|

Насколько сильна Qwen4-Max: 2,4T параметров, контекстное окно 1M и 16 официальных результатов тестов

Насколько сильна Qwen4-Max: 2,4T параметров, контекстное окно 1M и 16 официальных результатов тестов

Команда Alibaba Tongyi утром 2026-11-16 выпустила Qwen4-Max. Основные параметры — 2.4T, контекстное окно — 1M, и в придачу приложена сравнительная диаграмма с 16 бенчмарками.

Сразу к выводу: Qwen4-Max действительно лидирует по эффективности токенов и выполнению длительных задач, но не по всем пунктам сразу. Из 16 официально заявленных бенчмарков он взял 4 первых места и 4 вторых; в терминальных операциях, сборке программ, понимании диаграмм и понимании видео он всё ещё заметно отстаёт от ведущих конкурентов на той же диаграмме.

Источников информации в этой статье всего три: официальные материалы релиза от 2026-11-16, финальный снимок публичного рейтинга arena.ai Code Arena WebDev (2026-11-14) и две опубликованные цены — на QwenCloud и на платформе Qwen AI. Неопубликованные детали параметров и результаты сторонних воспроизведений в эту статью не входят. Если у вас сейчас работает Qwen3.8-Max или другая флагманская модель, после прочтения вы сможете по трём типам задач отдельно решить, стоит ли переходить, и самостоятельно посчитать по цене входа, цене выхода и цене кеша.

qwen4-max-2-4t-params-1m-context-16-benchmarks-ru-image-0

Краткая сводка о релизе Qwen4-Max

Пункт Детали
Дата выпуска 2026-11-16 10:01 (UTC+8)
Разработчик Команда Tongyi Qianwen (Qwen), Alibaba
Объём параметров 2.4T основных параметров, 71B активируется на каждый токен, плюс 328B параметров N-gram Embedding
Контекст 1M, нативная поддержка зрения
Официальные каналы QwenCloud API, Qwen Studio, QwenWork, Qoder, приложение Qianwen
Планы по открытому коду Официально заявлено, что веса Qwen4 меньших размеров будут открыты; про открытие самого Max речи не было

Судя по темпу релизов, это не просто обновление очередной модели в API. Qwen4-Max одновременно появился в двух собственных продуктах — QwenWork (офис) и Qoder (программирование), а в официальных материалах акцент сделан на длительных агентных задачах и отраслевых внедрениях, а не на способности отвечать на вопросы как таковой.

Три изменения в архитектуре Qwen4-Max

В официальном блоге перечислены три структурных изменения — разберём, какую задачу решает каждое:

  • Гибридное внимание GDN + QSA: из каждых четырёх слоёв три используют Gated DeltaNet, а четвёртый — Qwen Sparse Attention, причём контекст выбирается на уровне блоков. Главная цель такой схемы — снизить вычислительные затраты при длинном контексте в 1M.
  • Gated Residual: путь остаточной связи разделён на четыре параллельные ветви, которые затем объединяются через гейтирование — это повышает выразительность глубокой сети.
  • N-gram Embedding: на втором слое выполняется поиск по таблице, дополняющий локальные паттерны токенов. Отсюда и берутся дополнительные 328B параметров: это параметры таблицы поиска, они не участвуют в расчёте активации на каждый токен.

Важно: 2.4T — это суммарное число параметров основы, а на каждый токен реально активируется 71B. Сравнивая «размер параметров» с другими моделями, сначала убедитесь, что обе стороны считают по одной и той же методике.

qwen4-max-2-4t-params-1m-context-16-benchmarks-ru-image-1

Спецификации и протоколы Qwen4-Max

Параметр Qwen4-Max
Контекстное окно 1M
Максимальный вход 991K (в режиме размышления — 983K)
Максимальный выход 393K
Максимальная цепочка рассуждений 262K
TPM 5 млн
Совместимые протоколы OpenAI Chat Completions, Responses, Anthropic Messages, DashScope
reasoning_effort по умолчанию high (у Qwen3.8-Max по умолчанию xhigh)

Последнюю строку легко пропустить. У Qwen4-Max уровень рассуждений по умолчанию — high, на одну ступень ниже, чем xhigh у предыдущего поколения. Если сравнивать новое и старое поколение на параметрах по умолчанию, часть экономии токенов объясняется разницей в уровне, а не самой моделью. Для A/B-тестов лучше явно задавать одинаковое значение reasoning_effort.


