Сгенерированная титульная карточка 16:9 на тёмно-синем фоне с надписью «Qwen4-Max» и подзаголовком «Две даты, одно табло», а также три закруглённые карточки: ДАТА МОДЕЛИ 16 ноя 2026, ВТОРОЙ ПРОДАВЕЦ 18 ноя 2026, ОЦЕНКА ИНДЕКСА 43. В нижнем колонтитуле строка: «Artificial Analysis Intelligence Index v5.0.1». Логотип OrcaRouter в правом нижнем углу.
Guides & Insights

Qwen4-Max теперь продаётся в двух местах. Независимое табло — вот что действительно стоит прочитать

Автор

jinhao.song

Дата публикации

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

Qwen4-Max поступила в общую продажу 16 ноября 2026 года, а к утру 18 ноября её уже рекламировала и сторонняя платформа инференса — с тем же контекстом в 1 млн токенов и теми же входными данными в виде текста, изображений и видео. Вот это новость, и новость небольшая: второй продавец — это событие в сфере дистрибуции, а не событие в сфере модели. То, что появилось в том же окне и почти не привлекло внимания, — это измерение. Теперь в Artificial Analysis есть запись Qwen4-Max, и в своём Intelligence Index она оценивает модель в 43 балла против 34 у Qwen3.8-Max, предшественника, которого она заменяет.

Оба эти числа сопровождаются контекстом, который определяет, хорошие ли это новости, а собственный блог поставщика его не предоставляет. Поэтому этот материал делает три вещи по порядку: что фактически вышло 16 ноября, что говорит независимая строка, чего не говорит пост о запуске, и что меняется — и что тихо ломается — когда ту же модель обслуживает кто-то другой, а не A​libaba.

Две даты, и только одна из них — релиз

Дата модели — 16 ноября 2026 года. Команда Qwen компании Alibaba датировала свой пост о запуске 16 ноября, а страница документации Model Studio для этой модели содержит отметку об обновлении 2026-11-16 09:46:08 с заголовком «qwen4-max (Latest Model)» и простым идентификатором модели qwen4-max. Эта страница важна с коммерческой точки зрения: она заменила идентификатор предварительной версии, qwen4-max-preview, который открылся 11 ноября по кредитному плану с опубликованной датой вывода из эксплуатации 25 ноября. Общая доступность означала тарифную карту с оплатой по мере использования, шесть регионов и отсутствие срока действия.

Событие 18 ноября — иного рода. Платформа, не принадлежащая A​libaba, начала предлагать модель своим клиентам через два дня после появления карточки с ценами. 18 ноября в самой модели ничего не изменилось: ни новых весов, ни нового размера контекста, ни новой цены от лаборатории. Если вы читаете материалы, где эта неделя подаётся как запуск, то эта подача отстаёт на шаг: Qwen4-Max вышла 16-го, а 18-го произошло то, что её стало можно перепродавать в масштабе. Это различие — не педантичная придирка. Оно подсказывает, какие вопросы задавать: не «что она умеет», на что ответили в понедельник, а «что выживает после путешествия через реселлера», на что не ответил никто.

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.

Что вышло 16 ноября

Приведённая ниже спецификация принадлежит A​libaba: она взята из поста о запуске и документации модели, и ни одна её часть не была независимо воспроизведена — в частности, архитектура представляет собой описание вендором прогона обучения, который не проверял ни один посторонний.

• Архитектура — новый дизайн Qwen4 с базовой моделью на 2,4 триллиона параметров, 71 миллиардом параметров, активируемых на каждый токен, и ещё 328 миллиардами параметров N-gram-эмбеддингов

• Внимание — три слоя Gated DeltaNet, подающие данные в каждый слой Qwen Sparse Attention, который сжимает историю в состояния фиксированного размера и индексирует контекст с гранулярностью микроблоков.

• Работа над стабильностью — четыре параллельные остаточные ветви с динамическими гейтами чтения и записи, которые лаборатория назвала причиной отсутствия всплесков потерь в прогоне 2.4T

• Контекст — 1 000 000 токенов в документации поставщика; Artificial Analysis оценивает полезное окно в 984 000

• Потолок вывода — 131,072 токена при отключённом мышлении или 262,144, распределяемые между мышлением и ответом

• Модальность — текст, изображения и видео на входе; текст на выходе. Нативное зрение, а не внешняя надстройка

• Усилие рассуждения — выбираемые уровни, которые в публикации о запуске называются High и Xhigh, когда она приводит собственные показатели эффективности

• Инструментарий — вызов функций, параллельные вызовы инструментов, веб-поиск, структурированный вывод в соответствии с JSON Schema, дополнение по префиксу, явное и неявное кэширование

• Интерфейсы — OpenAI Chat Completions и Responses, Anthropic Messages и DashScope — самая широкая протокольная поверхность, которую Alibaba когда-либо реализовала во флагманском продукте.

