Qwen4-Max: Alibaba выпустила «ИИ-сотрудника». Дешёвого, но не всесильного
//текст Qwen 4 Max, обложка Qwen Image 3.
Alibaba почти не дала рынку передохнуть: превью Qwen4-Max открыли 11 ноября, а уже 15-го модель вышла в полноценный релиз — с API, публичными ценами и таблицей бенчмарков. Любопытно, как сменился маркетинг команды Qwen: раньше продавали «самую умную модель», теперь — «нового коллегу, который работает 24/7». И цифры, что редкость для таких анонсов, отчасти это подтверждают.
Что под капотом
Это крупнейшая модель в истории линейки — 2,4 трлн параметров. Пугаться не стоит: архитектура устроена так, что на каждый токен работают лишь 71 млрд параметров, поэтому обслуживание обходится сравнительно дёшево. Контекст — миллион токенов, зрение встроено: модель читает текст и изображения, а внимание переработали так, чтобы длинные документы не разоряли ни клиента, ни сервер.
Главное обещание — экономия. На терминальных задачах новинка тратит почти вдвое меньше токенов, чем Qwen3.8-Max, а средняя стоимость задачи во внутреннем тесте Work360 упала с $4,43 до $1,67 — минус 62%. Сам Work360, к слову, вырос с 47,7 до 52,7 балла.
В анонсе Alibaba показывает, как модель собирает игры в Unreal и Unity, готовит 86-страничный юридический отчёт, где каждый вывод подкреплён ссылкой на документ, и за 48 часов автономной работы доводит молекулу охлаждающей жидкости от идеи до синтезированного образца в роболаборатории. Это витрина, и относиться к ней надо как к витрине. Но направление понятно: не поболтать, а принести готовый результат.
Бенчмарки: четыре победы и два болезненных поражения
В сравнительной таблице релиза 16 тестов, соперники — Claude Opus 5.5, GPT-6.1 Sol, GPT-6 Astra и Kimi K3.1. Предшественницу новинка обошла во всех общих тестах, а среди всех участников заняла первое место в четырёх.
Самый обсуждаемый результат — DeepSWE, тест агентного программирования: 75,7 против 75,5 у Kimi, 75,2 у GPT-6.1 Sol и 74,2 у Opus 5.5. Отрыв в десятые доли — по сути паритет, но сам факт заметен: ещё летом прошлая Qwen отставала в этом тесте почти на двадцать пунктов. В юридическом HLAB-Vals разгром — 21,3 против 9,2 у Opus. Первые места также в Agents' Last Exam (46,7) и научном BioMysteryBench (85,0).
А теперь ложка дёгтя. Terminal-Bench 4.0, где агент сам живёт в терминале, — 48,5 против 67,2 у Kimi K3.1 и 59,6 у Opus 5.5. ProgramBench — 31,5 против 65 у лидера. Если ваш сценарий — долгие автономные сессии в командной строке, эту модель пока брать рано.
И честная оговорка: 10 из 16 цифр — собственные прогоны Alibaba, без доверительных интервалов и указания настроек. Независимые оценки скромнее. В индексе Artificial Analysis — 43 балла: у прошлой Qwen было 34, у Kimi K3.1 Pro — 46, у лидера Claude Fable 5.2 — 65. Зато по деньгам картина отличная: задача из тестового набора обходится в $3,27 — втрое дешевле прошлой Qwen ($10,02) и на 11% дешевле Kimi ($3,68), при этом модель тратит на 39% меньше выходных токенов. В независимом Vals Index — 63,2% и одиннадцатое место, чуть выше Kimi.
Арена: шестое место в веб-разработке
Слепые пользовательские голосования картинку подтверждают. В Code Arena (WebDev) — шестое место с 1750 очками, плюс 74 к предшественнику и статус лучшей китайской модели: позади остались GPT-6.1 Sol и Kimi, впереди только Claude Fable 5.2, Opus 5.5, Sonnet 5.5, Gemini 4 Carbon и GPT-6 Astra. В Image-to-WebDev, где сайты собирают по скриншоту, — тоже шестое место, 1674 очка. В Agent Arena — четырнадцатое (предшественник был тридцать девятым), плюс 7,5 процентных пункта чистых побед; Alibaba теперь пятая лаборатория мира в агентском зачёте. Отдельная радость — DesignArena: четвёртое место в генерации презентаций и пятое в таблицах. В классическом Text Arena модель на момент публикации ещё не набрала голосов.
