Qwen4-Max: сильнейшая модель Alibaba на сегодня

16 ноября Alibaba официально представила Qwen4-Max — самую мощную модель семейства Qwen на данный момент. Анонс прошёл в Ханчжоу, через пять дней после того, как 11 ноября открылось ограниченное превью.

16 ноября Alibaba официально представила Qwen4-Max — самую мощную модель семейства Qwen на данный момент. Анонс прошёл в Ханчжоу, через пять дней после того, как 11 ноября открылось ограниченное превью. Таким образом, релиз не стал внезапностью — это итог короткой публичной разминки, за время которой клиенты уже могли опробовать модель в ограниченном режиме.

Семейство Qwen — главная ИИ-линия Alibaba, и флагман в нём меняется нечасто. Поэтому новый Qwen4-Max важен сразу для двух аудиторий: для разработчиков, которые выбирают модель под продакшн, и для корпоративных команд, которые строят рабочие места на базе больших моделей.

Ключевые цифры впечатляют: 2,4 трлн общих параметров в разреженной MoE-архитектуре. При этом активных на каждый токен лишь 71 млрд. Кроме того, это на 25% меньше активных параметров, чем у предшественницы Qwen3.8-Max при том же масштабе. В результате компания делает ставку не на грубую силу, а на эффективность: модель сохраняет масштаб знаний, но расходует меньше вычислений на каждый ответ.

Ещё до релиза Qwen-линия задавала тон на рынке: открытые модели серии были среди самых популярных в сообществе разработчиков. Теперь Alibaba добавляет к этому флагман, который нацелен уже на корпоративный сегмент. Иными словами, ставка сделана на тех, кто платит за API, а не скачивает веса.

Что внутри

Прежде всего, архитектура. Три из четырёх слоёв сети используют схему Gated DeltaNet, остальные построены на Qwen Sparse Attention. Такая связка заметно удешевляет работу с длинным контекстом, и именно поэтому модель уверенно тянет окно в один миллион токенов. Для многих задач — от анализа документов до работы с большими кодовыми базами — этого более чем достаточно.

Разреженность — ключевой приём. В MoE-модели на каждый вход активируется лишь часть «экспертов», поэтому стоимость вывода оказывается ближе к модели на десятки миллиардов параметров, а не на триллионы. Именно за счёт этого Alibaba может держать цену флагмана ниже, чем у конкурентов с плотными сетями.

Окно в один миллион токенов — не маркетинговое украшение. На практике это значит, что модель может удержать в памяти сразу несколько сотен страниц текста: длинный отчёт, базу документации или историю переписки. В результате задачи, которые раньше требовали нарезки на фрагменты, теперь решаются одним запросом.

Отдельно стоит нативное зрение: модель понимает изображения и видео из коробки, без внешнего модуля. Это важно для задач, где текст и картинки идут вместе — от документов с диаграммами до скриншотов интерфейсов.

Веса закрыты: Alibaba не публикует Qwen4-Max. Однако компания пообещала, что модели Qwen4-серии поменьше скоро выйдут в open-weight. Для разработчиков это обещание — главное: открытые версии традиционно задают уровень экосистемы и дают шанс запустить модель на собственном железе.

Цена и доступность

Цена — один из главных аргументов модели. Вход — 1,50 доллара за миллион токенов, выход — 4,50 доллара, по международному эндпоинту в Сингапуре. Попадание в неявный кэш стоит всего 0,075 доллара за миллион — ровно в двадцать раз дешевле обычного входа. Это меняет экономику задач, где контекст многократно переиспользуется: повторные обращения к модели обходятся почти бесплатно.

Кроме того, есть пакетный Batch API по цене вдвое ниже realtime. Он подходит для офлайн-обработки больших партий: разметки данных, пересказа архивов, массового анализа документов. Для таких сценариев итоговый счёт может сократиться почти вдвое.

Модель доступна из США (Вирджиния), Франкфурта, Гонконга и Токио. Поэтому выбор региона для пользователей вне материкового Китая вполне реален. Совместимость ещё проще: API понимает и протоколы OpenAI, и протоколы Anthropic, так что существующий клиентский код можно направить на Qwen4-Max сменой base URL и имени модели. Переезд не потребует переписывания интеграций.

Alibaba встраивает модель в собственную экосистему: QwenCloud (Token Plan и API), QwenWork и QwenStudio. В итоге модель доступна и как чистый API, и как часть готовых рабочих сред.

Бенчмарки: цифры Alibaba

Alibaba опубликовала собственные бенчмарки, и самый интересный из них — Work360, собственный набор из множества профессиональных областей. Здесь Qwen4-Max опережает Qwen3.8-Max по общему счёту, при этом в режиме High effort расходует на 35% меньше токенов. Средняя стоимость задачи падает на 60–62%: с 4,43 до 1,67 доллара, по данным Mint. По сути, это демонстрация того, что новый флагман не только сильнее, но и заметно дешевле в эксплуатации.

На лидерборде реального кодинга Code Arena модель заняла шестое место. Для флагмана это результат уровня топовых западных моделей. На Terminal-Bench 4.0 Alibaba заявляет прирост эффективности на 49% против Qwen3.8-Max — бенчмарк проверяет работу в терминале, где ошибка на шаге ломает весь сценарий.

Отдельного упоминания заслуживает разбор графика запуска, который провёл Apidog: из 16 бенчмарков десять — собственные замеры Alibaba. Лидирует Qwen4-Max лишь в четырёх, а на ProgramBench отставание заметно — 31,5 против 65,0 у соперника. Поэтому важно читать не один пик, а всю картину.

