Kartu judul yang dihasilkan berjudul 'Didukung untuk pengodean agentik, diukur pada peringkat ke-74 dari 79', dengan chip bertuliskan 54 token per detik, 32,2 menit per tugas indeks, 179,79 detik hingga token jawaban pertama, dan 43 pada Intelligence Index, serta footer bertuliskan 'Angka kecepatan Artificial Analysis, dibaca 17 November 2026'.
Guides & Insights

Qwen4-Max Kini Ditawarkan untuk Pengodean Agentik. Baris Kecepatan Independen Menyebutnya ke-74 dari 79

Penulis

jinhao.song

Tanggal Terbit

Model terbaru · 20Lihat semua model →
Benchmark: Artificial Analysis · diperbarui setiap hari
Kembali ke semua artikel

Pada 09:31 UTC tanggal 17 November 2026, akun resmi Qwen4-Max di X memposting lima kata dan sebuah undangan: model tersebut kini tersedia di platform pihak ketiga, silakan coba pengodean agentik. Itu adalah tweet kutipan dari pengumuman platform tersebut sendiri, satu hari setelah Alibaba memindahkan model itu dari pratinjau ke ketersediaan umum berbayar sesuai pemakaian. Postingan itu singkat dan mudah terlewat saat menggulir. Ini juga pertama kalinya vendor mengarahkan pengikutnya sendiri ke rute eksternal tertentu untuk model unggulannya, dan vendor memilih beban kerja — pengodean agentik dengan horizon panjang — yang menjadi bidang tempat Qwen4-Max saat ini memiliki pengukuran independen terlemah di papan.

Itulah keseluruhan ketegangan yang layak dilaporkan, dan ini bukan tuduhan. Vendor yang mempromosikan model kepada para pembangun agen adalah hal biasa. Yang layak dipastikan adalah jarak antara pitch dan angka yang dapat diperiksa pembaca, karena pitch-lah yang menjadi dasar tim bertindak dan angka-angka itulah yang disampaikan oleh tagihan dan waktu aktual.

Apa yang sebenarnya ditetapkan oleh postingan itu

Tiga hal, dan tidak lebih dari tiga. Sisanya adalah inferensi yang disajikan sebagai berita.

• Dukungan tersebut nyata dan bertanggal. Postingan itu memiliki stempel waktu 17 November 09:31 UTC, berasal dari akun vendor itu sendiri, dan mengutip tweet pengumuman platform sebelumnya, bukan berdiri sendiri. Vendor yang memposting ulang peluncuran mitra merupakan tindakan yang disengaja; akun tersebut tidak sekadar kebetulan menyebutkannya.

• Platform ini bukan deployment kedua. Halaman modelnya mencantumkan qwen/qwen4-max dalam tabel berjudul "Model yang dirutekan, dilayani oleh lab masing-masing" — bukan di antara edisi terbitannya sendiri. Perbedaan itu lebih penting daripada teks pemasaran di sekitarnya: model yang dirutekan adalah deployment Alibaba yang diakses melalui pintu depan pihak lain, dan itulah satu-satunya cara sebuah model tertutup kelas 2,4 triliun parameter bisa muncul di mana pun.

• Ini beta, bukan kapasitas. Banner tetap situs menyatakan bahwa situs berada dalam beta privat dan meminta kode undangan. Dukungan dari akun model itu sendiri adalah sinyal tentang niat, bukan tentang throughput, kuota, atau perjanjian tingkat layanan — dan kode undangan bukan jalur pengadaan.

Dan yang tidak ditetapkan oleh postingan itu adalah satu pun klaim performa. Tidak ada angka token per detik di dalamnya, tidak ada tingkat penyelesaian tugas, tidak ada biaya per tugas, tidak ada pernyataan tentang berapa banyak sesi agen bersamaan yang dapat ditangani oleh rute tersebut. Bacalah ini sebagai "Anda sekarang dapat menjangkau model ini di sini," yang hanya itulah yang dikatakannya.

Kartu di bawah endorsemen tersebut lebih murah daripada kartu milik vendor itu sendiri.

Daftar yang dirutekan itu membawa angkanya sendiri, dan harga adalah hal yang patut dicermati. Tertulis $1.40 per juta token input dan $4.20 per juta token output, dengan jendela konteks 977K token dan status online.

• Input — $1.40 pada kartu yang dirutekan dibandingkan $1.413 pada kartu cakupan Global milik Alibaba sendiri (Beijing, Hong Kong, Frankfurt, Virginia AS, Tokyo) dan $1.50 di Singapura.

