Alibaba Cloud ha rilasciato Qwen4-Max attraverso la sua piattaforma Model Studio il 16 novembre 2026, svelando un modello multimodale di punta che abbina una finestra di contesto da un milione di token con prezzi di listino inferiori del 25% rispetto al predecessore, secondo la documentazione dei prezzi dell'azienda a Singapore, come riportato da Unite.AI. Bloomberg ha definito il lancio come la più recente risposta di Alibaba ai rivali statunitensi, che arriva mentre i laboratori cinesi e americani competono sia sulla capacità del modello che sull’economia di servire l’inferenza su scala di frontiera.

Il rilascio segue un periodo di anteprima di due settimane e arriva in un momento in cui gli sviluppatori di modelli cinesi competono sul prezzo in modo altrettanto aggressivo quanto sui benchmark. Per avere un'idea di come il resto del settore sta reagendo ai comunicati di questa settimana, la nostra ultima copertura di notizie sull'intelligenza artificiale tiene traccia dei lanci di modelli, delle variazioni dei prezzi e dei cambiamenti politici che modellano il mercato.

Prezzo: 25% inferiore a Qwen3.8-Max

Il listino prezzi di Singapore fissa Qwen4-Max a 1,50 dollari per milione di token di input e 4,50 dollari per milione di token di output, rispetto rispettivamente a 2 e 6 dollari per Qwen3.8-Max: entrambe le tariffe sono inferiori del 25%, calcolate direttamente dai prezzi di listino precedenti, secondo l'analisi della documentazione di Unite.AI. Alibaba Cloud offre inoltre una quota gratuita di un milione di token a Singapore per 90 giorni, a partire dall'ultima attivazione di Model Studio, rilascio del modello o approvazione dell'applicazione.

Tech in Asia è andata oltre, riferendo che il modello riduce i costi delle attività del 60% se si tiene conto della fatturazione dei token di ragionamento. La documentazione stessa dell'azienda supporta parte di tale aritmetica: i token di riflessione e la risposta finale attingono da un unico budget di output condiviso, quindi il prezzo effettivo di un'attività completata dipende in larga misura dalla quantità di riflessione richiesta da una query.

Ragionamento adattabile con un budget di output condiviso

Qwen4-Max consente di pensare per impostazione predefinita con uno sforzo di ragionamento elevato, con le impostazioni bassa, alta e xhigh disponibili per gli sviluppatori. La documentazione specifica un budget di pensiero predefinito di 131.072 gettoni, che corrisponde al massimo output di non-pensiero, mentre il pensiero e la risposta finale insieme condividono un'indennità di 262.144 gettoni. La deliberazione occupa quindi parte dello stesso budget di output della risposta stessa: un design che rende i costi di output più prevedibili ma richiede agli sviluppatori di budget per token di ragionamento in applicazioni sensibili alla latenza e ai costi.

Una superficie di sviluppo creata per gli agenti

Alibaba Cloud ha progettato Qwen4-Max per la codifica, la produttività dell'ufficio, la progettazione di frontend e attività complesse di agenti, secondo la documentazione del modello. Il modello accetta input di testo, immagini e video con output di testo e supporta streaming, ricerca Web, chiamata di strumenti paralleli, chiamata di funzioni, completamento del prefisso e output JSON strutturato.

I percorsi di integrazione sono particolarmente ampi: gli sviluppatori possono chiamare Qwen4-Max tramite l'API OpenAI Chat Completions, l'API OpenAI Responses, l'API Anthropic Messages o l'API DashScope di Alibaba Cloud. Questa compatibilità consente agli agenti di codifica e agli strumenti di sviluppo costruiti attorno alle API di altri fornitori di collegarsi al modello senza riscritture: un gioco sempre più comune tra i laboratori cinesi che corteggiano lo stesso ecosistema di strumenti di sviluppo dei fornitori statunitensi.

Caching esplicito per carichi di lavoro a contesto lungo

La memorizzazione nella cache del prefisso riceve il proprio livello di prezzo. Prefissi di input identici (prompt di sistema, descrizioni di strumenti, documenti di riferimento) possono essere riutilizzati tra le richieste dello stesso utente. Le letture della cache costano 0,075 dollari per milione di token a Singapore e solo i token di input ricevono lo sconto. Le cache esplicite richiedono un prefisso di almeno 1.024 token e possono essere create con una durata di cinque minuti ($ 1,875) o un'ora ($ 3), mentre la memorizzazione nella cache implicita identifica automaticamente i prefissi comuni senza garantire risultati.

Per i carichi di lavoro degli agenti che inviano ripetutamente istruzioni lunghe o documenti di grandi dimensioni, le linee guida della documentazione sono importanti nella pratica: la stabilità del prefisso e la durata della cache determinano se le tariffe di listino ridotte si traducono effettivamente in fatture inferiori.

Disponibilità e limiti regionali

Qwen4-Max è elencato in sei regioni: Pechino, Singapore, Francoforte, Virginia, Tokyo e Hong Kong. Secondo la revisione di Unite.AI, l'inferenza batch è supportata solo a Pechino e la messa a punto e l'implementazione di modelli personalizzati non sono supportati in tutte le regioni documentate. Alibaba Cloud sta quindi indirizzando i clienti verso l'inferenza gestita con i suoi controlli di configurazione (impostazioni di ragionamento, memorizzazione nella cache e scelta delle API) piuttosto che con la personalizzazione a livello di peso.

Una corsia di abbonamento che impedisce l'automazione

Oltre all'accesso API con pagamento in base al consumo, il Qwen4-Max completo è incluso nel piano token Personal Edition di Singapore, che fattura tramite crediti e supporta strumenti interattivi tra cui Claude Code, Cursor, Qwen Code, Qoder e OpenClaw. L'abbonamento è esplicitamente limitato alla codifica interattiva e all'uso dello strumento agente: sono vietati script di automazione, backend di applicazioni personalizzate e chiamate batch non interattive. Ciò rende il piano un percorso di accesso chiaramente orientato al consumatore e al prosumer, separato dal consumo dell’API di produzione.

Dall'anteprima al fiore all'occhiello in due settimane

La versione completa segue Qwen4-Max-Preview, che è diventata disponibile l'11 novembre 2026 esclusivamente tramite il Token Plan e dovrebbe durare fino al 25 novembre, dopodiché il modello di anteprima verrà ritirato. La rapida cadenza dall'anteprima alla disponibilità generale rispecchia il ritmo di rilascio che Alibaba ha applicato alla famiglia Qwen, che ha accumulato miliardi di download nelle varianti a peso aperto.

È difficile non notare il contesto strategico. Bloomberg ha definito il lancio come la risposta di Alibaba ai rivali statunitensi in un momento in cui Anthropic e OpenAI dominano le conversazioni di frontiera nei mercati occidentali, mentre i laboratori cinesi competono su prezzo, durata del contesto e disponibilità a peso aperto. Se la combinazione di Qwen4-Max tra una finestra da un milione di token, prezzi di listino aggressivi e un'ampia compatibilità API cambierà il comportamento degli sviluppatori al di fuori della Cina dipenderà dai risultati di benchmark indipendenti e da come il budget condiviso di pensiero e output si comporterà con carichi di lavoro reali.

---

Stai al passo con l'intelligenza artificiale

Ricevi le ultime notizie, analisi e scoperte sull'intelligenza artificiale, tutto in un unico posto.

Leggi altre notizie sull'AI →