Una card di titolo con l'intestazione "Qwen4-Max: i numeri che non viaggiano", con tre chip che riportano 983.616 token di input in modalità thinking, 131.072 token di risposta e 262.144 condivisi tra thinking e risposta, con didascalia riferita alla model card di Alibaba Cloud Model Studio del 16 novembre 2026.
Guides & Insights

Qwen4-Max è stato listato altrove nel giro di un giorno. Il Thinking Budget è la parte che non sarà trasferibile

Autore

jinhao.song

Data di pubblicazione

Ultimi modelli · 20Vedi tutti i modelli →
Benchmark: Artificial Analysis · aggiornato ogni giorno
Torna a tutti gli articoli

Qwen4-Max è diventato disponibile a livello generale il 16 novembre 2026 e, nel giro di poche ore, una seconda piattaforma lo pubblicizzava già dal giorno zero: contesto da 1M di token, input nativo di testo, immagini e video, pensato per la programmazione, il lavoro d'ufficio e le esecuzioni di agenti su orizzonti lunghi. Questa è la forma normale del lancio di un modello chiuso nel 2026: A​libaba non pubblica alcun checkpoint per Qwen4-Max, quindi chiunque al di fuori delle sue sei regioni di deployment può raggiungere il modello solo tramite una piattaforma che lo affitta da A​libaba. Ciò che non è normale, o almeno non viene discusso, è quanto del manuale operativo del modello vada perso in quel passaggio intermedio. La scheda del prezzo viaggia senza intoppi. Il numero di contesto in evidenza viaggia senza intoppi. L'aritmetica che decide se la tua richiesta rientra o restituisce un troncamento non viaggia affatto.

Che cosa ti dice realmente una quotazione day-zero

Due cose, nessuna delle quali riguarda i benchmark. Primo, che il modello viene venduto per la ricerca e il lavoro con agenti anziché per la chat — il testo di lancio del day zero mette in primo piano esecuzioni agentiche a lungo orizzonte ed elenca il video tra le modalità di input, il che descrive il carico di lavoro verso cui la piattaforma intende indirizzarlo, non una riformulazione del titolo di A​libaba. Secondo, che Qwen4-Max è noleggiabile ma non portatile: non c'è alcun download, quindi ogni endpoint che lo eroga sta erogando il deployment di A​libaba, e ogni pagina di terze parti che lo descrive è un riassunto della documentazione di A​libaba. È nei riassunti delle tabelle delle specifiche che nascono i bug di integrazione.

La scheda tariffaria è la parte facile e vale la pena enunciarla una volta sola. A Singapore, Alibaba indica Qwen4-Max a $1,50 per milione di token in input e $4,50 per milione in output, con input in cache a $0,075 e scritture in cache a $1,875 per la finestra di cinque minuti o $3,00 per l'ora. Gli ambiti di deployment Global — Pechino, Hong Kong, Francoforte, Giappone e Virginia (USA) — sono leggermente inferiori: $1,413 in input, $4,24 in output e $0,071 per una lettura della cache. È un unico livello tariffario fino al limite di contesto: nessun sovrapprezzo per contesto lungo, nessuno sconto batch da cercare, perché su questo modello l'inferenza batch non è affatto offerta.

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.

Tre numeri che non viaggiano con il modello

"1M context" è il numero che compare in ogni scheda. La pagina del modello di Alibaba, aggiornata l'ultima volta il giorno del lancio, è più specifica, e il divario tra il numero di marketing e quelli operativi è il punto in cui le integrazioni si rompono:

• Lunghezza del contesto — 1.000.000 di token, un limite massimo per l'intera richiesta anziché un budget da spendere per l'output

• Input massimo, non-thinking — 991.808 token, perché 8.192 della finestra sono riservati alla risposta

• Input massimo, ragionamento — 983.616 token, altri 8.192 riservati al blocco di ragionamento

• Output massimo, senza ragionamento — 131.072 token

• Pensiero e risposta combinati, modalità di pensiero — 262.144 token, condivisi tra la traccia di ragionamento e la risposta visibile

• Budget di pensiero predefinito — 131.072 token, con reasoning_effort impostato su high per impostazione predefinita quando nessuno dei due parametri è impostato

La quinta riga è quella che morde. Un team che dimensiona un lavoro rispetto a un tetto di output documentato di 262.144 token e poi lo esegue in modalità thinking vedrà la risposta visibile fermarsi a una lunghezza che non ha nulla a che vedere con quanto il modello avesse ancora da dire, perché la traccia di ragionamento ha attinto dallo stesso pool. La cifra 131.072 è il numero sicuro per l'output. La cifra 262.144 è un budget condiviso, e la differenza tra queste due letture è la differenza tra una pipeline funzionante e un incidente settimanale.

C'è una piccola consolazione: questo spiega anche una discrepanza che vedrai nelle schede tecniche di terze parti, che citano una finestra di contesto di 984k. Non si tratta di un modello diverso né di un downgrade. È il limite massimo di input in modalità thinking, 983.616 arrotondato, ed è il numero onesto su cui dimensionarsi se chiami il modello con il reasoning attivo — che è l'impostazione predefinita.

La rimappatura dello sforzo è il punto in cui un client modellato su OpenAI perde un livello

Qwen4-Max espone tre livelli di ragionamento, non cinque: low, high e xhigh, con valore predefinito high. Chiamalo tramite un client compatibile con OpenAI e una stringa effort fuori intervallo viene ricondotta anziché rifiutata — la tabella di A​libaba mappa minimal su low, medium su high e max su xhigh. Tramite il formato Anthropic Messages, medium diventa high e max diventa xhigh.