• Keluaran — $4.20 dibandingkan dengan $4.24 Global dan $4.50 Singapore.

• Arahnya — angka yang dirutekan berada sekitar 1% di bawah wilayah termurah yang dipublikasikan vendor dan sekitar 6,7% di bawah kartu yang sebenarnya akan ditagihkan kepada sebagian besar pembaca di luar Tiongkok daratan.

Mekanisme yang dinyatakan — platform tersebut menjelaskan biayanya sebagai "tarif lab ditambah biaya rute, tanda terima rute bertanda tangan pada setiap jawaban."

• Angka konteks — 977K pada daftar, dibandingkan 1.000.000 pada kartu model Alibaba, dengan batas operasional 991.808 token input dalam mode standar dan 983.616 dalam mode thinking.

Kedua fakta itu terasa janggal jika disandingkan. Rute yang menambahkan biaya di atas tarif lab seharusnya lebih mahal daripada langsung, tetapi yang ini lebih murah daripada setiap region Alibaba yang dipublikasikan. Penjelasan yang masuk akal tidaklah glamor — tarif promosi, arbitrase regional atas endpoint Alibaba mana yang dipanggil, atau daftar harga yang belum diperbarui sejak kartu pratinjau — dan tidak satu pun dapat dikonfirmasi dari luar. Yang bisa dilakukan pembaca adalah berhenti menganggap harga melalui rute tersebut sebagai harga model. Kartu milik Alibaba sendiri adalah acuannya; apa pun yang di bawahnya adalah pengaturan komersial dengan tanggal kedaluwarsa yang belum dipublikasikan siapa pun. Jika biaya per tugas adalah hal yang Anda putuskan, hitunglah berdasarkan $1.50 masuk dan $4.50 keluar di Singapura, atau $1.413 dan $4.24 pada cakupan Global, dan anggap diskon sebagai nilai tambah, bukan sebagai rencananya.

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.

Beban kerja di pos itu adalah yang paling buruk diukur oleh pelacak.

Artificial Analysis adalah satu-satunya pihak yang menerbitkan pengukuran independen atas Qwen4-Max, dan halamannya telah diperbarui dengan baris performa lengkap yang tidak ada pada hari peluncuran. Apa yang dikatakan baris itu tidak ambigu.

• Intelligence Index — 43 pada rangkaian sembilan evaluasi v5.0.1, berperingkat ke-38 dari 81 model, sedikit di atas median pelacak sebesar 41 untuk kelas harga tersebut.

• Kecepatan keluaran — 54 token per detik. Itu adalah peringkat ke-74 dari 79 model yang diberi peringkat oleh tracker berdasarkan kinerja.

• Waktu hingga token jawaban pertama — 179,79 detik, karena model berpikir sebelum berbicara dan upaya penalaran default pada kartu Alibaba adalah tinggi.

• Waktu per tugas Intelligence Index — 32,2 menit, dibandingkan median 13,3 menit untuk model yang sebanding. Pelacak menyebut ini "sangat lambat."

• Verbosititas — 127 juta token keluaran di seluruh indeks, dibandingkan median 78,6 juta. Itu peringkat ke-65 dari 80.

• Biaya per tugas indeks — $3,27, peringkat 44 dari 80, dengan diskon cache 95% yang sudah diterapkan.

Setiap angka dalam daftar itu adalah pengukuran tracker itu sendiri, bukan milik Alibaba. Klaim yang dipublikasikan vendor adalah kumpulan yang sama sekali berbeda dan diberi label sebagai klaim vendor di mana pun klaim itu muncul: peningkatan efisiensi token sebesar 24% hingga 35% dibandingkan Qwen3.8-Max pada benchmark Work360 miliknya sendiri, 48% hingga 49% pada Terminal-Bench 4.0, dan biaya rata-rata per tugas turun dari $4.43 menjadi $1.67. Tidak ada satu pun dari itu yang telah direproduksi secara independen. Kedua kumpulan data tersebut tidak saling bertentangan — sebuah model bisa efisien per tugas namun tetap lambat per token — tetapi hanya salah satunya yang memberi tahu Anda bagaimana rasanya loop agen pada pukul 2 pagi.