• Чего не хватает — дообучение и развёртывание моделей отмечены как неподдерживаемые. Контрольной точки нет, а в анонсе запуска говорится лишь, что меньшие модели Qwen4 «скоро выйдут в открытый исходный код»

Заявления об эффективности — это то, на что запуск опирается сильнее всего, и их стоит сформулировать точно, потому что они условны. По сравнению с Qwen3.8-Max поставщик сообщает примерно о на 24% меньшем числе токенов в своём бенчмарке Work360 при уровне усилий Xhigh и на 35% меньшем при High, а также о на 48% и 49% меньшем числе токенов на Terminal-Bench 4.0 при тех же двух настройках. Средняя стоимость одной задачи на Work360 снижается с $4.43 до $1.67, то есть на 62%. Все эти цифры заявлены поставщиком, и каждая из них привязана к уровню усилий — что позже становится важной деталью, когда реселлер решает, как предоставить доступ к этому регулятору.

Независимая строка, которую никто не цитирует

Artificial Analysis опубликовала Qwen4-Max в Intelligence Index v5.0.1, и запись получилась на редкость прямой. Оценка — 43, что сайт описывает как ниже среднего среди сопоставимых моделей; медиана тоже равна 43, так что модель находится ровно на границе, а не выше неё. Это менее лестная формулировка, чем «плюс девять баллов к предшественнику», и верно и то, и другое. Qwen3.8-Max, измеренная как снимок 0902, набирает 34 балла по тому же индексу.

Остальная часть строки — это то место, где аргумент становится интереснее, потому что она отделяет возможность от затрат на её извлечение.

• Балл индекса — Qwen4-Max 43 против Qwen3.8-Max (0902) 34 на v5.0.1

• Выходные токены за запуск индекса — 127 миллионов против 150 миллионов при медиане по отрасли 65,1 миллиона. Обе модели чрезвычайно многословны; новая — в меньшей степени.

• Фактическое время на задачу — 32,1 минуты против 47,5 минуты при медиане по выборке 11,5. Быстрее предшественника, но по-прежнему среди самых медленных измеренных моделей

• Пропускная способность — 55 выходных токенов в секунду, измерено на собственном API A​libaba

• Стоимость за задачу — $3.27 против $10.02, что является самым полезным показателем в этой строке

Сопоставьте эти данные, и станет понятно: обновление действительно есть, но оно скромнее, чем обещает маркетинг. Qwen4-Max дает девять пунктов индекса, сокращает реальное время выполнения на треть и снижает стоимость завершения задачи примерно на две трети по сравнению с моделью, которую заменяет. Но абсолютного ускорения он не дает: при 32,1 минуты на задачу он почти в три раза медленнее медианной модели в той же таблице лидеров и сжигает почти вдвое больше токенов, чем медианная модель, чтобы добиться такого результата. Если ваша нагрузка чувствительна к задержкам, ваш счет будет определять не показатель индекса.

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.

Что сохраняется при передаче реселлеру

Именно эта часть благодаря листингу от 18 ноября становится насущной, а не теоретической. Когда модель предоставляется платформой, которая не является её автором, четыре вещи передаются надёжно, а одна — нет.

Четыре вещи, которые кочуют: карточка цены, потому что её копируют со страницы поставщика; показатель контекста, потому что он вынесен в заголовок; список модальностей, потому что он есть в маркетинговом тексте; и форма протокола, поскольку большинство платформ предоставляют OpenAI-совместимую конечную точку независимо от того, что стоит за ней. Именно это в каждом листинге указано правильно, и именно это цитирует каждая статья-сравнение.

