Una tarjeta de título con el encabezado «Qwen4-Max: las cifras que no viajan», con tres chips que indican 983,616 tokens de entrada en modo de pensamiento, 131,072 tokens de respuesta y 262,144 compartidos entre pensamiento y respuesta, con una leyenda que remite a la ficha del modelo de Alibaba Cloud Model Studio del 16 de noviembre de 2026.
Guides & Insights

Qwen4-Max se publicó en otro sitio en cuestión de un día. El presupuesto de razonamiento es la parte que no se podrá portar.

Autor

jinhao.song

Fecha de publicación

Últimos modelos · 20Ver todos los modelos →
Benchmarks: Artificial Analysis · actualizado a diario
Volver a todas las publicaciones

Qwen4-Max pasó a disponibilidad general el 16 de noviembre de 2026 y, en cuestión de horas, una segunda plataforma ya lo anunciaba desde el día cero: contexto de 1M de tokens, entrada nativa de texto, imagen y vídeo, orientado a programación, trabajo de oficina y ejecuciones de agentes de largo horizonte. Esa es la forma habitual de un lanzamiento de modelo cerrado en 2026: Alibaba no publica ningún checkpoint de Qwen4-Max, así que cualquiera fuera de sus seis regiones de despliegue solo puede acceder al modelo mediante una plataforma que se lo alquila a Alibaba. Lo que no es habitual, o al menos no se comenta, es cuánto del manual de funcionamiento del modelo se pierde en ese relevo. La tarjeta de precios viaja intacta. La cifra de contexto destacada viaja intacta. La aritmética que decide si tu solicitud cabe o devuelve un truncamiento no viaja en absoluto.

Lo que realmente te indica un listado de día cero

Dos cosas, ninguna de ellas sobre benchmarks. Primero, que el modelo se está vendiendo para investigación y trabajo con agentes en lugar de para chat: el texto de lanzamiento del día cero comienza con ejecuciones de agentes de horizonte prolongado e incluye el vídeo como modalidad de entrada, lo cual es una descripción de la carga de trabajo a la que la plataforma pretende orientarlo, no una reformulación del titular de la propia A​libaba. Segundo, que Qwen4-Max es alquilable pero no portátil: no hay descarga, así que cada endpoint que lo sirve está sirviendo el despliegue de A​libaba, y cada página de terceros que lo describe es un resumen de la documentación de A​libaba. Los resúmenes de tablas de especificaciones son donde nacen los errores de integración.

La tarifa es la parte fácil y vale la pena decirla una vez. En Singapur, Alibaba lista Qwen4-Max a $1.50 por millón de tokens de entrada y $4.50 por millón de salida, con la entrada en caché a $0.075 y las escrituras en caché a $1.875 para la ventana de cinco minutos o $3.00 para la hora. Los ámbitos de despliegue Global —Beijing, Hong Kong, Fráncfort, Japón y Virginia, EE. UU.— tienen precios ligeramente inferiores: $1.413 de entrada, $4.24 de salida y $0.071 por lectura de caché. Es un único nivel de precios hasta el límite de contexto: sin recargo por contexto largo, sin descuento por lotes que buscar, porque en este modelo no se ofrece inferencia por lotes en absoluto.

A two-column scoreboard contrasting a third-party listing with Alibaba's model card: the listing gives 1M context, 1M output, three effort levels and no batch figure, while the model card gives 1,000,000 context, 983,616 input in thinking mode, 131,072 output non-thinking, 262,144 shared, and effort levels low, high and xhigh, sourced to Alibaba Cloud Model Studio documentation updated 16 November 2026.

Tres números que no viajan con el modelo

"1M context" es la cifra que aparece en todos los listados. La página del modelo de Alibaba, actualizada por última vez el día del lanzamiento, es más específica, y la brecha entre la cifra de marketing y las cifras operativas es donde se rompen las integraciones:

• Longitud del contexto — 1.000.000 de tokens, un límite máximo para toda la solicitud en lugar de un presupuesto que puedas gastar en la salida

• Entrada máxima, sin modo de pensamiento — 991,808 tokens, porque 8,192 de la ventana se reservan para la respuesta

• Entrada máxima, pensamiento — 983.616 tokens, otros 8.192 reservados para el bloque de razonamiento

• Salida máxima, sin razonamiento — 131.072 tokens

• Pensamiento combinado más respuesta, modo de pensamiento — 262.144 tokens, compartidos entre el rastro de razonamiento y la respuesta visible

Presupuesto de pensamiento predeterminado: 131.072 tokens, con reasoning_effort establecido en high de forma predeterminada cuando ninguno de los dos parámetros está definido.

La quinta línea es la que muerde. Un equipo que dimensiona un trabajo con un techo de salida documentado de 262,144 tokens y luego lo ejecuta en modo de razonamiento verá que la respuesta visible se detiene a una longitud que no tiene nada que ver con cuánto le quedaba por decir al modelo, porque la traza de razonamiento ha estado consumiendo del mismo fondo. La cifra de 131,072 es el número seguro de salida. La cifra de 262,144 es un presupuesto compartido, y la diferencia entre esas dos lecturas es la diferencia entre un pipeline que funciona y un incidente semanal.

Hay un pequeño consuelo: esto también explica una discrepancia que verás en los listados de especificaciones de terceros, que citan una ventana de contexto de 984k. No es un modelo diferente ni una degradación. Es el límite máximo de entrada del modo de pensamiento, 983.616 redondeado, y es la cifra honesta con la que dimensionar si llamas al modelo con el razonamiento activado, que es lo predeterminado.

El remapeo de esfuerzo es donde un cliente con formato OpenAI pierde un nivel.