Ada {{1}}celah kedua{{/1}} dalam {{2}}materi milik vendor itu sendiri{{/2}}, dan itu adalah {{3}}hal yang aneh{{/3}} bagi sebuah model yang dijual untuk {{4}}pengodean agentik{{/4}}. {{5}}Kartu model Alibaba{{/5}} {{6}}tidak memublikasikan jumlah parameter{{/6}}; {{7}}materi peluncuran{{/7}} menjelaskan {{8}}sparse mixture-of-experts 2,4 triliun parameter{{/8}} dengan {{9}}71 miliar yang diaktifkan per token{{/9}}, dan {{10}}pelacak mencatat ukurannya sebagai tidak diungkapkan{{/10}}. Juga tidak ada {{11}}skor Terminal-Bench 4.0 yang dipublikasikan{{/11}} untuk model ini dari {{12}}Alibaba sendiri{{/12}}, hanya {{13}}klaim efisiensi relatif terhadap pendahulunya{{/13}}. {{14}}Vendor yang ingin para pembangun agen mengadopsi sebuah model{{/14}} biasanya memimpin dengan {{15}}angka agentik absolut{{/15}}. Yang ini {{16}}memimpin dengan rasio{{/16}}.

Apa yang dilakukan 32 menit per tugas dan 54 token per detik terhadap sebuah loop

Harga satuan menyembunyikan ini, jadi berikut adalah aritmetika pada bentuk yang diiklankan oleh postingan itu — agen pengodean yang mengerjakan suatu tugas secara bergiliran. Semuanya diturunkan dari tarif yang dipublikasikan dan kecepatan yang diukur, bukan dari tagihan.

• Waktu generasi per giliran — patch 3.000 token dan blok penalaran pada 54 token per detik adalah sekitar 56 detik keluaran murni. Pada 8.000 token, itu kira-kira 2,5 menit, bahkan sebelum model membaca apa pun.

• Sesi 25 putaran — 25 putaran dengan 3.000 token keluaran adalah 75.000 token, sekitar 23 menit generasi pada kecepatan itu, ditambah 25 penantian token jawaban pertama yang terpisah masing-masing hampir tiga menit jika harness tidak menjaga konteks tetap hangat. Overhead-nya saja dapat melebihi generasi.

• Sesi yang sama dalam uang — 75.000 token keluaran dengan $4,50 per juta adalah $0,34. Komputasi itu murah; waktunya tidak. Inversi itulah satu hal paling berguna untuk dipahami tentang ekonomi model ini.

• Cache adalah tuas yang menentukan apakah hal itu dapat ditoleransi — konteks 200.000 token yang dibaca ulang dari awal dengan biaya $1.50 per juta menelan $0.30 per giliran; jika di-cache dengan diskon 95%, biayanya sekitar $0.015. Selama 25 giliran, itu adalah selisih antara $7.50 dan $0.38 untuk input, yang sepenuhnya membuat tagihan output tampak tidak berarti.

Dengan kata lain: pada Qwen4-Max, hal yang perlu diinstrumentasikan bukanlah panjang output, melainkan rasio cache hit dan latensi token pertama. Loop yang menjaga konteksnya tetap hangat dan toleran terhadap proses berpikir selama tiga menit itu layak dijalankan. Loop yang mengirim ulang konteks 200K dingin setiap giliran membayar dua puluh kali tarif input dan menunggu tiga menit setiap kali untuk melakukannya. Tugas indeks 32,2 menit adalah komposit pelacak, bukan tugas Anda, tetapi arahnya adalah hal yang perlu dijadikan dasar perencanaan.

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.

Struk tidak menyebutkan apa yang menjawab

Inilah bagian dari daftar yang dirutekan yang lebih pantas mendapat perhatian daripada harganya. Dokumentasi platform itu sendiri luar biasa terbuka: setiap jawaban yang dirutekan membawa tanda terima rute yang ditandatangani, dan tanda terima tersebut "tidak membuktikan bobot mana yang menjawab." Tanda terima itu mencatat ke mana permintaan dikirim dan apa yang dilaporkan oleh probe terbaru. Model yang diterbitkan sendiri oleh platform mendapatkan rantai yang lebih kuat — file disimpan berdasarkan digest SHA-256, revisi diidentifikasi dengan hash peta file, catatan bertanda tangan di bawah kunci penerbit yang dipatok, log transparansi hanya-tambah — dan status verifikasi yang ditampilkan untuk qwen/qwen4-max adalah "tidak diketahui."