Что не переносится — так это сопоставление уровней усилий. Экономика Qwen4-Max по своей конструкции зависит от уровня усилий: собственная экономия токенов у поставщика на Work360 колеблется от 24% до 35% в зависимости от того, используете ли вы Xhigh или High, а документация выносит этот выбор в параметр запроса. Реселлер, который привязывает усилие к одному значению по умолчанию или сопоставляет параметр рассуждения в стиле OpenAI только с двумя из трёх уровней, выдаёт вам модель, стоимость задачи которой может отличаться от опубликованной поставщиком цифры на треть — при одинаковой цене за токен в счёте. Если вы сравниваете предложение с собственными цифрами Alibaba, явно зафиксируйте уровень усилий и проверьте, как платформа с ним обращается, прежде чем делать какие-либо выводы о цене.

Две вещи поменьше, которые нужно проверить: соблюдается ли общий бюджет в 262 144 токена на размышления и ответ или он молча обрезается, и передаётся ли кэширование промптов по тарифам поставщика за кэш, а не по полному тарифу за входные данные. И то, и другое реально влияет на деньги при долгих прогонах агентов, и ни то, ни другое не видно в заголовке.

Что не изменилось и не изменится

Самое важное обстоятельство, связанное с Qwen4-Max, не отражено ни в карточке цен, ни в таблице лидеров: этой моделью нельзя владеть. Для неё нет чекпоинта, а документация помечает тонкую настройку и самостоятельное развёртывание как неподдерживаемые. Заключительная строка поста о запуске обещает, что младшие уровни Qwen4 будут открыты, но это утверждение о будущем семейства, а не об этой модели. Любой путь к Qwen4-Max проходит через чей-то API — будь то шесть регионов Alibaba или эндпоинт реселлера.

Это обычная схема для флагмана передового уровня 2026 года, и у неё есть обычное следствие: ваша интеграция — это аренда, и число арендодателей только что выросло с одного до более чем одного. И это единственный по-настоящему веский аргумент в пользу листинга 18 ноября — не потому, что он дешевле, а потому, что это ещё один канал поставок для модели, которую вы не можете хостить самостоятельно.

Если вы будете подключать это на этой неделе

Qwen4-Max сегодня отсутствует в каталоге OrcaRouter, а этот материал не собирается делать вид обратного. Что есть, так это модель, которую он заменяет: qwen/qwen3.8-max — флагманская модель с 2,4 трлн параметров, набравшая 34 балла в том же индексе и стоящая $2.00 за вход и $6.00 за выход за миллион токенов по прайс-листу A​libaba. Если вы разрабатываете под линейку Q​wen и хотите попробовать Qwen4-Max, не ставя продакшен-путь в зависимость от коммерческой схемы, которой всего два дня, разумный подход — оставить предшественника на том же ключе и маршрутизировать запросы между ними — OrcaRouter обслуживает более 200 идентификаторов моделей разных провайдеров через одну конечную точку, совместимую с OpenAI, с 0% наценки, а также с автоматическим переключением при сбое, поэтому сбой на стороне провайдера или ограничение частоты запросов не обрушит заодно и ваше приложение. DSL маршрутизации делает то же самое на уровень ниже: можно собрать дешёвую модель для основной части рабочей нагрузки и переключаться на дорогую только там, где задача действительно этого требует, вместо того чтобы платить по флагманским тарифам за каждый вызов.

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.

Это не то же самое, что иметь Qwen4-Max на ключе, и это не следует продавать как таковое. Это разница между ожиданием, когда модель доберётся до вашего стека, и наличием стека, способного принять её, когда это произойдёт.

Что изменило бы эту часть?

Три вещи, в порядке убывания вероятности. Второе независимое измерение Qwen4-Max позволило бы установить, является ли 43 нижней границей или потолком, — одна таблица, один стенд, одна настройка уровня усилий служат шаткой основой для вердикта, и этот блог уже не раз видел, как пересмотры индекса сдвигали оценки на двузначные числа. Опубликованная Artificial Analysis разбивка по уровням усилий, аналогичная той, что она уже делает для GLM-5.3, сделала бы показатель стоимости за задачу действительно пригодным для практического применения, а не усреднением по неуказанной настройке. А чекпойнт Qwen4 — любой чекпойнт Qwen4 — полностью покончил бы с доводом в пользу аренды.

А до тех пор правильное прочтение этой недели — самое неприглядное. Флагман вышел в понедельник с реальным ценником и конкурентоспособной, но не лидирующей независимой оценкой; в среду его подхватил реселлер — дистрибуция делает то, что делает дистрибуция; а число, которое должно определять вашу интеграцию, — не $1.50 или 43, а 32,1 минуты и счёт за токены, который примерно вдвое превышает медиану по рынку. Именно за эти две вещи вы фактически заплатите.