i
Новости
Новости · 2026-11-16

Qwen4-Max от Alibaba конкурирует с Opus 5.5, GPT-6 и Kimi K3.1 Pro, предлагая гораздо более низкие цены

Dataist Dataist

Alibaba выпустила Qwen4-Max — флагманскую модель для профессиональных задач в промышленности, науке и финансах. В бенчмарке Artificial Analysis Intelligence Index она набрала 43 балла, уступив среди китайских моделей только Kimi K3.1 Pro с 46 баллами. При этом стоимость задания в индексе составляет $3,27 — примерно треть от цены предыдущей модели. Новая архитектура сокращает расходы на обработку длинного контекста, а функция Live Delivery позволяет пользователю видеть промежуточные результаты ИИ-агента и менять ход работы до её завершения.

Обложка: Qwen4-Max от Alibaba конкурирует с Opus 5.5, GPT-6 и Kimi K3.1 Pro, предлагая гораздо более низкие цены

Архитектура для длинных текстов

Qwen4-Max — модель типа «смесь экспертов» с 2,4 трлн параметров; для обработки каждого токена активируются 71 млрд. Она изначально работает с изображениями и поддерживает контекстное окно на миллион токенов.

В основе Qwen4-Max — обновлённая архитектура серии Qwen4. Вместо того чтобы обрабатывать все части контекста с одинаковым вниманием, модель использует четыре последовательных слоя: первые три сжимают предыдущий контекст в компактное состояние, а четвёртый выделяет из него нужные фрагменты. Такой подход уменьшает вычислительные затраты на длинных входных данных.

Между слоями также добавлены четыре параллельных соединения с динамическими переключателями, которые должны стабилизировать передачу информации. Слой векторных представлений последовательностей токенов с 328 млрд параметров предоставляет распространённые последовательности как готовые строительные блоки. По данным Alibaba, обучение конфигурации на 2,4 трлн параметров проходило стабильно: ошибка обучения последовательно снижалась, без резких скачков.

Внутренние тесты Alibaba оценивают качество моделей в битах на байт по знаниям, программированию, ответам на вопросы и естественно-научным задачам. Среди пяти проверенных контрольных версий лучшей оказалась Qwen4-Max-Base. Она превзошла Qwen3.8-Max-Base на 5–13%, активируя при этом на 25% меньше параметров для каждого токена.

Qwen4-Max сжимает предыдущий текст на трёх слоях, прежде чем четвёртый слой внимательнее изучает только важные разделы

Qwen4-Max сжимает предыдущий текст на трёх слоях, прежде чем четвёртый слой внимательнее изучает только важные разделы

Источник: the-decoder.com

Меньше токенов — ниже стоимость задач

В промышленном бенчмарке Work360, который охватывает 721 специализированную область, Qwen4-Max расходует на те же задачи примерно на четверть или треть меньше токенов, чем предшественница. В бенчмарке для ИИ-агентов Terminal-Bench 4.0 расход токенов снизился почти вдвое.

По данным Alibaba, средняя стоимость задания Work360 упала на 62%: с $4,43 до $1,67. Результат модели в этом тесте одновременно вырос с 47,74 до 52,69.

Внешние бенчмарки дают неоднозначную картину. На длительных задачах для ИИ-агентов, включая Agents’ Last Exam v1.1, Qwen4-Max набрала 46,7 балла — лучший результат среди моделей в сравнении. В Humanity’s Last Exam она уступила Opus 5.5 и моделям GPT. В HealthBench Professional модель отстала от GPT, но немного опередила Opus 5.5.

Цена и результаты в бенчмарках

На текущей версии Artificial Analysis Intelligence Index, с максимальным уровнем рассуждений, Qwen4-Max получила 43 балла. Это на девять баллов больше, чем у Qwen3.8-Max, и на три меньше, чем у Kimi K3.1 Pro — лидера среди китайских моделей с результатом 46 баллов. Наибольший рост относительно предшественницы пришёлся на HLE-Diamond: плюс 21 балл, до 45%; AA-Omniscience: плюс 18; и AutomationBench-AA: плюс 17.

Qwen4-Max-Base показывает самые низкие, а значит, лучшие значения во всех четырёх категориях

Qwen4-Max-Base показывает самые низкие, а значит, лучшие значения во всех четырёх категориях

Источник: the-decoder.com

Artificial Analysis оценивает стоимость одного задания в индексе для Qwen4-Max в $3,27. У Qwen3.8-Max она составляет $10,02, а у Kimi K3.1 Pro — $3,68. Экономия складывается из трёх факторов: цена токенов снизилась на 25% относительно предшественницы, попадания в кэш подешевели на 70%, а сама модель расходует меньше токенов. На одно задание бенчмарка ей требуется около 105 000 выходных токенов против 171 000 у Qwen3.8-Max.

