Karta tytułowa z napisem Qwen4-Max, stworzona do pracy w rzeczywistym świecie, z wierszem: 32,3 minuty na zadanie w Intelligence Index wobec mediany w tej dziedzinie wynoszącej 12,4 minuty.
Guides & Insights

Qwen4-Max został stworzony do pracy w realnym świecie. Zegar realnego świata wskazuje 32 minuty na zadanie.

Autor

Gideon Frost

Data publikacji

Najnowsze modele · 20Zobacz wszystkie modele →
Benchmarki: Artificial Analysis · aktualizowane codziennie
Powrót do wszystkich wpisów

„Stworzony do pracy w realnym świecie” — pod takim hasłem Qwen4-Max jest w tym tygodniu sprzedawany na platformie zewnętrznej, która umieściła model w ofercie 18 listopada, dwa dni po tym, jak Alibaba wprowadziła go do ogólnej sprzedaży. Qwen4-Max trafił na rynek 16 listopada 2026 r., a wpis tej platformy nie dodawał żadnych nowych wag, nowej wartości kontekstu ani nowej ceny — tylko slogan i przycisk. Slogan okazuje się najbardziej weryfikowalnym twierdzeniem, jakie ktokolwiek wygłosił na temat tego modelu, ponieważ praca w realnym świecie nie jest wynikiem z benchmarku. To zadanie, które musi zostać ukończone w ramach budżetu, podczas gdy ktoś na nie czeka. Na jedynej publicznej tablicy, która mierzy czas dokładnie tego, Qwen4-Max potrzebuje 32,3 minuty na ukończenie pojedynczego zadania Intelligence Index. Mediana w tej kategorii wynosi 12,4. Jego poprzednik, Qwen3.8-Max, potrzebował 47,4.

Taki jest kształt werdyktu i nie jest on zły. Qwen4-Max jest o jedną trzecią szybszy od modelu, który zastępuje, i o 19 punktów lepszy na tym samym indeksie, a dodatkowe myślenie wykonuje na liczniku, który jest około o jedną czwartą tańszy za token. To, co zmienia zegar, to kto powinien po niego sięgnąć. Model, który zajmuje pół godziny na zadanie, nie jest modelem, który umieszczasz za okienkiem czatu lub pętlą agenta z dwudziestoma krokami, bez świadomej decyzji, że stać cię na czas zegarowy. Ten tekst dotyczy tej decyzji i trzech liczb, które nią kierują — minut na zadanie, tokenów na zadanie i jednego poziomu wysiłku, który faktycznie został zmierzony.

Hasło, które wskazuje na opóźnienie, a nie na ranking.

Tekst premierowy flagowego produktu zazwyczaj przekonuje możliwościami. Ten przekonuje pracą, co po cichu przenosi pytanie z „jak inteligentny” na „jak długo” i „ile”. To różne pytania o różnych odpowiedziach, a materiały samego dostawcy odpowiadają na pierwsze znacznie lepiej niż na drugie.

A​libaba opublikowała twierdzenia dotyczące Qwen4-Max, które odnoszą się do wydajności i wszystkie są uzależnione od ustawienia nakładu. W należącym do dostawcy zestawie Work360 model uzyskuje wynik 52,69 wobec 47,74 dla Qwen3.8-Max, generując jednocześnie o 24% mniej tokenów przy nakładzie Xhigh i o 35% mniej przy High. W Terminal-Bench 4.0 redukcja liczby tokenów wynosi 48% i 49% przy tych samych dwóch ustawieniach, a średni koszt zadania w Work360 spada z 4,43 USD do 1,67 USD. Każda z tych liczb jest raportowana przez dostawcę, żadnej nie odtworzono niezależnie i każda jest powiązana z poziomem nakładu, który trzeba wybrać. Ten ostatni szczegół nie jest przypisem. To właśnie dlatego niezależnego wiersza pomiaru czasu nie można odczytywać jako „szybkości modelu” bez zastrzeżenia.

