어두운 네이비 배경에 'Qwen4-Max'라고 적힌 생성된 16:9 타이틀 카드와 부제 '두 날짜, 하나의 스코어보드', 그리고 세 개의 둥근 카드가 있습니다: 모델 날짜 16 Nov 2026, 두 번째 판매자 18 Nov 2026, 인덱스 점수 43. 하단 줄에는 'Artificial Analysis Intelligence Index v5.0.1'이 표시됩니다. 오른쪽 하단에 OrcaRouter 로고.
Guides & Insights

Qwen4-Max, 이제 두 곳에서 판매 중. 읽을 가치가 있는 건 독립 스코어보드다

작성자

jinhao.song

게시일

최신 모델 · 20모든 모델 보기 →
벤치마크: Artificial Analysis · 매일 업데이트
모든 게시물로 돌아가기

Qwen4-Max는 2026년 11월 16일 일반 판매를 시작했고, 11월 18일 아침에는 한 타사 추론 플랫폼도 동일한 100만 토큰 컨텍스트와 동일한 텍스트·이미지·비디오 입력을 내세우며 이를 광고하고 있었다. 그것이 뉴스이며, 그것은 작은 뉴스다. 두 번째 판매자는 배포 이벤트이지 모델 이벤트가 아니다. 같은 시기에 등장했지만 거의 주목받지 못한 것은 하나의 측정 결과다. Artificial Analysis는 이제 Qwen4-Max 항목을 싣고 있으며, 자사의 Intelligence Index에서 이 모델에 43점을 부여한다. 이는 그것이 대체하는 전임 모델인 Qwen3.8-Max의 34점과 대비된다.

그 두 숫자에는 그것이 좋은 소식인지 판가름하는 맥락이 함께 따르지만, 벤더 자체 블로그는 그 맥락을 제공하지 않는다. 그래서 이 글은 순서대로 세 가지를 다룬다: 11월 16일에 실제로 무엇이 출시되었는지, 출시 게시물이 말하지 않는 것을 독립적인 행이 무엇이라고 말하는지, 그리고 같은 모델을 A​libaba가 아닌 다른 주체가 서빙할 때 무엇이 바뀌고 무엇이 조용히 깨지는지.

두 개의 날짜, 그리고 그중 하나만이 릴리스입니다

이 모델의 날짜는 2026년 11월 16일입니다. 알리바바의 Qwen 팀은 출시 게시물의 날짜를 11월 16일로 표기했으며, 해당 모델의 Model Studio 문서 페이지에는 "qwen4-max (Latest Model)"라는 제목과 함께 2026-11-16 09:46:08의 업데이트 타임스탬프가 있고, 일반 모델 식별자는 qwen4-max입니다. 상업적으로 중요한 것은 바로 이 페이지입니다. 이 페이지는 미리보기 식별자인 qwen4-max-preview를 대체했는데, 이 식별자는 11월 11일에 크레딧 요금제로 시작되었고 공개된 서비스 종료일은 11월 25일이었습니다. 정식 출시(GA)는 종량제 요금표, 6개 리전, 만료 없음을 의미했습니다.

11월 18일의 사건은 성격이 다르다. A​libaba가 아닌 한 플랫폼이 가격표가 등장한 지 이틀 만에 자사 고객을 위해 해당 모델을 판매 목록에 올리기 시작했다. 11월 18일에 모델 자체에서 바뀐 것은 없었다. 새로운 가중치도, 새로운 컨텍스트 수치도, 연구소의 새로운 가격도 없었다. 이번 주를 출시로 규정하는 기사를 읽고 있다면, 그 규정은 한 발 늦은 것이다. Qwen4-Max는 16일에 출시되었고, 18일에 일어난 일은 그것이 대규모로 재판매 가능해졌다는 것이다. 그 구분은 현학적인 말장난이 아니다. 그것은 어떤 질문을 해야 하는지를 알려준다. "무엇을 할 수 있는가"가 아니라—그 답은 월요일에 나왔다—"리셀러를 거치는 과정에서 무엇이 살아남는가"이며, 이 질문에는 아무도 답하지 않았다.

A generated two-column scoreboard titled 'Qwen4-Max vs Qwen3.8-Max' with five rows: index score 43 against 34; output tokens per run 127M against 150M; wall-clock per task 32.1 min against 47.5 min; cost per task $3.27 against $10.02; throughput 55 tok/s against 'not listed'. Footer reads 'Artificial Analysis Intelligence Index v5.0.1, measured November 2026'. OrcaRouter logo bottom-right.

