Qwen4-Max: דגם הדגל של Alibaba עם 2.4T פרמטרים מבטיח ירידה של 62% בעלות למשימה מול הדור הקודם
צוות Qwen של Alibaba שחרר את Qwen4-Max, הדגם הראשון במשפחת Qwen4: מודל MoE דליל עם 2.4 טריליון פרמטרים, 71B פעילים לטוקן, חלון קונטקסט של מיליון טוקנים, מצבי חשיבה עם רמות מאמץ מתכווננות, וגישה דרך endpoints תואמי OpenAI ו-Anthropic. לפי מספרי היצרן, עד 49% פחות טוקנים במשימות קידוד סוכנתי וירידה של 62% בעלות הממוצעת למשימה מול Qwen3.8-Max. מחיר הקלט מתחיל ב-1.5 דולר למיליון טוקנים.
צוות Qwen של Alibaba שחרר את Qwen4-Max ב-16 בנובמבר 2026, והוא הדגם הראשון במשפחת Qwen4. בקצרה: מודל mixture-of-experts דליל עם 2.4 טריליון פרמטרים, 71B פעילים לכל טוקן, חלון קונטקסט של מיליון טוקנים, מצבי חשיבה עם שלוש רמות מאמץ, וגישה דרך APIs תואמי OpenAI ו-Anthropic. לפי המספרים של היצרן עצמו, יש שיפורי יעילות גדולים מול Qwen3.8-Max: עד 49% פחות טוקנים ב-Terminal-Bench 4.0 וירידה של 62% בעלות הממוצעת למשימה בהערכת Work360 הפנימית של הצוות. מחיר קלט ב-API מתחיל ב-1.5 דולר למיליון טוקנים. כל מה שמופיע כאן מבוסס על בלוג ההשקה ועל התיעוד של Alibaba Cloud ושל QwenCloud, ואני מסמן במפורש מה מגיע מהיצרן.
מהו Qwen4-Max בעצם
Qwen4-Max בנוי על ארכיטקטורה חדשה לסדרת Qwen4. הבסיס מחזיק 2.4T פרמטרים, עם 71B פעילים לטוקן, ובנוסף 328B פרמטרי N-gram embedding. שלושה רכיבים ארכיטקטוניים רלוונטיים לבונים:
#### Attention היברידי לקונטקסט ארוך
שלוש שכבות Gated DeltaNet דוחסות את ההיסטוריה למצבים בגודל קבוע עבור כל שכבת Qwen Sparse Attention, ואינדקסר קל משקל בוחר קונטקסט רלוונטי בגרנולריות של micro-block. במונחים מעשיים, ככה המודל מגיע לחלון קונטקסט של מיליון טוקנים בלי לשלם עלות attention ריבועית מלאה על רצפים ארוכים. הצוות אומר שהאימון בקנה מידה הזה הסתיים בלי קפיצות loss, ומייחס את זה לשינויי הארכיטקטורה והאופטימיזר.
#### מצבי חשיבה עם מאמץ מתכוונן
המודל תומך במצב חשיבה עם רמות מאמץ low, high ו-xhigh, ובפרמטר thinking_budget שמגיע עד 131,072 טוקנים. גם הפלט במצב non-thinking מוגבל ל-131,072 טוקנים. טוקני חשיבה מחויבים בתעריף פלט.
#### שני ממשקי API
המודל נחשף גם דרך endpoint תואם OpenAI וגם דרך endpoint תואם Anthropic, כך שרוב קוד ה-SDK הקיים אמור לעבוד איתו בשינוי base URL. רשימת היכולות המתועדת כוללת tool calling, חיפוש web, structured output, קאשינג של קונטקסט עם TTL של 5 דקות ושל שעה, פענוח PDF, code interpreter ותמיכת MCP.
מה שהוא לא: בתיעוד אין fine-tuning, אין batch API ואין אפשרות deployment לדגם הזה, והמשקלים לא שוחררו. אם הארכיטקטורה שלכם מסתמכת על self-hosting או distillation, Qwen4-Max לא עוזר לכם.
טענות הביצועים, כולן מהיצרן
כל מספר בסעיף הזה מגיע מפוסט ההשקה של צוות Qwen. תתייחסו אליהם כשיווק עד שטבלאות צד שלישי יתעדכנו.
