כרטיס כותרת שנוצר, שכותרתו 'מאושר לקידוד אג'נטי, נמדד במקום ה-74 מתוך 79', עם תגיות המציגות 54 טוקנים לשנייה, 32.2 דקות לכל משימת אינדקס, 179.79 שניות עד לטוקן התשובה הראשון ו-43 ב-Intelligence Index, וכותרת תחתונה המציינת 'נתוני מהירות: Artificial Analysis, נקרא ב-17 בנובמבר 2026'.
Guides & Insights

Qwen4-Max משווק כעת לקידוד אג'נטי. שורת המהירות העצמאית מציינת מקום 74 מתוך 79

מחבר

jinhao.song

תאריך פרסום

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

ב-17 בנובמבר 2026 בשעה 09:31 UTC, החשבון הרשמי Qwen4-Max ב-X פרסם חמישה מילים והזמנה: המודל זמין כעת בפלטפורמה של צד שלישי, בואו לנסות קידוד סוכני. זה היה ציוץ מצוטט של ההכרזה של אותה פלטפורמה, יום אחד לאחר שאליבאבא העבירה את המודל מתצוגה מקדימה לזמינות כללית בתשלום לפי שימוש. הפוסט קטן וקל לפספס אותו בגלילה. זו גם הפעם הראשונה שהספק מפנה את העוקבים שלו לנתיב חיצוני ספציפי עבור מוצר הדגל שלו, והוא בחר את עומס העבודה — קידוד סוכני לטווח ארוך — שבו ל-Qwen4-Max יש כיום את המדידה הבלתי תלויה החלשה ביותר בלוח התוצאות.

זהו כל המתח ששווה לדווח עליו, והוא אינו האשמה. ספק שמקדם מודל בפני בוני סוכנים הוא דבר רגיל. מה ששווה לנעוץ הוא המרחק בין המסר השיווקי לבין המספרים שקורא יכול לבדוק, מפני שהמסר השיווקי הוא מה שצוות פועל לפיו והמספרים הם מה שהחשבונית ושעון הקיר מספקים.

מה שהפוסט למעשה קובע

שלושה דברים, ולא יותר משלושה. השאר הוא הסקה מחופשת לחדשות.

• ההמלצה אמיתית ומתוארכת. הפוסט נושא חתימת זמן של 17 בנובמבר, 09:31 UTC, הוא מגיע מחשבונו של הספק עצמו, והוא מצטט-מחדש את ההכרזה המוקדמת של הפלטפורמה במקום לעמוד בפני עצמו. פרסום מחדש של השקת שותף על ידי ספק הוא מעשה מכוון; החשבון לא פשוט הזכיר אותה במקרה.

• הפלטפורמה אינה פריסה שנייה. בעמוד המודלים שלה מופיע qwen/qwen4-max בטבלה שכותרתה "מודלים מנותבים המסופקים על ידי המעבדות שלהם" — לא בין המהדורות שפרסמה בעצמה. ההבחנה הזו חשובה יותר מהעתק השיווקי שסביבה: מודל מנותב הוא הפריסה של Alibaba שאליה מגיעים דרך דלת הכניסה של מישהו אחר, וזו הדרך היחידה שבה מודל סגור בסדר גודל של 2.4 טריליון פרמטרים יכול להופיע בכלל בכל מקום.

• זה בטא, לא קיבולת. הבאנר הקבוע באתר אומר שהוא בבטא פרטית ומבקש קוד הזמנה. תמיכה מחשבון המודל עצמו היא אות לגבי כוונה, לא לגבי תפוקה, מכסה או הסכם רמת שירות — וקוד הזמנה אינו מסלול רכש.

ומה שהפוסט לא קובע הוא אף לא טענת ביצועים אחת. אין בו נתון של טוקנים לשנייה, אין שיעור השלמת משימות, אין עלות למשימה, ואין הצהרה על כמה סשנים של סוכנים במקביל הנתיב מחזיק. יש לקרוא אותו כ״אפשר כעת להגיע למודל הזה כאן״, וזה כל מה שהוא אומר.