11월 16일에 무엇이 출시되었나요?

아래 명세는 출시 게시물과 모델 문서에서 나온 A​libaba의 것이며, 그중 어느 것도 독립적으로 재현된 적이 없습니다 — 특히 아키텍처는 외부인이 검사한 적 없는 학습 실행에 대한 공급업체의 설명입니다.

• 아키텍처 — 2.4조 개 매개변수 백본, 토큰당 710억 개 매개변수 활성화, 추가로 3280억 개의 N-gram 임베딩 매개변수를 갖춘 새로운 Qwen4 설계

• 어텐션 — 3개의 Gated DeltaNet 레이어가 모든 Q​wen Sparse Attention 레이어에 공급되며, 이 레이어는 기록을 고정 크기 상태로 압축하고 컨텍스트를 마이크로 블록 단위로 인덱싱합니다

• 안정성 작업 — 동적 읽기 및 쓰기 게이트를 갖춘 네 개의 병렬 잔차 브랜치로, 연구소에서는 2.4T 실행에서 손실 스파이크가 없었던 이유라고 설명했습니다

• 컨텍스트 — 공급업체 문서에는 1,000,000 토큰, Artificial Analysis는 사용 가능한 윈도우를 984,000으로 측정

• 출력 상한 — 사고 비활성화 시 131,072토큰, 또는 사고와 답변 간 공유 262,144토큰

• 모달리티 — 텍스트, 이미지, 비디오 입력, 텍스트 출력. 기본 내장된 비전이며, 나중에 덧붙인 기능이 아닙니다

• 추론 노력 — 선택 가능한 수준으로, 출시 게시물에서는 자체 효율 수치를 인용할 때 이를 High 및 Xhigh라고 부릅니다

• 툴링 — 함수 호출, 병렬 툴 호출, 웹 검색, JSON Schema 기반 구조화된 출력, 접두사 완성, 명시적 및 암시적 캐싱

• 인터페이스 — O​penAI Chat Completions 및 Responses, A​nthropic Messages, DashScope로, 이는 A​libaba가 플래그십 모델에 탑재해 출시한 가장 폭넓은 프로토콜 지원 범위입니다

• 빠진 것 — 파인튜닝과 모델 배포는 모두 지원되지 않음으로 표시되어 있습니다. 체크포인트가 없으며, 출시 게시물에는 더 작은 Qwen4 모델이 "오픈 소스로 공개될 예정"이라고만 적혀 있습니다

효율성 주장은 이번 출시에서 가장 강하게 내세우는 부분이며, 조건부이기 때문에 더욱 정확히 밝힐 가치가 있습니다. Qwen3.8-Max 대비 공급업체는 자사 Work360 벤치마크에서 Xhigh 노력 수준일 때 토큰이 약 24% 적고 High일 때 35% 적으며, 동일한 두 설정에서 Terminal-Bench 4.0에서는 48% 및 49% 적다고 보고합니다. Work360에서 작업당 평균 비용은 $4.43에서 $1.67로 떨어져 62% 절감됩니다. 이 수치들은 모두 공급업체가 보고한 것이며, 모두 노력 수준에 연동되어 있습니다. 이 점은 나중에 리셀러가 해당 조절 장치를 어떻게 노출할지 결정할 때 중요한 세부 사항이 됩니다.

아무도 인용하지 않는 독립 행

Artificial Analysis는 Intelligence Index v5.0.1에 Qwen4-Max를 공개했는데, 등재된 설명은 유난히 직설적이다. 점수는 43이며, 사이트는 이를 비교 가능한 모델들 사이에서 평균 이하라고 설명한다. 중앙값도 43이므로 이 모델은 그 선을 웃도는 것이 아니라 정확히 선상에 있다. 이는 "전작 대비 9점 상승"이라는 문장보다 덜 호의적인 표현이지만, 두 문장 모두 사실이다. 0902 스냅샷으로 측정된 Qwen3.8-Max는 같은 지수에서 34점을 기록한다.

그 행의 나머지 부분이 논의가 흥미로워지는 지점인데, 그것이 역량과 그 역량을 끌어내는 비용을 분리하기 때문이다.

• 지수 점수 — v5.0.1에서 Qwen4-Max 43 대 Qwen3.8-Max (0902) 34

• 인덱스 실행당 출력 토큰 — 1억 2,700만 대 1억 5,000만, 해당 분야 중앙값 6,510만. 두 모델 모두 매우 장황하지만, 새 모델이 덜합니다.