Qwen4-Max: 16 официальных бенчмарков — где впереди, где позади

Все результаты в таблице ниже взяты из одного официально опубликованного графика и представляют собой данные самой компании. Оценки конкурентов на этом графике тоже получены Alibaba в ходе собственных замеров — их нельзя воспринимать как официальные результаты, объявленные Anthropic, OpenAI или Moonshot. При этом CodeArena и AgentArena взяты из LM Arena, AA-Briefcase и AutomationBench-AA — из Artificial Analysis, APEX-Agents — из рейтинга Mercor, а JobBench Alibaba тестировала самостоятельно на обновлённом наборе данных и с обновлённым кодом оценки.

Бенчмарк Qwen4-Max Qwen3.8-Max-0902 Opus 5.5 GPT-6.1-Sol GPT-6 Astra Kimi K3.1
DeepSWE v1.1 75.7 69.3 74.2 75.2 74.1 75.5
CodeArena WebDev (Elo) 1750 1676 1816 1742 1763 1686
Terminal-Bench 4.0 48.5 38.9 59.6 56.1 59.1 67.2
ProgramBench 31.5 28.0 65.0 52.5 55.0 25.0
AA-Briefcase v1.1 (Elo) 1686 1605 1801 1555 1569 1674
Agents’ Last Exam v1.1 46.7 27.9 43.4 42.6 43.4 не указано
JobBench 68.5 65.3 75.4 66.2 66.1 61.2
APEX-Agents v1.1 72.1 63.3 73.5 60.0 64.7 65.5
HLAB-Vals-1.1 21.3 15.4 9.2 6.3 7.1 11.7
AutomationBench-AA 72.5 56.2 69.5 64.9 68.5 73.3
AgentArena (Net Improvement) 7.5 — 18.2 — 13.9 3.9
BioMysteryBench 85.0 84.1 81.9 84.4 78.9 80.6
HealthBench Professional 60.0 39.6 59.9 65.1 66.0 57.2
Humanity’s Last Exam 51.7 43.9 59.8 54.0 53.6 51.1
Chartography 54.2 42.0 66.3 67.8 71.1 50.0
Video-Index 68.1 63.2 74.8 73.8 76.7 63.2

qwen4-max-2-4t-params-1m-context-16-benchmarks-ru-image-2

Проекты, где Qwen4-Max впереди

Qwen4-Max занимает первое место в четырёх бенчмарках: DeepSWE, Agents’ Last Exam, HLAB-Vals и BioMysteryBench. Самый большой отрыв — в HLAB-Vals: 21,3 балла, что примерно вдвое больше результата занявшего второе место Kimi K3.1. В DeepSWE модель обходит Kimi всего на 0,2 балла, и такой разрыв можно смело считать ничьей.

Ещё в четырёх бенчмарках она вторая: AA-Briefcase, JobBench, APEX-Agents и AutomationBench-AA. В первых трёх первое место держит Opus 5.5, в последнем — Kimi K3.1. Все эти бенчмарки заточены под длительные agent-задачи и под то, что называют работой «белых воротничков», — именно это и продвигают в этом релизе.

Где Qwen4-Max отстаёт

Работа в терминале и сборка программ — самое заметное слабое место в этот раз. 48,5 балла в Terminal-Bench 4.0 — пятое место среди шести моделей, на 18,7 балла меньше, чем у лидера Kimi. 31,5 балла в ProgramBench — меньше половины результата Opus 5.5. Если ваш агент в основном собирает, отлаживает и разворачивает проекты в shell, эти два бенчмарка дают больше информации, чем DeepSWE.

С пониманием графиков и видео тоже не всё гладко. Chartography и Video-Index — оба на четвёртом месте, отставание от лидера GPT-6 Astra составляет 16,9 и 8,6 балла соответственно. Humanity’s Last Exam тоже на четвёртом месте. Так что «нативное зрение» здесь означает, что возможность есть, а не что модель лидирует в этой области.

Место Qwen4-Max в публичном рейтинге Code Arena

Финальный снимок публичного рейтинга arena.ai Code Arena WebDev (2026-11-14) насчитывает 1 007 405 голосов и 159 моделей. Qwen4-Max (xHigh) с 1750 баллами занимает 6-е место, имеет пометку Preliminary и всего 1 814 голосов; на странице указана стоимость одной задачи по P50 — $4,18. Перед ней идут Claude Fable 5.2, Claude Opus 5.5, Claude Sonnet 5.5, Gemini 4 Carbon (Preliminary) и GPT-6 Astra.

Предыдущее поколение Qwen3.8-Max (0902) в том же рейтинге занимало 16-е место с 1676 баллами, так что нынешнее поколение прибавило 74 балла и поднялось на 10 позиций. Правда, у Qwen4-Max пока относительно мало голосов, поэтому рейтинг ещё может измениться.

