ่งเป็นการกระโดดกะทันหันที่บ่งชี้การเทรนไม่เสถียร
โมเดลฐาน Qwen4-Max-Base ยังได้ค่า bits per byte ต่ำสุดในห้าเช็คพอยต์ที่ประเมินครอบคลุมความรู้ โค้ด QA และสายวิทย์ ค่า bits per byte วัดความสามารถทำนายข้อความของโมเดล ยิ่งต่ำยิ่งดี
ผลออกมาต่ำกว่า Qwen3.8-Max-Base ราว 5 ถึง 13% ขณะเดียวกันเปิดใช้งานพารามิเตอร์น้อยลง 25% นี่เป็นการทดสอบภายใน และมีหมายเหตุว่ามีสองเช็คพอยต์ที่ถูกเทรนเพิ่มเติม ดังนั้นการเปรียบเทียบจึงไม่ใช่แบบแอปเปิลต่อแอปเปิลอย่างเคร่งครัด
ตัวเลขความสามารถพาดหัวคือ Work360 เบนช์มาร์กของ Alibaba เองที่ครอบคลุม 721 สาขาวิชาชีพ โดย Qwen4-Max ได้ 52.69 เทียบกับ 47.74 ของ Qwen3.8-Max
ฟีเจอร์หลักของ Qwen4-Max
การเปิดตัวนี้จัดรอบสิ่งที่โมเดลส่งมอบเมื่อจบการรันยาวๆ มากกว่าสิ่งที่พูดในหนึ่งรอบ ดังนั้นฟีเจอร์ด้านล่างจึงเน้นเรื่องระยะเวลา เครื่องมือ และรูปแบบเอาต์พุต
หน้าต่างคอนเท็กซ์ 1 ล้านโทเค็นพร้อมวิชันเนทีฟ
Qwen4-Max รับข้อความ รูปภาพ และวิดีโอภายในหน้าต่างคอนเท็กซ์ 1M โทเค็น โดยอินพุตสูงสุดคือ 991K โทเค็น หรือ 983K เมื่อเปิดโหมด thinking
Thinking เปิดไว้ตามค่าเริ่มต้น และโทเค็นเหตุผลได้สูงสุด 262K จะถูกนับรวมในงบเอาต์พุต
เพดานเอาต์พุตมีเอกสารที่ไม่สอดคล้องกัน
หน้ารุ่นบน QwenCloud ระบุเอาต์พุตสูงสุด 393K ในทั้งสองโหมด ขณะที่เอกสาร API ให้ 131,072 โทเค็นเมื่อปิด thinking และ 262,144 รวม thinking กับคำตอบสุดท้าย ตรวจสอบให้ชัดว่าเลขใดใช้กับเอนด์พอยต์ของคุณก่อนกำหนดค่า max_tokens
เส้นทางวิชันเป็นเนทีฟ ไม่ใช่ต่อเติมทีหลัง ซึ่งทำให้เดโมทางคลินิกเป็นไปได้: Alibaba บรรยายว่าโมเดลทบทวนเวชระเบียนที่มีรายงานแล็บหลายสิบฉบับ โน้ตความก้าวหน้ากว่า 10,000 อักษรจีน และภาพการแพทย์ต้นฉบับ 1,433 ภาพ ในการสนทนาเดียว แยกเป็น 6 ซีรีส์ภาพ ก่อนส่งเอเจนต์ย่อยไปอ่านสไลซ์หลายร้อยภาพ
Alibaba ระบุว่าข้อค้นพบจากภาพสอดคล้องกับการวินิจฉัยของแพทย์เจ้าของไข้ และข้อเสนอแนะการดูแล 4 ข้อตรงกับคำสั่งของวันนั้นทุกข้อ
มอบหมายงานยาวๆ และบังคับทิศทางกลางทาง
Live Delivery เป็นฟีเจอร์ที่น่าสนใจที่สุด เพราะแก้ปัญหาที่ทำให้การรันเอเจนต์ยาวๆ ใช้จริงไม่ได้
แทนที่จะรอหลายชั่วโมงแล้วเพิ่งพบว่าเอเจนต์อ่านบรีฟผิดตั้งแต่นาทีที่ 3 เอเจนต์จะส่งเวอร์ชันใช้งานได้ตั้งแต่เนิ่นๆ แล้วค่อยๆ ปรับปรุงผ่านรีลีสถัดๆ ไป ขณะเดียวกันให้ผู้ใช้เปลี่ยนทิศทางกลางคันได้
Alibaba เปิดโอเพ่นซอร์ส Qwen-Live-Delivery-Plugin ภายใต้ Apache-2.0 เพื่อให้ติดตั้งได้เลยแทนการสร้างใหม่ แม้เปิดตัวที่เวอร์ชัน 0.1.0 และรองรับเฉพาะ Codex CLI บน Linux และ macOS กับ Node.js 22+
การรองรับฮาร์เนสเอเจนต์อื่นๆ อยู่ในรายการที่จะทำ
ตามจริงแล้ว การส่งงานบางส่วนแบบต่อเนื่องเป็นแพทเทิร์นของฮาร์เนสมากกว่าความสามารถของโมเดล นั่นจึงเป็นเหตุผลที่ปลั๊กอินแบบโอเพ่นสำคัญกว่าชื่อทางการตลาด
ส่งมอบงานที่ตรวจสอบย้อนกลับได้ ไม่ใช่แค่คำตอบ
เดโมด้านการเงินสร้างสมุดงาน Excel และสไลด์ PowerPoint ที่แก้ไขได้ พร้อมกลไกตรวจสอบย้อนกลับ 2 แบบ: ไฮเปอร์ลิงก์ในเซลล์ที่พากลับไปยังแหล่งข้อมูลต้นทาง และการแม็ปแบบหนึ่งต่อหนึ่งระหว่างกราฟใน PowerPoint กับสมุดงานข้างใต้
Alibaba ระบุว่า Qwen4 เรียกใช้เครื่องมือ MCP 90 ตัวในเซ็ตอัปวิจัยการลงทุนทางการเงิน ดึงราคาตลาด งบการเงิน อัตราดอกเบี้ย และข้อมูลเงินปันผล ครอบคลุม A-shares หุ้นฮ่องกงและสหรัฐ พันธบัตร กองทุน และอนุพันธ์ และตรวจทานไขว้กับการเปิดเผยสาธารณะ
จำนวนเครื่องมือดังกล่าวอธิบายภาพรวมของเซ็ตอัปวิจัย แยกต่างหาก Alibaba สาธิตเวิร์กโฟลว์ในเคสอนุพันธ์ CSI 300
ตัวอย่างทางกฎหมายยิ่งน่าประทับใจกว่า
จากเอกสารทำงาน 198 ชิ้นที่ตั้งชื่อไม่สอดคล้องและส่งมาเป็นชุด Qwen4-Max เปลี่ยนชื่อและจัดหมวดด้วยเนื้อหาเป็น 14 โฟลเดอร์ สร้างดัชนีเอกสารทำงาน ตรวจทานไขว้ระหว่างข้อมูลธุรกิจและบันทึกตุลาการสาธารณะกับเอกสาร และผลิตรายงาน 86 หน้า ครอบคลุม 12 ด้านตรวจทานและ 14 ประเด็นกฎหมายเฉพาะ โดยทุกข้อสรุปอ้างอิงกลับไปยังเอกสารทำงาน
ใช้งานเครื่องมือวิชาชีพแบบ end to end
Qwen4-Max ใช้ Blender, Unity, Unreal Engine และ Godot ได้โดยตรง จัดการโมเดลเรขาคณิต การตั้งค่าวัสดุ แสงตรรกะเกม และการออกแบบ HUD จากนั้นรันผลงาน ใช้ฟีดแบ็กจากภาพเพื่อปรับการติดตามกล้องและการตอบสนองเมื่อโดนโจมตี
หนึ่งในเดโมคือเกมแข่งรถ Android ที่ติดตั้งได้ สร้างด้วย Unity 6
เคสด้านการผลิตเป็นกรณีที่มีตัวเลขแนบ แม้จะเป็นการโชว์เคสของบริษัท ไม่ใช่การวัดอิสระ
ที่ SANF และ Pacific Union โมเดลสร้างโมเดลไลน์การผลิต 3D จากเลย์เอาต์ 2D จำลองเวลาไซเคิล รันการคอมมิชชันนิ่ง PLC เสมือน และวางแผนเส้นทางเครื่องมือตัด ลดความพยายามเขียนโปรแกรมด้วยมือสำหรับชิ้นงานหนึ่งชิ้นจากราว 475 นาทีเหลือ 24 นาที
การวิจัยปฏิบัติการและการจัดตารางบนคลาวด์
Alibaba ใช้ Qwen4-Max กับปัญหาการจัดตารางของ Alibaba Cloud เอง ให้โมเดลสร้างอัลกอริทึมตัวเลือก ตรวจสอบความเป็นไปได้และค่าเป้าหมายด้วย MindOpt (ตัวแก้ปัญหาของ Alibaba) แล้ววนปรับโค้ด
