Перейти к основному содержанию

Основные моменты

  • Флагманская модель Qwen4 для промышленного использования: Alibaba выпустила qwen4-max 16 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 добавила qwen4-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.
Основная модель содержит 2,4T параметров, из которых для каждого token активируются 71B. Alibaba сообщила об отсутствии скачков потерь во время обучения. В рамках внутренних оценок знаний, кода, QA и STEM Qwen4-Max-Base снизила количество бит на байт примерно на 5%–13% по сравнению с Qwen3.8-Max-Base, активируя примерно на 25% меньше параметров.

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

Используйте 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

max_tokens включает рассуждение и видимый результат. Небольшой бюджет может быть полностью израсходован на рассуждение, в результате чего будет возвращён HTTP 200 с пустым содержимым. Увеличьте бюджет для получения полных ответов и используйте reasoning_effort для контроля затрат.
  1. Принудительное использование tools в Responses: тестирование провайдера игнорировало tool_choice="required"; вместо этого используйте именованный tool или Chat Completions.
  2. Структурированный вывод в Messages: response_format в стиле OpenAI не действует, а max_tokens является обязательным. Для строгих структур используйте вызов tools.
  3. Базовый режим JSON: json_object гарантирует JSON, пригодный для разбора, но не гарантирует объект верхнего уровня или структуру полей. Для строгих требований используйте json_schema.
  4. 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.