Что говорят люди
Ранние тесты хвалят «взрослость»: модель меньше пережёвывает задачу, сама пишет и запускает код, чтобы проверить собственные утверждения, ловит свои ошибки и признаёт неуверенность вместо того, чтобы выдумывать. На Hacker News главное опасение — скорость: прошлая Qwen выдавала около 30 токенов в секунду против 80 у Opus и проигрывала дуэли именно из-за этого. Там же ворчат на слабый Terminal-Bench и напоминают, что Max — закрытая модель. На Хабре после превью жаловались, что кредиты подписки в агентском режиме «сгорают за пять минут», а текст стал суше — зато с меньшим количеством узнаваемых ИИ-штампов. И многие просто ждут открытую 27B.
Цена и где попробовать
API стоит $1,5 за миллион входных токенов и $4,5 за миллион выходных — на 25% дешевле прошлого поколения и заметно дешевле Opus 5.5 ($4/$20), GPT-6.1 Sol и Kimi K3.1 Pro (по $2/$10). Кэшированный вход — $0,075, минус 70%. Модель доступна через QwenCloud (API и подписка Token Plan), Alibaba Model Studio, QwenWork, Qoder и QwenStudio; новым API-ключам дают бесплатный миллион токенов. Веса не выкладывают — открытыми обещают младшие модели семейства, но без сроков.
Итог
Если ваша работа — документы, аналитика, презентации, юридические и научные тексты, Qwen4-Max сейчас, пожалуй, лучшее соотношение цены и качества среди флагманов. Для длинного агентного кодинга в терминале лучше смотреть на Kimi или Claude. А локальщикам остаётся ждать младших Qwen4 — судя по реакции сообщества, именно они интересуют людей не меньше самого Макса.
Для авторизации и пользования сайтом MQL5.com необходимо разрешить использование файлов Сookie.
Пожалуйста, включите в вашем браузере данную настройку, иначе вы не сможете авторизоваться.
Вы вошли в аккаунт. Двухфакторная аутентификация отключена. Настройте её заново и отсканируйте новый QR-код или продолжите с отключённой двухфакторной аутентификацией.
Qwen4-Max: Alibaba выпустила «ИИ-сотрудника». Дешёвого, но не всесильного
//текст Qwen 4 Max, обложка Qwen Image 3.
Alibaba почти не дала рынку передохнуть: превью Qwen4-Max открыли 11 ноября, а уже 15-го модель вышла в полноценный релиз — с API, публичными ценами и таблицей бенчмарков. Любопытно, как сменился маркетинг команды Qwen: раньше продавали «самую умную модель», теперь — «нового коллегу, который работает 24/7». И цифры, что редкость для таких анонсов, отчасти это подтверждают.
Что под капотом
Это крупнейшая модель в истории линейки — 2,4 трлн параметров. Пугаться не стоит: архитектура устроена так, что на каждый токен работают лишь 71 млрд параметров, поэтому обслуживание обходится сравнительно дёшево. Контекст — миллион токенов, зрение встроено: модель читает текст и изображения, а внимание переработали так, чтобы длинные документы не разоряли ни клиента, ни сервер.
Главное обещание — экономия. На терминальных задачах новинка тратит почти вдвое меньше токенов, чем Qwen3.8-Max, а средняя стоимость задачи во внутреннем тесте Work360 упала с $4,43 до $1,67 — минус 62%. Сам Work360, к слову, вырос с 47,7 до 52,7 балла.
В анонсе Alibaba показывает, как модель собирает игры в Unreal и Unity, готовит 86-страничный юридический отчёт, где каждый вывод подкреплён ссылкой на документ, и за 48 часов автономной работы доводит молекулу охлаждающей жидкости от идеи до синтезированного образца в роболаборатории. Это витрина, и относиться к ней надо как к витрине. Но направление понятно: не поболтать, а принести готовый результат.
Бенчмарки: четыре победы и два болезненных поражения
В сравнительной таблице релиза 16 тестов, соперники — Claude Opus 5.5, GPT-6.1 Sol, GPT-6 Astra и Kimi K3.1. Предшественницу новинка обошла во всех общих тестах, а среди всех участников заняла первое место в четырёх.