Niezależny wiersz, przedstawiony jasno

Artificial Analysis zmierzył Qwen4-Max na Intelligence Index v5.0.1 przy Xhigh, najwyższym z trzech poziomów jego ustawienia, i opublikował pełny panel kosztów i szybkości wraz z wynikiem. Odczyt na żywo 18 listopada 2026:

• Indeks Inteligencji — 43 dla Qwen4-Max wobec 62 dla GPT-6.2 Astra i 34 dla Qwen3.8-Max (0902)

• Czas zegarowy na zadanie — 32,3 minuty, wobec mediany 12,4 dla porównywalnych modeli; Qwen3.8-Max potrzebował 47,4

• Tokeny wyjściowe na jedno uruchomienie indeksowania — 127 mln wobec mediany dla tej dziedziny wynoszącej 65,1 mln

• Prędkość generowania — 54 tokeny na sekundę, zmierzona na własnym punkcie końcowym firmy A​libaba

• Czas do pierwszego tokenu odpowiedzi — 148,57 sekundy

• Koszt na zadanie indeksowania — 3,27 USD wobec 10,02 USD w przypadku Qwen3.8-Max

• Deklarowany kontekst — 984 000 tokenów, według pomiaru trackera, wobec 1 000 000 w dokumentacji A​libaba

Ciekawą parą są dwie pierwsze. Czterdzieści trzy to przeciętny wynik i ranking to potwierdza — opisuje model jako poniżej średniej wśród porównywalnych modeli, przy medianie również wynoszącej 43, więc Qwen4-Max znajduje się dokładnie na granicy. Tymczasem 32,3 minuty wobec mediany 12,4 minuty to nie przeciętność; to blisko trzykrotność stawki. Poziom możliwości wypadł przeciętnie, a koszt ich uzyskania trafił do ogona rozkładu.

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.

Gdzie znika pół godziny

Dwie liczby wyjaśniają ten czas i żadna z nich nie jest zagadką. Pierwsza to rozwlekłość: 127 milionów tokenów wyjściowych na ukończenie tego samego zestawu dziewięciu ewaluacji, który model medianowy kończy w 65,1 miliona. Druga to przepustowość: 54 tokeny na sekundę, co jest przeciętne. Przeciętna prędkość pomnożona przez dwukrotną liczbę tokenów daje mniej więcej dwukrotnie dłuższy czas, a potem jeszcze trochę więcej, ponieważ zadanie, które trwa długo, spędza też więcej czasu, czekając na własne rozumowanie.

Złóż to razem, a praktyczną konsekwencją jest arytmetyka, którą można przeprowadzić bez benchmarku. Jeśli rzeczywiste zadanie zajmuje Qwen4-Max pół godziny, to pętla agentowa z dziesięcioma wywołaniami zajmuje pięć godzin, a nocna partia stu wywołań — pięćdziesiąt. To nie jest powód, by unikać modelu — praca wsadowa nie przejmuje się tym, ile trwa wywołanie — ale jest to twarde ograniczenie dla pracy interaktywnej i agentowej, a właśnie tym zwykle w skrócie określa się „pracę w rzeczywistym świecie”.

Istnieje efekt wtórny, który ma większe znaczenie niż same pół godziny. 32-minutowe zadanie jest wystarczająco długie, by źle wchodzić w interakcję z każdym limitem czasu w stosie produkcyjnym: limitem bezczynności bramy, budżetem ponowień klienta, oknem widoczności kolejki, kontenerem odtwarzanym po czterdziestu minutach. Model, który kończy w dwanaście minut, przetrwa domyślną konfigurację. Model, który kończy w trzydzieści dwie minuty, nauczy cię, gdzie ustawione są twoje limity czasu, a wywoływany przez niego błąd — ponowienie, które duplikuje pracę, albo obcięta odpowiedź rozliczona w całości — kosztuje więcej niż kiedykolwiek zaoszczędzono na różnicy tokenów.

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.