ผลที่รายงานชี้ว่าต้นทุนการเรียกโมเดลติดป้ายข้อมูลลดลง 10.42% เมื่อเทียบกับเบสไลน์อ้างอิง การจัดสรร GPU ออนไลน์เพิ่มระยะเวลาว่างของเครื่องทั้งเครื่องได้ 4.62% และการจัดตาราง CPU ออฟไลน์ทำได้ตรงเป้าหมายที่เหมาะที่สุดเร็วขึ้นมากกว่า 14.61 เท่า
ตัวเลขเหล่านี้เป็นตัวเลขภายในจากงานภายใน จึงควรมองเป็นเดโมการใช้เครื่องมือวิจัยปฏิบัติการ มากกว่าเบนช์มาร์กที่ย้ายข้ามงานได้โดยตรง
วงจรวิจัยอัตโนมัติที่ไปถึงผลลัพธ์ทางกายภาพ
ระหว่างการรันเอเจนต์ต่อเนื่อง 48 ชั่วโมงบนแพลตฟอร์ม Mira ของ Deep Principle Qwen4 สร้างสเปซของโมเลกุลตัวเลือก 2.7 ล้านตัว คัดกรอง รันการคำนวณพื้นฐานและการวิเคราะห์ย้อนสังเคราะห์ แล้วสั่งแลบเปียกอัตโนมัติให้สังเคราะห์ ทำให้บริสุทธิ์ และทดสอบ
หลังวนรอบออกแบบ สังเคราะห์ และ active learning สี่ครั้ง ได้ตัวอย่างโมเลกุลน้ำยาหล่อเย็นตัวใหม่ออกมาเป็นของจริง
บนแพลตฟอร์ม PharmMaster ของ DP Technology ที่เล็งไปที่ NLRP3 inflammasome มันเรียกใช้เครื่องมือ 454 ครั้ง รันการประเมินตัวชี้วัดแบบคำนวณ 3,239 ครั้ง และออกแบบโมเลกุลตัวเลือก 24 ตัว
การคำนวณพลังงานยึดเหนี่ยวอิสระสัมพัทธ์ระบุว่าแคนดิเดตสุดท้ายมีความแรงยึดเกาะโดยนอมินัลราว 3.6 เท่าของค่าจากสิทธิบัตรอ้างอิง ซึ่งผู้เชี่ยวชาญของ DP Technology เห็นว่าน่าทดลองในแลบเปียก
งาน API มาตรฐาน: function calling การค้นเว็บ และเอาต์พุตเชิงโครงสร้าง
บน QwenCloud Qwen4-Max รองรับ function calling เอาต์พุต JSON เชิงโครงสร้าง การเติมคำแบบพรีฟิกซ์ผ่าน Partial Mode การแคชคอนเท็กซ์แบบปริยายและชัดแจ้ง การเรียกแบบแบตช์ การค้นเว็บ และการไฟน์จูน ลิมิตอัตราตั้งไว้ที่ 5,000,000 โทเค็นต่อนาที
Qwen4-Max ทำผลงานอย่างไรบนเบนช์มาร์ก?
Qwen4-Max แข็งแกร่งที่สุดในงานเอเจนต์ระยะยาว และอ่อนที่สุดในงานโค้ดดิ้งบนเทอร์มินัลและการเข้าใจภาพ ช่องว่างใหญ่พอจะเป็นตัวตัดสินการนำไปใช้
Alibaba เปรียบเทียบกับ Qwen3.8-Max-0902, Claude Opus 5.5 , GPT-6.1 Sol , GPT-6 Astra และ Kimi K3.1 (Moonshot’s Kimi-K3.1-Pro )
งานระยะยาวและงานเอเจนต์
ตัวเด่นคือ Agents' Last Exam v1.1 ที่ Qwen4-Max ได้ 46.7 เทียบกับ 43.4 ของ Claude Opus 5.5, 42.6 ของ GPT-6.1 Sol และ 27.9 ของ Qwen3.8-Max รุ่นก่อน
การกระโดด 18.8 คะแนนในหนึ่งเจนเนอเรชันบนเบนช์มาร์กงานระยะยาวคือผลเดียวที่อยากชี้ให้เห็นจากรุ่นนี้
คะแนนทั้งหมดด้านล่างมาจากชาร์ตเปิดตัวของ Alibaba ซึ่งผู้ขายเป็นคนรวบรวม จึงควรอ่านว่าเป็นตัวเลขจากผู้ขาย แม้บางแถวจะอ้างกระดานอันดับจากภายนอก ผลที่ดีที่สุดในแต่ละแถวเป็นตัวหนา
เบนช์มาร์ก วัดอะไร Qwen4-Max Qwen3.8-Max-0902 Opus 5.5 GPT-6.1 Sol GPT-6 Astra Kimi K3.1 Agents' Last Exam v1.1 งานมีคุณค่าระยะยาว 46.7 27.9 43.4 42.6 43.4 n/a AA-Briefcase v1.1 (Elo) งานความรู้เชิงเอเจนต์ 1686 1605 1801 1555 1569 1674 APEX-Agents v1.1 งานบริการระดับมืออาชีพ 72.1 63.3 73.5 60.0 64.7 65.5 AutomationBench-AA เวิร์กโฟลว์ SaaS แบบเอเจนต์ 72.5 56.2 69.5 64.9 68.5 73.3 HLAB-Vals-1.1 งานเอเจนต์ด้านกฎหมาย 21.3 15.4 9.2 6.3 7.1 11.7 JobBench งานสายอาชีพ 68.5 65.3 75.4 66.2 66.1 61.2 AgentArena (net improvement) งานเอเจนต์ในโลกจริง 7.5 n/a 18.2 11.8 13.9 3.9
แพทเทิร์นออกมาไม่สม่ำเสมอ Qwen4-Max ชนะเบนช์มาร์กเอเจนต์ด้านกฎหมายแบบทิ้งห่าง เกือบสองเท่าของอันดับถัดไป (21.3 ต่อ 11.7 ของ Kimi K3.1) จบที่สองบน AA-Briefcase, APEX-Agents, AutomationBench-AA และ JobBench และอยู่ใกล้ท้ายบน AgentArena ที่คะแนน 18.2 ของ Opus 5.5 มากกว่าสองเท่าของ 7.5
ถ้าเอเจนต์ของคุณทำงานเอกสารเชิงวิชาชีพหนักๆ นี่ดูดี แต่ถ้าต้องใช้เครื่องมือสดในสภาพแวดล้อมเปิดๆ ก็ไม่เท่าไร
งานโค้ดดิ้งและเทอร์มินัล
งานโค้ดดิ้งคือจุดที่ควรชะลอ Qwen4-Max ได้ 48.5 บน Terminal-Bench 4.0 ตามหลัง Kimi K3.1 ที่ 67.2, Opus 5.5 ที่ 59.6, GPT-6 Astra ที่ 59.1 และ GPT-6.1 Sol ที่ 56.1 จึงอยู่อันดับห้าจากหกรุ่นที่อยู่ในชาร์ต แม้จะดีขึ้นเกือบ 10 คะแนนจาก 38.9 ของ Qwen3.8-Max
เบนช์มาร์ก วัดอะไร Qwen4-Max Qwen3.8-Max-0902 Opus 5.5 GPT-6.1 Sol GPT-6 Astra Kimi K3.1 DeepSWE v1.1 โค้ดดิ้งเชิงเอเจนต์ 75.7 69.3 74.2 75.2 74.1 75.5 CodeArena (Elo) พัฒนาเว็บ 1750 1676 1816 1742 1763 1686 Terminal-Bench 4.0 โค้ดดิ้งบนเทอร์มินัลแบบเอเจนต์ 48.5 38.9 59.6 56.1 59.1 67.2 ProgramBench การจำลองซอฟต์แวร์แบบกล่องดำ 31.5 28.0 65.0 52.5 55.0 25.0
ProgramBench น่าเกลียดที่สุด: 31.5 เทียบกับ 65.0 ของ Opus 5.5 ไม่ถึงครึ่ง ส่วน DeepSWE มีห้าโมเดลอยู่ในช่วงห่างกันเพียง 1.6 คะแนน จึงควรมองเป็นนอยส์มากกว่าชัยชนะ แม้ตามตัวเลขแล้ว Qwen4-Max จะเป็นที่หนึ่ง
มีข้อควรระวังหนึ่งข้อบนแถว Terminal-Bench
เมื่อตอนที่เรา เปรียบเทียบ GPT-6 Astra และ Claude Opus 5.5 ตัวเลขที่เผยแพร่คือ 66.4% สำหรับ Opus 5.5 และ 57.9% สำหรับ Astra บน Terminal-Bench 4.0 เทียบกับ 59.6 และ 59.1 ในชาร์ตของ Alibaba
