El equipo Qwen de Alibaba ha lanzado Qwen4-Max, el primer modelo de su generación Qwen4. Qwen4-Max es un modelo MoE esparsa propietario con un backbone de 2,4T parámetros y 71B parámetros activos por token. Acepta texto, imágenes y video, y admite una ventana de contexto de 1M-token. Alibaba también redujo los precios de la API y reporta una disminución del 62% en el costo promedio por tarea.

TL;DR

  • Tamaño: 2,4T parámetros de backbone, 71B activos por token, más 328B parámetros de incrustación de N-gramas. 1M de contexto, 393K tokens de salida máximos.
  • Ejecuta en: Solo alojado: API de QwenCloud, Plan de Token, Qwen Studio, QwenWork y Qoder. No hay pesos abiertos, por lo que no se permite la autoalojación ni las compilaciones cuantizadas.
  • Rendimiento: Un gran salto sobre Qwen3.8-Max. Competitivo con modelos de vanguardia en trabajo agente, por detrás en codificación difícil y visión.
  • Lo mejor: HLAB-Vals-1.1 (trabajo de agente legal): 21,3, en comparación con 11,7 para Kimi K3.1, el siguiente mejor modelo.

¿Qué es Qwen4-Max?

Qwen4-Max es un modelo de lenguaje multimodal MoE de Alibaba, diseñado para trabajo profesional de horizonte largo. Una vista previa solo para Plan de Token se abrió este mes.

¿Cómo funciona la arquitectura de Qwen4-Max?

Qwen4 mejora el diseño MoE esparsa en 3 lugares: atención, conexiones residuales y incrustaciones.

  • GDN + Atención Esparsa Qwen (QSA): Cada capa QSA se empareja con 3 capas Gated DeltaNet. Estas comprimen la historia en estados de tamaño fijo. QSA utiliza luego un indexador ligero para seleccionar el contexto relevante a nivel de microbloque. Esto reduce el costo de atención y indexación en secuencias largas.
  • Residuales con Puerta (GR): 4 ramas residuales paralelas utilizan puertas de lectura y escritura dinámicas. El objetivo es un flujo de información más fuerte y una mejor estabilidad de entrenamiento.
  • Incrustación de N-gramas: 328B parámetros extra proporcionan búsquedas de patrones de token locales en la capa 2. Esto agrega capacidad con poco cálculo adicional.

Alibaba informa que no hubo picos de pérdida en todo el proceso de preentrenamiento a escala 2,4T. En pruebas internas, Qwen4-Max-Base muestra un 5 a 13% menos de bits por byte que Qwen3.8-Max-Base. Logra esto activando un 25% menos de parámetros.

¿Cómo se desempeña Qwen4-Max en las pruebas de referencia?

La tabla de comparación de Alibaba cubre 16 benchmarks. Los rivales son Qwen3.8-Max-0902, Claude Opus 5.5, GPT-6.1 Sol, GPT-6 Astra y Kimi K3.1. Varios puntajes se citan de tableros de líderes de terceros. Ninguno se reprodujo de forma independiente en el lanzamiento.

Qwen4-Max se clasifica primero en 4 de 16 benchmarks:

  • HLAB-Vals-1.1 (agentes legales): 21.3, versus 11.7 para Kimi K3.1 y 9.2 para Opus 5.5.
  • Agents' Last Exam v1.1: 46.7, versus 43.4 para Opus 5.5 y Kimi K3.1.
  • BioMysteryBench: 85.0, versus 84.4 para GPT-6.1 Sol.
  • DeepSWE v1.1: 75.7, versus 75.5 para Kimi K3.1.

Claude Opus 5.5 lidera 7 de los 16 gráficos. Qwen4-Max se queda atrás más claramente en codificación y visión:

  • ProgramBench: 31.5 versus 65.0 para Opus 5.5.
  • Terminal-Bench 4.0: 48.5 versus 67.2 para Kimi K3.1.
  • Chartography: 54.2 versus 71.1 para GPT-6 Astra.
  • Humanity's Last Exam: 51.7 versus 59.8 para Opus 5.5.

En el benchmark Work360 de Alibaba, Qwen4-Max obtiene 52.69, un aumento con respecto a 47.74 para Qwen3.8-Max. Work360 abarca 26 dominios de nivel superior y 721 campos especializados.

&&

¿Por qué es Qwen4-Max más barato de ejecutar?

