Qwen4-Maxと記されたタイトルカード。実務での利用を想定して作られ、「Intelligence Indexのタスク1件あたり32.3分、同分野の中央値は12.4分」という一文を添えている。
Guides & Insights

Qwen4-Maxは実世界の業務のために作られた。実世界の時計が示すのは1タスク32分だ

著者

Gideon Frost

公開日

最新モデル · 20すべてのモデルを見る →
ベンチマーク:Artificial Analysis · 毎日更新
すべての記事に戻る

{{1}}現実の仕事のために作られた{{/1}}——今週、{{2}}Qwen4-Max{{/2}}はこう売り込まれている。アリババが一般販売を開始してから2日後の11月18日にこのモデルを掲載した第三者プラットフォーム上でのことだ。{{3}}Qwen4-Max{{/3}}は2026年11月16日にリリースされ、そのプラットフォームの掲載内容には新しい重みも、新しいコンテキスト長も、新しい価格も追加されていない——あるのはスローガンとボタンだけだった。偶然にも、そのスローガンはこのモデルについて誰かが示した中で最も検証可能な主張だ。なぜなら現実の仕事はベンチマークスコアではないからだ。それは、誰かが待っている間、予算内で完了しなければならないタスクだ。まさにその時間を計測する唯一の公開ボードでは、{{4}}Qwen4-Max{{/4}}がIntelligence Indexのタスクを1件完了するのに32.3分かかる。この分野の中央値は12.4分だ。前身の{{5}}Qwen3.8-Max{{/5}}は47.4分を要した。

それが評決の形であり、悪い形ではない。Qwen4-Maxは置き換えるモデルより3分の1速く、同じ指標で19ポイント優れており、追加の思考をトークンあたり約4分の1安い課金メーターで行う。時計が変えるのは、誰がそれに手を伸ばすべきかだ。1タスクに30分かかるモデルは、壁時計時間を払えると意図的に決めない限り、チャットボックスや20ステップのエージェントループの背後に置くモデルではない。本稿はその判断と、それを左右する3つの数字——1タスクあたりの分、1タスクあたりのトークン、そして実際に測定された唯一のエフォートレベル——についてだ。

リーダーボードではなく、レイテンシーを指し示すスローガン

フラッグシップ製品のローンチコピーは通常、能力について論じる。これは仕事について論じており、それによって問いは「どれだけ賢いか」から「どれだけ長く」「どれだけ多く」へと静かに移る。これらは異なる問いであり、答えも異なる。そしてベンダー自身の資料は、最初の問いには二番目の問いよりもはるかによく答えている。

Alibabaが公表したQwen4-Maxに関する主張は効率性に関するものであり、そのすべてがエフォート設定を条件としている。ベンダー自身のWork360スイートでは、このモデルはQwen3.8-Maxの47.74に対して52.69を記録し、Xhighエフォートではトークン生成量が24%少なく、Highでは35%少ない。Terminal-Bench 4.0では、同じ2つの設定でトークン削減率は48%と49%であり、Work360でのタスクあたり平均コストは$4.43から$1.67に下がる。これらの数値はすべてベンダー報告によるもので、独立に再現されたものはなく、いずれも選択が必要なエフォートレベルに紐づいている。その最後の点は脚注ではない。それこそが、独立したタイミング行を注意書きなしに「モデルの速度」と読むことができない理由である。

独立した行を、平易に述べると

Artificial Analysisは、Qwen4-Maxを{{1}}Intelligence Index v5.0.1{{/1}}上で、3段階ダイヤルの最上位であるXhighにて測定し、スコアと併せてコストと速度の詳細パネルを公開した。2026年11月18日にライブで閲覧:

• インテリジェンス指数 — Qwen4-Max は 43、GPT-6.2 Astra は 62、Qwen3.8-Max(0902)は 34

• タスクあたりの実時間 — 32.3分(同等モデルの中央値12.4分に対して)。Qwen3.8-Maxは47.4分でした

• インデックス実行あたりの出力トークン数 — 1億2700万(同分野の中央値は6510万)

• 出力速度 — 54トークン/秒(Alibaba自身のエンドポイントで測定)

• 最初の回答トークンまでの時間 — 148.57秒

• インデックスタスクあたりのコスト — $3.27(Qwen3.8-Max は $10.02)

• 公称コンテキスト — トラッカーによる測定値では984,000トークン、Alibabaのドキュメントでは1,000,000トークン

興味深いのは最初の2つだ。43は平凡なスコアであり、評価ボードもそう示している。比較可能なモデルの中で平均以下と記述され、中央値も43なので、Qwen4-Maxはちょうど線上に位置する。一方、中央値12.4分に対して32.3分は平凡ではない。それは他陣営のほぼ3倍だ。能力は平均に着地し、それを引き出すコストは分布の裾に着地した。

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.

