Een gegenereerde titelkaart met als kop 'Goedgekeurd voor agentisch coderen, gemeten op de 74e van 79', met chips met de tekst 54 tokens per seconde, 32,2 minuten per indextaak, 179,79 seconden tot het eerste antwoordtoken en 43 op de Intelligence Index, en een voettekst met de tekst 'Snelheidscijfers Artificial Analysis, afgelezen op 17 november 2026'.
Guides & Insights

Qwen4-Max wordt nu aangeprezen voor agentisch programmeren. De Independent Speed Row zegt 74e van 79.

Auteur

jinhao.song

Publicatiedatum

Nieuwste modellen · 20Bekijk alle modellen →
Benchmarks: Artificial Analysis · dagelijks bijgewerkt
Terug naar alle berichten

Op 17 november 2026 om 09:31 UTC plaatste het officiële Qwen4-Max-account op X vijf woorden en een uitnodiging: het model is nu live op een platform van een derde partij, kom agentisch programmeren proberen. Het was een quote-tweet van de eigen aankondiging van dat platform, één dag nadat Alibaba het model van preview naar algemene beschikbaarheid met verbruiksafrekening had gebracht. Het bericht is klein en je scrolt er gemakkelijk voorbij. Het is ook de eerste keer dat de leverancier zijn eigen volgers wijst op een specifieke externe route voor zijn vlaggenschip, en daarbij koos hij de workload — langdurig agentisch programmeren — waarvoor Qwen4-Max momenteel de zwakste onafhankelijke meting op het scorebord heeft.

Dat is de hele spanning die het vermelden waard is, en het is geen beschuldiging. Dat een leverancier een model promoot bij bouwers van agents is normaal. Wat de moeite waard is om vast te stellen, is de afstand tussen de pitch en de cijfers die een lezer kan controleren, want de pitch is waar een team op handelt en de cijfers zijn wat de factuur en de klok opleveren.

Wat de post eigenlijk vaststelt

Drie dingen, en niet meer dan drie. De rest is gevolgtrekking vermomd als nieuws.

• De aanbeveling is echt en gedateerd. De post heeft een tijdstempel van 17 november 09:31 UTC, is afkomstig van het eigen account van de leverancier en neemt de eerdere aankondiging van het platform op in een quote-tweet in plaats van op zichzelf te staan. Dat een leverancier de lancering van een partner opnieuw plaatst, is een bewuste handeling; het account heeft het niet zomaar toevallig genoemd.

• Het platform is geen tweede implementatie. Op de modelpagina staat qwen/qwen4-max in een tabel met als kop "Gegeroute modellen aangeboden door hun eigen labs" — niet tussen de eigen gepubliceerde edities. Dat onderscheid is belangrijker dan de marketingtekst eromheen: een gerouteerd model is Alibaba's implementatie die via de voordeur van iemand anders wordt bereikt, de enige manier waarop een gesloten model van de 2,4 biljoen parameter-klasse überhaupt ergens kan verschijnen.

• Het is een bèta, geen capaciteit. De vaste banner van de site zegt dat deze in private bèta is en vraagt om een uitnodigingscode. Een aanbeveling vanaf het eigen account van het model is een signaal over intentie, niet over doorvoer, quotum of een service-level agreement — en een uitnodigingscode is geen inkooptraject.

En wat de post niet vaststelt, is ook maar één prestatieclaim. Er staat geen tokens-per-secondecijfer in, geen taakvoltooiingspercentage, geen kosten per taak, geen uitspraak over hoeveel gelijktijdige agentsessies de route aankan. Lees het als "je kunt dit model nu hier bereiken", wat alles is wat er staat.

De kaart onder de endorsement is goedkoper dan die van de verkoper zelf.

De gerouteerde listing heeft zijn eigen cijfers, en de prijs is degene waar je naar moet blijven kijken. Er staat $1.40 per miljoen invoertokens en $4.20 per miljoen uitvoertokens, met een contextvenster van 977K tokens en de status online.

• Invoer — $1,40 op de gerouteerde kaart tegenover $1,413 op Alibaba's eigen Global-scope-kaart (Peking, Hongkong, Frankfurt, US Virginia, Tokio) en $1,50 in Singapore.

• Productie — $4,20 tegenover $4,24 Global en $4,50 Singapore.

• De richting — het gerouteerde nummer ligt ongeveer 1% onder de goedkoopste gepubliceerde regio van de leverancier en ongeveer 6,7% onder de kaart waarop de meeste lezers buiten het vasteland van China daadwerkelijk worden gefactureerd.

• Het genoemde mechanisme — het platform beschrijft zijn toeslag als "het tarief van het lab plus de routevergoeding, een ondertekend routebewijs bij elk antwoord."

• Het contextgetal — 977K op de aanbieding, tegenover 1.000.000 op Alibaba's modelkaart, waar de geldende plafonds 991.808 invoertokens zijn in de standaardmodus en 983.616 in de denkmodus.

Die twee feiten staan ongemakkelijk naast elkaar. Een route die een toeslag bovenop het tarief van het lab rekent, zou duurder moeten zijn dan rechtstreeks gaan, en deze kost minder dan elke gepubliceerde Alibaba-regio. De plausibele verklaringen zijn weinig glamoureus — een promotietarief, een regionale arbitrage op basis van welk Alibaba-endpoint wordt aangeroepen, of een vermelding die sinds de previewkaart niet is bijgewerkt — en geen ervan kan van buitenaf worden bevestigd. Wat een lezer kan doen, is ophouden de gerouteerde prijs als de prijs van het model te behandelen. Alibaba's eigen kaart is de referentie; alles daaronder is een commerciële afspraak met een vervaldatum die niemand heeft gepubliceerd. Als kosten per taak het punt is waarop u zich baseert, reken het dan af aan $1,50 in en $4,50 uit in Singapore, of $1,413 en $4,24 op Global-scope, en beschouw een korting als meevaller in plaats van als het plan.

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.

De werkdruk in de post is degene die de tracker het slechtst meet.

Artificial Analysis is het enige bedrijf dat onafhankelijke metingen van Qwen4-Max publiceert, en de pagina is bijgewerkt met een volledige prestatierij die er op de lanceerdag niet stond. Wat die rij zegt, is niet dubbelzinnig.

• Intelligence Index — 43 op de v5.0.1-suite met negen evaluaties, 38e van 81 modellen, marginaal boven de mediaan van 41 die de tracker voor deze prijsklasse aangeeft.

• Uitvoersnelheid — 54 tokens per seconde. Dat is de 74e van de 79 modellen die de tracker qua prestatie rangschikt.

• Tijd tot eerste antwoordtoken — 179,79 seconden, omdat het model nadenkt voordat het spreekt en de standaard redeneerinspanning op Alibaba's kaarthoog.

• Tijd per Intelligence Index-taak — 32,2 minuten, tegenover een mediaan van 13,3 minuten voor vergelijkbare modellen. De tracker noemt dit "opmerkelijk traag."

• Woordrijkheid — 127 miljoen outputtokens in de hele index, tegenover een mediaan van 78,6 miljoen. Dat is de 65e van 80.

• Kosten per indextaak — $ 3,27, op de 44e plaats van 80, met al 95% cachekorting toegepast.

Elk cijfer in die lijst is de eigen meting van de tracker, niet die van Alibaba. De gepubliceerde claims van de leverancier vormen een heel andere set en worden overal waar ze voorkomen als claims van de leverancier aangeduid: een token-efficiëntiewinst van 24% tot 35% ten opzichte van Qwen3.8-Max op zijn eigen Work360-benchmark, 48% tot 49% op Terminal-Bench 4.0, en gemiddelde kosten per taak die dalen van $4.43 naar $1.67. Niets daarvan is onafhankelijk gereproduceerd. De twee datasets spreken elkaar niet tegen — een model kan efficiënt per taak zijn en toch langzaam per token — maar slechts één ervan vertelt je hoe een agent-loop aanvoelt om 2 uur 's nachts.

Er is een tweede lacune in het eigen materiaal van de leverancier, en het is een vreemde voor een model dat wordt verkocht op agentic coding. De modelkaart van Alibaba publiceert geen parameteraantal; het lanceringsmateriaal beschrijft een sparse mixture-of-experts met 2,4 biljoen parameters en 71 miljard geactiveerd per token, en de tracker vermeldt de grootte als niet bekendgemaakt. Er is ook geen gepubliceerde Terminal-Bench 4.0-score voor dit model van Alibaba zelf, alleen de relatieve efficiëntieclaim ten opzichte van zijn voorganger. Een leverancier die wil dat agentbouwers een model adopteren, begint meestal met een absoluut agentic-getal. Deze begon met een ratio.

Wat 32 minuten per taak en 54 tokens per seconde met een loop doen

Eenheidsprijzen verbergen dit, dus hier is de rekensom voor de vorm die de post aanprijst — een coding agent die een taak in stappen doorloopt. Alles is afgeleid van de gepubliceerde tarieven en de gemeten snelheid, niet van een factuur.

• Generatietijd per beurt — een patch en redeneerblok van 3.000 tokens bij 54 tokens per seconde is ongeveer 56 seconden pure output. Bij 8.000 tokens is dat ruwweg 2,5 minuten, voordat het model überhaupt iets heeft gelezen.

• Een sessie van 25 beurten — 25 beurten van 3.000 outputtokens is 75.000 tokens, ongeveer 23 minuten genereren bij die snelheid, plus 25 afzonderlijke wachttijden op het eerste antwoordtoken van bijna drie minuten elk als de harness de context niet warm houdt. Alleen de overhead al kan groter zijn dan de generatie.

• Dezelfde sessie in geld — 75.000 outputtokens tegen $4,50 per miljoen is $0,34. De rekenkracht is goedkoop; de klok niet. Die omkering is het nuttigste inzicht om de economie van dit model te begrijpen.

Cache is de hefboom die bepaalt of het draaglijk is — een context van 200.000 tokens die koud opnieuw wordt gelezen tegen $1,50 per miljoen kost $0,30 per beurt; met caching tegen de korting van 95% kost het ongeveer $0,015. Over 25 beurten is dat het verschil tussen $7,50 en $0,38 aan input, wat de outputfactuur volledig overschaduwt.

Anders gezegd: bij Qwen4-Max is wat je moet instrumenteren niet de outputlengte, maar de cache-hitratio en de first-tokenlatentie. Een loop die zijn context warm houdt en een denktijd van drie minuten tolereert, is werkbaar. Een loop die elke beurt een koude context van 200K opnieuw verzendt, betaalt twintig keer het invoertarief en wacht daarbij elke keer drie minuten. De indextaak van 32,2 minuten is het composiet van de tracker, niet jouw taak, maar de richting ervan is waar je je planning op moet afstemmen.

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.

De bon vermeldt niet wat er heeft geantwoord.

Dit is het deel van de gerouteerde vermelding dat meer aandacht verdient dan de prijs. De eigen documentatie van het platform is ongewoon openhartig: elk gerouteerd antwoord bevat een ondertekend routeringsbewijs, en het bewijs "bewijst niet welke gewichten hebben geantwoord." Het legt vast waar een verzoek naartoe is gestuurd en wat de meest recente probe heeft gerapporteerd. Modellen die het platform zelf publiceert, krijgen een sterkere keten — bestanden opgeslagen op SHA-256-digest, revisies geïdentificeerd door een file-map-hash, ondertekende records onder een vastgezette publisher-sleutel, een append-only transparantielog — en de getoonde verificatiestatus voor qwen/qwen4-max is "onbekend."

Voor een gesloten model is dit geen schandaal, maar een structurele beperking die elke router deelt, de onze inbegrepen: als de gewichten niet openbaar zijn gemaakt, kan geen enkele derde partij bewijzen welke gewichten een token hebben geproduceerd. Wat volgt is een praktische regel, geen kritiek. Als je werk ervan afhangt dat het model daadwerkelijk Qwen4-Max is — een evaluatie, een benchmarkinzending, een contractuele claim over welk model met de data in aanraking is gekomen — dan is een gerouteerd endpoint op zichzelf niet voldoende bewijs, hoe goed het ontvangstbewijs er ook uitziet. Als je de capaciteit nodig hebt, is een gerouteerd endpoint prima en is de herkomstvraag academisch.

Hoe je het kunt uitproberen zonder een productiepad op het spel te zetten

Eerlijk over waar we staan: OrcaRouter routeert Qwen4-Max niet. De catalogus bevat qwen/qwen3.8-max, anthropic/claude-fable-5.2 en openai/gpt-6.1-sol; een aanvraag met een qwen4-identifier levert vandaag een not-found op, dus als je dit model op onze key wilt, wacht je net als iedereen. Wat we wél kunnen doen, is de evaluatie goedkoop omkeerbaar maken.

De reden om hier aandacht aan te besteden, is dat alles aan deze lancering ertegen pleit om het hard te coderen. Het model is een dag oud, de enige onafhankelijke prestatiemeting plaatst het op de 74e plaats van 79 qua snelheid, de prijs via de router ligt onder die op de prijskaart van zijn eigen leverancier om redenen die niemand heeft uitgelegd, en het platform dat de aanbeveling draagt, zit in een gesloten bèta achter een uitnodigingscode. Elk daarvan kan binnen een week veranderen — en een overgang van preview naar GA waarbij ook het gedeelde budget voor denken-plus-antwoord werd verlaagd van 393.216 tokens naar 262.144 en de facturering verschoof van credits naar meting per token, is precies het soort wijziging dat een productiepad in week twee breekt.

Dat is het argument om het experiment achter een gerouteerd endpoint te houden in plaats van een hardgecodeerd endpoint: het nieuwe model op de ene route, qwen/qwen3.8-max op de fallback, één sleutel en één factuur voor beide. Met 0% opslag en de lijstprijs van de provider doorgegeven, is de rekensom die je tegen Alibaba's tariefkaart maakt dezelfde als die waarmee je wordt gefactureerd — wat ook betekent dat een prijsverlaging van een leverancier dezelfde dag aan onze kant zichtbaar is in plaats van pas bij de volgende contractverlenging. Modelfusie is de andere optie die de moeite waard is om te kennen voor een onbewezen model: laat het naast het gevestigde model meelopen op een steekproef van je eigen verkeer en vergelijk de outputs voordat een van beide de route overneemt. Als je liever gewoon wilt zien hoe één API voor 200+ modellen eruitziet, is de catalogus openbaar.

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.'

Wat zou deze interpretatie veranderen?

Drie dingen, in volgorde van hoeveel ze zouden uitmaken.

Het eerste is een snelheidscijfer van iemand anders dan die ene tracker. Eén enkele meting van 54 tokens per seconde op een samengestelde benchmark is een wankele basis voor een productiebeslissing, en de leverancier heeft er helemaal geen gepubliceerd. Als een tweede onafhankelijke meetomgeving in de buurt van dat getal uitkomt, is de traagheid een eigenschap van het model en moeten agentbouwers hun loops daarop dimensioneren. Komt die veel hoger uit, dan was de endpoint van de tracker het probleem en veroudert dit stuk slecht — wat de juiste manier is waarop het zou moeten verouderen.

Het tweede is dat de verificatiestatus van die gerouteerde vermelding niet langer op 'onbekend' staat, of dat het platform de privébèta verlaat. Elk van beide zou van een goedgekeurde route iets maken dat je met een supporttoezegging kunt ondersteunen.

De derde is dat Alibaba een absolute agentic-codeerscore publiceert in plaats van een ratio ten opzichte van zijn voorganger. Totdat het dat doet, is de endorsement een bewering over intentie, en de enige gepubliceerde meting van de workload die het adverteert, is 32,2 minuten per taak bij 54 tokens per seconde. Dat is geen reden om Qwen4-Max te vermijden — het is een reden om het op je eigen taken te benchmarken voordat je iemand een leverdatum belooft, en om de zittende partij op één route afstand te houden terwijl je dat doet.