Alibaba Cloud a lansat Qwen4-Max prin platforma sa Model Studio pe 16 noiembrie 2026, dezvăluind un model multimodal emblematic care îmbină o fereastră de context de un milion de token cu prețuri de listă cu 25% sub predecesorul său, conform documentației de prețuri a companiei din Singapore, raportate de Unite.AI. Bloomberg a încadrat lansarea drept cea mai nouă ripostă a Alibaba la adresa rivalilor din SUA, sosind în timp ce laboratoarele chineze și americane concurează atât pentru capacitatea modelului, cât și pentru economia de a servi inferențe la scară de frontieră.
Lansarea urmează o perioadă de previzualizare de două săptămâni și aterizează într-un moment în care dezvoltatorii de modele chinezi concurează la preț la fel de agresiv ca și pe benchmark-uri. Pentru a înțelege cum reacționează restul industriei la lansările din această săptămână, cele mai recente știri AI urmăresc lansările de model, mișcările de preț și schimbările de politică care modelează piața.
Preț: 25% sub Qwen3.8-Max
Lista de prețuri din Singapore stabilește Qwen4-Max la 1,50 USD per milion de jetoane de intrare și 4,50 USD per milion de jetoane de ieșire, comparativ cu 2 USD și, respectiv, 6 USD pentru Qwen3.8-Max - ambele tarife cu 25% mai mici, calculate direct din prețurile de listă anterioare, conform analizei Unite.AI a documentației. Alibaba Cloud oferă, de asemenea, o cotă gratuită de un milion de jetoane în Singapore timp de 90 de zile, începând cu cea mai recentă activare Model Studio, lansare a modelului sau aprobarea aplicației.
Tehnologia din Asia a mers mai departe, raportând că modelul reduce costurile sarcinilor cu 60% atunci când ține cont de modul în care sunt facturate jetoanele de raționament. Documentația proprie a companiei susține o parte din această aritmetică: jetoanele de gândire și răspunsul final se trag dintr-un singur buget de ieșire comun, astfel încât prețul efectiv al unei sarcini finalizate depinde în mare măsură de cât de multă deliberare necesită o interogare.
Raționament ajustabil cu un buget de ieșire comun
Qwen4-Max permite gândirea implicită la efort de raționament ridicat, cu setări scăzute, ridicate și xhigh disponibile pentru dezvoltatori. Documentația specifică un buget de gândire implicit de 131.072 de jetoane, care se potrivește cu rezultatul maxim de non-gândire, în timp ce gândirea și răspunsul final împreună împărtășesc o alocație de 262.144 de jetoane. Prin urmare, deliberarea ocupă o parte din același buget de ieșire ca și răspunsul în sine - un design care face costurile de ieșire mai previzibile, dar necesită dezvoltatorilor să bugeteze pentru simboluri de raționament în aplicațiile sensibile la latență și la costuri.
O suprafață de dezvoltator creată pentru agenți
Alibaba Cloud a proiectat Qwen4-Max pentru codare, productivitate de birou, design de front-end și sarcini agentice complexe, conform documentației modelului. Modelul acceptă text, imagine și intrare video cu ieșire text și acceptă streaming, căutare pe web, apelare paralelă a instrumentelor, apelare funcții, completare prefix și ieșire JSON structurată.
Rutele de integrare sunt deosebit de largi: dezvoltatorii pot apela Qwen4-Max prin API-ul OpenAI Chat Completions, API-ul OpenAI Responses, API-ul Anthropic Messages sau API-ul DashScope al Alibaba Cloud. Această compatibilitate permite agenților de codare și instrumentelor de dezvoltare care au fost construite în jurul API-urilor altor furnizori să se conecteze la model fără rescrieri - un joc din ce în ce mai frecvent în rândul laboratoarelor chineze care atrag același ecosistem de instrumente pentru dezvoltatori ca și furnizorii din SUA.
Memorarea explicită în cache pentru sarcini de lucru cu context lung
Memorarea în cache a prefixelor primește propriul nivel de preț. Prefixele de intrare identice — solicitări de sistem, descrieri de instrumente, documente de referință — pot fi reutilizate pentru solicitările aceluiași utilizator. Citirile cache costă 0,075 USD per milion de jetoane în Singapore și numai jetoanele de intrare primesc reducere. Cache-urile explicite necesită un prefix de cel puțin 1.024 de jetoane și pot fi create cu durate de viață de cinci minute (1,875 USD) sau o oră (3 USD), în timp ce memorarea implicită în cache identifică automat prefixele comune, fără a garanta accesări.
Pentru sarcinile de lucru ale agenților care trimit în mod repetat instrucțiuni lungi sau documente mari, îndrumările documentației contează în practică: stabilitatea prefixului și durata de viață a memoriei cache determină dacă tarifele reduse din listă se traduc de fapt în facturi mai mici.
Disponibilitate regională și limite
Qwen4-Max este listat în șase regiuni - Beijing, Singapore, Frankfurt, Virginia, Tokyo și Hong Kong. Inferența în loturi este acceptată numai în Beijing, iar reglarea fină și implementarea modelelor personalizate nu sunt acceptate în toate regiunile documentate, conform analizei Unite.AI. Prin urmare, Alibaba Cloud îndreaptă clienții către inferența gestionată cu controalele sale de configurare - setări de raționament, stocarea în cache și alegerea API - mai degrabă decât personalizarea la nivel de ponderi.
O bandă de abonament care împiedică automatizarea
Pe lângă accesul API cu plata pe măsură, Qwen4-Max complet este inclus în Planul de jetoane ediția personală din Singapore, care facturează prin credite și acceptă instrumente interactive, inclusiv Claude Code, Cursor, Qwen Code, Qoder și OpenClaw. Abonamentul este limitat în mod explicit la codificarea interactivă și utilizarea instrumentelor de agent: scripturile de automatizare, backend-urile de aplicații personalizate și apelurile în lot neinteractive sunt interzise. Acest lucru face ca planul să fie o rută de acces distinct orientată spre consumatori și prosumator, separată de consumul de API de producție.
De la previzualizare la flagship în două săptămâni
Lansarea completă urmează Qwen4-Max-Preview, care a devenit disponibil pe 11 noiembrie 2026 exclusiv prin Planul Token și este programată să se deruleze până pe 25 noiembrie, după care modelul de previzualizare va fi retras. Cadența rapidă de la previzualizare până la disponibilitatea generală reflectă ritmul de lansare pe care Alibaba l-a aplicat în familia Qwen, care a acumulat miliarde de descărcări în variantele deschise.
Contextul strategic este greu de ratat. Bloomberg a caracterizat lansarea drept răspunsul Alibaba la rivalii americani într-un moment în care Anthropic și OpenAI domină conversația de frontieră pe piețele occidentale, în timp ce laboratoarele chineze concurează pe preț, lungimea contextului și disponibilitatea open-weight. Dacă combinația Qwen4-Max de o fereastră de un milion de token, prețuri de listă agresive și compatibilitate largă cu API-uri schimbă comportamentul dezvoltatorilor în afara Chinei, va depinde de rezultatele benchmark-urilor independente și de modul în care bugetul comun de gândire și de ieșire funcționează în cazul unor sarcini de lucru reale.
---
Rămâneți înaintea AIObțineți cele mai recente știri, analize și descoperiri AI - toate într-un singur loc.
Citește mai multe știri AI →