Титульная карточка с заголовком «Qwen4-Max: числа, которые не путешествуют», тремя плашками с надписями «983 616 входных токенов в режиме размышления», «131 072 токена ответа» и «262 144 токена, общих для размышления и ответа», а также подписью, отсылающей к карточке модели Alibaba Cloud Model Studio от 16 ноября 2026 года.
Guides & Insights

Qwen4-Max был размещён в другом месте в течение дня. Thinking Budget — это та часть, которую не удастся перенести.

Автор

jinhao.song

Дата публикации

Новые модели · 20Все модели →
Бенчмарки: Artificial Analysis · обновляется ежедневно
Назад ко всем статьям

Qwen4-Max стала общедоступной 16 ноября 2026 года, и уже через несколько часов вторая платформа рекламировала её с первого дня — контекст в 1 млн токенов, нативная поддержка текста, изображений и видео на входе, ориентация на программирование, офисную работу и длительные прогоны агентов. Это обычная картина запуска закрытой модели в 2026 году: A​libaba не публикует чекпоинт для Qwen4-Max, поэтому любой за пределами шести регионов её развёртывания может получить доступ к модели только через платформу, которая арендует её у A​libaba. Ненормально — или, по крайней мере, не обсуждается — то, сколько из руководства по эксплуатации модели теряется при такой передаче. Прайс-лист передаётся без потерь. Заявленное число контекста передаётся без потерь. А арифметика, определяющая, поместится ли ваш запрос или вернётся усечение, не передаётся вовсе.

Что на самом деле означает листинг нулевого дня

Два момента, и ни один из них не о бенчмарках. Во-первых, модель продаётся для исследований и агентной работы, а не для чата — стартовый текст делает акцент на длительных прогонах агентов и указывает видео как входную модальность; это описание рабочей нагрузки, на которую платформа собирается её нацелить, а не пересказ собственного заголовка A​libaba. Во-вторых, Qwen4-Max можно арендовать, но нельзя перенести: скачивания нет, поэтому каждая конечная точка, обслуживающая её, обслуживает развёртывание A​libaba, а каждая сторонняя страница с её описанием — это пересказ документации A​libaba. Именно в пересказах таблиц спецификаций рождаются ошибки интеграции.

Тарифная сетка — простая часть, и её стоит привести один раз. В Сингапуре A​libaba указывает Qwen4-Max по цене $1.50 за миллион входных токенов и $4.50 за миллион выходных, при этом кэшированный ввод стоит $0.075, а запись в кэш — $1.875 для пятиминутного окна или $3.00 для часового. Регионы глобального развёртывания — Пекин, Гонконг, Франкфурт, Япония и Вирджиния, США — немного дешевле: $1.413 на входе, $4.24 на выходе и $0.071 за чтение из кэша. Это единый ценовой уровень вплоть до предельного размера контекста: никакой надбавки за длинный контекст и никакой скидки за пакетную обработку, которую нужно искать, поскольку пакетный инференс для этой модели вообще не предлагается.

A two-column scoreboard contrasting a third-party listing with Alibaba's model card: the listing gives 1M context, 1M output, three effort levels and no batch figure, while the model card gives 1,000,000 context, 983,616 input in thinking mode, 131,072 output non-thinking, 262,144 shared, and effort levels low, high and xhigh, sourced to Alibaba Cloud Model Studio documentation updated 16 November 2026.

Три числа, которые не передаются вместе с моделью

«1M context» — это число в каждой карточке. Страница модели A​libaba, последний раз обновлённая в день запуска, более конкретна, и именно в разрыве между маркетинговым числом и рабочими значениями ломаются интеграции:

• Длина контекста — 1 000 000 токенов: это верхний предел для всего запроса, а не бюджет, который можно потратить на вывод.

• Максимальный объём ввода, без режима размышления — 991 808 токенов, поскольку 8 192 токена из окна резервируются для ответа

• Максимальный объём входных данных и рассуждений — 983 616 токенов; ещё 8 192 зарезервированы для блока рассуждений.

• Максимальная длина вывода, без режима размышления — 131 072 токена

• Комбинированное мышление и ответ, режим мышления — 262 144 токена, распределённые между цепочкой рассуждений и видимым ответом

• Бюджет рассуждений по умолчанию — 131 072 токена; при этом reasoning_effort по умолчанию принимает значение high, если ни один из параметров не задан.

Пятая строка — та, что больнее всего кусается. Команда, которая рассчитывает задачу исходя из задокументированного потолка вывода в 262 144 токена, а затем запускает её в режиме размышления, увидит, что видимый ответ останавливается на длине, не имеющей никакого отношения к тому, сколько модели ещё оставалось сказать, потому что цепочка рассуждений черпала из того же пула. Число 131 072 — это безопасный объём вывода. Число 262 144 — это общий бюджет, и разница между этими двумя трактовками — это разница между работающим конвейером и еженедельным инцидентом.

Есть небольшое утешение: это также объясняет расхождение, которое вы увидите в сторонних списках характеристик, где указано контекстное окно 984k. Это не другая модель и не понижение класса. Это верхний предел входных данных в режиме размышления — 983 616 с округлением, — и именно на него честно ориентироваться по размеру, если вы вызываете модель с включённым режимом рассуждений, — а это режим по умолчанию.

Именно при пересчёте усилий клиент, совместимый с OpenAI, теряет уровень.

Qwen4-Max предоставляет три уровня рассуждений, а не пять: low, high и xhigh, по умолчанию — high. При вызове через OpenAI-совместимый клиент строка effort вне диапазона преобразуется, а не отклоняется — таблица Alibaba сопоставляет minimal с low, medium с high, а max с xhigh. В формате Anthropic Messages medium становится high, а max — xhigh.