30分はどこへ消えるのか

時計を説明するのは2つの数字であり、どちらも謎ではない。1つ目は冗長さだ。中央値のモデルが6510万トークンで終える同じ9項目の評価スイートを、1億2700万出力トークンで完了している。2つ目はスループットで、毎秒54トークンというごく普通の値だ。普通の速度に2倍のトークンを掛けると、およそ2倍の時間になり、さらに少し上乗せされる。長時間走るタスクは、自分の推論を待つ時間も長くなるからだ。

これらを合わせると、実用的な帰結はベンチマークなしで計算できる単純な算術だ。実世界のタスクがQwen4-Maxで30分かかるなら、10回呼び出しのエージェントループは5時間かかり、100回呼び出しの夜間バッチは50時間かかる。それはこのモデルを避ける理由ではない——バッチ処理は1回の呼び出しにどれだけ時間がかかるかを気にしない——が、対話型およびエージェント的な作業にとっては厳しい制約であり、まさに「実世界の作業」が通常略して指すものだ。

単純な30分という数字よりも重要な二次的効果がある。32分のタスクは、本番スタックのあらゆるタイムアウトと悪く相互作用するのに十分な長さだ。ゲートウェイのアイドルタイムアウト、クライアント自身のリトライ予算、キューの可視性ウィンドウ、40分でリサイクルされるコンテナ。12分で終わるモデルはデフォルト設定でも生き残る。32分で終わるモデルは、あなたのタイムアウトがどこに設定されているかを教えてくれるモデルであり、それが生み出す失敗——作業を重複させるリトライ、あるいは全額請求される切り詰められた回答——は、トークン差分で節約できた以上に高くつく。

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.

3段階ダイヤルの最上部にある公開済みポイント1件

Qwen4-Maxは3つの推論エフォートレベル——low、high、Xhigh——を公開しており、デフォルトはhighで、思考バジェット自体のデフォルトは131,072トークンです。Artificial AnalysisはこれをXhighで採点しました。それは擁護できる選択です。ベンダー自身の効率性に関する主張がそう示されているからであり、モデルの最良の面を見せることにもなります。しかし、それは43分と32.3分がモデルで利用できる最も高コストな構成を表していることを意味し、lowエフォートの構成——インタラクティブ製品が実際に実行するであろう構成——には、公開された独立系の数値がまったくありません。

今月のリリースのもう一方の側にある情報開示の形を比較してください。GPT-6.2 Astraは同じ指標で曲線全体を公開しています。maxとXhighで62、highで60、mediumで57、lowで46です。より安価な設定が能力面で何を犠牲にするかがわかり、チームはその曲線上の一点を選べます。Qwen4-Maxは1つの点と、その1段下に位置するデフォルトを提供します。highでモデルを実行する場合、誰も測定していない構成で実行することになり、lowで実行する場合、ベンダーがその主張を公表していない構成で実行することになります。

そのギャップは今回の発表で最も報じられていない詳細であり、モデルに有利にも不利にも同じだけ作用する。正直な解釈は「Qwen4-Maxは遅い」ではない。「Qwen4-Maxはベンチマークされた設定では遅く、A​libabaの外で他の設定を計測した者はいない」ということだ。評価しているなら、エフォートダイヤルは最後ではなく最初に試す実験である。なぜなら、時間と請求額の両方を同時に動かす唯一のレバーだからだ。

料金カードが実際に報いるもの

料金メーターで見れば、{{1}}Qwen4-Max{{/1}}は安い——本当に安いし、{{2}}間違ったワークロード{{/2}}を選んでもペナルティが最も小さくなる形の安さだ。

• シンガポール料金 — 入力トークン100万件あたり$1.50、出力トークン100万件あたり$4.50

• グローバルスコープのリージョン — 入力 $1.413、出力 $4.24(いずれも小数点以下3桁まで)。これはサードパーティの一覧に記載されている価格です

• キャッシュ — シンガポールでの読み取りは100万あたり$0.075、その他の地域では$0.071。5分間の書き込みは$1.875、1時間は$3.00

• 長いコンテキスト — 定額。トークンの閾値を超えてもプレミアム料金体系は存在しない。今月、すべての競合他社がそうとは限らない

• Batch — 北京限定のファイルバッチ料金(入力 $0.707、出力 $2.12)

