Qwen4-Max od Alibaby rzuca wyzwanie Opus 5.5 i GPT-6 niższą ceną
Qwen4-Max od Alibaby ma 2,4 bln parametrów, nową architekturę i koszt zadania niższy o dwie trzecie. Sprawdzamy benchmarki, ceny API i funkcję Live Delivery.

Źródło zdjęcia: The Decoder
Alibaba zaprezentowała Qwen4-Max, nowy flagowy model, który ma konkurować z Opus 5.5, GPT-6 i Kimi K3.1 Pro przy wyraźnie niższych kosztach. Według serwisu The Decoder model łączy przebudowaną, wydajniejszą architekturę z agresywnym cennikiem. Jego głównym celem jest praca profesjonalna w przemyśle, nauce i finansach.
Qwen4-Max to model typu mixture-of-experts. Według zespołu Qwen ma 2,4 biliona parametrów, ale na każdy token aktywuje tylko 71 miliardów. Natywnie przetwarza obrazy i oferuje okno kontekstowe o długości miliona tokenów.
Najważniejsze informacje
- Hybrydowa architektura serii Qwen4 pozwala przetwarzać długie konteksty taniej i przy mniejszym zużyciu mocy obliczeniowej.
- W Artificial Analysis Intelligence Index model zdobywa 43 punkty. Wśród modeli chińskich ustępuje jedynie Kimi K3.1 Pro (46 pkt), a koszt zadania spada do mniej więcej jednej trzeciej kosztu poprzednika.
- API Alibaby kosztuje 1,50 dolara za milion tokenów wejściowych i 4,50 dolara za milion tokenów wyjściowych.
- Funkcja „Live Delivery” pozwala sprawdzać wyniki pośrednie autonomicznych agentów i korygować trwające zadania na bieżąco.
- Alibaba zapowiada, że mniejsze modele Qwen4 trafią później na licencji open source. Sam Qwen4-Max nie otrzyma otwartych wag.
Nowa architektura: kompresja zamiast pełnej uwagi
Qwen4-Max jako pierwszy korzysta z przebudowanej architektury serii Qwen4. Alibaba nie opiera się już wyłącznie na standardowych warstwach uwagi (attention), tylko łączy dwie metody. Trzy warstwy kompresują wcześniejszy kontekst do skondensowanego stanu. Czwarta warstwa wybiera z niego tylko istotne fragmenty. Model nie musi więc poświęcać jednakowej uwagi każdemu fragmentowi kontekstu, co mocno obniża koszty obliczeń przy długich danych wejściowych.
Architektura wprowadza też cztery równoległe połączenia między warstwami modelu. Dynamiczne bramki mają w nich stabilizować przepływ informacji. Dodatkowa warstwa N-gram embedding z 328 miliardami parametrów dostarcza popularne sekwencje tokenów jako gotowe elementy. Według Alibaby trening konfiguracji z 2,4 biliona parametrów przebiegał stabilnie: funkcja straty spadała równomiernie przez cały proces, bez nagłych skoków.
Wewnętrzne testy firmy mierzą jakość modelu w bitach na bajt w czterech obszarach: wiedza, kod, odpowiadanie na pytania i STEM. Spośród pięciu badanych checkpointów najlepiej wypadł Qwen4-Max-Base. Uzyskał wyniki lepsze o 5–13 proc. od Qwen3.8-Max-Base, aktywując przy tym o 25 proc. mniej parametrów na token.
Mniej tokenów, niższe koszty i mieszane wyniki w benchmarkach
Większa wydajność przekłada się na koszty operacyjne. Na Work360, autorskim benchmarku Alibaby obejmującym zadania przemysłowe w 721 specjalistycznych dziedzinach, Qwen4-Max zużywa mniej więcej o jedną czwartą do jednej trzeciej mniej tokenów niż poprzednik. Na benchmarku agentowym Terminal-Bench 4.0 zużycie tokenów spada niemal o połowę.
Według Alibaby średni koszt zadania w Work360 maleje o 62 proc., z 4,43 do 1,67 dolara. Wynik w benchmarku rośnie jednocześnie z 47,74 do 52,69 pkt.
W benchmarkach zewnętrznych wyniki są mieszane:
- w długoterminowych zadaniach agentowych, takich jak Agents' Last Exam v1.1, Qwen4-Max uzyskuje 46,7 pkt, najlepszy wynik w grupie porównawczej;
- w Humanity's Last Exam ustępuje Opus 5.5 i modelom GPT (więcej o najnowszym modelu OpenAI w tekście o tym, jak GPT-6 Astra ukrywa tok rozumowania);
- w HealthBench Professional przegrywa z modelami GPT, ale minimalnie wyprzedza Opus 5.5.
Alibaba podsumowuje, że jej model prowadzi w zadaniach agentowych i zawodowych, a Opus 5.5 i modele GPT wypadają lepiej w Humanity's Last Exam.