ฮาร์เนสต่างกันให้ตัวเลขต่างกันบนเบนช์มาร์กเดียวกัน ซึ่งเป็นเหตุผลดีที่จะไม่อ่านช่องว่าง 5 คะแนนเป็นอันดับ แต่ตัวเลขของ Qwen4-Max เองดูแน่น: Vals วัดได้ 48.48% อย่างอิสระ
การให้เหตุผล วิทยาศาสตร์ และมัลติโหมด
Qwen4-Max ได้ 51.7 บน Humanity's Last Exam ตามหลัง Opus 5.5 ที่ 59.8 และ GPT-6.1 Sol ที่ 54.0 และนำหน้า Kimi K3.1 ที่ 51.1 นำบน BioMysteryBench-1.1 ที่ 85.0 และดีขึ้นมากบน HealthBench Professional จาก 39.6 เป็น 60.0 แม้ว่าทั้งสองรุ่นของ GPT-6 ยังได้สูงกว่า
เบนช์มาร์ก วัดอะไร Qwen4-Max Qwen3.8-Max-0902 Opus 5.5 GPT-6.1 Sol GPT-6 Astra Kimi K3.1 Humanity's Last Exam การให้เหตุผลสหสาขา 51.7 43.9 59.8 54.0 53.6 51.1 BioMysteryBench-1.1 งานวิจัยชีวสารสนเทศ 85.0 84.1 81.9 84.4 78.9 80.6 HealthBench Professional การให้เหตุผลทางคลินิก 60.0 39.6 59.9 65.1 66.0 57.2 Chartography ความเข้าใจกราฟภาพ 54.2 42.0 66.3 67.8 71.1 50.0 Video-Index ความเข้าใจวิดีโอ 68.1 63.2 74.8 73.8 76.7 63.2
แถวด้านวิชันเป็นส่วนที่ไม่น่าชมเชยที่สุดของชาร์ต
บน Chartography Qwen4-Max ได้ 54.2 เพิ่มจาก 42.0 ของ Qwen3.8-Max แต่ตามหลัง Opus 5.5, GPT-6.1 Sol และ GPT-6 Astra 12 ถึง 17 คะแนน และชนะเพียง Kimi K3.1 ส่วน Video-Index ก็เหมือนกัน ได้ 68.1 เทียบกับ 73.8 ถึง 76.7 ของสามโมเดลจากสหรัฐ วิชันเนทีฟทำงาน แต่ยังไม่ขึ้นนำ
ประสิทธิภาพโทเค็นและต้นทุนต่อภารกิจ
นี่คือตัวเลขที่กระทบงบโปรดักชันที่สุด
บน Work360 Qwen4-Max ใช้โทเค็นน้อยลงราว 24% ที่ระดับความพยายาม Xhigh และราว 35% ที่ High เมื่อเทียบกับ Qwen3.8-Max และบน Terminal-Bench 4.0 ลดลงราว 48% และ 49%
เมื่อรวมกับอัตรา API ที่ต่ำกว่า Alibaba รายงานว่าต้นทุนเฉลี่ยต่อภารกิจ Work360 ลดจาก $4.43 เหลือ $1.67 ลดลง 62%
ทำคะแนนสูงขึ้นขณะใช้จ่ายราว 38% ของต้นทุนต่อภารกิจ เป็นข้ออ้างที่มีประโยชน์กว่าชัยชนะบนเบนช์มาร์กเดี่ยว แต่มีสองข้อควรระวัง Work360 เป็นเบนช์มาร์กของ Alibaba เอง และการลดลงมากกว่าสิ่งที่การลดโทเค็นและราคาลำพังจะอธิบาย: ลดโทเค็นประมาณ 35% ที่ราคาต่ำลง 25% ควรแปลเป็นราว 51% และตัวเลขเงินหยวนของ Alibaba ให้ 58% Alibaba ยังไม่อธิบายช่องว่าง
ต้นทุนต่อภารกิจจากภายนอกชัดเจนน้อยกว่าเมื่อเทียบกับคู่แข่งรายหนึ่ง บนดัชนีของ Artificial Analysis งานหนึ่งเฉลี่ย $3.27 สำหรับ Qwen4-Max เทียบกับ $10.04 สำหรับ Opus 5.5 แต่เพียง $1.27 สำหรับ GPT-6.1 Sol
บน Vals การทดสอบมีค่าใช้จ่าย $9.33 สำหรับ Qwen4-Max เทียบกับ $24.77 สำหรับ Opus 5.5 และ $3.61 สำหรับ Sol และ Sol ได้คะแนนสูงกว่านิดหน่อย (63.94% ต่อ 63.20%)
Kimi K3.1 คือคู่เทียบที่ใกล้กว่าสำหรับผู้อ่านส่วนใหญ่ที่ชั่งน้ำหนักทางเลือกในอีโคซิสเต็มเปิด มันชนะ Qwen4-Max บน Terminal-Bench 4.0 (67.2 ต่อ 48.5) และ AutomationBench-AA (73.3 ต่อ 72.5) ขณะที่ Qwen4-Max นำบน APEX-Agents v1.1 (72.1 ต่อ 65.5), HLAB-Vals-1.1 (21.3 ต่อ 11.7) และ JobBench (68.5 ต่อ 61.2) เลือก Kimi สำหรับงานเทอร์มินัล เลือก Qwen4-Max สำหรับเวิร์กโฟลว์เอกสารวิชาชีพ
การทดสอบอิสระบอกอะไร
ชาร์ตเปิดตัวรวบรวมโดยผู้ขาย
บางแถวอ้างกระดานอันดับจากภายนอก รวมถึง LM Arena สำหรับ CodeArena และ AgentArena, Artificial Analysis สำหรับ AA-Briefcase และ AutomationBench-AA, กระดาน Mercor สำหรับ APEX-Agents v1.1 และดัชนี Vals สำหรับ HLAB-Vals-1.1 โดย Agents' Last Exam อ้างจากผู้เขียน
Alibaba รัน JobBench เอง ยังไม่พบการทำซ้ำผลเอเจนต์โดยอิสระ จึงควรมองชัยชนะเหล่านั้นว่ายังเป็นการชั่วคราว
กระดานอันดับอิสระกำลังเติมภาพกว้างขึ้น และภาพนั้นดูไม่สวยเท่าวัสดุเปิดตัว
Artificial Analysis ให้คะแนน Qwen4-Max 43 บน Intelligence Index อยู่อันดับ 9 ตามหลัง Claude Fable 5.2, Gemini 4 Carbon, Opus 5.5, GPT-6 Astra, GPT-6.1 Sol และ Kimi K3.1
Vals จัดอันดับที่ 11 จาก 38 บนดัชนีที่ 63.20% สูงสุดในบรรดาโมเดลจีนที่ทดสอบ และการรัน Terminal-Bench แบบอิสระตรงกับตัวเลข Alibaba
บน Code Arena WebDev อยู่อันดับที่หก แต่ยังติดป้าย preliminary จากจำนวนโหวตน้อย
การเงินเป็นผลงานอิสระที่ดีที่สุด อยู่อันดับ 8 จาก 41 ทั้งบนดัชนีการเงินของ Vals และเบนช์มาร์ก Finance Agent; กฎหมายอ่อนกว่า อันดับ 17 จาก 39 บน Vals Legal Index ซึ่งดูขัดกับการนำบน HLAB-Vals
ความช้าและพูดเยอะคือคำบ่นสม่ำเสมอ Vals จับเวลาได้ราว 1 ชั่วโมง 4 นาทีต่อการทดสอบ ช้ากว่าทุกรุ่นยกเว้น Opus 5.5 และ Sonnet 5.5 ในบรรดาท็อป 11 และ Artificial Analysis บันทึกเอาต์พุต 127 ล้านโทเค็นบนดัชนีของตน เทียบกับค่ามัธยฐาน 78.6 ล้าน
รายงานจากการลองใช้จริงแบบปากต่อปากมีทั้งชมและติง และมักขัดแย้งกัน ผู้ทดสอบบางรายบรรยายว่าคิดต่อเกินจำเป็นในงานง่ายๆ และใช้เวลานานกับพรอมป์ตยาว; รายหนึ่งให้ต่ำกว่า Qwen3.8-Max ตรงๆ ขณะที่อีกรายรายงานว่าทำงานเอเจนต์ชิ้นหนึ่งเสร็จในราว 30 นาที เทียบกับราว 70 นาทีของ MiniMax M3.1 Flash
ควรใช้ Qwen4-Max ระดับใด?