Откуда у Qwen4-Max такая token-эффективность и «снижение стоимости на 60%»

Официальные цифры по эффективности взяты из собственного сценарного бенчмарка Work360. В нём 26 доменов первого уровня, 182 — второго и 721 — третьего; Qwen4-Max набирает 52,69 балла, Qwen3.8-Max — 47,74. По расходу токенов Work360 в режиме Xhigh экономит около 24%, в режиме High — около 35%; на Terminal-Bench 4.0 эти два режима дают примерно 48% и 49% экономии соответственно.

Что касается средней стоимости одной задачи, официальные цифры — с $4.43 до $1.67, а в китайском блоге — с ¥26.58 до ¥11.16, то есть падение на 58%. В долларах снижение получается около 62%. Но если считать только по формуле «токенов на 35% меньше × цена за токен ниже на 25%», выходит примерно 0,65 × 0,75 ≈ 0,49, то есть снижение около 51%. Оставшуюся разницу официально никак не объясняют; наиболее вероятные источники — рост доли попаданий в кэш и меньшее число раундов вызова инструментов, но это лишь догадки, а не подтверждённые причины.

По безопасности: на уровне функций в Last Secure Code Bench показатель «двойного прохождения» — и по функциональности, и по отсутствию уязвимостей — вырос с 22,0% до 31,8%. Доля случаев, когда безопасный код генерируется на всех трёх уровнях — функция, файл, репозиторий, — выросла с 8% до 14,7%. Абсолютные значения по-прежнему невысоки, и сгенерированный код всё ещё требует проверки человеком.

qwen4-max-2-4t-params-1m-context-16-benchmarks-ru-image-3


Как рассчитывается цена Qwen4-Max

Ниже — официальные цены Qwen4-Max, а также официальные цены предыдущего поколения и текущие цены APIYI. Все значения указаны в долларах США за 1 млн токенов, дата сбора данных — 2026-11-16.

Статья расходов Qwen4-Max (официально QwenCloud) Qwen3.8-Max (официально) qwen3.8-max (текущая цена APIYI на apiyi.com)
Вход $1.5 $2 $1.65
Выход $4.5 $6 $4.95
Чтение кеша / попадание в кеш $0.075 $0.25 $0.20625
Создание явного кеша на 5 минут $1.875 — —
Создание явного кеша на 1 час $3 — —

Цены в юанях приведены по данным платформы Qwen AI, единица — юани / 1 млн токенов, дата сбора данных — 2026-11-16:

  • Вход — ¥10, выход — ¥30, попадание в кеш — ¥0.5
  • Создание явного кеша на 5 минут — ¥12.5, создание явного кеша на 1 час — ¥20

По сравнению с официальными ценами предыдущего поколения у Qwen4-Max цена входа и цена выхода ниже на 25%, а цена чтения кеша — на 70%. Сильнее всего подешевело чтение кеша, и для долгосрочных агентов это заметно: в многораундовых задачах много повторяющихся системных промптов и исторического контекста тарифицируется по цене кеша.

Если хотите оценить стоимость самостоятельно, разложите её по формуле: входные токены без попадания в кеш × цена входа + попадания в кеш × цена кеша + объём создания явного кеша × цена создания + выходные токены (включая цепочку рассуждений) × цена выхода. Вот гипотетический пример: в задаче 1 млн входных токенов, из них 600 000 попадают в кеш, а выход — 100 000 токенов. По официальным ценам Qwen4-Max получается примерно $0.6 + $0.045 + $0.45 ≈ $1.10. При том же объёме токенов по официальным ценам Qwen3.8-Max выходит около $1.55. К реальной разнице ещё добавится изменение расхода токенов, поэтому надёжнее всего заново прогнать расчёт на собственных реальных логах.

💰 Подсказка по расчётам: APIYI пока не добавил qwen4-max в каталог, но мы скоро это сделаем. Точное название модели и цена будут указаны в списке моделей на платформе apiyi.com. До появления новой модели можно взять qwen3.8-max на платформе и построить базовую стоимость, а когда модель выйдет, просто сравнить два счёта.


