Сгенерированная титульная карточка с заголовком «Одобрено для агентного кодинга, измеренный результат — 74-е место из 79», плашками с показателями: 54 токена в секунду, 32,2 минуты на задачу индекса, 179,79 секунды до первого токена ответа и 43 балла в Intelligence Index, а также нижним колонтитулом «Показатели скорости — Artificial Analysis, по состоянию на 17 ноября 2026 г.»
Guides & Insights

Qwen4-Max теперь продвигают для агентного программирования. В независимом рейтинге скорости он занимает 74-е место из 79.

Автор

jinhao.song

Дата публикации

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

17 ноября 2026 года в 09:31 UTC официальный аккаунт Qwen4-Max в X опубликовал пять слов и приглашение: модель теперь доступна на сторонней платформе, попробуйте агентное программирование. Это был твит с цитатой собственного анонса этой платформы, через день после того, как Alibaba перевела модель из предварительного просмотра в общий доступ с тарификацией. Публикация небольшая, и её легко пропустить при прокрутке. Это также первый раз, когда поставщик указал своим подписчикам на конкретный внешний маршрут доступа к своему флагману, и он выбрал рабочую нагрузку — агентное программирование с длительным горизонтом — по которой Qwen4-Max в настоящее время имеет самый слабый независимый показатель в таблице.

Вот в чём весь напряжённый момент, который стоит осветить, и это не обвинение. То, что поставщик продвигает модель среди разработчиков агентов, — нормально. Что действительно стоит зафиксировать, так это разрыв между рекламной подачей и цифрами, которые читатель может проверить, потому что рекламная подача — это то, на что опирается команда, а цифры — это то, что дают счёт и реальное время выполнения.

Что на самом деле устанавливает пост

Три вещи, и не больше трёх. Остальное — домыслы, поданные как новости.

• Одобрение является подлинным и датированным. В публикации указана временная метка 17 ноября 09:31 UTC, она размещена с собственной учётной записи поставщика и цитирует более раннее объявление платформы, а не существует сама по себе. Когда поставщик делает репост анонса партнёра, это намеренное действие; учётная запись не просто случайно упомянула его.

• Платформа не является вторым развёртыванием. На её странице моделей qwen/qwen4-max указан в таблице с заголовком «Модели, маршрутизируемые и обслуживаемые их собственными лабораториями», а не среди её собственных опубликованных версий. Это различие важнее маркетингового текста вокруг него: маршрутизируемая модель — это развёртывание Alibaba, доступ к которому осуществляется через чужой парадный вход, и только так закрытая модель класса 2,4 трлн параметров может вообще где-либо появиться.

• Это бета-версия, а не вопрос мощности. Постоянный баннер на сайте сообщает, что сервис находится в закрытой бете, и запрашивает код приглашения. Одобрение со стороны аккаунта самой модели — это сигнал о намерениях, а не о пропускной способности, квоте или соглашении об уровне обслуживания; к тому же код приглашения — не путь закупки.

А чего пост не устанавливает — так это ни одного утверждения о производительности. В нём нет ни цифры токенов в секунду, ни доли выполненных задач, ни стоимости одной задачи, ни утверждения о том, сколько одновременных сессий агентов выдерживает этот маршрут. Читайте его как «теперь эту модель можно получить здесь» — это всё, что в нём сказано.

Карта под одобрением дешевле, чем собственная карта продавца.

У маршрутизированного листинга свои собственные цифры, и цена — та, на которую стоит смотреть. Указано $1.40 за миллион входных токенов и $4.20 за миллион выходных, а также контекстное окно в 977K токенов и статус «онлайн».

• Ввод — $1.40 на маршрутизируемой карте против $1.413 на собственной карте Alibaba Global-scope (Пекин, Гонконг, Франкфурт, Вирджиния, США, Токио) и $1.50 в Сингапуре.

• Выпуск — $4,20 по сравнению с $4,24 Global и $4,50 Singapore.

• Направление — маршрутизируемое число примерно на 1% ниже, чем в самом дешёвом опубликованном регионе поставщика, и примерно на 6,7% ниже, чем по карте, с которой фактически будут выставляться счета большинству читателей за пределами материкового Китая.

• Заявленный механизм — платформа описывает свою плату как «тариф лаборатории плюс плата за маршрут, подписанная квитанция маршрута на каждый ответ».

• Показатель контекста — 977K в листинге против 1 000 000 в карточке модели Alibaba, где рабочие пределы составляют 991 808 входных токенов в стандартном режиме и 983 616 в режиме размышления.