Qwen4-Max ส่งมาเป็นหนึ่งโมเดลพร้อมสวิตช์ thinking และระดับความพยายามที่ตั้งชื่อไว้ ดังนั้นตัวเลือกคือจะจ่ายเพื่อเหตุผลมากน้อยแค่ไหน ไม่ใช่จะเรียกเช็คพอยต์ใด ค่าเริ่มต้นเปิด thinking ที่ระดับสูง
ดังนั้น “โหมดมาตรฐาน” จึงหมายถึงการตั้งค่า enable_thinking เป็น false ความจุอินพุตลดลงเล็กน้อยเมื่อเปิด thinking จาก 991K เป็น 983K และการให้เหตุผล (สูงสุด 262K โทเค็น) จะดึงจากงบเอาต์พุต
เพราะโทเค็น thinking นับรวมงบเอาต์พุต max_tokens ที่กำหนดตามขนาดคำตอบที่มองเห็นเพียงอย่างเดียวอาจตัดคำตอบทิ้ง; ในช่วงพรีวิว max_tokens ครอบทั้ง thinking และคำตอบ จึงควรสมมติแบบเดียวกันจนกว่าจะทดสอบแล้ว
เพดานเอาต์พุตที่บันทึกไว้ต่างกันระหว่างเอกสาร API (131,072 เมื่อปิด thinking, 262,144 เมื่อเปิด) กับหน้ารุ่น (393K ทั้งสองโหมด) ตามที่กล่าวไว้ข้างต้น
ตัวปรับตัวที่สองคือระดับความพยายาม
Alibaba รายงานผล Work360 และ Terminal-Bench 4.0 ทั้งที่ Xhigh และ High และการประหยัดโทเค็นเทียบกับ Qwen3.8-Max มากกว่าในระดับ High บน Work360 (35% ต่อ 24%) และใกล้เคียงกันบน Terminal-Bench เนื่องจากโทเค็น reasoning คิดราคาตามอัตราเอาต์พุต $4.50 ต่อล้าน ระดับความพยายามจึงเป็นคันโยกที่ใหญ่ที่สุดบนบิล
High ยังเป็นค่าเริ่มต้นของ Qwen4-Max ขณะที่ Qwen3.8-Max ค่าเริ่มต้นคือ xhigh ดังนั้นการเทียบค่าตั้งต้นระหว่างสองเจนเนอเรชันจะปะปนทั้งการเปลี่ยนโมเดลและการเปลี่ยนระดับความพยายาม กำหนดระดับความพยายามให้ชัดเมื่อทำ A/B test
กรณีใช้งาน การตั้งค่า เหตุผล การรันเอเจนต์หลายชั่วโมงพร้อมเรียกใช้เครื่องมือ Thinking, ระดับ High ได้ประสิทธิภาพโทเค็นดีที่สุดเทียบกับเจนก่อนบน Work360 ทบทวนเอกสารยาวข้ามไฟล์ 100+ ไฟล์ Thinking, ระดับ Xhigh งบ reasoning 262K บวกหน้าต่างคอนเท็กซ์ 1M ดึงข้อมูลเชิงโครงสร้างเป็น JSON ปิด Thinking รองรับเอาต์พุตเชิงโครงสร้าง และปิด thinking เพื่อลดโอเวอร์เฮดการให้เหตุผล จัดหมวดจำนวนมากแบบแบตช์ ปิด Thinking พร้อมเรียกแบบแบตช์ การแคชลดค่าอินพุตเหลือ $0.075 ต่อล้านโทเค็น งานโค้ดดิ้งบนเทอร์มินัลยากๆ พิจารณาโมเดลอื่น คะแนน 48.5 บน Terminal-Bench 4.0 ตามหลัง Kimi K3.1, Opus 5.5 และ GPT-6 ทั้งสองรุ่น
ราคาและการให้บริการของ Qwen4-Max
QwenCloud ระบุ Qwen4-Max ที่ $1.50 ต่อ 1 ล้านโทเค็นอินพุต และ $4.50 ต่อ 1 ล้านโทเค็นเอาต์พุต ในรายการสากล โดยอินพุตที่แคชและการอ่านแคชแบบชัดแจ้งที่ $0.075 ต่อล้าน การสร้างแคชแบบชัดแจ้งคิด $1.875 ต่อล้านสำหรับหน้าต่าง 5 นาที และ $3.00 ต่อล้านสำหรับหน้าต่าง 1 ชั่วโมง และการอ่านแคชแบบชัดแจ้ง $0.075 ต่อล้าน
อัตราเหล่านี้กดทุกรุ่นเรือธงฝั่งตะวันตกในบทสรุปราคาปัจจุบัน: GPT-6 Astra ที่ $10 อินพุต และ $50 เอาต์พุต (สำหรับพรอมป์ตถึง 272K โทเค็น), Claude Fable 5.2 ที่ $8 และ $40, Gemini 4 Carbon ที่ $2 และ $10 จนถึง 30 พฤศจิกายน (ขึ้นเป็น $4 และ $20 หลังจากนั้น) และ Grok 4.7 ที่ $2 และ $6 (คอนเท็กซ์ต่ำกว่า 200K)
ทว่านั่นคือชั้นราคาบนสุด และโมเดลที่ Alibaba นำไปเทียบมีราคาถูกกว่า: Claude Opus 5.5 ที่ $4 และ $20 และ GPT-6.1 Sol กับ Kimi K3.1 ที่ $2 และ $10 เมื่อเทียบกับ Astra อัตราเอาต์พุตของ Qwen4-Max ราวหนึ่งในสิบ; เมื่อเทียบกับ Opus 5.5 ราว 22% และเมื่อเทียบกับ Sol และ Kimi ราว 45%
มีโควตาฟรี 1 ล้านโทเค็นบน QwenCloud ให้บริการในภูมิภาคสิงคโปร์ประมาณ 90 วัน และลิมิตอัตราที่ประกาศคือ 5,000,000 โทเค็นต่อนาที
Alibaba ยังขายการเข้าถึงแบบ Token Plan แทนจ่ายตามการใช้จริงล้วน โดยรายงานจากบุคคลที่สามระบุแพ็กส่วนบุคคลที่ Lite $6/เดือน สำหรับ 20,000 เครดิต, Essential $10/เดือน สำหรับ 45,000, Standard $18/เดือน สำหรับ 80,000 และ Pro $43/เดือน สำหรับ 200,000 พร้อมราคาลดสำหรับผู้ใช้ใหม่ $3 และ $5 บนสองชั้นที่ถูกสุด รายงานว่าจะมีถึง 30 พฤศจิกายน
แผนส่วนบุคคลเป็นข้อเสนอในสิงคโปร์ และระหว่างพรีวิว Alibaba จำกัดไว้สำหรับเครื่องมือโค้ดดิ้งและเอเจนต์แบบอินเทอร์แอคทีฟ ไม่ใช่แบ็กเอนด์โปรดักชัน จึงควรตรวจสอบเงื่อนไขล่าสุดก่อนนำไปสร้างระบบ
หมายเหตุเรื่องไทม์ไลน์ เพราะการรายงานช่วงแรกขัดแย้งกันว่ามีราคารายโทเค็นสาธารณะหรือไม่
Alibaba เปิด qwen4-max-preview เมื่อ 11 พฤศจิกายน เฉพาะบน Token Plan ไม่มีราคารายโทเค็น และจะปลดระวางในวันที่ 25 พฤศจิกายน การคิดค่าบริการแบบจ่ายตามการใช้จริงมาพร้อมการเปิดตัวทั่วไปวันที่ 16 พฤศจิกายน ภายใต้รหัสโมเดล qwen4-max และตัวเลข $1.50 และ $4.50 ข้างต้นคือราคาสากล ณ วันนั้น
ยังไม่มีการประกาศน้ำหนักโอเพ่นสำหรับ Max; Alibaba ระบุว่าจะโอเพ่นซอร์สโมเดล Qwen4 ที่เล็กกว่าภายหลัง
จะเข้าถึง Qwen4-Max ได้อย่างไร?