Как по сценарию решить, стоит ли переходить на Qwen4-Max

Сценарий Показатели Qwen4-Max (по официальным заявлениям) Рекомендация
Длинные agent-задачи и отраслевые поставки (автоматизация офиса, исследования, сдача документации) Первое место в HLAB-Vals и Agents’ Last Exam; второе место в APEX, JobBench, AA-Briefcase; заметная экономия токенов Оценивать в первую очередь: выгода от перехода с Qwen3.8-Max здесь наиболее очевидна
Терминал и репозитории кода (shell agent, сборка, изменения в нескольких репозиториях) Первое место в DeepSWE, но с небольшим отрывом; пятое место в Terminal-Bench, четвёртое в ProgramBench Для задач с преобладанием терминальных операций сначала сравните с Kimi K3.1 и Opus 5.5, а потом решайте
Фронтенд WebDev 6-е место в публичном рейтинге Code Arena, 1750 баллов (Preliminary) Можно рассматривать как вариант с хорошим соотношением цена/качество, но это не лидер
Понимание графиков и видео, мультимодальные длинные документы Четвёртое место и в Chartography, и в Video-Index Для процессов, где много работы с изображениями и видео, пока не рекомендуется использовать только её
Биологические и медицинские вопросы-ответы Первое место в BioMysteryBench; третье место в HealthBench Professional Можно включить в тестирование, но нужна проверка профильными экспертами

Достаточно надёжный подход — разделить потоки: задачи вроде длинных agent-сессий и сдачи документации передать Qwen4-Max, а терминалоёмкие задачи и задачи с графиками и видео оставить моделям, которые сейчас лучше справляются с этим. Так не нужно переносить весь трафик разом, и при этом можно сразу получить выгоду от экономии токенов.

🎯 Совет по выбору: чтобы разделить потоки, нужна возможность переключать модели в рамках одного и того же кода. APIYI apiyi.com предоставляет OpenAI-совместимый интерфейс: с одним API-ключом можно вызывать флагманские модели разных производителей — достаточно поменять поле model, чтобы провести A/B-тестирование.


Qwen4-Max: быстрый старт

Официальный канал — QwenCloud API, он поддерживает четыре протокола: OpenAI Chat Completions, Responses, Anthropic Messages и DashScope. Уже имеющиеся OpenAI SDK или Anthropic SDK можно подключать напрямую. При подключении обратите внимание на следующие моменты:

  1. Уточните модель: официальный ID модели записывается как qwen4-max, ориентируйтесь на страницу модели. По умолчанию reasoning_effort равен high; при сравнительном тестировании явно указывайте один и тот же уровень, например xhigh.
  2. Резервируйте место для вывода: максимальный вывод — 393K, максимальная цепочка рассуждений — 262K. Для длинных задач задавайте max_tokens или соответствующий параметр достаточно большим, иначе цепочка рассуждений займёт всю выходную квоту.
  3. Включите кэширование: цена при попадании в неявный кэш — $0.075. Если системный промпт длинный и будет повторно использоваться, оцените, стоит ли использовать явное кэширование на 5 минут или 1 час; создание кэша оплачивается отдельно, и при слишком малом числе повторных использований это может оказаться невыгодно.
  4. Подготовьте контрольную группу: после регистрации в APIYI получите API-ключ, установите base_url в https://api.apiyi.com/v1, в model укажите qwen3.8-max и прогоните тот же набор задач, чтобы получить расход токенов и оценку старой модели в качестве базовой линии.
  5. Переключитесь после появления новой модели: когда qwen4-max появится в APIYI, достаточно изменить поле model, остальной код остаётся без изменений — и вы сразу получите данные для сравнения старого и нового поколений.

🚀 Быстрый старт: новые пользователи могут зарегистрироваться в APIYI apiyi.com и получить бесплатную тестовую квоту — её хватит, чтобы сначала прогнать базовую линию qwen3.8-max; для последующего переключения модели не нужно заново подключаться.


Qwen4-Max: часто задаваемые вопросы (FAQ)

Вопрос 1: Что такое Qwen4-Max?

Qwen4-Max — флагманская модель Tongyi Qianwen, выпущенная 16 ноября 2026 года. У неё 2,4 трлн параметров в основной части, 71 млрд активируются на каждый токен, есть нативная поддержка визуального ввода, контекстное окно 1M. Ориентирована прежде всего на длительные задачи агентов и отраслевые проекты под заказ.

Вопрос 2: Чем Qwen4-Max отличается от Qwen3.8-Max?

В 16 бенчмарках, которые разработчик публикует сам, Qwen4-Max по каждому пункту выше Qwen3.8-Max-0902. На публичном лидерборде Code Arena — на 74 балла больше. По официальным ценам: ввод и вывод дешевле на 25% каждый, чтение кэша — на 70%. Кроме того, у моделей разные уровни рассуждений по умолчанию: `high` и `xhigh`.

Вопрос 3: Можно ли верить этим 16 бенчмаркам?

