כרטיס כותרת שעליו הכיתוב Qwen4-Max, שנבנה לעבודה בעולם האמיתי, עם השורה 32.3 דקות לכל משימת Intelligence Index לעומת חציון של 12.4 דקות בתחום.
Guides & Insights

Qwen4-Max נבנה לעבודה בעולם האמיתי. שעון המציאות מראה 32 דקות למשימה

מחבר

Gideon Frost

תאריך פרסום

מודלים אחרונים · 20צפו בכל המודלים →
בנצ'מרקים: Artificial Analysis · מתעדכן יומית
חזרה לכל הפוסטים

"נבנה לעבודה בעולם האמיתי" — כך משווק Qwen4-Max השבוע, בפלטפורמת צד שלישי שהציגה את המודל ב-18 בנובמבר, יומיים אחרי ש-A​libaba העמידה אותו למכירה כללית. Qwen4-Max הושק ב-16 בנובמבר 2026, והרישום בפלטפורמה ההיא לא הוסיף משקלים חדשים, לא נתון חלון הקשר חדש ולא מחיר חדש — רק סלוגן וכפתור. הסלוגן הוא במקרה הטענה הניתנת לבדיקה ביותר שמישהו השמיע על המודל, מפני שעבודה בעולם האמיתי אינה ציון בנצ'מרק. היא משימה שצריכה להסתיים, בתוך תקציב, בזמן שמישהו ממתין לה. בלוח הציבורי היחיד שמודד בדיוק את זה, Qwen4-Max זקוק ל-32.3 דקות כדי להשלים משימה אחת ב-Intelligence Index. החציון בתחום הוא 12.4. קודמו של המודל עצמו, Qwen3.8-Max, נזקק ל-47.4.

זו צורתו של פסק הדין, והוא אינו רע. Qwen4-Max מהיר בשליש מהמודל שהוא מחליף וטוב ב-19 נקודות באותו מדד, והוא מבצע את החשיבה הנוספת במונה שעלותו נמוכה בכערבעה פר טוקן. מה שהשעון משנה הוא מי צריך לפנות אליו. מודל שלוקח חצי שעה לכל משימה אינו המודל שתשים מאחורי תיבת צ'אט או לולאת סוכן בת עשרים שלבים בלי להחליט, במכוון, שאתה יכול להרשות לעצמך את זמן הקיר. הקטע הזה עוסק בהחלטה הזו ובשלושת המספרים שמניעים אותה — דקות למשימה, טוקנים למשימה, ורמת המאמץ האחת שנמדדה בפועל.

סלוגן שמצביע על השהיה, לא על טבלת דירוג

נוסח השקה למוצר דגל בדרך כלל מתווכח על יכולות. הנוסח הזה מתווכח על עבודה, וכך מעביר בשקט את השאלה מ"עד כמה חכם" ל"כמה זמן" ול"כמה כסף". אלו שאלות שונות עם תשובות שונות, והחומרים של הספק עצמו עונים על הראשונה הרבה יותר טוב מאשר על השנייה.

הטענות שפרסמה Alibaba לגבי Qwen4-Max נוגעות ליעילות, וכולן מותנות בהגדרת מאמץ. בחבילת Work360 של הספק עצמו המודל משיג 52.69 לעומת 47.74 עבור Qwen3.8-Max, בעודו מייצר 24% פחות טוקנים במאמץ Xhigh ו-35% פחות במאמץ High. ב-Terminal-Bench 4.0 הפחתת הטוקנים היא 48% ו-49% באותן שתי הגדרות, והעלות הממוצעת למשימה ב-Work360 יורדת מ-$4.43 ל-$1.67. כל אחת מהנתונים האלה היא מדיווח הספק, אף אחת מהן לא שוחזרה באופן עצמאי, וכל אחת מהן קשורה לרמת מאמץ שיש לבחור. הפרט האחרון הזה אינו הערת שוליים. זו הסיבה ששורת התזמון העצמאית לא יכולה להיקרא כ"המהירות של המודל" בלי הסתייגות.