הכרטיס שמתחת להמלצה זול יותר מזה של הספק עצמו

הרשומה המנותבת נושאת את המספרים שלה, והמחיר הוא זה ששווה להסתכל עליו. היא מציינת 1.40 דולר למיליון טוקני קלט ו-4.20 דולר למיליון פלט, עם חלון הקשר של 977K טוקנים וסטטוס מקוון.

• קלט — $1.40 על הכרטיס המנותב לעומת $1.413 בכרטיס ה-Global-scope של Alibaba עצמה (בייג'ינג, הונג קונג, פרנקפורט, וירג'יניה שבארה״ב, טוקיו) ו-$1.50 בסינגפור.

• תפוקה — $4.20 לעומת $4.24 ב-Global ו-$4.50 ב-Singapore.

• הכיוון — המספר הניתוב נמצא כ-1% מתחת לאזור הזול ביותר שפרסם הספק וכ-6.7% מתחת לכרטיס שרוב הקוראים מחוץ לסין היבשתית יחויבו בו בפועל.

• המנגנון המוצהר — הפלטפורמה מתארת את החיוב שלה כ"תעריף המעבדה בתוספת דמי המסלול, קבלת מסלול חתומה על כל תשובה".

• נתון ההקשר — 977K ברשומת המוצר, לעומת 1,000,000 בכרטיס המודל של Alibaba, כאשר התקרות בפועל הן 991,808 אסימוני קלט במצב רגיל ו-983,616 במצב חשיבה.

שתי העובדות האלה יושבות יחד באופן לא נוח. מסלול שמוסיף עמלה על גבי התעריף של המעבדה אמור לעלות יותר מפנייה ישירה, וזה עולה פחות מכל אזור Alibaba שפורסם. ההסברים הסבירים אינם זוהרים — תעריף מבצעי, ארביטראז׳ אזורי לגבי איזו נקודת קצה של Alibaba נקראת, או רשומה שלא עודכנה מאז כרטיס התצוגה המקדימה — ואף אחד מהם לא ניתן לאימות מבחוץ. מה שקורא יכול לעשות הוא להפסיק להתייחס למחיר המנותב כמחיר של המודל. הכרטיס של Alibaba עצמו הוא הייחוס; כל דבר מתחתיו הוא הסדר מסחרי עם תאריך תפוגה שאיש לא פרסם. אם עלות למשימה היא מה שאתם מחליטים על פיו, כיילו אותה לפי 1.50 דולר קלט ו-4.50 דולר פלט בסינגפור, או 1.413 ו-4.24 ב-Global scope, והתייחסו להנחה כאל רווח אפשרי ולא כאל התוכנית.

A screenshot of the Alibaba Cloud Model Studio documentation page for qwen4-max, captured 17 November 2026 in English, showing the model identifier, the 1,000,000-token context window, a 991,808-token maximum input with a 983,616-token thinking-mode figure, a 131,072-token maximum output with 262,144 in thinking mode, a 131,072 default thinking budget, and per-region pricing of $1.5 and $4.5 per million tokens in Singapore against $1.413 and $4.24 in the Global scope.

עומס העבודה בתפקיד הוא זה שהעוקב מודד בצורה הגרועה ביותר.

Artificial Analysis היא הגוף היחיד שמפרסם מדידות עצמאיות של Qwen4-Max, והעמוד שלה עודכן בשורת ביצועים מלאה שלא הייתה שם ביום ההשקה. מה שכתוב בשורה הזו אינו מעורפל.

• Intelligence Index — 43 במערך בן תשע ההערכות של v5.0.1, מדורג במקום ה-38 מתוך 81 מודלים, מעט מעל החציון של 41 של הטראקר עבור שכבת המחיר.

• מהירות פלט — 54 טוקנים לשנייה. זה המקום ה-74 מתוך 79 מודלים שהעוקב מדרג לפי ביצועים.

• זמן עד לטוקן התשובה הראשון — 179.79 שניות, כי המודל חושב לפני שהוא מדבר ומאמץ החשיבה המוגדר כברירת מחדל בכרטיס של Alibaba הוא גבוה.

• זמן לכל משימה במדד Intelligence Index — 32.2 דקות, לעומת חציון של 13.3 דקות עבור מודלים דומים. העוקב מכנה זאת „איטי באופן ניכר“.

• מילוליות — 127 מיליון אסימוני פלט בכל המדד, לעומת חציון של 78.6 מיליון. זה המקום ה-65 מתוך 80.

• עלות לכל משימת אינדוקס — $3.27, במקום ה-44 מתוך 80, כאשר הנחת מטמון של 95% כבר מיושמת.

כל נתון ברשימה הזו הוא מדידה של הטראקר עצמו, לא של Alibaba. הטענות שפרסם הספק הן קבוצה נפרדת לחלוטין ומסומנות כטענות ספק בכל מקום שבו הן מופיעות: שיפור של 24% עד 35% ביעילות טוקנים לעומת Qwen3.8-Max במבחן Work360 של הספק עצמו, 48% עד 49% ב-Terminal-Bench 4.0, ועלות ממוצעת למשימה שיורדת מ-4.43 דולר ל-1.67 דולר. דבר מזה לא שוחזר באופן עצמאי. שני מערכי הנתונים אינם סותרים זה את זה — מודל יכול להיות יעיל לכל משימה ועדיין איטי לכל טוקן — אבל רק אחד מהם מספר לך איך לולאת סוכן תרגיש בשעה 2 לפנות בוקר.

קיים פער שני בחומר של הספק עצמו, והוא מוזר עבור מודל שנמכר על קידוד אג'נטי. כרטיס המודל של Alibaba אינו מפרסם ספירת פרמטרים; חומר ההשקה מתאר תערובת מומחים דלילה בעלת 2.4 טריליון פרמטרים, עם 71 מיליארד פעילים לכל טוקן, והעוקב רושם את הגודל כלא מפורסם. אין גם ציון Terminal-Bench 4.0 שפורסם עבור מודל זה מטעם Alibaba עצמה, אלא רק טענת היעילות היחסית מול קודמו. ספק שרוצה שבוני סוכנים יאמצו מודל בדרך כלל מוביל עם מספר אג'נטי מוחלט. זה הוביל עם יחס.

מה עושות 32 דקות לכל משימה ו-54 טוקנים בשנייה ללולאה

מחירי יחידה מסתירים זאת, אז הנה החשבון על הצורה שהפוסט מפרסם — סוכן קידוד שמבצע משימה בתורות. כל זה נגזר מהתעריפים המפורסמים ומהמהירות הנמדדת, לא מחשבון.

• זמן יצירה לכל תור — פאצ׳ ובלוק חשיבה של 3,000 טוקנים בקצב של 54 טוקנים לשנייה הם כ-56 שניות של פלט בלבד. ב-8,000 טוקנים זה כ-2.5 דקות, לפני שהמודל קרא אפילו דבר אחד.

• מפגש של 25 תורות — 25 תורות של 3,000 אסימוני פלט הם 75,000 אסימונים, כ-23 דקות של יצירה במהירות הזו, בתוספת 25 המתנות נפרדות לאסימון התשובה הראשון של כמעט שלוש דקות כל אחת אם סביבת ההרצה לא שומרת על ההקשר חם. התקורה לבדה יכולה לעלות על היצירה.

• אותו מפגש במונחי כסף — 75,000 טוקני פלט ב-4.50 דולר למיליון הם 0.34 דולר. המחשוב זול; השעון לא. ההיפוך הזה הוא הדבר האחד המועיל ביותר להבנה לגבי הכלכלה של המודל הזה.