Эти два факта плохо сочетаются друг с другом. Маршрут, добавляющий комиссию к тарифу лаборатории, должен стоить дороже прямого обращения, а этот стоит меньше, чем любой опубликованный регион Alibaba. Правдоподобные объяснения прозаичны — промотах, региональный арбитраж в зависимости от того, к какому эндпоинту Alibaba идёт обращение, или предложение, не обновлявшееся с момента появления превью-карточки, — и ни одно из них нельзя подтвердить извне. Что может сделать читатель — перестать воспринимать цену при маршрутизации как цену модели. Собственная карточка Alibaba — это ориентир; всё, что ниже неё, — коммерческая договорённость со сроком действия, который никто не опубликовал. Если вы принимаете решение исходя из стоимости за задачу, рассчитывайте её от $1.50 на входе и $4.50 на выходе в Сингапуре или от $1.413 и $4.24 в глобальном масштабе, а скидку считайте бонусом, а не основой плана.

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.

Нагрузка по этой должности — именно та, которую трекер измеряет хуже всего.

Artificial Analysis — единственная организация, публикующая независимые измерения Qwen4-Max, и её страница была обновлена: добавлена полная строка с показателями производительности, которой не было в день запуска. То, что в этой строке написано, недвусмысленно.

• Индекс интеллекта — 43 в наборе из девяти оценок v5.0.1, 38-е место среди 81 модели, что незначительно выше медианы трекера, равной 41 для этого ценового сегмента.

• Скорость вывода — 54 токена в секунду. Это 74-е место из 79 моделей, которые трекер ранжирует по производительности.

• Время до первого токена ответа — 179,79 секунды, потому что модель сначала думает, а потом говорит, и уровень рассуждений по умолчанию в карточке Alibaba — высокий.

• Время на выполнение одной задачи Intelligence Index — 32,2 минуты против медианы 13,3 минуты у сопоставимых моделей. Трекер называет это «заметно медленно».

• Многословность — 127 миллионов выходных токенов по всему индексу против медианы 78,6 миллиона. Это 65-е место из 80.

• Стоимость одной задачи индексирования — $3.27, 44-е место из 80, при этом уже применена 95%-ная скидка за кэширование.

Каждая цифра в этом списке — собственное измерение трекера, а не Alibaba. Опубликованные заявления производителя — это совершенно другой набор, и они помечены как заявления производителя везде, где встречаются: прирост токен-эффективности на 24–35% по сравнению с Qwen3.8-Max на его собственном бенчмарке Work360, 48–49% на Terminal-Bench 4.0 и снижение средней стоимости одной задачи с $4,43 до $1,67. Ничто из этого не было независимо воспроизведено. Эти два набора данных не противоречат друг другу — модель может быть эффективной в расчёте на задачу и при этом медленной в расчёте на токен, — но только один из них говорит о том, каково будет ощущаться агентный цикл в 2 часа ночи.

Есть второй пробел в собственных материалах поставщика, и он странен для модели, которую продают под агентное программирование. В карточке модели Alibaba не указано число параметров; в материалах запуска описана разреженная смесь экспертов на 2,4 трлн параметров с 71 млрд активируемых на токен, а трекер фиксирует размер как нераскрытый. Также нет опубликованного самой Alibaba результата Terminal-Bench 4.0 для этой модели — только заявление об относительной эффективности по сравнению с предшественником. Поставщик, желающий, чтобы разработчики агентов приняли модель, обычно начинает с абсолютного показателя для агентных задач. Этот начал с соотношения.

Что 32 минуты на задачу и 54 токена в секунду делают с циклом

Цены за единицу это скрывают, поэтому вот арифметика для той схемы, которую рекламирует пост, — агента для программирования, который выполняет задачу по шагам. Всё это выведено из опубликованных тарифов и измеренной скорости, а не из счёта.

• Время генерации за ход — патч и блок рассуждений на 3 000 токенов при 54 токенах в секунду — это около 56 секунд чистого вывода. При 8 000 токенов это примерно 2,5 минуты — ещё до того, как модель что-либо прочитала.

• Сессия из 25 ходов — 25 ходов по 3000 выходных токенов — это 75 000 токенов, примерно 23 минуты генерации при такой скорости, плюс 25 отдельных ожиданий первого токена ответа почти по три минуты каждое, если среда запуска не поддерживает контекст в разогретом состоянии. Одни только накладные расходы могут превысить время генерации.

• Та же сессия в деньгах — 75 000 выходных токенов по $4,50 за миллион — это $0,34. Вычисления дешевы; время — нет. Эта инверсия — самое полезное, что стоит понимать в экономике этой модели.

• Кэш — это рычаг, определяющий, приемлемо ли это: контекст на 200 000 токенов, перечитываемый с нуля по $1,50 за миллион, обходится в $0,30 за ход; при кэшировании со скидкой 95% это около $0,015. За 25 ходов это разница между $7,50 и $0,38 на входные данные, что полностью затмевает счёт за выходные данные.

Иначе говоря: на Qwen4-Max инструментировать нужно не длину вывода, а частоту попаданий в кэш и задержку первого токена. Цикл, который держит свой контекст «тёплым» и допускает трёхминутное размышление, работоспособен. Цикл, который на каждом ходу заново отправляет холодный контекст на 200K, платит в двадцать раз больше входного тарифа и каждый раз ждёт три минуты, чтобы это сделать. 32,2-минутная задача индекса — это составной показатель трекера, а не ваша задача, но именно её направление стоит учитывать при планировании.