รหัสโมเดล API คือ qwen4-max ให้บริการผ่าน QwenCloud ทั้งแบบ Token Plan หรือ API มาตรฐาน โดยมีเอนด์พอยต์ที่เข้ากันได้กับ OpenAI และ Anthropic นอกเหนือจาก API โมเดลมีให้ใช้ใน QwenStudio (อินเทอร์เฟซ Qwen Chat), QwenWork และผลิตภัณฑ์โค้ดดิ้ง Qoder ซึ่ง Alibaba ออกแบบร่วมกับโมเดล
ด้านล่างคือตัวอย่างการเรียกแบบมินิมอลด้วย OpenAI Python client ไปยังเอนด์พอยต์ Chat Completions โหมดเข้ากันได้ ค่าเริ่มต้นจะเปิด thinking ดังนั้นแฟลก enable_thinking แสดงไว้เพื่อความชัดเจน; ตั้งเป็น False เพื่อปิด 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 } ,
)
print ( response. choices[ 0 ] . message. content) ขับเคลื่อนโดย
หากต้องการลอง Live Delivery ปลั๊กอินอยู่บน GitHub ในชื่อ Qwen-Live-Delivery-Plugin เนื่องจากปัจจุบันรองรับ Codex CLI การใช้กับฮาร์เนสอื่นต้องต่อเครื่องมือและฮุคการส่งแบบ MCP เอง สำหรับแพทเทิร์นทั่วไปเบื้องหลัง function calling และฮาร์เนสเอเจนต์ บทเรียน Harness² ของเราพาเดินตั้งแต่การต่อโมเดลเข้ากับ OpenCode ไปจนถึงการให้เกรดผลลัพธ์
ข้อคิดส่งท้าย
Qwen4-Max คือ Alibaba ที่ยกเหตุผลด้านราคามากกว่าเหตุผลด้านความสามารถ
มันชนะในแถวที่เกี่ยวกับการอ่านเอกสารจำนวนมากและผลิตงานส่งมอบ แพ้ในแถวที่เกี่ยวกับเทอร์มินัล กราฟ หรือวิดีโอ และทำทั้งหมดนั้นที่อัตราเอาต์พุตราวหนึ่งในสิบของ GPT-6 Astra
ควรสลับมาไหม? สำหรับไปป์ไลน์เอเจนต์ที่หนักเอกสารและถูกจำกัดด้วยต้นทุนต่อภารกิจ ควรทดสอบอย่างจริงจัง แต่ไม่ควรย้ายแบบปิดตา
การลดจาก $4.43 เหลือ $1.67 ต่อภารกิจ Work360 เป็นตัวเลขของ Alibaba เอง และการรันอิสระออกมาปะปน: GPT-6.1 Sol ถูกกว่าต่อภารกิจและได้คะแนนสูงกว่าเล็กน้อยบน Vals และ Qwen4-Max ช้าและพูดเยอะ สำหรับงานโค้ดดิ้งยากๆ ยังแนะนำ Opus 5.5 หรือ Kimi K3.1 และการรัน Terminal-Bench ของ Vals ก็ยืนยันจุดอ่อนนี้
ถ้าต้องการสร้างความคุ้นเคยในการพัฒนาด้วยโมเดลแบบนี้อย่างจริงจัง เริ่มจาก เส้นทางทักษะ AI Fundamentals ของเรา
ทีม Qwen ของ Alibaba เปิดตัว Qwen4-Max เมื่อวันที่ 16 พฤศจิกายน 2026 และสิ่งแรกที่ควรดูคือราคา: $1.50 ต่อ 1 ล้านโทเค็นอินพุต และ $4.50 ต่อ 1 ล้านโทเค็นเอาต์พุตบน QwenCloud
เพื่อเทียบกันให้เห็นภาพ บทสรุปราคาในสัปดาห์เดียวกันระบุว่า GPT-6 Astra อยู่ที่ $10 สำหรับอินพุต และ $50 สำหรับเอาต์พุต ส่วน Claude Fable 5.2 อยู่ที่ $8 และ $40
Qwen4-Max เป็นรุ่นแรกที่สร้างบนสถาปัตยกรรม Qwen4 ใหม่ โดยมีแบ็กโบน 2.4 ล้านล้านพารามิเตอร์ เปิดใช้งาน 71B พารามิเตอร์ต่อโทเค็น เสริมด้วยพารามิเตอร์ N-gram embedding อีก 328B มีวิชันเนทีฟ และหน้าต่างคอนเท็กซ์ 1 ล้านโทเค็น
Alibaba วางตำแหน่งเป็นโมเดลเอเจนต์สำหรับงานระยะยาว ไม่ใช่โมเดลแชต โดยวัสดุเปิดตัวส่วนใหญ่เน้นการรันแบบอัตโนมัติหลายชั่วโมงในงานวิศวกรรม การเงิน กฎหมาย และการค้นพบยา
บทความนี้จะสรุปสิ่งใหม่ทั้งหมดใน Qwen4-Max ครอบคลุมสถาปัตยกรรม ฟีเจอร์หลัก ตัวเลขเบนช์มาร์ก (รวมถึงจุดที่ผลอิสระต่างจากของ Alibaba เอง) โหมดความพยายาม ราคา และวิธีเข้าถึง
สำหรับบริบทด้านคู่แข่ง ดูบทความเปรียบเทียบของเราเกี่ยวกับ GPT-6 Astra และ Claude Opus 5.5 และบทเรียนของเราเรื่อง การสร้างเอเจนต์ที่พัฒนาตนเองด้วย Harness²
สรุปสั้นๆ
Qwen4-Max คืออะไร?
Qwen4-Max คือโมเดลเรือธงแบบปิดน้ำหนักของ Alibaba และเป็นรุ่นแรกในตระกูล Qwen4 ต่อจาก Qwen3.8-Max
เป็น โมเดล mixture-of-experts แบบส.parse หมายความว่ามีพารามิเตอร์เพียงส่วนหนึ่งที่ทำงานกับโทเค็นใดๆ จากแบ็กโบน 2.4 ล้านล้านพารามิเตอร์ มี 71B ที่แอคทีฟต่อโทเค็น และเพิ่ม N-gram embeddings อีก 328B ซึ่งเป็นตารางค้นหาที่แทบไม่กินคอมพิวต์ รับอินพุตได้ทั้งข้อความ รูปภาพ และวิดีโอ และให้เอาต์พุตเป็นข้อความ
สถาปัตยกรรมคือจุดที่ Qwen4 ต่างจากเจนก่อนมากที่สุด และช่วยอธิบายเรื่องต้นทุนในภายหลัง องค์ประกอบที่เปลี่ยนมี 3 ส่วน:
Alibaba รายงานว่าการเทรน 2.4T ไม่มี loss spike ซึ่งเป็นการกระโดดกะทันหันที่บ่งชี้การเทรนไม่เสถียร
โมเดลฐาน Qwen4-Max-Base ยังได้ค่า bits per byte ต่ำสุดในห้าเช็คพอยต์ที่ประเมินครอบคลุมความรู้ โค้ด QA และสายวิทย์ ค่า bits per byte วัดความสามารถทำนายข้อความของโมเดล ยิ่งต่ำยิ่งดี
ผลออกมาต่ำกว่า Qwen3.8-Max-Base ราว 5 ถึง 13% ขณะเดียวกันเปิดใช้งานพารามิเตอร์น้อยลง 25% นี่เป็นการทดสอบภายใน และมีหมายเหตุว่ามีสองเช็คพอยต์ที่ถูกเทรนเพิ่มเติม ดังนั้นการเปรียบเทียบจึงไม่ใช่แบบแอปเปิลต่อแอปเปิลอย่างเคร่งครัด
ตัวเลขความสามารถพาดหัวคือ Work360 เบนช์มาร์กของ Alibaba เองที่ครอบคลุม 721 สาขาวิชาชีพ โดย Qwen4-Max ได้ 52.69 เทียบกับ 47.74 ของ Qwen3.8-Max
ฟีเจอร์หลักของ Qwen4-Max
การเปิดตัวนี้จัดรอบสิ่งที่โมเดลส่งมอบเมื่อจบการรันยาวๆ มากกว่าสิ่งที่พูดในหนึ่งรอบ ดังนั้นฟีเจอร์ด้านล่างจึงเน้นเรื่องระยะเวลา เครื่องมือ และรูปแบบเอาต์พุต
หน้าต่างคอนเท็กซ์ 1 ล้านโทเค็นพร้อมวิชันเนทีฟ
Qwen4-Max รับข้อความ รูปภาพ และวิดีโอภายในหน้าต่างคอนเท็กซ์ 1M โทเค็น โดยอินพุตสูงสุดคือ 991K โทเค็น หรือ 983K เมื่อเปิดโหมด thinking
Thinking เปิดไว้ตามค่าเริ่มต้น และโทเค็นเหตุผลได้สูงสุด 262K จะถูกนับรวมในงบเอาต์พุต
เพดานเอาต์พุตมีเอกสารที่ไม่สอดคล้องกัน
