Wygenerowana karta tytułowa z nagłówkiem „Rekomendowany do kodowania agentowego, sklasyfikowany na 74. miejscu spośród 79”, znaczkami o treści „54 tokeny na sekundę”, „32,2 minuty na zadanie indeksu”, „179,79 sekundy do pierwszego tokenu odpowiedzi” i „43 w Intelligence Index” oraz stopką „Dane szybkości: Artificial Analysis, odczyt z 17 listopada 2026”.
Guides & Insights

Qwen4-Max jest teraz promowany do kodowania agentowego. Niezależny ranking szybkości wskazuje 74. miejsce na 79.

Autor

jinhao.song

Data publikacji

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

O 09:31 UTC 17 listopada 2026 r. oficjalne Qwen4-Max konto na X opublikowało pięć słów i zaproszenie: model jest już dostępny na platformie zewnętrznej, przyjdźcie wypróbować kodowanie agentowe. Był to tweet cytujący ogłoszenie samej tej platformy, dzień po tym, jak Alibaba przeniosła model z podglądu do ogólnej dostępności z rozliczaniem według zużycia. Wpis jest krótki i łatwo go przewinąć. To także pierwszy raz, gdy dostawca skierował swoich obserwujących na konkretną zewnętrzną ścieżkę do swojego flagowego modelu, i wybrał obciążenie — kodowanie agentowe w długim horyzoncie — w przypadku którego Qwen4-Max ma obecnie najsłabszy niezależny pomiar w zestawieniu.

To całe napięcie, o którym warto donieść, i nie jest to oskarżenie. To normalne, że dostawca promuje model wśród twórców agentów. Warto natomiast dokładnie określić, jaki dystans dzieli obietnicę sprzedażową od liczb, które czytelnik może sprawdzić, ponieważ zespół działa na podstawie obietnicy, a liczby są tym, co dostarczają faktura i zegar na ścianie.

Co ten post faktycznie ustala

Trzy rzeczy, i nie więcej niż trzy. Reszta to domysły przebrane za wiadomości.

• Poparcie jest autentyczne i opatrzone datą. Wpis ma znacznik czasu 17 listopada 09:31 UTC, pochodzi z własnego konta dostawcy i cytuje wcześniejsze ogłoszenie platformy, zamiast istnieć samodzielnie. Ponowne opublikowanie przez dostawcę informacji o premierze partnera to celowe działanie; konto nie wspomniało o tym po prostu przypadkiem.

• Platforma nie jest drugim wdrożeniem. Jej strona modelu wymienia qwen/qwen4-max w tabeli zatytułowanej „Modele routowane obsługiwane przez własne laboratoria” — a nie wśród własnych opublikowanych edycji. To rozróżnienie ma większe znaczenie niż otaczający je tekst marketingowy: model routowany to wdrożenie Alibaby osiągane przez czyjeś drzwi frontowe, co jest jedynym sposobem, w jaki zamknięty model klasy 2,4 biliona parametrów może w ogóle się gdziekolwiek pojawić.

• To wersja beta, a nie kwestia przepustowości. Stały baner na stronie informuje, że to prywatna beta, i prosi o kod zaproszenia. Rekomendacja z samego konta modelu to sygnał o zamiarach, a nie o przepustowości, kwocie czy umowie o poziomie usług — a kod zaproszenia nie jest ścieżką zakupową.

A czego wpis nie ustala, to ani jedno twierdzenie o wydajności. Nie ma w nim liczby tokenów na sekundę, odsetka ukończonych zadań, kosztu na zadanie ani stwierdzenia, ile równoczesnych sesji agentów obsługuje trasa. Czytaj to jako „możesz teraz dotrzeć do tego modelu tutaj” — bo tylko to mówi.

Karta znajdująca się pod rekomendacją jest tańsza niż własna karta dostawcy.

Oferta routowana ma własne liczby, a cena jest tym, na co warto patrzeć. Wynosi 1,40 USD za milion tokenów wejściowych i 4,20 USD za milion tokenów wyjściowych, z oknem kontekstu wynoszącym 977 tys. tokenów i statusem online.

• Wejście — $1.40 na karcie routowanej wobec $1.413 na własnej karcie Global-scope firmy Alibaba (Pekin, Hongkong, Frankfurt, Wirginia w USA, Tokio) i $1.50 w Singapurze.