Оба варианта сопоставления можно обосновать, и оба молчат. Пайплайн, настроенный под пятиуровневую модель, которая здесь запрашивает medium, получает рассуждения с высоким уровнем усилий: больше токенов, больше задержки, больше затрат — и никакой ошибки, которая сообщила бы вам, что это произошло. Пайплайн, запрашивающий max в расчёте на вершину пятиступенчатой лестницы, получает xhigh, который как раз оказывается вершиной этой лестницы, — поэтому вывод выглядит правильным, и только счёт расходится. Исправление — одна строка на маршрут: закрепите уровень, на котором вы фактически проводили измерения, в терминологии вендора и проверяйте его на staging. Всё, что передаёт несопоставленную строку уровня усилий напрямую в модель с более короткой лестницей, будет дрейфовать — и дрейфовать в сторону увеличения расходов.

A screenshot of the Alibaba Cloud Model Studio documentation page for qwen4-max, showing the Model Studio navigation, the breadcrumb Home Page > Models > Get Started, and the qwen4-max (Latest Model) heading with the start of its specification tables.

Что говорят цифры запуска, а что — нет

Оценка запуска от Alibaba, основанная на данных вендора и не воспроизведенная независимо, дает Qwen4-Max 52,69 балла в бенчмарке Work360 против 47,74 у Qwen3.8-Max, при этом средняя стоимость задачи снижается с $4,43 до $1,67, а расход выходных токенов сокращается на 24% при режиме xhigh и на 35% при режиме high. В Terminal-Bench 4.0 вендор сообщает о сокращении числа выходных токенов на 48% и 49% при тех же двух настройках, а показатели прохождения на уровне функций в его бенчмарке безопасного кодирования растут с 22,0% до 31,8%. Таковы аргументы вендора в пользу архитектуры: разреженная смесь экспертов с 2,4 трлн параметров, активирующая 71 млрд параметров на токен, плюс 328 млрд параметров N-граммовых эмбеддингов, при трех слоях Gated DeltaNet на каждый слой разреженного внимания.

Единственный внешний показатель, доступный на 17 ноября, — это Artificial Analysis, который присваивает Qwen4-Max 43 балла в Intelligence Index v5.0.1 и ставит его на 38-е место из 81 модели в этом индексе. Он также фиксирует $3,27 затрат на вычисления на одну задачу индекса, что подкрепляется 127 млн выходных токенов за прогон при медиане 78,6 млн, и при этом вообще не приводит никаких измерений скорости для модели — ни времени на задачу, ни скорости вывода. Цифра 43 рядом с заявлением вендора о превосходстве над фронтиром — это противоречие, вокруг которого будет строиться освещение следующего месяца. Это также единственное число в этой статье, которое получила не Alibaba.

A screenshot of the OrcaRouter model page for qwen/qwen3.8-max, showing the 1M-token context badge, text, image and video input, and the pricing panel for the model Qwen4-Max replaces.

Если вы собирались позвонить по этому поводу на этой неделе

OrcaRouter не маршрутизирует Qwen4-Max, и об этом стоит сказать прямо, а не намекать на обратное. В каталоге есть Qwen3.8-Max — модель, которую заменяет Qwen4-Max, — по $2.00 за вход и $6.00 за выход за миллион с ценой вендора по прайс-листу, передаваемой с наценкой 0%, наряду с Claude Opus 5.5, GPT-6.1 Sol, Grok 4.5 и T​encent HY4 Preview. Поколения Qwen4 в нём пока нет.

Поэтому честный вариант организации работы для команды, которая сегодня оценивает Qwen4-Max, — это прямой ключ Alibaba для новой модели плюс слой маршрутизации для всего, к чему вы будете откатываться. Это менее неудобно, чем кажется, потому что дороговизна внедрения новой модели определяется не ценой за токены — а тем, что попробовать её означает второй контракт, второй SDK и второй набор семантики повторных попыток на продакшн-пути. Сохранение действующего поставщика за одной конечной точкой с автоматическим переключением при сбоях между провайдерами позволяет эксперименту с Qwen4-Max идти параллельно с уже работающим путём и позволяет сравнивать на собственном трафике, а не на бенчмарке Alibaba. Когда модель всё же появится в каталоге, цена, которую вы увидите, будет собственной ценой вендора, актуальной в день её изменения, потому что именно это и означает сквозная передача: карточка Global с $1.413 и $4.24 отображалась бы как $1.413 и $4.24, а не по спреду реселлера.

Что посмотреть

Пост Alibaba о запуске завершается фразой, которая важнее любого бенчмарка в нём: Max — лишь первый взгляд на Qwen4, а меньшие модели семейства готовятся выйти в open source. Это обещание относится к уровню ниже, а не к этому, и оно не меняет того факта, что сама Qwen4-Max — модель, которую вы арендуете у одного поставщика и у платформ, арендующих её у того же поставщика. На этом рынке именно документация отличает продукт, а в документации указано 983,616 на входе и 131,072 на выходе — а не миллион чего бы то ни было.

Две даты стоит отметить в календаре. 25 ноября — прекращение поддержки preview-идентификаторов для всех, у кого в конфигурации всё ещё указано qwen4-max-preview. И что бы A​libaba ни опубликовала дальше о бюджете рассуждений, потому что общий пул на 262 144 токена у модели, которую продвигают как модель с контекстом 1M, — это то самое число, которое с наибольшей вероятностью будет пересмотрено, как только реальные агентские нагрузки упрутся в него.

© 2026 OrcaRouter