Entrambe le mappature sono difendibili ed entrambe tacciono. Una pipeline ottimizzata su un modello a cinque livelli che qui richiede medium riceve un ragionamento ad alto sforzo: più token, più latenza, più spesa e nessun errore che ti dica che è successo. Una pipeline che richiede max aspettandosi il vertice di una scala a cinque gradini ottiene xhigh, che per caso è il vertice di questa — quindi l'output sembra corretto e solo la fattura dice il contrario. La correzione è una riga per route: fissare il livello su cui hai effettivamente misurato, nel vocabolario del fornitore, e verificarlo con un'asserzione in staging. Qualsiasi cosa che passi una stringa di effort non mappata direttamente a un modello con una scala più corta si discosterà, e si discosterà nella direzione di spendere più denaro.

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.

Cosa dicono i numeri del lancio, e cosa non dicono

La valutazione di lancio di Alibaba, riportata dal fornitore e non riprodotta in modo indipendente, colloca Qwen4-Max a 52,69 sul suo benchmark Work360 contro 47,74 di Qwen3.8-Max, con il costo medio per attività che scende da 4,43 $ a 1,67 $ e l'uso di token in output in calo del 24% con sforzo xhigh e del 35% con high. Su Terminal-Bench 4.0 il fornitore riporta il 48% e il 49% in meno di token in output con le stesse due impostazioni, e i tassi di superamento a livello di funzione sul suo benchmark di secure coding salgono dal 22,0% al 31,8%. Questi sono gli argomenti del fornitore a favore dell'architettura: un modello sparse mixture-of-experts da 2,4 trilioni di parametri che attiva 71 miliardi di parametri per token, più 328 miliardi di parametri di embedding N-gram, con tre layer Gated DeltaNet per ogni layer di attenzione sparsa.

L'unica lettura esterna disponibile il 17 novembre è Artificial Analysis, che assegna a Qwen4-Max un punteggio di 43 su Intelligence Index v5.0.1 e lo colloca al 38º posto su 81 modelli in quell'indice. Misura inoltre $3.27 di calcolo per attività dell'indice, sostenuti da 127 milioni di token di output nel corso dell'esecuzione rispetto a una mediana di 78.6 milioni, e non registra alcuna misurazione della velocità per il modello — nessun tempo per attività, nessun tasso di output. Un 43 accanto all'affermazione di un fornitore di superare la frontiera è la tensione di cui si occuperà la copertura del prossimo mese. È anche l'unico numero in questo articolo che A​libaba non ha prodotto.

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.

Se avessi intenzione di chiamarlo questa settimana

OrcaRouter non instrada Qwen4-Max, e vale la pena dirlo chiaramente anziché lasciar intendere il contrario. Il catalogo include Qwen3.8-Max — il modello che Qwen4-Max sostituisce — a $2,00 in ingresso e $6,00 in uscita per milione con il prezzo di listino del fornitore applicato senza ricarico (0%), insieme a Claude Opus 5.5, GPT-6.1 Sol, Grok 4.5 e T​encent HY4 Preview. Non include ancora la generazione Qwen4.

La soluzione onesta per un team che valuta Qwen4-Max oggi è quindi una chiave A​libaba diretta per il nuovo modello più un livello di routing per tutto ciò su cui si farebbe fallback. È meno scomodo di quanto sembri, perché ciò che rende costoso adottare un nuovo modello non è il prezzo dei token — è che provarlo significa un secondo contratto, un secondo SDK e un secondo insieme di semantiche di retry che risiedono su un percorso di produzione. Mantenere il modello attuale dietro un unico endpoint con failover automatico tra provider consente all'esperimento Qwen4-Max di funzionare accanto a un percorso che già funziona, e consente che il confronto avvenga sul tuo traffico anziché sul benchmark di A​libaba. Quando il modello arriverà effettivamente nel catalogo, il prezzo che vedrai sarà quello del fornitore, aggiornato in tempo reale il giorno in cui cambia, perché è questo che significa pass-through: la Global card a $1.413 e $4.24 apparirebbe come $1.413 e $4.24, non al margine di un rivenditore.

Cosa guardare

Il post di lancio di Alibaba si chiude con una frase che conta più di qualsiasi benchmark al suo interno: Max è solo il primo sguardo a Qwen4, e modelli più piccoli della famiglia stanno arrivando in open source. È una promessa sul livello inferiore, non su questo, e non cambia il fatto che Qwen4-Max stesso sia un modello che noleggi da un unico fornitore e da piattaforme che lo noleggiano dallo stesso fornitore. In quel mercato la documentazione è l'elemento che differenzia il prodotto, e la documentazione dice 983,616 in input e 131,072 in output — non un milione di qualsiasi cosa.

Due date vanno segnate in un calendario. Il ritiro del 25 novembre degli identificatori di anteprima, per chiunque abbia una configurazione che riporta ancora qwen4-max-preview. E qualunque cosa Alibaba pubblichi in seguito sul budget di ragionamento, perché un pool condiviso da 262,144 token su un modello commercializzato come 1M-context è il numero più probabilmente destinato a essere rivisto una volta che i carichi di lavoro reali degli agenti lo incontreranno.