השורה העצמאית, במילים פשוטות

Artificial Analysis מדדה את Qwen4-Max ב-Intelligence Index v5.0.1 ברמת Xhigh, הרמה העליונה בחוגה בת שלוש הרמות שלה, ופרסמה לצד הציון את לוח העלויות והמהירות המלא. נקרא בזמן אמת ב-18 בנובמבר 2026:

• מדד האינטליגנציה — 43 עבור Qwen4-Max לעומת 62 עבור GPT-6.2 Astra ו-34 עבור Qwen3.8-Max (0902)

• זמן קיר למשימה — 32.3 דקות, לעומת חציון של 12.4 במודלים דומים; Qwen3.8-Max ארך 47.4

• אסימוני פלט לכל הרצת אינדקס — 127 מיליון, לעומת חציון של 65.1 מיליון בתחום

• מהירות פלט — 54 טוקנים לשנייה, נמדדה בנקודת הקצה של A​libaba עצמה

• זמן עד לאסימון התשובה הראשון — 148.57 שניות

• עלות לכל משימת אינדקס — $3.27, לעומת $10.02 עבור Qwen3.8-Max

• הקשר מוצהר — 984,000 אסימונים, כפי שנמדד על ידי העוקב, לעומת 1,000,000 בתיעוד של A​libaba

הזוג המעניין הוא השניים הראשונים. ארבעים ושלוש הוא ציון בינוני, ולוח הדירוג אומר זאת — הוא מתאר את המודל כמתחת לממוצע מבין מודלים דומים, כשגם החציון הוא 43, כך ש-Qwen4-Max יושב בדיוק על הקו. לעומת זאת, 32.3 דקות מול חציון של 12.4 דקות אינן בינוניות; זה כמעט פי שלושה משאר המשתתפים. היכולת הגיעה לרמה ממוצעת, והעלות של חילוצה נפלה בזנב.

A single-column scoreboard for Qwen4-Max: Intelligence Index 43, wall clock per task 32.3 minutes, 127 million output tokens per run, 54 tokens per second, 984k context window, and $3.27 cost per index task, all measured by Artificial Analysis on 18 November 2026.

לאן הולכת חצי השעה

שני מספרים מסבירים את השעון, ואף אחד מהם אינו תעלומה. הראשון הוא פרטנות: 127 מיליון אסימוני פלט כדי לסיים את אותה חבילת תשע הערכות שהמודל החציוני מסיים ב-65.1 מיליון. השני הוא תפוקה: 54 אסימונים לשנייה, שזה רגיל. מהירות רגילה כפול כמות כפולה של אסימונים נותנת בערך זמן כפול, ועוד קצת, כי משימה שנמשכת זמן רב גם מבלה יותר זמן בהמתנה לחשיבה של עצמה.

אם מחברים את אלה, התוצאה המעשית היא אריתמטיקה שאפשר לעשות בלי בנצ'מרק. אם משימה בעולם האמיתי לוקחת ל-Qwen4-Max חצי שעה, אז לופ סוכן של עשר קריאות לוקח חמש שעות, ואצווה לילית של מאה קריאות לוקחת חמישים שעות. זו לא סיבה להימנע מהמודל — לעבודת אצווה לא אכפת כמה זמן קריאה לוקחת — אבל זה אילוץ קשיח על עבודה אינטראקטיבית ואג'נטית, וזה בדיוק מה ש"עבודה בעולם האמיתי" הוא בדרך כלל קיצור עבורו.

יש אפקט מסדר שני שחשוב יותר מחצי השעה הגולמית. משימה של 32 דקות ארוכה מספיק כדי להתנגש לרעה עם כל זמן קצוב בסטאק פרודקשן: זמן הקצוב לחוסר פעילות בשער, תקציב הניסיונות החוזרים של הלקוח עצמו, חלון הנראות של התור, הקונטיינר שממוחזר בארבעים דקות. מודל שמסיים בשתים-עשרה דקות שורד תצורת ברירת מחדל. מודל שמסיים בשלושים ושתיים הוא המודל שמלמד אותך היכן זמני הקצוב שלך מוגדרים, והכשל שהוא יוצר — ניסיון חוזר שמשכפל את העבודה, או תשובה קטועה שמחויבת במלואה — עולה יותר מההפרש בטוקנים שאי פעם נחסך.

The Artificial Analysis page for Qwen4-Max on Intelligence Index v5.0.1, showing a score of 43 at Xhigh effort alongside the cost, speed and time-to-first-token panel.

