Qwen4-Max: контекст 1 млн токенов за 1,5 доллара
Alibaba выпустила Qwen4-Max: контекст на 1 млн токенов, картинки и видео на входе, 1,5 и 4,5 доллара за миллион токенов. Разбираем цены и ограничения.
Новости ИИ · Новости
Все новости
17 ноября 2026 Alibaba сняла Qwen4-Max с превью и открыла общий доступ под идентификатором qwen4-max. Модель держит до миллиона токенов контекста, читает текст, картинки и видео, а стоит 1,5 доллара за миллион входных токенов и 4,5 за миллион выходных. Для сравнения: Claude Opus 5.5 просит за выход 20 долларов, GPT-6 Astra - 50.
В том же выпуске Meituan открыла веса LongCat-2.5 на 1,6 трлн параметров под лицензией MIT, а Gemini 4 Carbon вышел на первое место в MathArena. Общая картина такая: верхний сегмент дорожает, средний дешевеет, и именно в среднем работает большинство агентных задач.
Коротко: у Qwen4-Max 2,4 трлн параметров в смеси экспертов и 71 млрд активных на токен. Alibaba даёт миллион бесплатных токенов на 90 дней. Выход ограничен 131 072 токенами при выключенном режиме размышления.
Что внутри и как подключить
Alibaba собрала модель на смеси экспертов: 2,4 трлн параметров в основе, 71 млрд включается на каждый токен. Модель понимает четыре диалекта API: OpenAI Chat Completions, OpenAI Responses, Anthropic Messages и собственный DashScope. Код на существующих SDK переносится сменой базового адреса и ключа.
Из коробки идут режим размышления, параллельные вызовы инструментов, веб-поиск, структурный JSON и кэширование промптов. Цена указана для региона Сингапур. Модель также доступна в приложениях Alibaba: QwenWork, Qoder и QwenStudio.
Бенчмарки: где сильно, где отстаёт
По собственным замерам Alibaba модель немного обходит Claude Opus 5.5 в «Agents Last Exam» (46,7 против 43,4) и DeepSWE (75,7 против 74,2). Отставание заметнее в Terminal-Bench 4.0 (48,5 против 59,6) и Humanity's Last Exam (51,7 против 59,8). Независимый трекер Artificial Analysis поставил её на девятое место в рейтинге интеллекта.
Стоит помнить, что почти все цифры выше - замеры самой Alibaba. Внешнего тестирования red team еще не было.
Почему это важнее самих бенчмарков
Деньги в агентных задачах сгорают на выходных токенах, потому что модели рассуждений пишут свои размышления тоже в выход. Здесь цена выхода ниже четверти от Claude Opus 5.5 и меньше десятой части от GPT-6 Astra. Gemini 4 Carbon сейчас выглядит близко с 10 долларами, но это вводная цена до 30 ноября, потом Google поднимет её до 20.
Alibaba считает не цену токена, а цену готовой задачи. На внутреннем бенчмарке Work360 средняя стоимость выполнения упала с 4,43 доллара на Qwen3.8-Max до 1,67, то есть на 62%, отчасти потому что новая модель тратит меньше токенов на ту же работу. Сравнение идет с собственной прошлой моделью, а не с конкурентами.
Вывод, который делает Alibaba: китайские лаборатории больше не давят только открытыми весами. Они назначают цену закрытого флагмана так, чтобы увести агентные нагрузки с западных API.
Где подвох
Веса закрыты. Alibaba обещает открыть более младшие модели линейки Qwen4 позже, но сам флагман останется проприетарным. Промпты и файлы проходят через Alibaba Cloud, поэтому перед выпуском продукта клиентам нужно свериться, куда компании разрешено отправлять данные.
Рядом в тот же вечер Meituan выложила LongCat-2.5 с 1,6 трлн параметров под MIT. По ее собственным числам модель набирает 88,4 в Terminal Bench v2.1 против 89,1 у Claude Opus 5, а в DeepSWE выросла с 9,7 до 64,6. Но тестовая конфигурация требует 194 чипа Huawei Ascend, инструкций для Nvidia в гайде нет.
Что это значит для бизнеса
Средний сегмент стал дешевле, и это меняет экономику агентов, которые работают постоянно, а не разово. Обработка входящих заявок, разбор документов, массовая категоризация товаров - все, где счет идет на тысячи вызовов в сутки, теперь укладывается в бюджет, который раньше уходил на десяток экспериментальных пилотов.
Практический шаг простой: возьмите одну агентную задачу, которую отложили из-за стоимости, и посчитайте ее на Qwen4-Max по 4,5 доллара за выход. Затем сравните не с прайсом, а с ценой готовой задачи. Разница между «дорого за токен» и «дешево за результат» часто оказывается в пользу второй метрики за счет меньшего расхода токенов.
Начинать стоит с замера, а не с покупки доступа. Нужно понять, какие данные вообще разрешено отправлять на внешнюю платформу и где именно расход токенов съедает маржу. Внедрение искусственного интеллекта в такие процессы мы начинаем с аудита потоков данных: для компаний во Владивостоке и на Дальнем Востоке это часто оказывается решающим пунктом, потому что часть документов нельзя покидать контур. После этого настраиваем автоматизацию с помощью ии на том наборе моделей, который проходит по политике безопасности и по бюджету.