หน้ารุ่นบน QwenCloud ระบุเอาต์พุตสูงสุด 393K ในทั้งสองโหมด ขณะที่เอกสาร API ให้ 131,072 โทเค็นเมื่อปิด thinking และ 262,144 รวม thinking กับคำตอบสุดท้าย ตรวจสอบให้ชัดว่าเลขใดใช้กับเอนด์พอยต์ของคุณก่อนกำหนดค่า
max_tokensเส้นทางวิชันเป็นเนทีฟ ไม่ใช่ต่อเติมทีหลัง ซึ่งทำให้เดโมทางคลินิกเป็นไปได้: Alibaba บรรยายว่าโมเดลทบทวนเวชระเบียนที่มีรายงานแล็บหลายสิบฉบับ โน้ตความก้าวหน้ากว่า 10,000 อักษรจีน และภาพการแพทย์ต้นฉบับ 1,433 ภาพ ในการสนทนาเดียว แยกเป็น 6 ซีรีส์ภาพ ก่อนส่งเอเจนต์ย่อยไปอ่านสไลซ์หลายร้อยภาพ
Alibaba ระบุว่าข้อค้นพบจากภาพสอดคล้องกับการวินิจฉัยของแพทย์เจ้าของไข้ และข้อเสนอแนะการดูแล 4 ข้อตรงกับคำสั่งของวันนั้นทุกข้อ
มอบหมายงานยาวๆ และบังคับทิศทางกลางทาง
Live Delivery เป็นฟีเจอร์ที่น่าสนใจที่สุด เพราะแก้ปัญหาที่ทำให้การรันเอเจนต์ยาวๆ ใช้จริงไม่ได้
แทนที่จะรอหลายชั่วโมงแล้วเพิ่งพบว่าเอเจนต์อ่านบรีฟผิดตั้งแต่นาทีที่ 3 เอเจนต์จะส่งเวอร์ชันใช้งานได้ตั้งแต่เนิ่นๆ แล้วค่อยๆ ปรับปรุงผ่านรีลีสถัดๆ ไป ขณะเดียวกันให้ผู้ใช้เปลี่ยนทิศทางกลางคันได้
Alibaba เปิดโอเพ่นซอร์ส Qwen-Live-Delivery-Plugin ภายใต้ Apache-2.0 เพื่อให้ติดตั้งได้เลยแทนการสร้างใหม่ แม้เปิดตัวที่เวอร์ชัน 0.1.0 และรองรับเฉพาะ Codex CLI บน Linux และ macOS กับ Node.js 22+
การรองรับฮาร์เนสเอเจนต์อื่นๆ อยู่ในรายการที่จะทำ
ตามจริงแล้ว การส่งงานบางส่วนแบบต่อเนื่องเป็นแพทเทิร์นของฮาร์เนสมากกว่าความสามารถของโมเดล นั่นจึงเป็นเหตุผลที่ปลั๊กอินแบบโอเพ่นสำคัญกว่าชื่อทางการตลาด
ส่งมอบงานที่ตรวจสอบย้อนกลับได้ ไม่ใช่แค่คำตอบ
เดโมด้านการเงินสร้างสมุดงาน Excel และสไลด์ PowerPoint ที่แก้ไขได้ พร้อมกลไกตรวจสอบย้อนกลับ 2 แบบ: ไฮเปอร์ลิงก์ในเซลล์ที่พากลับไปยังแหล่งข้อมูลต้นทาง และการแม็ปแบบหนึ่งต่อหนึ่งระหว่างกราฟใน PowerPoint กับสมุดงานข้างใต้
Alibaba ระบุว่า Qwen4 เรียกใช้เครื่องมือ MCP 90 ตัวในเซ็ตอัปวิจัยการลงทุนทางการเงิน ดึงราคาตลาด งบการเงิน อัตราดอกเบี้ย และข้อมูลเงินปันผล ครอบคลุม A-shares หุ้นฮ่องกงและสหรัฐ พันธบัตร กองทุน และอนุพันธ์ และตรวจทานไขว้กับการเปิดเผยสาธารณะ
จำนวนเครื่องมือดังกล่าวอธิบายภาพรวมของเซ็ตอัปวิจัย แยกต่างหาก Alibaba สาธิตเวิร์กโฟลว์ในเคสอนุพันธ์ CSI 300
ตัวอย่างทางกฎหมายยิ่งน่าประทับใจกว่า
จากเอกสารทำงาน 198 ชิ้นที่ตั้งชื่อไม่สอดคล้องและส่งมาเป็นชุด Qwen4-Max เปลี่ยนชื่อและจัดหมวดด้วยเนื้อหาเป็น 14 โฟลเดอร์ สร้างดัชนีเอกสารทำงาน ตรวจทานไขว้ระหว่างข้อมูลธุรกิจและบันทึกตุลาการสาธารณะกับเอกสาร และผลิตรายงาน 86 หน้า ครอบคลุม 12 ด้านตรวจทานและ 14 ประเด็นกฎหมายเฉพาะ โดยทุกข้อสรุปอ้างอิงกลับไปยังเอกสารทำงาน
ใช้งานเครื่องมือวิชาชีพแบบ end to end
Qwen4-Max ใช้ Blender, Unity, Unreal Engine และ Godot ได้โดยตรง จัดการโมเดลเรขาคณิต การตั้งค่าวัสดุ แสงตรรกะเกม และการออกแบบ HUD จากนั้นรันผลงาน ใช้ฟีดแบ็กจากภาพเพื่อปรับการติดตามกล้องและการตอบสนองเมื่อโดนโจมตี
หนึ่งในเดโมคือเกมแข่งรถ Android ที่ติดตั้งได้ สร้างด้วย Unity 6
เคสด้านการผลิตเป็นกรณีที่มีตัวเลขแนบ แม้จะเป็นการโชว์เคสของบริษัท ไม่ใช่การวัดอิสระ
ที่ SANF และ Pacific Union โมเดลสร้างโมเดลไลน์การผลิต 3D จากเลย์เอาต์ 2D จำลองเวลาไซเคิล รันการคอมมิชชันนิ่ง PLC เสมือน และวางแผนเส้นทางเครื่องมือตัด ลดความพยายามเขียนโปรแกรมด้วยมือสำหรับชิ้นงานหนึ่งชิ้นจากราว 475 นาทีเหลือ 24 นาที
การวิจัยปฏิบัติการและการจัดตารางบนคลาวด์
Alibaba ใช้ Qwen4-Max กับปัญหาการจัดตารางของ Alibaba Cloud เอง ให้โมเดลสร้างอัลกอริทึมตัวเลือก ตรวจสอบความเป็นไปได้และค่าเป้าหมายด้วย MindOpt (ตัวแก้ปัญหาของ Alibaba) แล้ววนปรับโค้ด
ผลที่รายงานชี้ว่าต้นทุนการเรียกโมเดลติดป้ายข้อมูลลดลง 10.42% เมื่อเทียบกับเบสไลน์อ้างอิง การจัดสรร GPU ออนไลน์เพิ่มระยะเวลาว่างของเครื่องทั้งเครื่องได้ 4.62% และการจัดตาราง CPU ออฟไลน์ทำได้ตรงเป้าหมายที่เหมาะที่สุดเร็วขึ้นมากกว่า 14.61 เท่า
ตัวเลขเหล่านี้เป็นตัวเลขภายในจากงานภายใน จึงควรมองเป็นเดโมการใช้เครื่องมือวิจัยปฏิบัติการ มากกว่าเบนช์มาร์กที่ย้ายข้ามงานได้โดยตรง
วงจรวิจัยอัตโนมัติที่ไปถึงผลลัพธ์ทางกายภาพ
ระหว่างการรันเอเจนต์ต่อเนื่อง 48 ชั่วโมงบนแพลตฟอร์ม Mira ของ Deep Principle Qwen4 สร้างสเปซของโมเลกุลตัวเลือก 2.7 ล้านตัว คัดกรอง รันการคำนวณพื้นฐานและการวิเคราะห์ย้อนสังเคราะห์ แล้วสั่งแลบเปียกอัตโนมัติให้สังเคราะห์ ทำให้บริสุทธิ์ และทดสอบ
หลังวนรอบออกแบบ สังเคราะห์ และ active learning สี่ครั้ง ได้ตัวอย่างโมเลกุลน้ำยาหล่อเย็นตัวใหม่ออกมาเป็นของจริง
บนแพลตฟอร์ม PharmMaster ของ DP Technology ที่เล็งไปที่ NLRP3 inflammasome มันเรียกใช้เครื่องมือ 454 ครั้ง รันการประเมินตัวชี้วัดแบบคำนวณ 3,239 ครั้ง และออกแบบโมเลกุลตัวเลือก 24 ตัว
การคำนวณพลังงานยึดเหนี่ยวอิสระสัมพัทธ์ระบุว่าแคนดิเดตสุดท้ายมีความแรงยึดเกาะโดยนอมินัลราว 3.6 เท่าของค่าจากสิทธิบัตรอ้างอิง ซึ่งผู้เชี่ยวชาญของ DP Technology เห็นว่าน่าทดลองในแลบเปียก
งาน API มาตรฐาน: function calling การค้นเว็บ และเอาต์พุตเชิงโครงสร้าง
บน QwenCloud Qwen4-Max รองรับ function calling เอาต์พุต JSON เชิงโครงสร้าง การเติมคำแบบพรีฟิกซ์ผ่าน Partial Mode การแคชคอนเท็กซ์แบบปริยายและชัดแจ้ง การเรียกแบบแบตช์ การค้นเว็บ และการไฟน์จูน ลิมิตอัตราตั้งไว้ที่ 5,000,000 โทเค็นต่อนาที
Qwen4-Max ทำผลงานอย่างไรบนเบนช์มาร์ก?