Dos cosas se acumulan: menos tokens y precios más bajos. En Work360, el uso de tokens disminuye aproximadamente un 24% en esfuerzo Xhigh y un 35% en esfuerzo alto. En Terminal-Bench 4.0, las disminuciones son aproximadamente del 48% y del 49%. El costo promedio de Work360 por tarea disminuye de $4.43 a $1.67, una reducción del 62%.

Los precios de lista también disminuyeron. La entrada es $1.50 por millón de tokens, un descenso con respecto a $2 para Qwen3.8-Max. La salida es $4.50, un descenso con respecto a $6. Las lecturas de caché implícitas disminuyen un 70%, de $0.25 a $0.075.

Qwen4-Max vs competidores

MétricasQwen4-MaxQwen3.8-MaxClaude Opus 5.5GPT-6.1 SolKimi K3.1 Pro
Parámetros totales2.4T backbone + 328B N-gram emb.2.4TNo divulgadoNo divulgado2.8T
Parámetros activos71BNo divulgado (el blog implica alrededor de 95B)No divulgadoNo divulgado104B
Contexto1M1M1M1,050,0001,048,576
Salida máxima393K131K128K128KNo divulgado
Modalidades de entradaTexto, imagen, videoNo divulgadoTexto, imagenTexto, imagenTexto, imagen
PesosPropietario, solo APINo divulgadoPropietarioPropietarioAbierto (Licencia Kimi K3.1 Pro)
Precio de entrada / salida (por 1M)$1.50 / $4.50$2 / $6$4 / $20$2 / $10$2 / $10
Entrada en caché (por 1M)$0.075$0.25$0.20$0.10$0.20
DeepSWE v1.1*75.769.374.275.275.5
Terminal-Bench 4.0*48.538.959.656.167.2
El último examen de la humanidad*51.743.959.854.051.1
ProgramBench*31.528.065.052.525.0
HLAB-Vals-1.1*21.315.49.26.311.7

*Puntuaciones del gráfico Qwen4-Max de Alibaba Qwen4-Max. La columna Qwen3.8 es Qwen3.8-Max-0902. El gráfico etiqueta a Kimi como "Kimi K3.1". La propia tarjeta de Moonshot informa una puntuación de Terminal-Bench 4.0 de 65.7 para Kimi K3.1 Pro y 66.4 para Opus 5.5.

¿Cómo pueden los desarrolladores utilizar Qwen4-Max?

El ID del modelo es qwen4-max en QwenCloud. La API funciona con clientes compatibles con OpenAI y Anthropic. Las características compatibles incluyen llamadas a funciones, salidas estructuradas, caché de contexto, procesamiento por lotes, búsqueda web y ajuste fino. El límite de velocidad predeterminado es de 5,000,000 tokens por minuto. El modo de pensamiento se activa con enable_thinking.

El acceso por suscripción se realiza a través del Plan de tokens.

Puntos clave

  • 2.4T MoE backbone, solo 71B activos por token.
  • Nueva atención QSA, Residuales con puerta y 328B N-gram Embeddings.
  • Primero en 4 de 16 benchmarks registrados, liderado por HLAB-Vals-1.1 con 21.3.
  • $1.50/$4.50 por millón de tokens, entrada en caché reducida en un 70%.
  • Puntos débiles: ProgramBench (31.5) y Terminal-Bench 4.0 (48.5).


Consulte el blog oficial de Qwen4-Max, la página del modelo QwenCloud y la página de precios del Plan de tokens. Puede verificar las opciones de implementación y especificaciones aquí a través de nuestra extensión de chrome de GPULeaderboard.com.

Además, no dude en seguirnos en Twitter y no olvide unirse a nuestro SubReddit de 150k+ML y suscribirse a nuestro boletín. ¿Espere! ¿Está en Telegram? Ahora también puede unirse a nosotros en Telegram.

¿Necesita asociarse con nosotros para promocionar su repositorio de GitHub OR página de Hugging Face OR lanzamiento de productos OR seminario web, etc.? Conéctese con nosotros

La publicación Alibaba lanza Qwen4-Max: 2.4T MoE, 71B activos, 1M de contexto apareció por primera vez en MarkTechPost.

¿Tiene un proyecto de software o plataforma SaaS en mente?

Hable directamente con nuestros arquitectos de software en SoftAndino. Le brindamos asesoría técnica y cotización inmediata sin compromiso.