• Dane wyjściowe — 4,20 USD wobec 4,24 USD globalnie i 4,50 USD w Singapurze.

• Kierunek — liczba po przekierowaniu jest o około 1% niższa od najtańszego publikowanego regionu dostawcy i o około 6,7% niższa od karty, którą faktycznie zostanie obciążona większość czytelników poza Chinami kontynentalnymi.

• Opisany mechanizm — platforma określa swoją opłatę jako „stawkę laboratorium plus opłatę za trasę, podpisane potwierdzenie trasy przy każdej odpowiedzi”.

• Wartość kontekstu — 977K w ofercie, w porównaniu z 1 000 000 na karcie modelu Alibaba, gdzie obowiązujące limity wynoszą 991 808 tokenów wejściowych w trybie standardowym i 983 616 w trybie myślenia.

Te dwa fakty niezręcznie ze sobą współistnieją. Trasa, która dolicza opłatę ponad stawkę laboratorium, powinna kosztować więcej niż korzystanie bezpośrednie, a ta kosztuje mniej niż każdy publikowany region Alibaba. Prawdopodobne wyjaśnienia są mało spektakularne — stawka promocyjna, arbitraż regionalny dotyczący tego, który endpoint Alibaba jest wywoływany, albo oferta, której nie zaktualizowano od czasu karty podglądu — i żadnego z nich nie można potwierdzić z zewnątrz. Czytelnik może przede wszystkim przestać traktować cenę po trasie jako cenę modelu. Karta Alibaba jest punktem odniesienia; wszystko poniżej to uzgodnienie handlowe z datą wygaśnięcia, której nikt nie opublikował. Jeśli decydujesz na podstawie kosztu na zadanie, oszacuj go na podstawie $1.50 na wejściu i $4.50 na wyjściu w Singapurze albo $1.413 i $4.24 w zakresie Global, a zniżkę traktuj jako potencjalną korzyść, a nie jako 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.

Obciążenie na stanowisku jest tym, które tracker mierzy najgorzej.

Artificial Analysis to jedyny podmiot publikujący niezależne pomiary Qwen4-Max, a jego strona została zaktualizowana o pełny wiersz wyników, którego nie było w dniu premiery. To, co mówi ten wiersz, nie budzi wątpliwości.

• Intelligence Index — 43 w zestawie dziewięciu ocen v5.0.1, 38. miejsce spośród 81 modeli, nieznacznie powyżej mediany trackera wynoszącej 41 dla tego przedziału cenowego.

Szybkość generowania — 54 tokeny na sekundę. To 74. miejsce spośród 79 modeli uwzględnianych przez tracker w rankingu wydajności.

• Czas do pierwszego tokenu odpowiedzi — 179,79 sekundy, ponieważ model myśli, zanim mówi, a domyślny poziom wysiłku rozumowania na karcie Alibaba jest wysoki.

• Czas na zadanie w Intelligence Index — 32,2 minuty, wobec mediany 13,3 minuty dla porównywalnych modeli. Tracker określa to jako „zauważalnie wolne”.

• Gadatliwość — 127 milionów tokenów wyjściowych w całym indeksie, wobec mediany 78,6 miliona. To 65. miejsce na 80.

Koszt na zadanie indeksowania — 3,27 USD, 44. miejsce na 80, z już uwzględnioną 95% zniżką za pamięć podręczną.

Każda liczba na tej liście jest własnym pomiarem trackera, a nie Alibaby. Opublikowane twierdzenia dostawcy to zupełnie inny zestaw i są oznaczone jako twierdzenia dostawcy wszędzie, gdzie się pojawiają: wzrost efektywności wykorzystania tokenów o 24–35% względem Qwen3.8-Max w jego własnym benchmarku Work360, 48–49% w Terminal-Bench 4.0 oraz spadek średniego kosztu na zadanie z 4,43 USD do 1,67 USD. Nic z tego nie zostało niezależnie odtworzone. Te dwa zbiory danych nie są ze sobą sprzeczne — model może być wydajny w przeliczeniu na zadanie, a mimo to wolny w przeliczeniu na token — ale tylko jeden z nich powie ci, jak będzie się pracować z pętlą agenta o drugiej w nocy.