Qwen4-Max แข็งแกร่งที่สุดในงานเอเจนต์ระยะยาว และอ่อนที่สุดในงานโค้ดดิ้งบนเทอร์มินัลและการเข้าใจภาพ ช่องว่างใหญ่พอจะเป็นตัวตัดสินการนำไปใช้
Alibaba เปรียบเทียบกับ Qwen3.8-Max-0902, Claude Opus 5.5, GPT-6.1 Sol, GPT-6 Astra และ Kimi K3.1 (Moonshot’s Kimi-K3.1-Pro)
งานระยะยาวและงานเอเจนต์
ตัวเด่นคือ Agents' Last Exam v1.1 ที่ Qwen4-Max ได้ 46.7 เทียบกับ 43.4 ของ Claude Opus 5.5, 42.6 ของ GPT-6.1 Sol และ 27.9 ของ Qwen3.8-Max รุ่นก่อน
การกระโดด 18.8 คะแนนในหนึ่งเจนเนอเรชันบนเบนช์มาร์กงานระยะยาวคือผลเดียวที่อยากชี้ให้เห็นจากรุ่นนี้
คะแนนทั้งหมดด้านล่างมาจากชาร์ตเปิดตัวของ Alibaba ซึ่งผู้ขายเป็นคนรวบรวม จึงควรอ่านว่าเป็นตัวเลขจากผู้ขาย แม้บางแถวจะอ้างกระดานอันดับจากภายนอก ผลที่ดีที่สุดในแต่ละแถวเป็นตัวหนา
แพทเทิร์นออกมาไม่สม่ำเสมอ Qwen4-Max ชนะเบนช์มาร์กเอเจนต์ด้านกฎหมายแบบทิ้งห่าง เกือบสองเท่าของอันดับถัดไป (21.3 ต่อ 11.7 ของ Kimi K3.1) จบที่สองบน AA-Briefcase, APEX-Agents, AutomationBench-AA และ JobBench และอยู่ใกล้ท้ายบน AgentArena ที่คะแนน 18.2 ของ Opus 5.5 มากกว่าสองเท่าของ 7.5
ถ้าเอเจนต์ของคุณทำงานเอกสารเชิงวิชาชีพหนักๆ นี่ดูดี แต่ถ้าต้องใช้เครื่องมือสดในสภาพแวดล้อมเปิดๆ ก็ไม่เท่าไร
งานโค้ดดิ้งและเทอร์มินัล
งานโค้ดดิ้งคือจุดที่ควรชะลอ Qwen4-Max ได้ 48.5 บน Terminal-Bench 4.0 ตามหลัง Kimi K3.1 ที่ 67.2, Opus 5.5 ที่ 59.6, GPT-6 Astra ที่ 59.1 และ GPT-6.1 Sol ที่ 56.1 จึงอยู่อันดับห้าจากหกรุ่นที่อยู่ในชาร์ต แม้จะดีขึ้นเกือบ 10 คะแนนจาก 38.9 ของ Qwen3.8-Max
ProgramBench น่าเกลียดที่สุด: 31.5 เทียบกับ 65.0 ของ Opus 5.5 ไม่ถึงครึ่ง ส่วน DeepSWE มีห้าโมเดลอยู่ในช่วงห่างกันเพียง 1.6 คะแนน จึงควรมองเป็นนอยส์มากกว่าชัยชนะ แม้ตามตัวเลขแล้ว Qwen4-Max จะเป็นที่หนึ่ง
มีข้อควรระวังหนึ่งข้อบนแถว Terminal-Bench
เมื่อตอนที่เรา เปรียบเทียบ GPT-6 Astra และ Claude Opus 5.5 ตัวเลขที่เผยแพร่คือ 66.4% สำหรับ Opus 5.5 และ 57.9% สำหรับ Astra บน Terminal-Bench 4.0 เทียบกับ 59.6 และ 59.1 ในชาร์ตของ Alibaba
ฮาร์เนสต่างกันให้ตัวเลขต่างกันบนเบนช์มาร์กเดียวกัน ซึ่งเป็นเหตุผลดีที่จะไม่อ่านช่องว่าง 5 คะแนนเป็นอันดับ แต่ตัวเลขของ Qwen4-Max เองดูแน่น: Vals วัดได้ 48.48% อย่างอิสระ
การให้เหตุผล วิทยาศาสตร์ และมัลติโหมด
Qwen4-Max ได้ 51.7 บน Humanity's Last Exam ตามหลัง Opus 5.5 ที่ 59.8 และ GPT-6.1 Sol ที่ 54.0 และนำหน้า Kimi K3.1 ที่ 51.1 นำบน BioMysteryBench-1.1 ที่ 85.0 และดีขึ้นมากบน HealthBench Professional จาก 39.6 เป็น 60.0 แม้ว่าทั้งสองรุ่นของ GPT-6 ยังได้สูงกว่า
แถวด้านวิชันเป็นส่วนที่ไม่น่าชมเชยที่สุดของชาร์ต
บน Chartography Qwen4-Max ได้ 54.2 เพิ่มจาก 42.0 ของ Qwen3.8-Max แต่ตามหลัง Opus 5.5, GPT-6.1 Sol และ GPT-6 Astra 12 ถึง 17 คะแนน และชนะเพียง Kimi K3.1 ส่วน Video-Index ก็เหมือนกัน ได้ 68.1 เทียบกับ 73.8 ถึง 76.7 ของสามโมเดลจากสหรัฐ วิชันเนทีฟทำงาน แต่ยังไม่ขึ้นนำ
ประสิทธิภาพโทเค็นและต้นทุนต่อภารกิจ
นี่คือตัวเลขที่กระทบงบโปรดักชันที่สุด
บน Work360 Qwen4-Max ใช้โทเค็นน้อยลงราว 24% ที่ระดับความพยายาม Xhigh และราว 35% ที่ High เมื่อเทียบกับ Qwen3.8-Max และบน Terminal-Bench 4.0 ลดลงราว 48% และ 49%
เมื่อรวมกับอัตรา API ที่ต่ำกว่า Alibaba รายงานว่าต้นทุนเฉลี่ยต่อภารกิจ Work360 ลดจาก $4.43 เหลือ $1.67 ลดลง 62%
ทำคะแนนสูงขึ้นขณะใช้จ่ายราว 38% ของต้นทุนต่อภารกิจ เป็นข้ออ้างที่มีประโยชน์กว่าชัยชนะบนเบนช์มาร์กเดี่ยว แต่มีสองข้อควรระวัง Work360 เป็นเบนช์มาร์กของ Alibaba เอง และการลดลงมากกว่าสิ่งที่การลดโทเค็นและราคาลำพังจะอธิบาย: ลดโทเค็นประมาณ 35% ที่ราคาต่ำลง 25% ควรแปลเป็นราว 51% และตัวเลขเงินหยวนของ Alibaba ให้ 58% Alibaba ยังไม่อธิบายช่องว่าง
ต้นทุนต่อภารกิจจากภายนอกชัดเจนน้อยกว่าเมื่อเทียบกับคู่แข่งรายหนึ่ง บนดัชนีของ Artificial Analysis งานหนึ่งเฉลี่ย $3.27 สำหรับ Qwen4-Max เทียบกับ $10.04 สำหรับ Opus 5.5 แต่เพียง $1.27 สำหรับ GPT-6.1 Sol
บน Vals การทดสอบมีค่าใช้จ่าย $9.33 สำหรับ Qwen4-Max เทียบกับ $24.77 สำหรับ Opus 5.5 และ $3.61 สำหรับ Sol และ Sol ได้คะแนนสูงกว่านิดหน่อย (63.94% ต่อ 63.20%)
Kimi K3.1 คือคู่เทียบที่ใกล้กว่าสำหรับผู้อ่านส่วนใหญ่ที่ชั่งน้ำหนักทางเลือกในอีโคซิสเต็มเปิด มันชนะ Qwen4-Max บน Terminal-Bench 4.0 (67.2 ต่อ 48.5) และ AutomationBench-AA (73.3 ต่อ 72.5) ขณะที่ Qwen4-Max นำบน APEX-Agents v1.1 (72.1 ต่อ 65.5), HLAB-Vals-1.1 (21.3 ต่อ 11.7) และ JobBench (68.5 ต่อ 61.2) เลือก Kimi สำหรับงานเทอร์มินัล เลือก Qwen4-Max สำหรับเวิร์กโฟลว์เอกสารวิชาชีพ
การทดสอบอิสระบอกอะไร
ชาร์ตเปิดตัวรวบรวมโดยผู้ขาย
บางแถวอ้างกระดานอันดับจากภายนอก รวมถึง LM Arena สำหรับ CodeArena และ AgentArena, Artificial Analysis สำหรับ AA-Briefcase และ AutomationBench-AA, กระดาน Mercor สำหรับ APEX-Agents v1.1 และดัชนี Vals สำหรับ HLAB-Vals-1.1 โดย Agents' Last Exam อ้างจากผู้เขียน
Alibaba รัน JobBench เอง ยังไม่พบการทำซ้ำผลเอเจนต์โดยอิสระ จึงควรมองชัยชนะเหล่านั้นว่ายังเป็นการชั่วคราว
กระดานอันดับอิสระกำลังเติมภาพกว้างขึ้น และภาพนั้นดูไม่สวยเท่าวัสดุเปิดตัว
ความช้าและพูดเยอะคือคำบ่นสม่ำเสมอ Vals จับเวลาได้ราว 1 ชั่วโมง 4 นาทีต่อการทดสอบ ช้ากว่าทุกรุ่นยกเว้น Opus 5.5 และ Sonnet 5.5 ในบรรดาท็อป 11 และ Artificial Analysis บันทึกเอาต์พุต 127 ล้านโทเค็นบนดัชนีของตน เทียบกับค่ามัธยฐาน 78.6 ล้าน
รายงานจากการลองใช้จริงแบบปากต่อปากมีทั้งชมและติง และมักขัดแย้งกัน ผู้ทดสอบบางรายบรรยายว่าคิดต่อเกินจำเป็นในงานง่ายๆ และใช้เวลานานกับพรอมป์ตยาว; รายหนึ่งให้ต่ำกว่า Qwen3.8-Max ตรงๆ ขณะที่อีกรายรายงานว่าทำงานเอเจนต์ชิ้นหนึ่งเสร็จในราว 30 นาที เทียบกับราว 70 นาทีของ MiniMax M3.1 Flash
ควรใช้ Qwen4-Max ระดับใด?
