Alibaba выпустила Qwen4-Max: 2,4 трлн параметров и контекст в 1 млн токенов
Команда Qwen представила первую модель поколения Qwen4 — закрытую мультимодальную MoE-модель с контекстом 1 млн токенов и сниженными ценами API. Часть лидерства подтверждена только собственными замерами Alibaba.

Адаптация и понятное объяснение для начинающих. Заявления приведены по материалу источника.
Alibaba выпустила Qwen4-Max — первую модель поколения Qwen4. Это закрытая разреженная MoE-модель: общий «скелет» насчитывает 2,4 трлн параметров, но на каждый токен активируется лишь 71 млрд. Модель принимает текст, изображения и видео и поддерживает контекст до 1 млн токенов. Компания также снизила цены API: $1,50 за миллион входных токенов и $4,50 за выходные.
Что произошло
По описанию Alibaba, Qwen4-Max рассчитана на длительную профессиональную работу: агентные задачи, юридические сценарии, обработка больших документов. Доступна она только через хостинг — QwenCloud API, Token Plan, Qwen Studio, QwenWork и Qoder. Открытых весов нет, поэтому самостоятельно развернуть или квантовать модель не получится.
Архитектурно поколение Qwen4 меняет три вещи: внимание, остаточные связи и эмбеддинги. Слои Qwen Sparse Attention работают в паре с Gated DeltaNet и сжимают историю в состояния фиксированного размера, а лёгкий индексатор выбирает нужный контекст мелкими блоками. Gated Residual использует динамические «вентили» чтения и записи в четырёх параллельных ветвях. Отдельно добавлены N-граммные эмбеддинги на 328 млрд параметров — по сути, справочник локальных паттернов токенов.
Alibaba сообщает, что модель занимает первое место в 4 из 16 бенчмарков, включая HLAB-Vals-1.1 (21,3 против 11,7 у Kimi K3.1) и Agents’ Last Exam v1.1 (46,7). При этом она заметно отстаёт в кодинге и зрении: ProgramBench — 31,5 против 65,0 у Claude Opus 5.5, Terminal-Bench 4.0 — 48,5 против 67,2 у Kimi K3.1.
Что это значит для начинающего
Главный практический сигнал — цена и совместимость. API работает с клиентами, совместимыми с OpenAI и Anthropic, поддерживает вызов функций, структурированные ответы, кэширование контекста и пакетную обработку. Для новичка это означает: код, написанный под привычный OpenAI-подобный интерфейс, во многом переносится без переписывания. Но проверять это нужно на своём сценарии, а не по обещаниям вендора.
Разберём термины. MoE (mixture of experts) — архитектура, где на каждом шаге включается лишь часть «экспертов», поэтому активных параметров меньше общих. Контекст в 1 млн токенов — объём текста, который модель может держать «в голове» за один запрос; это удобно для длинных документов, но не гарантирует качества на всей длине. Кэширование контекста снижает цену повторных обращений к одним и тем же фрагментам.
Стоит помнить: заявленное снижение средней стоимости задачи на 62% (с $4,43 до $1,67) — это расчёт Alibaba на её собственном бенчмарке Work360, а не независимый замер. То же касается сравнений с конкурентами: часть цифр взята с чужих лидербордов, но при запуске никто их независимо не воспроизводил.
На что обратить внимание
- Веса закрыты: локальный запуск и тонкая настройка на своих данных ограничены возможностями платформы.
- Лидерство в 4 из 16 тестов не отменяет слабых мест в кодинге и визуальных задачах.
- Цены и лимиты (по умолчанию 5 млн токенов в минуту) могут меняться — сверяйтесь с актуальной страницей тарифов.
- Доступность в России источник не описывает, поэтому делать выводы о ней нельзя.
Для первого знакомства разумно начать с небольшого теста на своих данных через совместимый клиент и сравнить результат с моделью, которой вы уже пользуетесь. Подробнее о том, как устроены LLM-приложения и RAG, можно прочитать в этом материале.