Pozycja w rankingu Artificial Analysis
Przy najwyższym poziomie rozumowania Qwen4-Max zdobywa 43 punkty w aktualnym Artificial Analysis Intelligence Index. To o dziewięć punktów więcej niż Qwen3.8-Max i o trzy mniej niż Kimi K3.1 Pro, najlepszy chiński model z wynikiem 46 pkt. Kontekst rywalizacji chińskich laboratoriów przybliża nasz tekst o tym, że zakazane chipy Nvidii stoją za najmocniejszymi chińskimi modelami AI. Największe wzrosty względem poprzednika model notuje w HLE-Diamond (+21 pkt, do 45 proc.), AA-Omniscience (+18) i AutomationBench-AA (+17).
Artificial Analysis szacuje koszt Qwen4-Max na 3,27 dolara za zadanie z Intelligence Index. To około jedna trzecia kosztu Qwen3.8-Max (10,02 dolara) i mniej więcej 11 proc. mniej niż w przypadku Kimi K3.1 Pro (3,68 dolara). Oszczędności mają trzy źródła:
- ceny tokenów niższe o 25 proc. niż u poprzednika;
- trafienia w cache tańsze o 70 proc.;
- mniejsze zużycie tokenów: około 105 tys. tokenów wyjściowych na zadanie wobec 171 tys. w Qwen3.8-Max.
Tańszy jest Hy4 od Tencentu, który kosztuje 1,03 dolara za zadanie, ale w indeksie wypada o osiem punktów słabiej. W Terminal-Bench 4.0 Qwen4-Max uzyskuje 48 proc. i wyraźnie ustępuje Kimi K3.1 Pro (67 proc.). W benchmarku programistycznym FrontierCode 2.0 firmy Cognition remisuje z Kimi (26 proc.), ale przegrywa z Tencent Hy4 (31 proc.).
Za korzystanie z własnego API Alibaba pobiera 1,50 dolara za milion tokenów wejściowych i 4,50 dolara za milion tokenów wyjściowych. Trafienia w cache kosztują 0,075 dolara.
Agenci pod kontrolą użytkownika i zastosowania w praktyce
Podobnie jak duża część branży, Alibaba buduje tę premierę wokół agentów, którzy samodzielnie wykonują długie zadania. Jeśli użytkownik widzi wyłącznie wynik końcowy, praktycznie nie ma jak skorygować błędów. Odpowiedzią ma być Live Delivery: model wcześnie dostarcza pierwszą użyteczną wersję i rozbudowuje ją w kolejnych przebiegach, a użytkownik może w dowolnym momencie zmienić kierunek pracy. Towarzyszącą wtyczkę Qwen-Live-Delivery-Plugin Alibaba udostępniła jako open source.
Firma przytacza kilka wdrożeń u partnerów:
- Motoryzacja: partnerzy SANF i Pacific Union mieli skrócić czas ręcznego programowania jednego detalu z około 475 do 24 minut.
- Finanse: model korzysta z 90 narzędzi MCP, by pobierać dane rynkowe z wielu źródeł. Wyniki przekazuje w weryfikowalnych plikach Excel i PowerPoint, a każdą liczbę da się prześledzić do pierwotnego źródła.
- Infrastruktura chmurowa Alibaby: we współpracy z wewnętrznym solverem MindOpt model obniżył koszt przydzielania zadań obliczeniowych do anotacji danych średnio o 10,42 proc. Przy rozdzielaniu zadań CPU w centrach danych znajdował optymalne rozwiązania ponad 14 razy szybciej niż metoda porównawcza.
Autonomiczne laboratorium
Alibaba pokazuje generację Qwen4 także w laboratoriach fizycznych. Połączony z systemem Mira od startupu Deep Principle model pracował według firmy autonomicznie przez 48 godzin. W tym czasie zaprojektował, zsyntetyzował i przetestował nowe chłodziwo dla wysokowydajnych chipów w centrach danych. Przeszukał 2,7 mln kandydatów molekularnych, sterował zautomatyzowanym laboratorium i przeprowadził cztery pełne cykle projektowania, syntezy i pomiarów.
Drugi przykład to współpraca z platformą PharmMaster pekińskiego startupu DP Technology, zajmującego się odkrywaniem leków z pomocą AI. Celem był związek działający na reakcję zapalną powiązaną z chorobą Alzheimera. W kilku rundach przeglądu literatury, projektowania i obliczeń model zoptymalizował 24 cząsteczki kandydujące. Według Alibaby finalny kandydat wiąże się z białkiem docelowym około 3,6 razy lepiej niż znany związek wyjściowy z patentu. Eksperci DP Technology uznali wynik za na tyle obiecujący, by prowadzić dalsze testy laboratoryjne.