Jeden opublikowany punkt na górze trójpoziomowej tarczy

Qwen4-Max udostępnia trzy poziomy wysiłku rozumowania — low, high i Xhigh — i domyślnie ustawia high, z budżetem myślenia, który sam domyślnie wynosi 131 072 tokenów. Artificial Analysis oceniło go w wariancie Xhigh. To wybór, którego można bronić: dokładnie tak sformułowano własne twierdzenia dostawcy o efektywności, a model zostaje przedstawiony w najlepszym świetle. Oznacza to jednak, że 43 i 32,3 minuty opisują najdroższą konfigurację, jaką model oferuje, a konfiguracja niskiego wysiłku — ta, którą faktycznie uruchomiłby produkt interaktywny — nie ma w ogóle opublikowanej niezależnej liczby.

Porównaj, jak wygląda ujawnianie informacji po drugiej stronie premier z tego miesiąca. GPT-6.2 Astra publikuje całą swoją krzywą na tym samym indeksie: 62 przy max i przy Xhigh, 60 przy high, 57 przy medium, 46 przy low. Widać, ile zdolności kosztuje tańsze ustawienie, a zespół może wybrać punkt na tej krzywej. Qwen4-Max daje jeden punkt oraz ustawienie domyślne o jeden stopień poniżej. Jeśli uruchamiasz model na high, używasz konfiguracji, której nikt nie zmierzył, a jeśli na low — konfiguracji, dla której dostawca również nie opublikował żadnego twierdzenia.

Ta luka to najsłabiej nagłośniony szczegół premiery i działa na korzyść modelu w takim samym stopniu, co na jego niekorzyść. Uczciwa interpretacja nie brzmi: „Qwen4-Max jest wolny”. Brzmi: „Qwen4-Max jest wolny przy ustawieniu, na którym go benchmarkowano, a nikt poza Alibaba nie zmierzył czasu działania przy żadnym innym ustawieniu”. Jeśli poddajesz go ocenie, suwak wysiłku to pierwszy eksperyment do przeprowadzenia, a nie ostatni, ponieważ to jedyna dźwignia, która jednocześnie wpływa i na czas, i na koszt.

Co tak naprawdę nagradza karta cenowa

Jeśli chodzi o licznik, Qwen4-Max jest tani — naprawdę tani, i tani w sposób, który najmniej karze niewłaściwe obciążenie.

• Stawki dla Singapuru — 1,50 USD za milion tokenów wejściowych i 4,50 USD za milion tokenów wyjściowych

Regiony o zasięgu globalnym — $1.413 za wejście i $4.24 za wyjście, do trzech miejsc po przecinku, co odpowiada temu, co podają zestawienia podmiotów trzecich

• Pamięć podręczna — 0,075 USD za milion przy odczycie w Singapurze, 0,071 USD w innych regionach; pięciominutowy zapis kosztuje 1,875 USD, a godzinny 3,00 USD

• Długi kontekst — jednolita stawka. Nie ma poziomu premium powyżej progu tokenów, co nie jest prawdą w przypadku każdego konkurenta w tym miesiącu

• Batch — dostępna wyłącznie w Pekinie stawka za przetwarzanie wsadowe plików: 0,707 USD za dane wejściowe i 2,12 USD za dane wyjściowe

To są publikowane stawki {{1}}A​libaba{{/1}}. Struktura ma większe znaczenie niż same liczby: jednolita cena w całym oknie oznacza, że przegląd dokumentu o 400 000 tokenów kosztuje tu 0,60 USD na wejściu, podczas gdy model z mnożnikiem dla długiego kontekstu policzyłby za to kilka razy więcej. W przypadku zadań, w których ten model jest naprawdę dobry — długie dokumenty, wideo, masowa ekstrakcja — stała stawka jest warta więcej niż nagłówkowa cena za token. A w przypadku zadań, w których jest słaby — interaktywnych, wieloturowych, agentowych — cennik nie ma znaczenia, bo ograniczeniem jest zegar, a nie licznik.