Qwen4-Max ส่งมาเป็นหนึ่งโมเดลพร้อมสวิตช์ thinking และระดับความพยายามที่ตั้งชื่อไว้ ดังนั้นตัวเลือกคือจะจ่ายเพื่อเหตุผลมากน้อยแค่ไหน ไม่ใช่จะเรียกเช็คพอยต์ใด ค่าเริ่มต้นเปิด thinking ที่ระดับสูง
ดังนั้น “โหมดมาตรฐาน” จึงหมายถึงการตั้งค่า
enable_thinkingเป็น false ความจุอินพุตลดลงเล็กน้อยเมื่อเปิด thinking จาก 991K เป็น 983K และการให้เหตุผล (สูงสุด 262K โทเค็น) จะดึงจากงบเอาต์พุตเพราะโทเค็น thinking นับรวมงบเอาต์พุต
max_tokensที่กำหนดตามขนาดคำตอบที่มองเห็นเพียงอย่างเดียวอาจตัดคำตอบทิ้ง; ในช่วงพรีวิวmax_tokensครอบทั้ง thinking และคำตอบ จึงควรสมมติแบบเดียวกันจนกว่าจะทดสอบแล้วเพดานเอาต์พุตที่บันทึกไว้ต่างกันระหว่างเอกสาร API (131,072 เมื่อปิด thinking, 262,144 เมื่อเปิด) กับหน้ารุ่น (393K ทั้งสองโหมด) ตามที่กล่าวไว้ข้างต้น
ตัวปรับตัวที่สองคือระดับความพยายาม
Alibaba รายงานผล Work360 และ Terminal-Bench 4.0 ทั้งที่ Xhigh และ High และการประหยัดโทเค็นเทียบกับ Qwen3.8-Max มากกว่าในระดับ High บน Work360 (35% ต่อ 24%) และใกล้เคียงกันบน Terminal-Bench เนื่องจากโทเค็น reasoning คิดราคาตามอัตราเอาต์พุต $4.50 ต่อล้าน ระดับความพยายามจึงเป็นคันโยกที่ใหญ่ที่สุดบนบิล
High ยังเป็นค่าเริ่มต้นของ Qwen4-Max ขณะที่ Qwen3.8-Max ค่าเริ่มต้นคือ xhigh ดังนั้นการเทียบค่าตั้งต้นระหว่างสองเจนเนอเรชันจะปะปนทั้งการเปลี่ยนโมเดลและการเปลี่ยนระดับความพยายาม กำหนดระดับความพยายามให้ชัดเมื่อทำ A/B test
ราคาและการให้บริการของ Qwen4-Max
QwenCloud ระบุ Qwen4-Max ที่ $1.50 ต่อ 1 ล้านโทเค็นอินพุต และ $4.50 ต่อ 1 ล้านโทเค็นเอาต์พุต ในรายการสากล โดยอินพุตที่แคชและการอ่านแคชแบบชัดแจ้งที่ $0.075 ต่อล้าน การสร้างแคชแบบชัดแจ้งคิด $1.875 ต่อล้านสำหรับหน้าต่าง 5 นาที และ $3.00 ต่อล้านสำหรับหน้าต่าง 1 ชั่วโมง และการอ่านแคชแบบชัดแจ้ง $0.075 ต่อล้าน
อัตราเหล่านี้กดทุกรุ่นเรือธงฝั่งตะวันตกในบทสรุปราคาปัจจุบัน: GPT-6 Astra ที่ $10 อินพุต และ $50 เอาต์พุต (สำหรับพรอมป์ตถึง 272K โทเค็น), Claude Fable 5.2 ที่ $8 และ $40, Gemini 4 Carbon ที่ $2 และ $10 จนถึง 30 พฤศจิกายน (ขึ้นเป็น $4 และ $20 หลังจากนั้น) และ Grok 4.7 ที่ $2 และ $6 (คอนเท็กซ์ต่ำกว่า 200K)
ทว่านั่นคือชั้นราคาบนสุด และโมเดลที่ Alibaba นำไปเทียบมีราคาถูกกว่า: Claude Opus 5.5 ที่ $4 และ $20 และ GPT-6.1 Sol กับ Kimi K3.1 ที่ $2 และ $10 เมื่อเทียบกับ Astra อัตราเอาต์พุตของ Qwen4-Max ราวหนึ่งในสิบ; เมื่อเทียบกับ Opus 5.5 ราว 22% และเมื่อเทียบกับ Sol และ Kimi ราว 45%
มีโควตาฟรี 1 ล้านโทเค็นบน QwenCloud ให้บริการในภูมิภาคสิงคโปร์ประมาณ 90 วัน และลิมิตอัตราที่ประกาศคือ 5,000,000 โทเค็นต่อนาที
Alibaba ยังขายการเข้าถึงแบบ Token Plan แทนจ่ายตามการใช้จริงล้วน โดยรายงานจากบุคคลที่สามระบุแพ็กส่วนบุคคลที่ Lite $6/เดือน สำหรับ 20,000 เครดิต, Essential $10/เดือน สำหรับ 45,000, Standard $18/เดือน สำหรับ 80,000 และ Pro $43/เดือน สำหรับ 200,000 พร้อมราคาลดสำหรับผู้ใช้ใหม่ $3 และ $5 บนสองชั้นที่ถูกสุด รายงานว่าจะมีถึง 30 พฤศจิกายน
แผนส่วนบุคคลเป็นข้อเสนอในสิงคโปร์ และระหว่างพรีวิว Alibaba จำกัดไว้สำหรับเครื่องมือโค้ดดิ้งและเอเจนต์แบบอินเทอร์แอคทีฟ ไม่ใช่แบ็กเอนด์โปรดักชัน จึงควรตรวจสอบเงื่อนไขล่าสุดก่อนนำไปสร้างระบบ
หมายเหตุเรื่องไทม์ไลน์ เพราะการรายงานช่วงแรกขัดแย้งกันว่ามีราคารายโทเค็นสาธารณะหรือไม่
Alibaba เปิด
qwen4-max-previewเมื่อ 11 พฤศจิกายน เฉพาะบน Token Plan ไม่มีราคารายโทเค็น และจะปลดระวางในวันที่ 25 พฤศจิกายน การคิดค่าบริการแบบจ่ายตามการใช้จริงมาพร้อมการเปิดตัวทั่วไปวันที่ 16 พฤศจิกายน ภายใต้รหัสโมเดลqwen4-maxและตัวเลข $1.50 และ $4.50 ข้างต้นคือราคาสากล ณ วันนั้นยังไม่มีการประกาศน้ำหนักโอเพ่นสำหรับ Max; Alibaba ระบุว่าจะโอเพ่นซอร์สโมเดล Qwen4 ที่เล็กกว่าภายหลัง
จะเข้าถึง Qwen4-Max ได้อย่างไร?
รหัสโมเดล API คือ
qwen4-maxให้บริการผ่าน QwenCloud ทั้งแบบ Token Plan หรือ API มาตรฐาน โดยมีเอนด์พอยต์ที่เข้ากันได้กับ OpenAI และ Anthropic นอกเหนือจาก API โมเดลมีให้ใช้ใน QwenStudio (อินเทอร์เฟซ Qwen Chat), QwenWork และผลิตภัณฑ์โค้ดดิ้ง Qoder ซึ่ง Alibaba ออกแบบร่วมกับโมเดลด้านล่างคือตัวอย่างการเรียกแบบมินิมอลด้วย OpenAI Python client ไปยังเอนด์พอยต์ Chat Completions โหมดเข้ากันได้ ค่าเริ่มต้นจะเปิด thinking ดังนั้นแฟลก
enable_thinkingแสดงไว้เพื่อความชัดเจน; ตั้งเป็นFalseเพื่อปิด thinkingหากต้องการลอง Live Delivery ปลั๊กอินอยู่บน GitHub ในชื่อ Qwen-Live-Delivery-Plugin เนื่องจากปัจจุบันรองรับ Codex CLI การใช้กับฮาร์เนสอื่นต้องต่อเครื่องมือและฮุคการส่งแบบ MCP เอง สำหรับแพทเทิร์นทั่วไปเบื้องหลัง function calling และฮาร์เนสเอเจนต์ บทเรียน Harness² ของเราพาเดินตั้งแต่การต่อโมเดลเข้ากับ OpenCode ไปจนถึงการให้เกรดผลลัพธ์
ข้อคิดส่งท้าย
Qwen4-Max คือ Alibaba ที่ยกเหตุผลด้านราคามากกว่าเหตุผลด้านความสามารถ
มันชนะในแถวที่เกี่ยวกับการอ่านเอกสารจำนวนมากและผลิตงานส่งมอบ แพ้ในแถวที่เกี่ยวกับเทอร์มินัล กราฟ หรือวิดีโอ และทำทั้งหมดนั้นที่อัตราเอาต์พุตราวหนึ่งในสิบของ GPT-6 Astra
ควรสลับมาไหม? สำหรับไปป์ไลน์เอเจนต์ที่หนักเอกสารและถูกจำกัดด้วยต้นทุนต่อภารกิจ ควรทดสอบอย่างจริงจัง แต่ไม่ควรย้ายแบบปิดตา
การลดจาก $4.43 เหลือ $1.67 ต่อภารกิจ Work360 เป็นตัวเลขของ Alibaba เอง และการรันอิสระออกมาปะปน: GPT-6.1 Sol ถูกกว่าต่อภารกิจและได้คะแนนสูงกว่าเล็กน้อยบน Vals และ Qwen4-Max ช้าและพูดเยอะ สำหรับงานโค้ดดิ้งยากๆ ยังแนะนำ Opus 5.5 หรือ Kimi K3.1 และการรัน Terminal-Bench ของ Vals ก็ยืนยันจุดอ่อนนี้
ถ้าต้องการสร้างความคุ้นเคยในการพัฒนาด้วยโมเดลแบบนี้อย่างจริงจัง เริ่มจาก เส้นทางทักษะ AI Fundamentals ของเรา