Gry z jednego promptu
Qwen4-Max ma też współpracować z silnikami Unity, Unreal Engine i Godot. Na podstawie jednego opisu w języku naturalnym model ma przeprowadzić cały proces tworzenia gry: od konfiguracji sceny i logiki rozgrywki, przez dobór zewnętrznych zasobów, materiały, interfejs i efekty wizualne, aż do grywalnej wersji. W trakcie pracy sam uruchamia grę i na podstawie informacji zwrotnej poprawia pracę kamery, animacje postaci, reakcje na trafienia i oświetlenie. Przykładowy projekt to „Meow of Magic”, przygodówka w Unreal Engine, w której gracz jako kot-czarodziej rzuca zaklęcia i walczy z falami przeciwników oraz bossami. Model ma również tworzyć w Blenderze modele 3D do wykorzystania w grach i druku 3D.
Anthropic poszedł niedawno w przeciwnym kierunku. Po fali nieoficjalnych klonów Halo i GTA: Vice City zablokował w Claude Code możliwość odtwarzania istniejących gier.
Bezpieczeństwo, dostępność i tło rywalizacji
W benchmarku bezpieczeństwa Last Secure Code Bench odsetek kodu jednocześnie działającego i bezpiecznego wzrósł według Alibaby z 22 do 31,8 proc. Udział kodu ocenionego jako bezpieczny na wszystkich trzech poziomach testów niemal się podwoił, z 8 do 14,7 proc. Firma sprawdziła też ryzyka CBRN (chemiczne, biologiczne, radiologiczne i jądrowe). Wewnętrzni recenzenci przeanalizowali pełne łańcuchy rozumowania modelu i nie znaleźli realnej zdolności do innowacji, która dawałaby użytkownikowi istotne zwiększenie możliwości w tych obszarach.
Qwen4-Max jest dostępny przez QwenCloud oraz w QwenWork, Qoder i QwenStudio.
Premiera wpisuje się w szybkie tempo chińskiej konkurencji. W sierpniu Alibaba wydała Qwen3.8-Max, pierwszy model Max przeznaczony do autonomicznych zadań trwających nawet kilka dni. Miał również 2,4 biliona parametrów, ale aktywował 95 mld na token. Artificial Analysis ustaliło wtedy, że potrzebował 64 kroków na zadanie zamiast 14 i kosztował ponad dwa razy więcej na zadanie niż Qwen3.7-Max. Wagi Qwen3.8-Max firma opublikowała w połowie sierpnia. Pod koniec sierpnia zapowiedziała architekturę Qwen4 modelem Qwen3.8-Flash-Next z warstwą N-gram embedding liczącą 51 mld parametrów.
W październiku Moonshot AI wypuściło Kimi K3.1 Pro z 2,8 biliona parametrów. Według firmy model plasuje się tuż za Claude Opus 5.5 w Terminal-Bench 4.0. DeepSeek, podobnie jak Alibaba, stosuje w V4-Pro hybrydową uwagę z mechanizmem sparse attention, by taniej przetwarzać długie konteksty. Zhipu AI wybrało inną drogę: postępy GLM-5.3 osiągnęło wyłącznie dzięki dodatkowemu post-treningowi.
Co to oznacza dla Polski
Źródło nie podaje szczegółów dostępności Qwen4-Max w poszczególnych krajach. Model jest oferowany przez API i usługi chmurowe Alibaby. Przy kursie rzędu 3,7 zł za dolara cennik API to około 5,50 zł za milion tokenów wejściowych i około 16,60 zł za milion tokenów wyjściowych. Dla polskich firm budujących agentów może to być argument przy porównaniu kosztów z modelami amerykańskimi. Tańsze modele są obecnie ważnym frontem rywalizacji, o czym pisaliśmy przy okazji Gemini 4 Hydrogen i cennika Google. Zespoły, które wolą uruchamiać modele lokalnie, na przykład ze względu na wymogi ochrony danych w UE, muszą poczekać na zapowiedziane mniejsze modele Qwen4 z otwartymi wagami. Sam Qwen4-Max ich nie otrzyma.
Qwen4-Max nie wygrywa każdego benchmarku, ale Alibaba stawia na stosunek możliwości do ceny i na agentów, których pracę można korygować w trakcie. W tej kombinacji chiński model staje się poważną alternatywą dla Opus 5.5 i GPT-6.
Źródła
Podobne publikacje

Apple Intelligence trafia do Chin wraz z iOS 27.3
Apple uruchamia Apple Intelligence w Chinach dzięki iOS 27.3, integrując chatbota Qwen od Alibaby i własny model językowy dla lokalnego rynku.

Detektory halucynacji na małych modelach AI: ranking się odwraca
Audyt detektorów halucynacji na małych, kwantyzowanych LLM: ranking metod odwraca się między Llama i Qwen, a prosty test leksykalny dorównuje droższym metodom.

datasette-llm 0.1a11 obsługuje endpointy zgodne z OpenAI
Wtyczka datasette-llm 0.1a11 obsługuje endpointy zgodne z OpenAI, więc Datasette Agent może działać na lokalnych modelach z LM Studio, Ollama lub llama.cpp.