W materiałach samego dostawcy występuje druga luka i jest ona osobliwa w przypadku modelu sprzedawanego pod kątem programowania agentowego. Karta modelu Alibaby nie podaje liczby parametrów; materiał premierowy opisuje rzadki mixture-of-experts o 2,4 biliona parametrów, z 71 miliardami aktywowanymi na token, a tracker odnotowuje rozmiar jako nieujawniony. Brak też publikowanego przez samą Alibabę wyniku Terminal-Bench 4.0 dla tego modelu — jest jedynie względne twierdzenie o wydajności wobec poprzednika. Dostawca, który chce, by twórcy agentów przyjęli model, zwykle zaczyna od bezwzględnego wyniku agentowego. Ten zaczął od stosunku.

Co 32 minuty na zadanie i 54 tokeny na sekundę robią z pętlą

Ceny jednostkowe to ukrywają, więc oto arytmetyka dla kształtu, który reklamuje post — agent kodujący, który realizuje zadanie w turach. Wszystko to wynika z opublikowanych stawek i zmierzonej prędkości, a nie z rachunku.

• Czas generowania na turę — patch i blok rozumowania o rozmiarze 3000 tokenów przy 54 tokenach na sekundę to około 56 sekund czystego wyjścia. Przy 8000 tokenów to około 2,5 minuty, zanim model cokolwiek przeczyta.

• Sesja 25 tur — 25 tur po 3000 tokenów wyjściowych to 75 000 tokenów, czyli około 23 minut generowania w tym tempie, plus 25 osobnych oczekiwań na pierwszy token odpowiedzi, z których każde trwa niemal trzy minuty, jeśli harness nie utrzymuje kontekstu w gotowości. Sam narzut może przewyższyć czas generowania.

• Ta sama sesja w przeliczeniu na pieniądze — 75 000 tokenów wyjściowych po 4,50 USD za milion to 0,34 USD. Moc obliczeniowa jest tania; zegar nie. Ta inwersja to najbardziej użyteczna rzecz do zrozumienia w ekonomii tego modelu.

• Cache jest dźwignią, która decyduje, czy jest to znośne — ponowne odczytanie kontekstu o długości 200 000 tokenów bez cache przy cenie 1,50 USD za milion kosztuje 0,30 USD na turę; z cache przy 95% zniżce kosztuje około 0,015 USD. W ciągu 25 tur to różnica między 7,50 USD a 0,38 USD kosztu wejścia, która całkowicie przyćmiewa rachunek za wyjście.

Inaczej mówiąc: w Qwen4-Max rzeczą, którą należy mierzyć, nie jest długość wyjścia, lecz współczynnik trafień cache i opóźnienie pierwszego tokenu. Pętla, która utrzymuje kontekst ciepły i toleruje trzyminutowe myślenie, jest wykonalna. Pętla, która przy każdej turze ponownie wysyła zimny kontekst 200K, płaci dwudziestokrotność stawki za wejście i za każdym razem czeka trzy minuty, żeby to zrobić. Zadanie indeksowe 32,2 minuty to złożony wskaźnik trackera, a nie twoje zadanie, ale to jego kierunek jest tym, wokół czego należy planować.

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.

Paragon nie mówi, co odpowiedziało.

To ta część routowanej listy, która zasługuje na więcej uwagi niż jej cena. Dokumentacja samej platformy jest niezwykle szczera: każda odpowiedź routowana zawiera podpisane potwierdzenie trasy, a potwierdzenie „nie dowodzi, które wagi odpowiedziały”. Zapisuje ono, gdzie wysłano żądanie i co zgłosiła ostatnia sonda. Modele publikowane przez samą platformę mają silniejszy łańcuch — pliki przechowywane według skrótu SHA-256, wersje identyfikowane przez hash mapy plików, podpisane rekordy pod przypiętym kluczem wydawcy, dziennik przejrzystości tylko do dopisywania — a status weryfikacji podawany dla qwen/qwen4-max jest „nieznany”.

Dla modelu zamkniętego to nie skandal, lecz strukturalne ograniczenie wspólne każdemu routerowi, także naszemu: jeśli wagi nie są publikowane, żadna strona trzecia nie może udowodnić, które wagi wygenerowały dany token. Wynika z tego praktyczna zasada, a nie krytyka. Jeśli Twoja praca zależy od tego, że modelem jest faktycznie Qwen4-Max — ewaluacja, zgłoszenie do benchmarku, roszczenie kontraktowe dotyczące tego, który model miał kontakt z danymi — sam routowany endpoint nie jest wystarczającym dowodem, niezależnie od tego, jak dobrze wygląda potwierdzenie. Jeśli potrzebujesz możliwości, routowany endpoint jest w porządku, a kwestia pochodzenia ma charakter akademicki.