Qwen4-Max expone tres niveles de razonamiento, no cinco: low, high y xhigh, con high por defecto. Llámelo a través de un cliente compatible con OpenAI y una cadena de esfuerzo fuera de rango se pliega en lugar de rechazarse — la tabla de A​libaba asigna minimal a low, medium a high y max a xhigh. A través del formato Messages de A​nthropic, medium se convierte en high y max se convierte en xhigh.

Ambos mapeos son defendibles y ambos son silenciosos. Una pipeline ajustada contra un modelo de cinco niveles que aquí solicita medio recibe razonamiento de alto esfuerzo: más tokens, más latencia, más gasto y ningún error que te avise de que ocurrió. Una pipeline que solicita máximo esperando la cima de una escalera de cinco peldaños obtiene xhigh, que resulta ser la cima de esta otra; así que la salida parece correcta y solo la factura no está de acuerdo. La solución es una línea por ruta: fija el nivel que realmente mediste, en el vocabulario del proveedor, y valídalo en staging. Cualquier cosa que pase una cadena de esfuerzo no mapeada directamente a un modelo con una escalera más corta se desviará, y lo hará en la dirección de gastar más dinero.

A screenshot of the Alibaba Cloud Model Studio documentation page for qwen4-max, showing the Model Studio navigation, the breadcrumb Home Page > Models > Get Started, and the qwen4-max (Latest Model) heading with the start of its specification tables.

Lo que dicen las cifras del lanzamiento, y lo que no dicen

La evaluación de lanzamiento de Alibaba, reportada por el proveedor y no reproducida de forma independiente, sitúa a Qwen4-Max en 52,69 en su benchmark Work360 frente a 47,74 de Qwen3.8-Max, con un coste medio por tarea que baja de 4,43 $ a 1,67 $ y un uso de tokens de salida reducido un 24 % con esfuerzo xhigh y un 35 % con high. En Terminal-Bench 4.0 el proveedor reporta un 48 % y un 49 % menos de tokens de salida en esas mismas dos configuraciones, y las tasas de aprobación a nivel de función en su benchmark de codificación segura suben del 22,0 % al 31,8 %. Esa es la defensa que hace el proveedor de la arquitectura: una mezcla de expertos dispersa de 2,4 billones de parámetros que activa 71 000 millones de parámetros por token, más 328 000 millones de parámetros de embeddings de N-gramas, con tres capas Gated DeltaNet por cada capa de atención dispersa.

La única lectura externa disponible el 17 de noviembre es Artificial Analysis, que puntúa a Qwen4-Max con 43 en Intelligence Index v5.0.1 y lo sitúa en el puesto 38 de 81 modelos en ese índice. También mide $3.27 de cómputo por tarea del índice, sostenidos por 127 millones de tokens de salida durante la ejecución frente a una mediana de 78,6 millones, y no registra ninguna medición de velocidad para el modelo: ni tiempo por tarea ni tasa de salida. Un 43 junto a la afirmación de un proveedor de superar la frontera es la tensión que marcará la cobertura del próximo mes. También es la única cifra de este artículo que A​libaba no produjo.

A screenshot of the OrcaRouter model page for qwen/qwen3.8-max, showing the 1M-token context badge, text, image and video input, and the pricing panel for the model Qwen4-Max replaces.

Si ibas a llamarlo esta semana

OrcaRouter no enruta Qwen4-Max, y vale la pena decirlo claramente en lugar de insinuar lo contrario. El catálogo incluye Qwen3.8-Max —el modelo al que reemplaza Qwen4-Max— a $2.00 de entrada y $6.00 de salida por millón con el precio de lista del proveedor trasladado con 0 % de margen, junto con Claude Opus 5.5, GPT-6.1 Sol, Grok 4.5 y T​encent HY4 Preview. Todavía no incluye la generación Qwen4.

La configuración honesta para un equipo que evalúa Qwen4-Max hoy es, por lo tanto, una clave directa de A​libaba para el nuevo modelo más una capa de enrutamiento para todo aquello a lo que recurriría como respaldo. Eso es menos incómodo de lo que parece, porque lo que hace caro adoptar un modelo nuevo no es el precio de los tokens — es que probarlo implica un segundo contrato, un segundo SDK y un segundo conjunto de semánticas de reintento sobre una ruta de producción. Mantener al proveedor actual detrás de un único endpoint con conmutación automática por error entre proveedores permite que el experimento con Qwen4-Max se ejecute junto a una ruta que ya funciona, y que la comparación se haga con su propio tráfico en lugar de con el benchmark de A​libaba. Cuando el modelo llegue al catálogo, el precio que verá será el del propio proveedor, actualizado el mismo día en que cambie, porque eso es lo que significa pass-through: la tarjeta Global a $1.413 y $4.24 aparecería como $1.413 y $4.24, no con el margen de un revendedor.

Qué ver

La publicación de lanzamiento de Alibaba cierra con una frase que importa más que cualquier benchmark que contenga: Max es solo un primer vistazo a Qwen4, y los modelos más pequeños de la familia llegarán al código abierto. Eso es una promesa sobre el nivel inferior, no sobre este, y no cambia el hecho de que Qwen4-Max en sí es un modelo que alquilas a un único proveedor y a plataformas que se lo alquilan a ese mismo proveedor. En ese mercado, la documentación es el diferenciador del producto, y la documentación dice 983.616 de entrada y 131.072 de salida, no un millón de nada.

Dos fechas tienen cabida en un calendario. La retirada de los identificadores de versión preliminar el 25 de noviembre, para cualquiera cuya configuración siga diciendo qwen4-max-preview. Y lo que Alibaba publique a continuación sobre el presupuesto de razonamiento, porque un fondo común de 262.144 tokens en un modelo comercializado como de 1M de contexto es el número con más probabilidades de ser revisado en cuanto las cargas de trabajo reales de agentes se topen con él.