Qwen4-Max превосходит предшественника в обоих тестах, используя при этом гораздо меньше токенов

Qwen4-Max превосходит предшественника в обоих тестах, используя при этом гораздо меньше токенов

Источник: the-decoder.com

Tencent Hy4 обходится дешевле — $1,03 за задание, — но набирает в индексе на восемь баллов меньше. В Terminal-Bench 4.0 результат Qwen4-Max составляет 48% против 67% у Kimi K3.1 Pro. В бенчмарке по программированию FrontierCode 2.0 от Cognition модели Qwen4-Max и Kimi набрали по 26%, а Tencent Hy4 — 31%.

В собственном API Alibaba цена составляет $1,50 за миллион входных токенов и $4,50 за миллион выходных. Попадания в кэш стоят $0,075.

По словам Alibaba, Qwen4-Max лидирует в задачах с агентами и рабочих задачах, тогда как Opus 5.5 и модели GPT показывают лучшие результаты в Humanity's Last Exam

По словам Alibaba, Qwen4-Max лидирует в задачах с агентами и рабочих задачах, тогда как Opus 5.5 и модели GPT показывают лучшие результаты в Humanity's Last Exam

Источник: the-decoder.com

Qwen4-Max набирает на девять пунктов больше в рейтинге Artificial Analysis Intelligence Index и обходится примерно втрое дешевле за задачу, чем его предшественник

Qwen4-Max набирает на девять пунктов больше в рейтинге Artificial Analysis Intelligence Index и обходится примерно втрое дешевле за задачу, чем его предшественник

Источник: the-decoder.com

Live Delivery позволяет вмешиваться в работу агента

Alibaba строит выпуск вокруг ИИ-агентов, которые самостоятельно выполняют длительные задачи. Если пользователь видит результат только в конце, исправить ошибки по ходу работы почти невозможно. Функция Live Delivery должна решить эту проблему: модель рано выдаёт пригодную к использованию первую версию, затем дорабатывает её в несколько проходов. Пользователь может в любой момент вмешаться и изменить направление работы. Сопутствующий Qwen-Live-Delivery-Plugin Alibaba открыла для всех.

Среди примеров применения компания приводит проекты партнёров. Автомобильные компании SANF и Pacific Union, по данным Alibaba, сократили время ручного программирования одной детали примерно с 475 до 24 минут.

В финансовой сфере модель использует 90 инструментов MCP, чтобы собирать рыночные данные из нескольких источников. Результаты она оформляет в проверяемые файлы Excel и PowerPoint, где каждое число связано с исходным источником.

Alibaba также применяет модель в собственной облачной инфраструктуре. Вместе с внутренним решателем MindOpt Qwen4-Max снизила среднюю стоимость распределения вычислительных заданий для разметки данных на 10,42%, утверждает компания. При распределении задач на процессоры в дата-центрах модель находила оптимальные решения более чем в 14 раз быстрее метода сравнения.

Модель управляет лабораторными экспериментами

Alibaba показала Qwen4 в физических лабораториях. Вместе с Mira — системой стартапа Deep Principle — модель, по данным компании, автономно работала 48 часов. За это время она спроектировала, синтезировала и проверила новую охлаждающую жидкость для мощных чипов дата-центров. Система изучила 2,7 млн вариантов молекул, управляла автоматизированной лабораторией и выполнила четыре полных цикла проектирования, синтеза и измерений.

Второй проект объединил Qwen4-Max с PharmMaster — платформой пекинского стартапа DP Technology, который занимается поиском лекарств с помощью ИИ. Целью было создать соединение для воздействия на воспалительную реакцию, связанную с болезнью Альцгеймера. После нескольких раундов изучения литературы, проектирования и вычислений модель оптимизировала 24 молекулы-кандидата. По данным Alibaba, итоговый кандидат связывается с целевым белком примерно в 3,6 раза лучше известного исходного соединения из патента. Эксперты DP Technology сочли результат перспективным для дальнейших лабораторных испытаний.

Создание игр по текстовому описанию

Alibaba также показала работу Qwen4-Max с игровыми движками Unity, Unreal Engine и Godot. По одному описанию на естественном языке модель должна пройти весь путь разработки: настроить сцену и игровую логику, подобрать внешние ресурсы, создать материалы, пользовательский интерфейс и визуальные эффекты, чтобы в итоге получилась готовая к игре версия.

В ходе разработки модель сама запускает игру и по визуальной и интерактивной обратной связи настраивает работу камеры, анимацию персонажей, реакции на попадания и освещение. В качестве примера Alibaba привела проект «Meow of Magic» — приключенческую игру на Unreal Engine о коте-волшебнике, который сражается с волнами врагов заклинаниями. По утверждению компании, Qwen4-Max также создаёт трёхмерные модели в Blender, которые можно использовать в играх и для трёхмерной печати.

Ранее Anthropic ограничила возможности своего помощника для программирования Claude Code после появления неофициальных копий Halo и GTA: Vice City. Компания запретила инструменту воссоздавать существующие игры.