נקודה אחת שפורסמה בראש חוגה תלת־רמתית

Qwen4-Max חושף שלוש רמות של מאמץ חשיבה — low, high ו-Xhigh — וברירת המחדל שלו היא high, עם תקציב חשיבה שברירת המחדל שלו עצמו היא 131,072 טוקנים. Artificial Analysis דירגה אותו ב-Xhigh. זו בחירה מוצדקת: כך מנוסחות טענות היעילות של הספק עצמו, והיא מציגה את המודל באור הטוב ביותר. אך משמעות הדבר היא ש-43 ו-32.3 הדקות מתארות את התצורה היקרה ביותר שהמודל מציע, ולתצורת מאמץ החשיבה הנמוך — זו שמוצר אינטראקטיבי היה מריץ בפועל — אין כלל נתון עצמאי שפורסם.

השוו את צורת החשיפה בצד השני של ההשקות של החודש. GPT-6.2 Astra מפרסם את כל העקומה שלו על אותו מדד: 62 ב-max וב-Xhigh, 60 ב-high, 57 ב-medium, 46 ב-low. אפשר לראות מה עולה לכם הגדרה זולה יותר מבחינת יכולות, וצוות יכול לבחור נקודה על העקומה הזו. Qwen4-Max נותן לכם נקודה אחת וברירת מחדל שנמצאת מדרגה אחת מתחתיה. אם אתם מריצים את המודל ב-high, אתם מריצים תצורה שאף אחד לא מדד, ואם אתם מריצים אותו ב-low, אתם מריצים תצורה שהספק גם לא פרסם עבורה טענה.

הפער הזה הוא הפרט הפחות מדווח של ההשקה, והוא פועל לטובת המודל במידה שווה לפעול נגדו. הקריאה הכנה אינה "Qwen4-Max איטי". היא "Qwen4-Max איטי בהגדרה שבה הוא נבחן, ואיש מחוץ ל-A​libaba לא תיזמן שום הגדרה אחרת". אם אתם מעריכים אותו, מחוון המאמץ הוא הניסוי הראשון שכדאי להריץ, לא האחרון, משום שהוא המנוף היחיד שמזיז בו-זמנית גם את השעון וגם את החשבון.

מה שכרטיס המחיר למעשה מתגמל

במדד העלות, Qwen4-Max זול — באמת זול — וזול באופן שהעונש שהוא מטיל על עומס העבודה הלא נכון הוא הקטן ביותר.

• תעריפי סינגפור — $1.50 למיליון טוקני קלט ו-$4.50 למיליון טוקני פלט

• אזורים בהיקף גלובלי — $1.413 קלט ו-$4.24 פלט, בשלוש ספרות עשרוניות, וזה מה שהרשימות של צד שלישי מצטטות

• מטמון — $0.075 למיליון בקריאה בסינגפור, $0.071 במקומות אחרים; כתיבה של חמש דקות עולה $1.875 ושעה עולה $3.00

• הקשר ארוך — מחיר אחיד. אין שכבת פרימיום מעל לסף טוקנים, מה שלא נכון לגבי כל מתחרה החודש

• Batch — תעריף אצוות קבצים המיועד לבייג'ינג בלבד של $0.707 לקלט ו-$2.12 לפלט

אלה התעריפים שפרסמה A​liba. המבנה חשוב יותר מהמספרים: תמחור אחיד על פני כל החלון אומר שסקירת מסמך של 400,000 טוקנים עולה כאן $0.60 של קלט, בעוד מודל עם מכפיל הקשר ארוך היה גובה על כך פי כמה. עבור סוגי העומסים שהמודל הזה באמת טוב בהם — מסמכים ארוכים, וידאו, חילוץ בכמות גדולה — התעריף האחיד שווה יותר מכותרת מחיר הטוקן. ועבור סוגי העומסים שהוא גרוע בהם — אינטראקטיביים, רב-תוריים, סוכניים — התעריף לא רלוונטי, כי האילוץ הוא השעון ולא המונה.

