Основные моменты
- Флагманская модель Qwen4 для промышленного использования: Alibaba выпустила
qwen4-max16 ноября с базовой моделью на 2,4 трлн параметров, 71 млрд активируемых параметров на каждый token, встроенной поддержкой vision и контекстным окном в 1 млн - Более низкая стоимость задачи: средняя стоимость в официальном Work360 снизилась с $4.43 до $1.67, то есть на 62%
- Цены провайдера на APIYI: $1.50 за входные данные, $4.50 за выходные данные и $0.075 за кэшированные входные данные на 1 млн tokens, с доступными бонусами за пополнение
- Три эндпоинта, четыре группы: Chat Completions, Responses и Messages доступны в группах Default, SVIP, CodexResponses и ClaudeCode
- Измерено, а не пересказано: 325 вызовов до выпуска, а также 15 проверок выпуска в группе Default; запрос на 951 498 tokens восстановил маркеры из середины и конца
Информация проверена 17.11.2026 (UTC+8). Основные источники: объявление Qwen на
qwen.ai/blog?id=qwen4-max и страница модели QwenCloud на qwencloud.com/models/qwen4-max. Данные о ценах APIYI получены из общедоступного API цен, а результаты тестирования собраны в тот же день.Предыстория
Qwen4-Max — первая флагманская модель семейства Qwen4. Её цель — не просто более высокие результаты в отдельных задачах на рассуждение, а стабильная профессиональная работа: чтение больших кодовых баз, анализ длинных документов, использование инструментов и итеративное улучшение на основе обратной связи от выполнения. Эту версию определяют две темы: нативная мультимодальность и выполнение задач с длинным горизонтом. Входные данные в виде текста, изображений и видео используют общее контекстное окно объёмом 1M. Alibaba также представила Live Delivery: в этом режиме агент, выполняющий длительную задачу, сначала предоставляет рабочую версию, а затем расширяет её на основе отзывов пользователя, вместо того чтобы возвращать результат только в конце. APIYI добавилаqwen4-max в список доступных моделей 17 ноября. Помимо тарификации, согласованной с провайдерами, мы протестировали длинный контекст, вызов инструментов, структурированный вывод, кэширование и все три формата эндпоинтов.
Подробный разбор
Архитектура: балансирование производительности и стоимости инференса
GDN + QSA
Gated DeltaNet сжимает историю в состояния фиксированного размера, а Qwen Sparse Attention выбирает релевантный контекст на уровне микроблоков, снижая затраты на attention и индексацию для длинных последовательностей.
Gated Residual
Четыре параллельные остаточные ветви используют динамические гейты чтения и записи для улучшения передачи информации, ёмкости модели и стабильности обучения.
Эмбеддинг N-грамм
Поиск на основе контекста добавляет представления локальных паттернов token. Дополнительные 328B параметров увеличивают ёмкость при незначительном росте вычислительных затрат на инференс.
Официальные результаты эффективности: экономия сверх тарифов за token
Последние две строки имеют наибольшее значение: стоимость зависит как от цены за миллион token, так и от количества token, необходимых для выполнения задачи. Qwen4-Max снижает оба показателя, обеспечивая заявленную Alibaba экономию на уровне задач.