Безопасность кода и ограничения по опасным возможностям

По данным Alibaba, в бенчмарке Last Secure Code Bench доля кода, который одновременно работает и безопасен, выросла с 22 до 31,8%. Доля кода, признанного безопасным на всех трёх уровнях проверки, почти удвоилась — с 8 до 14,7%.

Компания также проверяла модель на риски, связанные с химическими, биологическими, радиологическими и ядерными угрозами. По словам Alibaba, внутренние проверяющие изучили полные цепочки рассуждений модели и не нашли у неё реальных способностей к инновациям, которые дали бы пользователю существенное усиление возможностей.

Qwen4-Max доступна через QwenCloud, а также в QwenWork, Qoder и QwenStudio. Позже Alibaba планирует выпустить более компактные модели Qwen4 с открытым исходным кодом.

Предыдущие модели Alibaba и конкуренты

В августе Alibaba выпустила Qwen3.8-Max — первую модель серии Max, рассчитанную на автономные задачи продолжительностью в несколько дней. У неё, как и у Qwen4-Max, 2,4 трлн параметров, но на каждый токен активируются 95 млрд. Тогда Artificial Analysis выяснила, что для выполнения задания модели требовалось 64 шага против 14 у Qwen3.7-Max, а стоимость одного задания была более чем вдвое выше.

В конце августа Alibaba представила архитектуру Qwen4 в предварительной версии Qwen3.8-Flash-Next. В ней уже использовался слой векторных представлений последовательностей токенов, но с 51 млрд параметров. В середине августа компания открыла веса Qwen3.8-Max. Для Qwen4 открытые веса пока предусмотрены только у более компактных моделей.

В октябре Moonshot AI представила Kimi K3.1 Pro. У неё 2,8 трлн параметров; Moonshot утверждает, что по результатам Terminal-Bench 4.0 модель уступает только Claude Opus 5.5. DeepSeek, как и Alibaba, использует гибридную архитектуру внимания: в V4-Pro разреженное внимание снижает стоимость обработки длинных контекстов. Zhipu AI выбрала другой подход: улучшения GLM-5.3 компания связывает исключительно с дополнительным обучением после основного.

По оценке Dataist, Qwen4-Max сочетает низкую стоимость с сильными результатами в отдельных длительных и прикладных задачах, но не лидирует во всех проверках: модель уступает GPT в двух приведённых бенчмарках и Kimi — в Terminal-Bench 4.0. Заявления о лабораторных экспериментах, экономии и безопасности основаны на данных Alibaba; доступность более компактных моделей с открытыми весами компания пока только планирует.

Источник: the-decoder.com

Доклад Nexus Project: алгоритм Instagram продвигает антисемитский контент Hugging Face и OpenRouter объединились, чтобы упростить запуск моделей с открытыми весами TokenEconomizer учится на опыте, чтобы ИИ-агенты для программирования тратили меньше токенов Новый ИИ-стартап Джордана Белфорта Tone хочет продавать как «Волк с Уолл-стрит» Надёжный ИИ строят не на прогнозах, а на ограничениях Claude создаёт интерактивные сайты прямо в графике на canvas, возвращая эпоху Flash с настоящим HTML Audible использует ИИ, чтобы помочь слушателям находить аудиокниги ИИ для компаний среднего бизнеса — не уменьшенная копия корпоративного ИИ Исследование под эгидой ООН: модели ИИ «слабы и ненадёжны» в вопросах климатологии Смогут ли роботы перенести операции при инсульте в удалённые больницы? США ужесточают экспортный контроль над ИИ-чипами, чтобы не дать китайским компаниям удалённо получать доступ к вычислительным мощностям Бывшие руководители Freshworks привлекли $53 млн, чтобы бросить вызов Salesforce и HubSpot с AI-Native CRM Apple запустила приложение, чтобы изучить, как люди используют ИИ для здоровья Индийский стартап Bharat Semi привлёк $24 млн на посевном раунде и метит на мировой рынок ИИ-сенсоров Число сообщений о созданных ИИ материалах сексуального насилия над детьми выросло на 8 400% за два года — данные Childlight Зачем Skydio создала беспилотник с асимметричной конструкцией Один скомпрометированный MCP-сервер может заставить ИИ-агента злоупотреблять инструментами, которым вы уже доверяете Claude Fable 5.2 от Anthropic не генерирует изображения, а рисует их Резервный банк Австралии: ИИ сильнее всего сказывается на молодых работниках — особенно в IT и обслуживании клиентов Эта ИИ-игрушка тамагочи превращает обычные вещи в капризных виртуальных питомцев

Ежедневные новости об ИИ

Каждый день отбираем важные новости об ИИ и рассказываем главное — без хайпа и воды. Если хотите понимать, что происходит в ИИ раньше остальных, — подписывайтесь.

Только важное — каждый день

В Telegram