• 작업당 실제 소요 시간 — 32.1분 대 47.5분, 전체 중앙값 11.5분 대비. 이전 모델보다 빠르지만, 측정된 모델 중에서는 여전히 가장 느린 축에 속함

• 처리량 — 초당 출력 토큰 55개, Alibaba 자체 API에서 측정

• 작업당 비용 — $3.27 대 $10.02, 이는 해당 행에서 가장 유용한 단일 숫자입니다

이것들을 함께 보면 업그레이드는 실재하지만 마케팅이 시사하는 것보다 범위가 좁습니다. Qwen4-Max는 지수 9점을 확보하고, 실제 경과 시간을 3분의 1로 줄이며, 대체하는 모델 대비 작업 완료 비용을 약 3분의 2로 줄입니다. 절대적인 속도를 얻는 것은 아닙니다. 작업당 32.1분으로 같은 보드의 중간값 모델보다 거의 세 배 느리고, 그에 도달하기 위해 중간값의 거의 두 배에 가까운 토큰 사용량을 소모합니다. 워크로드가 지연 시간에 민감하다면, 청구서를 결정하는 것은 지수 수치가 아닙니다.

A screenshot of the Artificial Analysis page for Qwen4 Max, headed 'Qwen4 Max: Intelligence, Performance & Price Analysis' and dated November 2026, showing an Intelligence Index score of 43 against a median of 43, 55 output tokens per second, a 984k context window, $1.50 input and $4.50 output per million tokens, $3.27 per task and 127M tokens generated on the index run.

릴레 이를 거쳐 리셀러에게 전달될 때 살아남는 것은 무엇인가

11월 18일자 목록이 이 문제를 이론이 아니라 시급한 사안으로 만드는 부분이다. 모델이 제작자가 아닌 플랫폼에서 서비스될 때, 네 가지는 안정적으로 전달되지만 한 가지는 그렇지 않다.

옮겨 다니는 네 가지: 가격 카드는 벤더 페이지에서 복사되기 때문이고, 컨텍스트 수치는 헤드라인이기 때문이며, 모달리티 목록은 마케팅 문구에 들어 있기 때문이고, 프로토콜 형태는 대부분의 플랫폼이 그 뒤에 무엇이 있든 OpenAI 호환 엔드포인트를 노출하기 때문이다. 이것들은 모든 목록이 제대로 맞히는 것이며, 모든 비교 기사가 인용하는 것이다.

이전되지 않는 부분은 effort 매핑이다. Qwen4-Max의 경제성은 설계상 effort에 의존한다. 벤더 자체의 토큰 절감률은 Work360에서 Xhigh를 실행하느냐 High를 실행하느냐에 따라 24%에서 35%까지 달라지며, 문서에서는 이 선택을 요청 파라미터로 노출한다. effort를 단일 기본값으로 고정하거나 OpenAI 스타일 reasoning 파라미터를 세 단계 중 두 단계에만 매핑하는 리셀러는, 청구서상 토큰당 가격은 동일한데도 작업당 비용이 벤더가 공개한 수치와 3분의 1만큼 차이 날 수 있는 모델을 건네준다. A​libaba 자체 수치와 비교해 어떤 리스팅을 벤치마킹하고 있다면, effort 수준을 명시적으로 고정하고, 가격에 관해 어떤 결론을 내리기 전에 플랫폼이 그 값을 어떻게 처리하는지 확인하라.

확인해야 할 더 작은 두 가지: 262,144토큰의 사고와 답변 공유 예산이 실제로 적용되는지, 아니면 조용히 잘리는지, 그리고 프롬프트 캐싱이 전체 입력 요율이 아니라 공급업체의 캐시 요율로 전달되는지. 둘 다 긴 에이전트 실행에서 실제 비용을 바꾸며, 어느 것도 헤드라인에는 드러나지 않는다.

변하지 않은 것, 그리고 앞으로도 변하지 않을 것

Qwen4-Max에 관한 가장 중대한 사실은 가격표에도 리더보드에도 없습니다. 바로 그것을 소유할 수 없다는 점입니다. 이 모델에는 체크포인트가 없으며, 문서에서는 파인튜닝과 자체 배포를 지원하지 않는 것으로 표시합니다. 출시 게시물의 마지막 문장은 더 작은 Qwen4 티어가 오픈 소스로 공개될 것이라고 약속하지만, 이는 이 모델이 아니라 제품군의 미래에 관한 진술입니다. Qwen4-Max에 이르는 모든 경로는 A​libaba의 6개 리전이든 재판매업체의 엔드포인트든 누군가의 API를 거칩니다.

그것은 2026년 프런티어 플래그십에 있어 정상적인 구성이며, 정상적인 결과를 낳습니다: 당신의 통합은 임대이고, 임대인의 수가 방금 하나에서 둘 이상으로 늘어났습니다. 그것이 11월 18일 리스팅에 대한 유일하게 진정으로 좋은 논거입니다 — 더 저렴하다는 것이 아니라, 스스로 호스팅할 수 없는 모델을 위한 또 하나의 공급 경로라는 점입니다.

이번 주에 이걸 연결하고 있다면

Qwen4-Max는 오늘 OrcaRouter의 카탈로그에 없습니다, 그리고 이 글은 아닌 척하지 않겠습니다. 거기 있는 것은 그것이 대체하는 모델입니다: qwen/qwen3.8-max, 동일 지수에서 34점을 기록하고 알리바바 목록 기준 백만 토큰당 입력 $2.00, 출력 $6.00인 2.4조 매개변수 플래그십입니다. Qwen 라인을 대상으로 구축하면서 이틀 된 상용 계약에 프로덕션 경로를 걸지 않고 Qwen4-Max를 사용해 보고 싶다면, 합리적인 패턴은 전임 모델을 동일 키에 유지하고 두 모델 사이를 라우팅하는 것입니다 — OrcaRouter는 하나의 OpenAI 호환 엔드포인트 뒤에서 여러 제공업체에 걸쳐 200개 이상의 모델 식별자를 0% 마크업으로 제공하며, 자동 장애 조치를 갖추고 있어 제공업체 측 장애나 속도 제한이 애플리케이션까지 다운시키지 않습니다. 라우팅 DSL은 한 단계 아래에서 같은 일을 합니다: 워크로드 대부분에는 저렴한 모델을 구성하고 작업이 실제로 필요로 하는 곳에서만 비싼 모델로 에스컬레이션할 수 있으므로, 모든 호출에 플래그십 요금을 지불하지 않아도 됩니다.

A screenshot of the OrcaRouter models catalogue showing the filter rail and the header '226 models, 17 providers, one API key, one bill', with a card for Google Gemini 4 Carbon and its per-million input and output rates visible.

그것은 키에 Qwen4-Max를 갖는 것과 같지 않으며, 그렇게 판매되어서는 안 됩니다. 그것은 모델이 당신의 스택에 도달하기를 기다리는 것과, 도달했을 때 그것을 흡수할 수 있는 스택을 갖는 것의 차이입니다.

이 작품을 바꿀 것은 무엇일까요?

세 가지이며, 가능성이 높은 순서대로입니다. Qwen4-Max에 대한 두 번째 독립 측정은 43이 하한인지 상한인지를 판가름할 것입니다 — 하나의 보드, 하나의 하네스, 하나의 노력 설정은 판정을 내리기에는 빈약한 근거이며, 이 블로그는 전에도 지수 개정이 점수를 두 자릿수만큼 움직이는 것을 지켜본 적이 있습니다. Artificial Analysis가 GLM-5.3에 대해 이미 제공하는 것과 같은 방식으로 공개한 노력 수준별 분석이 있다면, 과제당 비용 수치는 불특정 설정에 대한 평균이 아니라 실제로 실행 가능한 지표가 될 것입니다. 그리고 Qwen4 체크포인트 — 어떤 Qwen4 체크포인트든 — 가 있다면 임대 논쟁은 완전히 끝날 것입니다.

그때까지 이번 주를 올바르게 읽는 방법은 화려하지 않은 쪽이다. 플래그십이 월요일에 출시됐고, 실제 가격표와 경쟁력은 있지만 선두는 아닌 독립 점수를 받았다. 리셀러가 수요일에 이를 확보했는데, 이는 유통이 유통이 하는 일을 한 것이다. 그리고 당신의 통합을 결정해야 할 숫자는 $1.50나 43이 아니라 32.1분과 대략 업계 중앙값의 두 배로 나가는 토큰 청구서다. 실제로 지불하게 될 것은 그 두 가지다.

이 글에서 비교한 모델1

이 글에서 자동 인식 · 벤치마크: Artificial Analysis · 매일 업데이트