На кодинг-оценках, которые цитирует Mint, Qwen4-Max набирает 75,7 — выше Anthropic Opus 5.5 (74,2) и OpenAI GPT-6.1-Sol (75,2). Именно на этом фоне Mint ставит заголовок: Alibaba утверждает, что Qwen4-Max обошла GPT-6.1-Sol и Claude Opus 5.5 в кодинге.

Однако все эти цифры — собственные данные Alibaba, и они не верифицированы независимо. Поэтому читать их стоит как претензию, а не как измерение. Разрыв — доли балла, а такое расстояние легко закрывается другим срезом теста.

Независимая проверка

Независимые измерения рисуют более сдержанную, но честную картину. На Vals Index, куда входят 38 моделей, Qwen4-Max занимает 11-е место со счётом 63,20%. Это лучший результат среди китайских моделей — Kimi K3.1 Pro отстаёт на 62,52%. Для сравнения, прежняя Qwen 3.8 Max набирала 59,05%. Таким образом, прирост поколения составляет около четырёх процентных пунктов — заметный, но не революционный.

На Terminal-Bench 4.0 Vals замерили 48,49% — пятнадцатое место из шестидесяти пяти. Для сравнения, на том же графике запуска четыре не-Qwen модели набирают 56,1–67,2. Это один из случаев, где независимый замер показывает отставание, а не лидерство.

В финансовой области результаты такие: Finance Agent v2.1 — 66,68% (8-е из 41), Tax Agent Bench — 40,35% (13-е из 86). Иными словами, модель сильна там, где её нацелили, но лидерство абсолютным не является. В отдельных дисциплинах её всё ещё обгоняют флагманы Anthropic и OpenAI.

Важно, однако, не переоценивать разрывы. Разница в 0,68 процентного пункта с Kimi K3.1 Pro — это статистически хрупкая величина, а перестановки позиций на отдельных срезах возможны от замера к замеру. Поэтому «лучшая китайская модель» — это рабочая формулировка, а не вечный титул.

Безопасность и корпоративное применение

Alibaba позиционирует Qwen4-Max как модель с защитным профилем. Она спроектирована так, чтобы находить уязвимости в программном коде, предлагать исправления и блокировать ответы, которые могли бы помочь пользователю провести атаку. Это смелый ход: модель одновременно ищет дыры и отказывает, когда запрос звучит как подготовка к эксплуатации.

Кроме того, введены дополнительные ограничения на применение, связанное с химическим, биологическим, радиологическим и ядерным оружием. Для корпоративных команд, которым важно соответствие внутренним политикам безопасности, такие встроенные ограничения — плюс при закупке. Причём сам факт того, что защитные сценарии зашиты в модель, а не переложены на внешний слой фильтрации, упрощает аудит: правила работают одинаково и в API, и во всех приложениях поверх него.

Для облака самой Alibaba эффект измерим. Стоимость вызовов модели для дата-аннотации снизилась в среднем на 9%, а офлайн-ресуэджинг CPU ускорился более чем в 14 раз. В автомобильной демонстрации время ручной подготовки заготовок сократилось на 95%. Эти кейсы показывают, что флагман уже работает внутри собственной инфраструктуры Alibaba, а не только в маркетинговых примерах.

Что это значит

Qwen4-Max выходит в момент, когда рынок смещается от сырых бенчмарков к стоимости задачи. Alibaba делает ставку именно на это: флагман по средним ценам, эффективность токенов и совместимость API, которая снимает издержки миграции. Совокупность 1,50/4,50 доллара за миллион токенов и кэша в двадцать раз дешевле — серьёзное предложение против GPT-6.1-Sol и Claude Opus 5.5.

С другой стороны, закрытые веса — ограничение. Разработчикам, которые хотят запустить модель на своём железе, придётся дождаться open-weight версий Qwen4. Таким образом, стратегия получается двухуровневой: закрытый флагман для API-рынка, открытые модели — для сообщества.

Наконец, стоит следить за независимыми замерами. Если в ближайшие недели Vals и другие лаборатории подтвердят верхние позиции, Qwen4-Max закрепится в мировом топе. Если нет — останется сильной, но не лидирующей.

Практический вывод для читателя такой. Если нужен надёжный и относительно недорогой API для кодинга, агентов и длинных контекстов — Qwen4-Max заслуживает места в коротком списке. Если критичны открытые веса или лидерские позиции в отдельных дисциплинах — стоит дождаться open-weight Qwen4 или сравнить с флагманами Anthropic и OpenAI на собственных задачах. В любом случае цены на модели в 2026 году стали заметно ниже, и Qwen4-Max — один из главных факторов этого сдвига.

Источники

  1. Alibaba Cloud — официальный анонс Qwen4-Max — https://www.alibabacloud.com/blog/alibaba-unveils-qwen4-max-new-ai-teammate-for-work-creativity-and-discovery_603783
  2. Mint (livemint.com) — освещение релиза: цены, кодинг-оценки, кибербезопасность — https://livemint.com/ai/alibaba-launches-qwen4-max-ai-model-claims-it-beats-gpt-6-1-sol-and-claude-opus-5-5-in-coding-11794814364870.html
  3. Vals AI — независимые бенчмарки: Vals Index, Terminal-Bench, Finance Agent — https://vals.ai/models/alibaba_qwen4-max
  4. The AI Year — цены, доступность по регионам, архитектура — https://theaiyear.com/qwen4-max-price-benchmarks

Leave a Reply

Your email address will not be published. Required fields are marked *