Все эти результаты заявлены самим разработчиком, а оценки конкурентов Alibaba тоже измеряла сама — независимого воспроизведения пока нет. Из внешних сигналов можно опереться на публичный лидерборд Code Arena WebDev: в срезе финального рейтинга от 14 ноября 2026 года Qwen4-Max занимает 6-е место, но статус всё ещё Preliminary, и голосов мало.

Вопрос 4: Можно ли просто перенести «снижение стоимости на 60%» на свой бизнес?

Напрямую — нет. Эта цифра взята из официального сценария Work360, и снижение там больше, чем даёт простой расчёт по токенам и цене за токен. Чем объясняется эта разница, разработчик не уточняет. Ваш реальный процент экономии зависит от доли попаданий в кэш, числа раундов вызова инструментов и уровня рассуждений — считать нужно по логам собственных задач.

Вопрос 5: Можно ли вызывать Qwen4-Max через APIYI?

По состоянию на 11:00 16 ноября 2026 года модели qwen4-max в списке APIYI ещё нет, но мы добавим её как можно скорее. Сейчас из флагманов Qwen доступна `qwen3.8-max` по цене: ввод $1.65, вывод $4.95, чтение кэша $0.20625 (за 1M токенов). Актуальный статус добавления и цены смотрите в списке моделей на apiyi.com.

Вопрос 6: Какие у Qwen4-Max слабые места?

Работа в терминале (Terminal-Bench — пятое место), сборка программ (ProgramBench — четвёртое), понимание графиков и видео (оба — четвёртые), а также HLE (четвёртое) — везде модель уступает лидерам с той же диаграммы. Доля двойных прохождений для безопасного кода хоть и выросла, но составляет всего 31,8%. Кроме того, открытых весов для размера Max пока не планируется.


Итоги: стоит ли переходить на Qwen4-Max

  • Позиционирование: флагманская модель с магистралью 2.4T, активацией 71B на токен и контекстом 1M; ставка сделана на длительные агентские задачи и отраслевые поставки.
  • Где лидирует: из 16 официально заявленных бенчмарков — 4 первых места и 4 вторых, в основном в агентских задачах и бенчмарках на «офисную» работу и сдачу результатов.
  • Где отстаёт: терминальные операции, сборка программ, диаграммы, видео и HLE — четвёртое или пятое место; одной моделью все задачи не закрыть.
  • Место в публичном рейтинге: снимок финального лидерборда Code Arena WebDev (2026-11-14) — 6-е место, 1750 баллов, статус по-прежнему Preliminary.
  • Стоимость: официальная цена за единицу снижена на 25%, чтение кэша — на 70%, расход токенов тоже заметно меньше; «минус шестьдесят процентов» нужно проверять на своих данных.

Если основная нагрузка — длительные агентские задачи и работа с документами, Qwen4-Max стоит оценить в первую очередь; если это терминалоёмкие задачи или понимание диаграмм и видео, лучше продолжать разводить их по текущим более сильным моделям. Пока qwen4-max не вышел, можно через OpenAI-совместимый интерфейс APIYI apiyi.com построить базовую линию по стоимости и качеству на qwen3.8-max; когда новая модель появится, достаточно изменить одно поле — и сравнение готово.


📚 Источники

  1. Официальный пост Qwen в X: анонс релиза Qwen4-Max
  2. Ссылка: x.com/Alibaba_Qwen/status/2122148127520289151
  3. Что здесь: дата релиза и официальные каналы доступности

  4. Официальный блог Qwen (на китайском): архитектура, характеристики, 16 бенчмарков и цифры по эффективности

  5. Ссылка: qwen.ai/blog?id=qwen4-max
  6. Что здесь: архитектура, характеристики и данные бенчмарков в этой статье взяты именно отсюда

  7. Страница модели на QwenCloud: цены в долларах

  8. Ссылка: qwencloud.com/models/qwen4-max
  9. Что здесь: цены за вход, выход и кеширование в долларах за 1M tokens

  10. Страница модели на платформе QianwenAI: цены в юанях

  11. Ссылка: qianwenai.com/models/qwen4-max
  12. Что здесь: цены в юанях за 1M tokens

  13. arena.ai Code Arena WebDev: публичный лидерборд

  14. Ссылка: arena.ai
  15. Что здесь: в статье используется снимок финального рейтинга от 2026-11-14

Автор: техническая команда APIYI
Связь по техническим вопросам: если хотите узнать о сроках появления модели и способах подключения — свяжитесь с нами на главной странице сайта APIYI, документация доступна на docs.apiyi.com

Похожие записи