החלק שאף אחד לא ציין ברשימה: אין נקודת ביקורת

כוונון עדין ופריסת מודלים מסומנים שניהם כלא נתמכים בתיעוד של המודל. ניתן לשכור את Qwen4-Max אך לא להחזיק בו בבעלות, וההקלה היחידה של פוסט ההשקה בנוגע למשקלים פתוחים היא שמודלים קטנים יותר של Qwen4 „מגיעים לקוד פתוח”. עבור מודל שנמכר על בסיס עבודה בעולם האמיתי, זו מגבלה ממשית ולא פרט ברישוי: הצוותים שיש להם הכי הרבה עבודה בעולם האמיתי לעשות הם בדרך כלל הצוותים שרוצים לכוונן אותו. אם התוכנית שלך כוללת וריאנט מזוקק, פריסה מקומית (on-prem), או תמונת מצב ניתנת לשחזור המוצמדת לקבוצת משקלים קבועה, המודל הזה לא מציע אף אחד מהשלושה, ושום רישום של צד שלישי לא יכול להוסיף אותם.

The OrcaRouter model page for qwen/qwen3.8-max, listing the vendor rates and the routable endpoint for Qwen4-Max's predecessor.

מה שאפשר להתקשר אליו עכשיו

Qwen4-Max אינו בקטלוג שלנו — הנתיב אינו קיים, ואיננו מתכוונים לרמוז אחרת. מה שכן נמצא בו הוא Qwen3.8-Max, שניתן לנתב אותו היום במחיר המחירון של הספק עם 0% תוספת, ושהוא המודל שמולו הייתם למעשה עורכים השוואת ביצועים לפני שמחליטים שמשימה של 32 דקות שווה את זה: הוא מקבל 34 מול 43, אבל הוא המודל עם המחיר וההתנהגות שצוותכם כבר מכיר.

שאלת הניתוב שההשקה הזו מעלה היא שאלה צרה וראויה לניסוח מדויק. כאשר מודל לוקח חצי שעה לכל משימה, מצב הכשל שמעניין אותך אינו תשובה שגויה — אלא קריאה שמתה בדקה העשרים ותשע לאחר שחויבה עבור עשרים ותשע דקות. זה המקרה להציב מודל ארוך-ריצה מאחורי נתיב עם מעבר אוטומטי במקרה כשל במקום לקרוא לספק אחד ישירות: הניסיון החוזר נוחת על נקודת קצה פעילה, והלוגיקה של ההסלמה נמצאת בנתיב ולא בקוד היישום שלך. מפתח אחד ביותר מ-200 מודלים גם אומר שההשוואה בפרק הבא היא שינוי תצורה ולא חוזה שני.

מי צריך לזוז, ומי צריך לחכות

עברו עכשיו אם העבודה שלכם מתבצעת באצ'ים, עתירת מסמכים, קלט וידאו, או נמדדת בשעות ולא בשניות. תמחור אחיד להקשר ארוך, חלון של 984,000 טוקנים, קלט וידאו נייטיבי, קריאות כלים עם תמיכת וידאו ועלות של $3.27 לכל משימת אינדוקס לעומת $10.02 עבור המודל שהוא מחליף הם שדרוג ישיר לסוג כזה של עבודה, ושעון 32 הדקות אינו רלוונטי כששום דבר לא ממתין בצד השני.

רגע, או לפחות בדוק קודם את החוגה, אם העבודה שלך אינטראקטיבית או סוכנית. המספרים שפורסמו מתארים את ההגדרה היקרה ביותר שיש למודל, על לוח שבו המשימה החציונית מסתיימת בשתים עשרה דקות, וההגדרה שאותה תיישם בפועל מעולם לא תוזמנה באופן עצמאי. הרץ את רמות המאמץ הנמוכה והגבוהה מול העקבות שלך לפני שתהריץ אותן מול בנצ׳מרק — הניסוי הזה עולה כמה דולרים ועונה על שאלה שפוסט ההשקה לא שאל.

וקרא את התאריך נכון, לא משנה באיזה מחנה אתה נמצא. Qwen4-Max יצא למכירה כללית ב-16 בנובמבר 2026. מה שקרה ב-18 הוא שהוא הפך לזמין במקום אחר, תחת סלוגן על עבודה בעולם האמיתי. המודל לא השתנה. השעון לא השתנה. הסלוגן הוא הדבר היחיד שחדש, והוא הטענה היחידה בעמוד שאתה יכול לבדוק בעצמך.

השוואות במאמר הזה2

זוהה מתוך המאמר הזה · בנצ'מרקים: Artificial Analysis · מתעדכן יומית