Bagi model tertutup, ini bukan skandal, melainkan batasan struktural yang dimiliki setiap router, termasuk milik kami: jika bobotnya tidak dipublikasikan, tidak ada pihak ketiga yang dapat membuktikan bobot mana yang menghasilkan suatu token. Yang berikut ini adalah aturan praktis, bukan kritik. Jika pekerjaan Anda bergantung pada model yang benar-benar Qwen4-Max — evaluasi, pengiriman benchmark, klaim kontraktual tentang model mana yang menyentuh data — endpoint yang dirutekan tidak cukup menjadi bukti dengan sendirinya, tidak peduli seberapa bagus tanda terimanya terlihat. Jika yang Anda butuhkan adalah kemampuannya, endpoint yang dirutekan tidak masalah dan pertanyaan asal-usulnya menjadi akademis.

Cara mencobanya tanpa mempertaruhkan jalur produksi padanya

Terus terang soal posisi kami: OrcaRouter tidak merutekan Qwen4-Max. Katalog memuat qwen/qwen3.8-max, anthropic/claude-fable-5.2 dan openai/gpt-6.1-sol; permintaan untuk identifier qwen4 saat ini mengembalikan not-found, jadi jika Anda menginginkan model ini di key kami, Anda menunggu seperti orang lain. Yang bisa kami lakukan adalah membuat evaluasi ini murah untuk dibatalkan.

Alasan untuk peduli adalah bahwa segala hal tentang peluncuran ini menentang untuk melakukan hardcoding. Model ini baru berumur sehari, satu-satunya baris performa independennya menempatkannya di peringkat 74 dari 79 dalam hal kecepatan, harga routed-nya lebih rendah daripada harga resmi vendor-nya sendiri karena alasan yang belum dijelaskan siapa pun, dan platform yang membawa endorsemen tersebut berada dalam beta privat di balik kode undangan. Salah satu saja dari hal itu bisa berubah dalam waktu seminggu — dan transisi dari preview ke GA yang juga memangkas anggaran bersama thinking-plus-answer dari 393,216 token menjadi 262,144 dan memindahkan penagihan dari kredit ke metering per token adalah persis jenis perubahan yang merusak jalur produksi pada minggu kedua.

Itulah alasan untuk mempertahankan eksperimen di balik endpoint yang dirutekan alih-alih endpoint yang di-hardcode: model baru di satu rute, qwen/qwen3.8-maxdi fallback, satu kunci dan satu tagihan untuk keduanya. Dengan margin 0% dan harga daftar penyedia diteruskan apa adanya, aritmetika yang Anda hitung terhadap kartu harga Alibaba adalah aritmetika yang ditagihkan kepada Anda — yang juga berarti penurunan harga dari vendor muncul di sisi kami pada hari yang sama, bukan pada pembaruan kontrak berikutnya. Fusi model adalah opsi lain yang perlu diketahui untuk model yang belum terbukti: jalankan bersamaan dengan model incumbent pada sampel trafik Anda sendiri dan bandingkan outputnya sebelum salah satunya mengambil alih jalur. Jika Anda lebih suka sekadar melihat seperti apa satu API untuk 200+ model, katalognya bersifat publik.

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.'

Apa yang akan mengubah pembacaan ini?

Tiga hal, sesuai urutan seberapa besar pengaruhnya.

Yang pertama adalah angka kecepatan dari pihak mana pun selain satu pelacak itu. Satu pengukuran 54 token per detik pada benchmark komposit adalah dasar yang tipis untuk keputusan produksi, dan vendor sama sekali belum menerbitkannya. Jika harness independen kedua menghasilkan angka yang mendekati itu, lambatnya adalah sifat model dan para pengembang agen harus menyesuaikan loop mereka dengan itu. Jika hasilnya jauh lebih tinggi, endpoint pelacak itulah masalahnya dan bagian ini akan cepat usang — yang justru merupakan cara yang tepat bagi bagian ini untuk menua.

Yang kedua adalah status verifikasi pada listing yang dirutekan itu beranjak dari "unknown," atau platform keluar dari private beta. Salah satu saja akan mengubah rute yang telah didukung menjadi sesuatu yang bisa Anda sertai komitmen dukungan.

Yang ketiga adalah Alibaba menerbitkan skor coding agentik absolut, bukan rasio terhadap pendahulunya. Sampai itu dilakukan, dukungan tersebut hanyalah klaim tentang niat, dan satu-satunya pengukuran terbitan atas beban kerja yang diiklankannya adalah 32,2 menit per tugas pada 54 token per detik. Itu bukan alasan untuk menghindari Qwen4-Max — itu alasan untuk melakukan benchmark pada tugas Anda sendiri sebelum Anda menjanjikan tanggal pengiriman kepada siapa pun, dan untuk mempertahankan penyedia lama sebagai satu rute cadangan selama Anda melakukannya.