Jak tego spróbować, nie ryzykując przy tym produkcyjnej ścieżki?

Mówiąc wprost, jak stoimy: OrcaRouter nie obsługuje Qwen4-Max. W katalogu są qwen/qwen3.8-max, anthropic/claude-fable-5.2 i openai/gpt-6.1-sol; zapytanie o identyfikator qwen4 zwraca dziś not-found, więc jeśli chcesz ten model na naszym kluczu, czekasz jak wszyscy. Możemy natomiast sprawić, że tę ocenę będzie można tanio odwrócić.

Powód, by zwracać na to uwagę, jest taki, że wszystko w tej premierze przemawia przeciwko zaszywaniu tego na stałe. Model ma dopiero jeden dzień, jego jedyny niezależny wpis dotyczący wydajności plasuje go na 74. miejscu na 79 pod względem szybkości, jego cena w routingu jest niższa niż w cenniku samego dostawcy z powodów, których nikt nie wyjaśnił, a platforma, na której widnieje ta rekomendacja, jest w prywatnej becie dostępnej za kodem zaproszenia. Każda z tych rzeczy może się zmienić w ciągu tygodnia — a przejście z wersji zapoznawczej do GA, które dodatkowo zmniejszyło wspólny budżet tokenów na myślenie i odpowiedź z 393 216 do 262 144 oraz przeniosło rozliczanie z kredytów na rozliczanie za tokeny, to dokładnie taki rodzaj zmiany, który psuje ścieżkę produkcyjną w drugim tygodniu.

To przemawia za trzymaniem eksperymentu za routowanym punktem końcowym, a nie zaszytym na stałe: nowy model na jednej trasie, qwen/qwen3.8-max na trasie zapasowej, jeden klucz i jeden rachunek dla obu. Dzięki 0% narzutu i przekazywaniu ceny listowej dostawcy, kalkulacja, którą wykonujesz względem cennika Alibaba, to ta sama kalkulacja, za którą dostajesz rachunek — co oznacza również, że obniżka ceny dostawcy pojawia się po naszej stronie tego samego dnia, a nie przy kolejnym odnowieniu umowy. Fuzja modeli to inna opcja warta poznania w przypadku nieprzetestowanego modelu: uruchom ją obok dotychczasowego modelu na próbce własnego ruchu i porównaj wyniki, zanim którykolwiek z nich przejmie ścieżkę. Jeśli wolisz po prostu zobaczyć, jak wygląda jedno API dla ponad 200 modeli, katalog jest publiczny.

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.'

Co zmieniłoby ten odczyt?

Trzy rzeczy, w kolejności od tego, jak bardzo by miały znaczenie.

Pierwsza to liczba dotycząca szybkości pochodząca od kogokolwiek innego niż ten jeden tracker. Pojedynczy pomiar 54 tokenów na sekundę na złożonym benchmarku to cienka podstawa do decyzji produkcyjnej, a dostawca nie opublikował żadnego takiego pomiaru. Jeśli drugi niezależny harness da wynik zbliżony do tej liczby, powolność jest cechą modelu, a twórcy agentów powinni dostosować rozmiar swoich pętli do tego wyniku. Jeśli będzie on znacznie wyższy, problemem był endpoint trackera i ta sekcja szybko straci aktualność — co jest właściwym sposobem, w jaki powinna się starzeć.

Drugi to status weryfikacji tej skierowanej oferty schodzący z „nieznany” — albo wyjście platformy z prywatnej bety. Każde z nich zamieniłoby zatwierdzoną ścieżkę w coś, co można by objąć zobowiązaniem wsparcia.

Trzecia kwestia to publikowanie przez Alibabę bezwzględnego wyniku kodowania agentowego, a nie stosunku względem poprzednika. Dopóki tego nie zrobi, rekomendacja pozostaje deklaracją intencji, a jedynym opublikowanym pomiarem obciążenia, które reklamuje, jest 32,2 minuty na zadanie przy 54 tokenach na sekundę. To nie jest powód, by unikać Qwen4-Max — to powód, by przetestować go na własnych zadaniach, zanim komukolwiek obiecasz termin dostawy, i przez ten czas trzymać dotychczasowe rozwiązanie w zasięgu jednej trasy.

Porównane w tym artykule1

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