• המטמון הוא המנוף שקובע אם זה נסבל — קריאה חוזרת של הקשר של 200,000 אסימונים מהקור בעלות של $1.50 למיליון עולה $0.30 לכל תור; כשזה שמור במטמון בהנחה של 95% זה עולה כ-$0.015. לאורך 25 תורים זה ההבדל בין $7.50 ל-$0.38 של קלט, מה שמעיב לחלוטין על חשבון הפלט.

במילים אחרות: ב-Qwen4-Max הדבר שצריך למדוד אינו אורך הפלט, אלא שיעור פגיעות המטמון והשהיית הטוקן הראשון. לופ שמחזיק את ההקשר חם ומשלים עם חשיבה של שלוש דקות הוא מעשי. לופ ששולח מחדש הקשר קר של 200K בכל סבב משלם פי עשרים מתעריף הקלט וממתין שלוש דקות בכל פעם כדי לעשות זאת. משימת האינדקס של 32.2 הדקות היא המדד המשולב של הטרקר, לא המשימה שלך, אבל הכיוון שלה הוא הדבר שצריך לתכנן סביבו.

A screenshot of the Artificial Analysis model page for Qwen4 Max, captured 17 November 2026 in English, showing an Intelligence Index of 43 at rank 38 of 81, a performance rank of 74 of 79, time to first answer token of 179.79 seconds, output speed of 54 tokens per second, 32.2 minutes per index task, 127 million output tokens, a $3.27 cost per index task, and a 984k context window.

הקבלה אינה מציינת מה ענה.

זהו החלק ברשימה המנותבת שראוי ליותר תשומת לב מאשר למחיר שלו. התיעוד של הפלטפורמה עצמה גלוי באופן יוצא דופן: כל תשובה מנותבת נושאת אישור מסלול חתום, והאישור "אינו מוכיח אילו משקלים ענו". הוא מתעד לאן נשלחה בקשה ומה דיווחה הבדיקה האחרונה. מודלים שהפלטפורמה מפרסמת בעצמה זוכים לשרשרת חזקה יותר — קבצים המאוחסנים לפי תמצית SHA-256, גרסאות המזוהות לפי גיבוב של מפת קבצים, רשומות חתומות תחת מפתח מפרסם מוצמד, יומן שקיפות שמוסיפים לו בלבד — ומצב האימות המוצג עבור qwen/qwen4-max הוא "לא ידוע".

עבור מודל סגור זה אינו שערורייה, אלא מגבלה מבנית שכל נתב חולק, כולל שלנו: אם המשקלים אינם מפורסמים, שום צד שלישי לא יכול להוכיח אילו משקלים יצרו טוקן. מה שלהלן הוא כלל מעשי ולא ביקורת. אם העבודה שלך תלויה בכך שהמודל הוא אכן Qwen4-Max — הערכה, הגשת בנצ'מרק, טענה חוזית לגבי איזה מודל נגע בנתונים — נקודת קצה מנותבת אינה ראיה מספקת בפני עצמה, לא משנה כמה טובה נראית האסמכתא. אם מה שאתה צריך הוא היכולת, נקודת קצה מנותבת היא בסדר ושאלת המקור היא אקדמית.

איך לנסות את זה בלי להמר את מסלול הפרודקשן עליו

בואו נדבר בגלוי על המצב שלנו: OrcaRouter לא מנתב את Qwen4-Max. הקטלוג כולל qwen/qwen3.8-max, anthropic/claude-fable-5.2 וopenai/gpt-6.1-sol; בקשה למזהה qwen4 מחזירה היום not-found, כך שאם אתה רוצה את המודל הזה על המפתח שלנו, אתה מחכה כמו כולם. מה שכן אנחנו יכולים לעשות זה להפוך את ההערכה לזולה לביטול.