それらはA​libabaの公表料金です。数字よりも構造のほうが重要です。ウィンドウ全体にわたる定額料金ということは、40万トークンの文書レビューがここでは入力$0.60で済むのに対し、長コンテキスト倍率を設けているモデルならその何倍も請求されるということです。このモデルが実際に得意とするワークロード——長文書、動画、一括抽出——では、定額の料金表はトークン単価の見出し価格以上の価値があります。そして苦手とするワークロード——対話型、マルチターン、エージェント型——では、料金表は無関係です。制約はメーターではなく時計だからです。

誰も挙げなかった部分:チェックポイントは存在しない

ファインチューニングとモデルデプロイメントは、どちらもモデルのドキュメントで未サポートと明記されています。Qwen4-Maxはレンタル可能で、所有することはできません。そして、ローンチ投稿がオープンウェイトに対して示した唯一の譲歩は、より小規模なQwen4モデルが「オープンソース化予定」であるということだけです。実務での利用を売りにしているモデルにとって、これはライセンス上の細部ではなく現実的な制約です。現実の実務を最も多く抱えるチームは、通常、そのモデルでチューニングしたいチームだからです。計画に蒸留版、オンプレミス展開、または固定の重みセットに固定された再現可能なスナップショットが含まれるなら、このモデルはそのいずれも提供しておらず、サードパーティのリストによって追加されることもありません。

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

今すぐ電話をかけられるもの

Qwen4-Maxは当社のカタログにありません — そのルートは存在せず、そうではないと示唆するつもりもありません。カタログにあるのはQwen3.8-Maxで、本日時点でそのベンダー定価(マークアップ0%)でルーティング可能であり、32分のタスクに価値があると判断する前に実際にベンチマークすべきモデルです。スコアは43に対して34ですが、価格と、チームがすでに理解している挙動を備えたモデルです。

今回のローンチが提起するルーティングの問いは限定的なものだが、正確に述べておく価値がある。モデルが1タスクあたり30分かかる場合、気にすべき障害モードは誤った回答ではない。29分間課金された末に29分目で落ちる呼び出しである。だからこそ、長時間実行されるモデルは、単一のプロバイダーを直接呼び出すのではなく、自動フェイルオーバー付きのルートの背後に置くべきなのだ。再試行は稼働中のエンドポイントに着地し、エスカレーションのロジックはアプリケーションコードではなくルート内に存在する。200以上のモデルに対応する1つのキーはまた、次の節での比較が2つ目の契約ではなく設定変更で済むことを意味する。

誰が動くべきで、誰が待つべきか

作業がバッチ処理、ドキュメント中心、動画入力、または秒ではなく時間単位で測られるものであるなら、今すぐ移行してください。定額の長コンテキスト料金、984,000トークンのウィンドウ、ネイティブ動画入力、動画対応のツール呼び出し、そしてインデックスタスクあたり$3.27(置き換え対象モデルでは$10.02)というコストは、その種のジョブにとって明白なアップグレードであり、相手側で何も待っていないなら32分という制限時間は無関係です。

待って、少なくともまず設定つまみを試そう。自分の作業が対話型またはエージェント型ならなおさらだ。公開されている数値は、モデルが持つ最も高価な設定を、タスクの中央値が12分で完了するボード上で示したものだ。そして、実際にデプロイする設定は、これまで独立に計測されたことがない。ベンチマークに対して実行する前に、低い努力設定と高い努力設定を自分のトレースに対して実行しよう — その実験は数ドルで済み、ローンチ投稿が尋ねなかった問いに答えてくれる。

そして、どちらの陣営にいても、日付を正しく読み取ってほしい。Qwen4-Maxは2026年11月16日に一般販売を開始した。18日に起きたのは、現実世界の仕事に関するスローガンのもと、別のどこかで利用可能になったということだ。モデルは変わっていない。時計も変わっていない。新しいのはスローガンだけであり、それはページ上で自分で確認できる唯一の主張だ。

この記事で比較したモデル2

この記事から検出 · ベンチマーク:Artificial Analysis · 毎日更新