ההשוואה המרכזית היא מול Qwen3.8-Max, הדור הקודם. ב-Work360, benchmark שהצוות בנה בעצמו סביב טקסונומיה של 26 תחומים ראשיים, 182 תתי-תחומים ו-721 שדות התמחות, Qwen4-Max משיג 52.69 מול 47.74 ל-Qwen3.8-Max. הטענה המעניינת יותר היא יעילות הטוקנים: ב-Work360 המודל משתמש בכ-24% פחות טוקנים במאמץ xhigh וב-35% פחות במאמץ high, וב-Terminal-Bench 4.0 הירידה היא בערך 48% ו-49% בהתאמה. בשילוב מחירי API נמוכים יותר, העלות הממוצעת למשימת Work360 יורדת מ-4.43 דולר ל-1.67 דולר, ירידה של 62%.
בקידוד מאובטח, הצוות מדווח שציון Last Secure Code Bench עולה מ-22.0% ל-31.8%, וקוד שמאובטח בכל רמות הגרנולריות שנמדדות עולה מ-8% ל-14.7%. המספרים האבסולוטיים עדיין נמוכים, וזה יפה מצידם לפרסם אותם, ושווה לזכור את זה אם אתם בוחנים מודלים לייצור קוד רגיש אבטחתית.
פוסט ההשקה כולל גם טבלת השוואה מול מודלי חזית אחרים, עם הערות שוליים שמצביעות על לוח ה-APEX-Agents של Mercor, על Artificial Analysis, על לוחות CodeArena ו-AgentArena של Arena, על Vals Index ועל Agents' Last Exam. הטבלה עצמה מפורסמת כתמונה, כך שלא הצלחתי לאמת מספרים בודדים מהטקסט. סיקור משני מדווח ש-Qwen4-Max מנצח את Claude Opus 5.5 בחלק מהמבחנים. לא הייתי מצטט מספרים ספציפיים מול מתחרים עד שהלוחות המצויינים מפרסמים רשומות משלהם.
תמחור וגישה
התמחור הוא החלק שהצלחתי לאמת ישירות מהתיעוד. מצבי חשיבה ו-non-thinking חולקים מחיר אחד, בלי מדרגות לפי אורך קלט:
#### סינגפור (בינלאומי)
קלט עולה 1.5 דולר למיליון טוקנים, פלט 4.5 דולר למיליון. כתיבת cache עולה 1.875 דולר למיליון ל-TTL של 5 דקות ו-3 דולר למיליון ל-TTL של שעה, וקריאת cache היא 0.075 דולר למיליון. משתמשים חדשים באזור סינגפור מקבלים מכסה חינמית לנסות את המודל.
#### בייג'ינג וגלובלי
קלט הוא 1.413 דולר למיליון, פלט 4.24 דולר למיליון, עם מחירי cache נמוכים בהתאמה. פריסה גלובלית זמינה בפרנקפורט, הונג קונג, טוקיו ווירג'יניה בארה"ב.
שני פרטי חיוב ששווה להכיר: ה-batch API, שבו הוא נתמך במודלים אחרים, מחויב ב-50% מתמחור real-time אבל לא רשום כזמין ל-Qwen4-Max, ואי אפשר לשלב הנחות batch ו-cache באותה בקשה. כלי חיפוש ה-web המובנה גם גובה תשלום לפי קריאה מעבר לעלות הטוקנים בחלק מהאזורים, 10 דולר ל-1,000 קריאות בסינגפור ובערך 0.57 דולר באזורים האחרים הרשומים, בעוד ה-web extractor וה-code interpreter חינמיים לזמן מוגבל.
Live Delivery ולולאת התפעול
שני חלקים בהשקה מעניינים יותר מטבלת ה-benchmarks. הראשון הוא Live Delivery: במשימות ארוכות, הסוכן מספק גרסה ראשונה שמישה מוקדם, ואז מרחיב ומשפר אותה דרך שחרורים עוקבים בזמן שהמשתמש צופה ויכול לכוון מחדש את העבודה בכל נקודה. הצוות שחרר בקוד פתוח את Qwen-Live-Delivery-Plugin כדי שמפתחים יוכלו להתקין את הדפוס בסביבות שלהם. זה אותו רעיון של continuous delivery שאני חוזר אליו שוב ושוב עם סוכנים: ארטיפקטים ביניים שאפשר לבחון עדיפים על קופסה שחורה שחוזרת אחרי שעה.