Официальные спецификации
Тестирование APIYI: контекст почти в 1M и три эндпоинта
Мы выполнили 325 предварительных вызовов, охватывающих возможности, параметры и граничные условия ошибок, а затем 15 проверок после выпуска с token группы Default.- Извлечение данных из контекста почти в 1M: 951 498 входных tokens были возвращены за 92,3 секунды; маркеры в середине документа и в его конце были корректно извлечены
- Покрытие длинного контекста: извлечение данных из контекста размером 8K, 32K и 128K прошло на всех трёх эндпоинтах; проверка после выпуска для 32K также пройдена
- Вызов tools: одиночные, параллельные, именованные вызовы и вызовы с потоковой передачей работали с полным воспроизведением результатов tools; для Responses есть исключение
tool_choice="required", описанное ниже - Мультимодальность: OCR изображений, распознавание цвета и формы на двух изображениях, а также описания видео были корректными
- Структурированный вывод: строгая схема JSON прошла проверку в Chat и Responses, включая пригодный для разбора потоковый JSON
- Стабильность: 12 из 12 запросов Chat успешно выполнились при 12 параллельных запросах, а длинные потоки корректно завершились на всех трёх эндпоинтах
Выбор эндпоинта и группы
Это рекомендации для конкретных клиентов, а не ограничения для других групп. Минимальные запросы на всех трёх эндпоинтах также прошли проверку с token группы Default. Доступные для каждого token группы определяются конфигурацией его консоли.
Начало работы
Рекомендуемые сценарии
- Анализ кодовой базы и агенты для написания кода: масштабно считывайте контекст проекта, а затем возвращайте результаты tools для дальнейшего выполнения
- Анализ юридических, финансовых и медицинских документов: объединяйте длинные документы и изображения, сохраняя расположение подтверждающих материалов
- Структурированное извлечение: задавайте ограничения для полей с помощью JSON Schema вместо разбора текста в свободной форме
- Исследования и создание контента с длительным горизонтом: подготовьте пригодный к использованию черновик, а затем дорабатывайте его на основе итеративной обратной связи
Быстрый старт
reasoning_effort="none" для повседневного чата или структурированного извлечения, чтобы сократить количество tokens, выделяемых на рассуждение; для сложного рассуждения выбирайте более высокий уровень.
Четыре примечания по интеграции
- Принудительное использование tools в Responses: тестирование провайдера игнорировало
tool_choice="required"; вместо этого используйте именованный tool или Chat Completions. - Структурированный вывод в Messages:
response_formatв стиле OpenAI не действует, аmax_tokensявляется обязательным. Для строгих структур используйте вызов tools. - Базовый режим JSON:
json_objectгарантирует JSON, пригодный для разбора, но не гарантирует объект верхнего уровня или структуру полей. Для строгих требований используйтеjson_schema. - Учёт кэша: использование API не является расчётной ведомостью. Проверяйте попадания в кэш и скидки в деталях тарификации журнала отдельной записи в консоли.
Цены и доступность
Цены
За 1 млн token до бонусов за пополнение:
Цены соответствуют ценам на сайте международного провайдера Qwen4-Max и могут измениться. Актуальные тарифы см. в разделе Цены моделей.
Акции за пополнение
Бонусы за пополнение в размере 10%–20% обеспечивают эффективную ставку примерно 83–91% от указанной цены. Уровень бонуса зависит от суммы одного пополнения и не изменяет указанную цену модели за единицу.Краткое содержание и рекомендации
Qwen4-Max — сильный кандидат для задач с длинными документами, мультимодальностью и агентами, использующими инструменты. Его основные улучшения связаны с архитектурной эффективностью, выполнением долгосрочных задач и созданием профессиональных результатов, а не с одним показателем в рейтинге. Сообщаемое Alibaba снижение средней стоимости задачи на 62% напоминает о необходимости оценивать как тарифы на token, так и расход tokenов на задачу. Для общих интеграций используйте Chat Completions, для Codex — CodexResponses, а для Claude Code — ClaudeCode. Отключайте рассуждение для стандартных запросов, повышайте его уровень для сложных задач рассуждения и используйте JSON Schema для строгих структур. Полные параметры и примечания к тестированию приведены в разделе Обзор Qwen4-Max.Источники: официальное объявление Qwen по адресу
qwen.ai/blog?id=qwen4-max и страница модели QwenCloud по адресу qwencloud.com/models/qwen4-max, полученные 17.11.2026 (UTC+8). Выводы APIYI основаны на 325 запросах до выпуска и 15 проверках выпуска для группы Default. Официальные показатели бенчмарков опубликованы провайдером и не проверялись повторно независимо.