Część, której nikt nie wymienił: nie ma punktu kontrolnego

Dostrajanie i wdrażanie modelu są oznaczone w dokumentacji modelu jako nieobsługiwane. Qwen4-Max jest dostępny w wynajmie, a nie na własność, a jedynym ustępstwem wpisu premierowego na rzecz otwartych wag jest to, że mniejsze modele Qwen4 „trafią do open source”. W przypadku modelu sprzedawanego z myślą o rzeczywistej pracy jest to realne ograniczenie, a nie szczegół licencyjny: zespoły, które mają najwięcej rzeczywistej pracy do wykonania, zwykle chcą dostrajać model na własnych danych. Jeśli Twój plan obejmuje wariant destylowany, wdrożenie on-prem lub odtwarzalną migawkę przypiętą do stałego zestawu wag, ten model nie oferuje żadnej z tych trzech możliwości, a żadna oferta zewnętrzna nie może ich dodać.

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

Na co możesz teraz zadzwonić

Qwen4-Max nie znajduje się w naszym katalogu — ta trasa nie istnieje i nie zamierzamy sugerować inaczej. W katalogu jest natomiast Qwen3.8-Max, który można już dziś kierować po cenie katalogowej dostawcy z 0% narzutu, i to właśnie ten model byłby realnym punktem odniesienia w benchmarku, zanim zdecydujesz, że zadanie trwające 32 minuty jest tego warte: uzyskuje wynik 34 wobec 43, ale to model z ceną i zachowaniem, które Twoja drużyna już rozumie.

Pytanie o routing, które rodzi ta premiera, jest wąskie i warte precyzyjnego przedstawienia. Gdy model potrzebuje pół godziny na zadanie, tryb awarii, na którym ci zależy, to nie błędna odpowiedź — to wywołanie, które ginie w dwudziestej dziewiątej minucie po naliczeniu opłaty za dwadzieścia dziewięć minut. To jest argument za umieszczeniem długo działającego modelu za trasą z automatycznym przełączaniem awaryjnym zamiast wywoływania jednego dostawcy bezpośrednio: ponowna próba trafia na działający endpoint, a logika eskalacji znajduje się w trasie, a nie w kodzie aplikacji. Jeden klucz do ponad 200 modeli oznacza również, że porównanie w następnej sekcji to zmiana konfiguracji, a nie druga umowa.

Kto powinien się ruszyć, a kto powinien czekać

Przejdź teraz, jeśli twoja praca ma charakter wsadowy, opiera się w dużej mierze na dokumentach, obejmuje wideo na wejściu albo mierzy się w godzinach, a nie w sekundach. Płaska cena za długi kontekst, okno 984 000 tokenów, natywne wejście wideo, wywoływanie narzędzi z obsługą wideo oraz koszt 3,27 USD na zadanie indeksowania wobec 10,02 USD dla modelu, który zastępuje, to proste ulepszenie dla takiego rodzaju zadań, a limit 32 minut nie ma znaczenia, gdy nic nie czeka po drugiej stronie.

Poczekaj, a przynajmniej najpierw przetestuj pokrętło, jeśli Twoja praca jest interaktywna lub agentowa. Opublikowane liczby opisują najdroższe ustawienie, jakie ma model, na tablicy, na której mediana zadania kończy się w dwanaście minut, a ustawienie, które faktycznie byś wdrożył, nigdy nie zostało niezależnie zmierzone czasowo. Uruchom niski i wysoki poziom wysiłku na własnych śladach, zanim uruchomisz je na benchmarku — ten eksperyment kosztuje kilka dolarów i odpowiada na pytanie, którego post premierowy nie zadał.

I czytaj datę poprawnie, niezależnie od tego, do którego obozu należysz. Qwen4-Max trafił do powszechnej sprzedaży 16 listopada 2026 r. To, co stało się 18 listopada, polega na tym, że stał się dostępny gdzie indziej, pod hasłem o pracy w realnym świecie. Model się nie zmienił. Zegar się nie zmienił. Hasło jest jedyną nową rzeczą i jest to jedyne twierdzenie na stronie, które możesz sam sprawdzić.

Porównane w tym artykule2

Wykryto na podstawie tego artykułu · Benchmarki: Artificial Analysis · aktualizowane codziennie