השני הוא ש-Alibaba Cloud אומרת שהיא כבר מריצה את Qwen4-Max internally על בעיות operations research סביב התשתית שלה עצמה: תזמון קריאות מודל לתיוג דאטה, הקצאת קיבולת GPU ב-online ותזמון מחדש של משאבי CPU ב-offline. התוצאות המדווחות הן ירידה ממוצעת של 10.42% בעלות תזמון התיוג ועלייה של 4.62% במשך זמן קיבולת GPU פנויה ברמת מכונה שלמה. שוב, דיווח יצרן, אבל זו לולאת ייצור קונקרטית שבה המודל מייעל את המערכות שמשרתות אותו.
מה הייתי בודק
מריצים עומס קידוד סוכנתי משלכם מול המודל דרך ה-endpoint התואם OpenAI ומודדים טוקנים למשימה שהושלמה מול המודל הנוכחי שלכם, כי יעילות טוקנים היא טענת הליבה של ההשקה. בודקים אם מאמץ חשיבה xhigh מצדיק את הלטנטיות והעלות במשימות שלכם, או ש-high מספיק. אם ה-harness שלכם בנוי על Anthropic SDK, מאמתים שה-endpoint התואם Anthropic מטפל בדפוסי ה-tool calling שלכם לפני שמתכננים מיגרציה. עוקבים אחרי לוחות Mercor, Artificial Analysis ו-Arena בשבועות הקרובים למספרים עצמאיים. ובודקים דרישות data residency מול האזורים הזמינים לפני שמנתבים טראפיק ייצור.
מה לא הייתי מסיק
Work360 הוא benchmark של היצרן עצמו, אז ניצחון שם הוא ראיה חלשה לעליונות כללית. ההשוואה מול מתחרים חיה בתמונה שלא הצלחתי לאמת שורה-שורה, והטענות על Opus 5.5 צריכות לחכות ללוחות הצד שלישי המצוטטים. ועלות נמוכה יותר למשימה בהערכה אחת לא אומרת כלום על עומס העבודה שלכם עד שתמדדו בעצמכם.
שאלות נפוצות
מהו Qwen4-Max?
Qwen4-Max הוא מודל השפה החדש של Alibaba, ששוחרר ב-16 בנובמבר 2026, והדגם הראשון במשפחת Qwen4. מדובר ב-MoE דליל עם 2.4 טריליון פרמטרים, 71B פעילים לטוקן, חלון קונטקסט של מיליון טוקנים ומצבי חשיבה עם מאמץ מתכוונן, זמין רק דרך APIs.
האם Qwen4-Max הוא קוד פתוח?
לא. המשקלים לא שוחררו, והתיעוד לא מציין אפשרויות self-hosting, deployment או fine-tuning. הגישה היא דרך Alibaba Cloud Model Studio ודרך QwenCloud. הצוות כן שחרר בקוד פתוח את Qwen-Live-Delivery-Plugin, שהוא plugin לדפוס מסירה, לא את המודל.
כמה עולה Qwen4-Max?
באזור סינגפור הבינלאומי, קלט עולה 1.5 דולר למיליון טוקנים ופלט 4.5 דולר למיליון, עם קריאת cache ב-0.075 דולר למיליון. תמחור בייג'ינג וגלובלי מעט נמוך יותר: 1.413 דולר קלט ו-4.24 דולר פלט. מצבי חשיבה ו-non-thinking חולקים את אותו מחיר.
כמה גדול חלון הקונטקסט?
מיליון טוקנים של קונטקסט קלט, עם פלט מקסימלי של 131,072 טוקנים. ארכיטקטורת ה-attention ההיברידית, שמשלבת שכבות Gated DeltaNet עם Qwen Sparse Attention, היא מה שהופך את החלון הארוך לפרקטי להגשה.
אפשר להשתמש ב-Qwen4-Max עם קוד SDK קיים של OpenAI או Anthropic?
כן, בעקרון. המודל נחשף דרך endpoints תואמי OpenAI ותואמי Anthropic, כך שהאינטגרציה אמורה להיות שינוי של base URL ומפתח. מאמתים את דפוסי ה-tool calling וה-streaming הספציפיים שלכם לפני שמסתמכים על זה, כי לשכבות תאימות יש לפעמים מקרי קצה.
איך Qwen4-Max משתווה ל-Claude Opus 5.5?