הסיבה שכדאי לשים לב היא שכל מה שקשור להשקה הזו מצביע נגד קידוד קשיח שלה. המודל בן יום, שורת הביצועים העצמאית היחידה שלו מדרגת אותו במקום ה-74 מתוך 79 במהירות, המחיר המנותב שלו נמוך מהמחירון של הספק שלו עצמו מסיבות שאיש לא הסביר, והפלטפורמה שנושאת את ההמלצה נמצאת בבטא פרטית מאחורי קוד הזמנה. כל אחד מאלה יכול להשתנות בתוך שבוע — ומעבר מ-preview ל-GA שגם קיצץ את התקציב המשותף לחשיבה ולתשובה מ-393,216 טוקנים ל-262,144 והעביר את החיוב מזיכויים לחיוב לפי טוקנים הוא בדיוק סוג השינוי ששובר מסלול פרודקשן בשבוע השני.

זה הטיעון בעד להשאיר את הניסוי מאחורי נקודת קצה מנותבת ולא מאחורי נקודה המקודדת קשיח: המודל החדש במסלול אחד, qwen/qwen3.8-max במסלול הגיבוי, מפתח אחד וחשבון אחד לשניהם. עם 0% תוספת מחיר ומחיר המחירון של הספק מועבר כמו שהוא, החשבון שאתם עושים מול המחירון של Alibaba הוא החשבון שמחייבים אתכם עליו — מה שאומר גם שהורדת מחיר של ספק תופיע אצלנו באותו יום ולא בחידוש החוזה הבא. מיזוג מודלים הוא האפשרות הנוספת שכדאי להכיר עבור מודל שטרם הוכח: להריץ אותו לצד המודל הקיים על מדגם מהתעבורה שלכם ולהשוות פלטים לפני שאחד מהם משתלט על המסלול. אם אתם מעדיפים פשוט לראות איך נראית API אחת ל-200+ מודלים, הקטלוג ציבורי.

A generated two-column scoreboard titled 'Qwen4-Max — the pitch and the meter', with rows comparing what the launch material claims against what Artificial Analysis measured: agentic coding endorsed on 17 November against a performance rank of 74 of 79, a 1,000,000-token context against 984k recorded by the tracker, a vendor token-efficiency ratio against an Intelligence Index of 43 at rank 38 of 81, no published speed figure against 54 tokens per second, no published task time against 32.2 minutes per index task, and average cost per task cut from $4.43 to $1.67 against $3.27 per task measured by the tracker. Footer reads 'Vendor figures unreproduced; speed, cost and index figures per Artificial Analysis, 17 November 2026.'

מה ישנה את הקריאה הזו?

שלושה דברים, לפי סדר המידה שבה הם ישנו.

הראשון הוא נתון מהירות מכל מקור אחר מלבד הטראקר היחיד. מדידה בודדת של 54 טוקנים לשנייה על בנצ'מרק מורכב היא בסיס רעוע להחלטת ייצור, והספק לא פרסם מדידה כזו כלל. אם מערך בדיקה עצמאי שני יגיע קרוב למספר הזה, האיטיות היא תכונה של המודל, ובוני סוכנים צריכים לתכנן את הלולאות שלהם בהתאם. אם הוא יגיע הרבה מעליו, נקודת הקצה של הטראקר הייתה הבעיה, והקטע הזה מתיישן רע — וזו הדרך הנכונה שבה עליו להתיישן.

השני הוא סטטוס האימות של אותה רשומה מנותבת שעובר מ"לא ידוע", או שהפלטפורמה יוצאת מגרסת הבטא הפרטית. כל אחד מהם יהפוך מסלול מאושר למשהו שאפשר לעמוד מאחוריו בהתחייבות תמיכה.

השלישי הוא שעליבאבא מפרסמת ציון קידוד אייג'נטי מוחלט ולא יחס לעומת קודמתה. עד שתעשה זאת, ההמלצה היא הצהרה על כוונה, והמדידה היחידה שפורסמה של עומס העבודה שהוא מפרסם היא 32.2 דקות למשימה בקצב של 54 טוקנים בשנייה. זו אינה סיבה להימנע מ-Qwen4-Max — זו סיבה להריץ עליו בנצ'מרק על המשימות שלכם לפני שאתם מבטיחים למישהו תאריך אספקה, ולשמור את הפתרון הקיים במרחק מסלול אחד בזמן שאתם עושים זאת.