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.

В квитанции не сказано, что ответило.

Это та часть маршрутизированного листинга, которая заслуживает большего внимания, чем её цена. Документация самой платформы на удивление откровенна: каждый маршрутизированный ответ сопровождается подписанной квитанцией маршрута, а квитанция «не доказывает, какие веса ответили». В ней фиксируется, куда был отправлен запрос и что сообщила последняя проверка. Модели, которые платформа публикует сама, получают более сильную цепочку — файлы, хранящиеся по дайджесту SHA-256, ревизии, идентифицируемые хешем карты файлов, подписанные записи под закреплённым ключом публикатора, журнал прозрачности только для добавления — а статус проверки, отображаемый для qwen/qwen4-max, — «неизвестен».

Для закрытой модели это не скандал, а структурное ограничение, присущее любому роутеру, включая наш: если веса не опубликованы, ни одна третья сторона не может доказать, какие именно веса породили токен. Из этого следует практическое правило, а не критика. Если ваша работа зависит от того, что модель действительно является Qwen4-Max — оценка, заявка на бенчмарк, контрактное утверждение о том, какая модель работала с данными — одного маршрутизируемого эндпоинта само по себе недостаточно как доказательства, как бы убедительно ни выглядело подтверждение. Если вам нужна сама возможность, маршрутизируемый эндпоинт подходит, а вопрос происхождения носит академический характер.

Как попробовать это, не ставя на кон продакшен-путь

Говоря прямо о том, где мы находимся: OrcaRouter не маршрутизирует Qwen4-Max. В каталоге представлены qwen/qwen3.8-max, anthropic/claude-fable-5.2 и openai/gpt-6.1-sol; запрос с идентификатором qwen4 сегодня возвращает not-found, так что если вы хотите эту модель на нашем ключе, вы ждёте, как и все остальные. Что мы можем сделать — это сделать так, чтобы оценку было дёшево отменить.

Причина, по которой это важно, в том, что всё в этом запуске говорит против того, чтобы жёстко зашивать его в код. Модели всего день, её единственная независимая строка в таблице производительности ставит её на 74-е место из 79 по скорости, её цена при маршрутизации ниже, чем по прайс-листу самого вендора, по причинам, которые никто не объяснил, а платформа, где опубликована рекомендация, находится в закрытой бете по инвайт-коду. Любой из этих пунктов может измениться в течение недели — а переход от preview к GA, который к тому же сократил общий бюджет на размышления плюс ответ с 393 216 токенов до 262 144 и перевёл биллинг с кредитов на тарификацию по токенам, — это именно такого рода изменение, которое ломает продакшен-путь на второй неделе.

Вот почему эксперимент стоит держать за маршрутизируемой конечной точкой, а не за жёстко заданной: новая модель на одном маршруте, qwen/qwen3.8-max — на резервном, один ключ и один счёт для обеих. При наценке 0% и передаче цены из прайс-листа провайдера без изменений, расчёты, которые вы делаете по тарифной сетке Alibaba, совпадают с тем, что вам выставят в счёте, — а значит, снижение цены поставщиком отражается на нашей стороне в тот же день, а не при следующем продлении договора. Слияние моделей — ещё один вариант, о котором стоит знать для непроверенной модели: запустите её вместе с текущей на выборке собственного трафика и сравните результаты, прежде чем какая-либо из них станет основным маршрутом. Если вы хотите просто посмотреть, как выглядит один API для 200+ моделей, каталог открыт.

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.'

Что могло бы изменить это чтение?

Три вещи, в порядке того, насколько они были бы важны.

Первое — это показатель скорости, полученный кем-либо, кроме единственного трекера. Единственное измерение в 54 токена в секунду на составном бенчмарке — шаткое основание для решения о запуске в продакшен, а вендор вообще не опубликовал ни одного. Если второй независимый стенд покажет близкое значение, медлительность — это свойство модели, и разработчикам агентов следует рассчитывать свои циклы с учётом этого. Если же он покажет гораздо больше, проблема была в эндпоинте трекера, и этот раздел быстро устареет — а это правильный способ для него устареть.

Второй — это смещение статуса верификации в том маршрутизированном листинге с отметки «unknown» либо выход платформы из закрытой беты. Любое из этого превратило бы одобренный маршрут в то, что можно закрепить гарантией поддержки.

Третье — Alibaba публикует абсолютный показатель агентного кодинга, а не соотношение с предшественником. Пока она этого не сделает, одобрение остаётся заявлением о намерениях, а единственное опубликованное измерение заявленной рабочей нагрузки — 32,2 минуты на задачу при 54 токенах в секунду. Это не повод избегать Qwen4-Max — это повод протестировать его на собственных задачах, прежде чем обещать кому-либо дату поставки, и держать текущее решение на расстоянии одного маршрута, пока вы это делаете.

© 2026 OrcaRouter