פוסט ההשקה כולל טבלת השוואה שמצטטת לוחות צד שלישי, בהם Mercor APEX-Agents, Artificial Analysis ולוחות Arena, וסיקור משני מדווח על ניצחונות מול Opus 5.5 בחלק מהמבחנים. הטבלה מפורסמת כתמונה, כך שלא הצלחתי לאמת את המספרים הבודדים. תתייחסו להשוואה כטענת יצרן עד שהלוחות המצוטטים מפרסמים תוצאות משלהם.
מהו Live Delivery?
Live Delivery הוא הדפוס של Qwen4-Max למשימות סוכן ארוכות: המודל מספק גרסה ראשונה שמישה מוקדם, ואז עובר איטרציות דרך שחרורים עוקבים בזמן שהמשתמש יכול לבחון התקדמות ולכוון מחדש את העבודה בכל נקודה. Alibaba שחררה בקוד פתוח את Qwen-Live-Delivery-Plugin כדי שמפתחים יאמצו את הדפוס גם בלי תלות במודל.
מקורות
- פוסט בלוג ההשקה של Qwen4-Max - ארכיטקטורה, תוצאות Work360, יעילות טוקנים, קידוד מאובטח, Live Delivery ומספרי הפריסה הפנימית ב-Alibaba Cloud
- Alibaba Cloud Model Studio: Qwen4-Max - מגבלות קונטקסט ופלט, מצבי חשיבה, תאימות API, רשימת יכולות ואזורים
- עמוד הדגם העדכני של QwenCloud - מיצוב כדגם הראשון במשפחת Qwen4 ופרטי המכסה החינמית
- תמחור QwenCloud - מחירים למיליון טוקנים, תמחור cache, עמלות כלים וכללי batch
- סיקור ההשקה ב-Gigazine - דיווח משני על ההשוואות מול Claude Opus 5.5, לא אומת מול הטבלה הראשונית
קריאה נוספת
- LongCat-2.5: Meituan משחררת מודל סוכנים של 1.6T פרמטרים ברישיון MIT, מאומן ומוגש בלי Nvidia
צוות LongCat של Meituan שחרר את המשקלים של LongCat-2.5: מודל mixture-of-experts עם 1.6 טריליון פרמטרים, כ-48B פעילים לטוקן, הבנת תמונה מלידה, קונטקסט של 512K טוקנים ורישיון MIT. האימון והפריסה הרפרנסית רצים כולם על מאיצים סיניים מקומיים, עם quantization של W4A4 INT4 שלטענת הצוות משמר דיוק קרוב למלוא הדיוק. בבנצ'מרקים של היצרן הוא קרוב ל-Claude Opus 5 בקידוד סוכנתי, ומתחתיו במשימות terminal. אירוח עצמי דורש אשכול רציני.
- Gemini 4 Hydrogen: מודל הביצוע המהיר של גוגל זול מ-Argon וגם מנצח אותו במדד
גוגל השיקה את Gemini 4 Hydrogen ב-12 בנובמבר: מודל מהיר לקידוד יומיומי ולזרימות סוכנים שמשיג 51 במדד האינטליגנציה של Artificial Analysis ברמת החשיבה המוגדרת כברירת מחדל, מעל 50 של Gemini 4 Argon, במחיר 1.50 דולר למיליון טוקני קלט ו-7.50 דולר למיליון טוקני פלט. מה סולם שלושת המודלים של Gemini 4 אומר, איך Orchestrator מחלק עבודה ב-Antigravity, ומה כדאי לבדוק.
- Gemini 4 Carbon ב-GA: מה מפתחים משלמים מקבלים היום, וקפיצת המחיר של ה-30 בנובמבר
גוגל הפכה את Gemini 4 Carbon לזמין לכלל ב-10 בנובמבר: גישת API בתשלום ב-AI Studio וב-Gemini for business, תצוגת מקדימה של /swarm רב-סוכנית ב-Antigravity, גישת סייבר דרך Fairwind, ותמחור מבוא שמוכפל אחרי ה-30 בנובמבר 2026. מה השתנה מאז ההכרזה באוקטובר, מה גוגל טוענת, ומה לוודא בעצמכם.
יומן הבנייה
לעקוב אחרי העבודה.
מאמרים ואבטיפוסים חדשים, ישר לקורא ה-RSS שלכם. מנויי המייל בהשהיה זמנית, עד שאחבר שירות משלוח עובד. לא נאסף כאן אימייל.
עקבו ב-RSS