Самый обсуждаемый результат — DeepSWE, тест агентного программирования: 75,7 против 75,5 у Kimi, 75,2 у GPT-6.1 Sol и 74,2 у Opus 5.5. Отрыв в десятые доли — по сути паритет, но сам факт заметен: ещё летом прошлая Qwen отставала в этом тесте почти на двадцать пунктов. В юридическом HLAB-Vals разгром — 21,3 против 9,2 у Opus. Первые места также в Agents' Last Exam (46,7) и научном BioMysteryBench (85,0).
А теперь ложка дёгтя. Terminal-Bench 4.0, где агент сам живёт в терминале, — 48,5 против 67,2 у Kimi K3.1 и 59,6 у Opus 5.5. ProgramBench — 31,5 против 65 у лидера. Если ваш сценарий — долгие автономные сессии в командной строке, эту модель пока брать рано.
И честная оговорка: 10 из 16 цифр — собственные прогоны Alibaba, без доверительных интервалов и указания настроек. Независимые оценки скромнее. В индексе Artificial Analysis — 43 балла: у прошлой Qwen было 34, у Kimi K3.1 Pro — 46, у лидера Claude Fable 5.2 — 65. Зато по деньгам картина отличная: задача из тестового набора обходится в $3,27 — втрое дешевле прошлой Qwen ($10,02) и на 11% дешевле Kimi ($3,68), при этом модель тратит на 39% меньше выходных токенов. В независимом Vals Index — 63,2% и одиннадцатое место, чуть выше Kimi.
Арена: шестое место в веб-разработке
Слепые пользовательские голосования картинку подтверждают. В Code Arena (WebDev) — шестое место с 1750 очками, плюс 74 к предшественнику и статус лучшей китайской модели: позади остались GPT-6.1 Sol и Kimi, впереди только Claude Fable 5.2, Opus 5.5, Sonnet 5.5, Gemini 4 Carbon и GPT-6 Astra. В Image-to-WebDev, где сайты собирают по скриншоту, — тоже шестое место, 1674 очка. В Agent Arena — четырнадцатое (предшественник был тридцать девятым), плюс 7,5 процентных пункта чистых побед; Alibaba теперь пятая лаборатория мира в агентском зачёте. Отдельная радость — DesignArena: четвёртое место в генерации презентаций и пятое в таблицах. В классическом Text Arena модель на момент публикации ещё не набрала голосов.
Что говорят люди
Ранние тесты хвалят «взрослость»: модель меньше пережёвывает задачу, сама пишет и запускает код, чтобы проверить собственные утверждения, ловит свои ошибки и признаёт неуверенность вместо того, чтобы выдумывать. На Hacker News главное опасение — скорость: прошлая Qwen выдавала около 30 токенов в секунду против 80 у Opus и проигрывала дуэли именно из-за этого. Там же ворчат на слабый Terminal-Bench и напоминают, что Max — закрытая модель. На Хабре после превью жаловались, что кредиты подписки в агентском режиме «сгорают за пять минут», а текст стал суше — зато с меньшим количеством узнаваемых ИИ-штампов. И многие просто ждут открытую 27B.
Цена и где попробовать
API стоит $1,5 за миллион входных токенов и $4,5 за миллион выходных — на 25% дешевле прошлого поколения и заметно дешевле Opus 5.5 ($4/$20), GPT-6.1 Sol и Kimi K3.1 Pro (по $2/$10). Кэшированный вход — $0,075, минус 70%. Модель доступна через QwenCloud (API и подписка Token Plan), Alibaba Model Studio, QwenWork, Qoder и QwenStudio; новым API-ключам дают бесплатный миллион токенов. Веса не выкладывают — открытыми обещают младшие модели семейства, но без сроков.
Итог
Если ваша работа — документы, аналитика, презентации, юридические и научные тексты, Qwen4-Max сейчас, пожалуй, лучшее соотношение цены и качества среди флагманов. Для длинного агентного кодинга в терминале лучше смотреть на Kimi или Claude. А локальщикам остаётся ждать младших Qwen4 — судя по реакции сообщества, именно они интересуют людей не меньше самого Макса.
Источники: