Qwen4-Max — первый флагман нового поколения Qwen, который Alibaba представила 16 ноября 2026 года. Это закрытая мультимодальная модель для длинной профессиональной работы: анализа сотен документов, финансовых и юридических задач, программирования, 3D и многошаговых агентов. Она принимает текст, изображения и видео, имеет контекст до миллиона токенов и по умолчанию использует рассуждение.
В СуперИнтеллекте модель уже активна под идентификатором qwen/qwen4-max. Это позволяет проверить её на собственных рабочих материалах без отдельной настройки QwenCloud. Но новизна и размер архитектуры не означают автоматического превосходства над Kimi, Claude или GPT. Независимые измерения показывают неоднородную картину: сильные профессиональные сценарии соседствуют со слабым терминалом и спорной скоростью.
Что изменилось по сравнению с Qwen3.8 Max
Qwen4-Max — не небольшое обновление версии 3.8, а новая архитектура. В официальном анонсе Alibaba выделяет три изменения: гибридное внимание GDN и Qwen Sparse Attention, четыре управляемые остаточные ветви Gated Residual и N-gram Embedding. Цель — сохранить длинный контекст и ёмкость модели, уменьшив вычислительную цену обработки каждого токена.
| Компонент | Что он делает | Практический смысл |
|---|---|---|
| GDN + QSA | Сжимает историю и выбирает релевантные фрагменты контекста небольшими блоками | Миллионный контекст без полного дорогого внимания ко всем токенам |
| Gated Residual | Управляет потоками информации между четырьмя параллельными ветвями | Стабильность обучения и передача сигнала между слоями |
| N-gram Embedding | Добавляет представления локальных сочетаний токенов через поиск | Дополнительная ёмкость без пропорционального роста вычислений |
| Разреженная MoE | Активирует только часть параметров на каждый токен | 71 млрд активных параметров вместо всех 2,4 трлн одновременно |
Число 2,4 трлн не следует понимать как плотную модель, которая задействует все параметры при каждом ответе. Это общий размер основы. Разреженная архитектура выбирает часть экспертов, а дополнительные 328 млрд параметров N-gram Embedding выполняют отдельную роль. Поэтому сравнивать «трлн у Qwen» с «трлн у Kimi» без учёта активных параметров и инженерии исполнения бессмысленно.
Alibaba сообщает, что обучение прошло без всплесков функции потерь, а базовая версия улучшила bits per byte на 5–13% при на четверть меньшем числе активных параметров. Это внутренние измерения вендора; кроме того, часть контрольных чекпоинтов имела другой этап посттренировки. Переносить эти проценты напрямую на качество рабочего ответа нельзя.
Контекст, мультимодальность и рассуждение
| Характеристика | Qwen4 Max |
|---|---|
| Вход | Текст, изображения и видео |
| Выход | Текст и структурированные текстовые результаты |
| Контекст | До 1 млн токенов; фактический вход зависит от режима |
| Рассуждение | Включено по умолчанию; есть уровни усилия |
| Инструменты | Function calling, структурированный JSON, поиск и кэширование в поддерживаемых API |
| Веса | Закрыты; Alibaba обещает открытые веса у меньших моделей Qwen4 позднее |
| Идентификатор в СуперИнтеллекте | qwen/qwen4-max |
В документации QwenCloud предельный вход отличается в зависимости от режима: немного меньше при включённом рассуждении. Потолок генерации тоже зависит от конкретной документации и endpoint, поэтому не стоит закладывать в процесс один универсальный max_tokens. В пользовательском чате дополнительно действуют ограничения интерфейса на размер и тип файлов.
Нативное зрение означает, что изображения и видео обрабатываются внутри одной модели, а не прикрепляются к ней через отдельный поздний адаптер. Однако независимые результаты показывают, что сам факт нативности не гарантирует лучшее понимание графиков и видео: в таблице Alibaba Qwen4-Max уступает GPT-6 и Opus на Chartography и Video-Index. Об этом важно помнить при выборе модели для сложной визуальной аналитики.
Главное назначение: длинная работа с результатом
Alibaba представляет Qwen4-Max не как очередной чат для коротких ответов, а как «командного игрока» для проектов, которые длятся часы. В таких процессах модель планирует этапы, вызывает инструменты, проверяет обратную связь и выпускает результат частями. Особенно нагляден сценарий Live Delivery: пользователь получает первую пригодную версию рано, а не после многочасового ожидания, и может скорректировать направление до того, как агент ушёл слишком далеко.
Live Delivery отчасти относится не к самой модели, а к обвязке агента. Alibaba открыла соответствующий плагин, но на старте он ориентирован на конкретную среду Codex CLI. Поэтому не стоит ожидать, что любой чат автоматически получит такую же функцию только потому, что выбрана Qwen4-Max. В СуперИнтеллекте похожий управляемый процесс можно организовать через этапы, проверку промежуточных артефактов и ИИ-агентов.
Документы, финансы и юридический анализ
Официальные демонстрации особенно сильны в работе с профессиональными материалами. В юридическом примере модель получила 198 разноформатных и непоследовательно названных рабочих документов, разложила их по 14 папкам, составила индекс, сопоставила с публичными реестрами и подготовила 86-страничный отчёт по 12 областям проверки и 14 юридическим вопросам со ссылками на рабочие бумаги.
В финансовом сценарии Qwen использует десятки MCP-инструментов для сбора рыночных данных и создаёт редактируемые Excel и PowerPoint. Ценность здесь не только в генерации файлов: ссылки внутри ячеек ведут к исходным данным, а диаграммы презентации связаны с конкретными таблицами. Это правильное направление для проверяемой аналитики. Но количество инструментов и красивый кейс вендора не гарантируют правильность вывода в вашем проекте.
Роль: аналитик пакета документов.
1. Составь реестр файлов: название, тип, дата, версия, качество чтения.
2. Предложи структуру папок и индекс источников, не меняя оригиналы.
3. Для каждого вывода укажи документ, страницу и короткую цитату.
4. Раздели факты, расчёты, противоречия, пробелы и предположения.
5. Для чисел покажи исходные значения и формулу.
6. Подготовь черновик отчёта и таблицу вопросов специалисту.
Если источник отсутствует, не восстанавливай содержимое по смыслу.Код, 3D и игровые движки
Qwen4-Max показывает сильные демонстрации в Blender, Unity, Unreal Engine и Godot: создаёт геометрию, материалы, освещение, игровую логику и интерфейс, запускает результат и корректирует его по визуальной обратной связи. В промышленном примере модель помогает перейти от двумерной схемы производственной линии к 3D-модели, симуляции и проверке траекторий обработки.
При этом классический терминальный код остаётся её слабым местом. В таблице Alibaba Qwen4-Max получила 48,5 на Terminal-Bench 4.0 против 67,2 у Kimi K3.1, 59,6 у Opus 5.5 и 56,1 у GPT-6.1 Sol. На DeepSWE верхние модели расположены очень плотно, поэтому номинальное первое место Qwen на десятые доли пункта не доказывает решающего преимущества. Для тяжёлой работы в терминале разумнее сравнить её с Kimi и GPT на своих issue.
Официальные результаты: сильные и слабые строки
| Тест | Qwen4 Max | Контекст сравнения |
|---|---|---|
| Agents’ Last Exam v1.1 | 46,7 | Выше 27,9 у Qwen3.8 и 43,4 у Opus 5.5 в таблице Alibaba |
| AutomationBench-AA | 72,5 | Немного ниже Kimi K3.1: 73,3 |
| HLAB-Vals, юридические задачи | 21,3 | Сильная строка в таблице вендора; независимый Vals Legal даёт более сдержанную картину |
| DeepSWE v1.1 | 75,7 | Верхняя группа очень плотная, разрыв в пределах небольших долей |
| Terminal-Bench 4.0 | 48,5 | Заметно ниже Kimi и моделей OpenAI/Anthropic |
| Chartography | 54,2 | Лучше Qwen3.8, но ниже Opus и GPT |
| Video-Index | 68,1 | Визуальное понимание не является лидирующим |
Work360 — собственный бенчмарк Alibaba с 26 доменами верхнего уровня, 182 поддоменами и 721 профессиональной областью. Qwen4-Max получила 52,69 против 47,74 у Qwen3.8-Max. Также вендор сообщает о сокращении токенов примерно на 24–35% на Work360 и на 48–49% на Terminal-Bench в зависимости от усилия. Средняя стоимость задачи Work360 в его расчёте снизилась на 62%.
Это полезный сигнал об эффективности, но методика принадлежит заинтересованной стороне. Более осторожный вывод: Qwen4-Max действительно стала экономичнее предшественника по токенам и тарифам, однако стоимость вашей задачи нужно мерить отдельно, включая повторные попытки и токены рассуждения.
Что показывают независимые замеры
Независимая картина менее праздничная. Artificial Analysis на старте дал Qwen4-Max 43 балла Intelligence Index против 34 у Qwen3.8-Max: прирост значительный, но модель остаётся позади Kimi K3.1 Pro с 46 и флагманов других семейств. Vals поставил её 63,20% на своём индексе и независимо подтвердил результат около 48,48% на Terminal-Bench — почти точное совпадение с таблицей Alibaba.
В обзоре независимых результатов DataCamp отмечаются большая длительность тестов и многословие: Artificial Analysis зафиксировал у Qwen больше выходных токенов, чем у медианной модели в сравнении. Это согласуется с назначением рассуждающей модели, но важно для экономики: низкая ставка за токен не гарантирует низкую стоимость всей работы.
Где Qwen4 Max особенно полезна
- Большие пакеты документов: индексация, классификация, связь фактов и подготовка доказательного отчёта.
- Финансовая и юридическая подготовка: таблицы с источниками, реестр расхождений, вопросы специалисту.
- Долгие агентные процессы: последовательные этапы, вызов инструментов, проверка обратной связи.
- 3D и игровые прототипы: Blender, Unity, Unreal и Godot при наличии соответствующих инструментов.
- Русский и китайский контекст: сравнение источников на разных языках, хотя качество нужно проверять на вашей терминологии.
- Экономичные эксперименты: задачи, где ставка важна, но вы готовы контролировать токены рассуждения.
Когда лучше выбрать другую модель
| Задача | Что стоит проверить вместо Qwen4 Max |
|---|---|
| Сложный терминал и хирургические исправления кода | Kimi K3.1 Pro, GPT-6.2 Sol или Claude |
| Самая трудная научная и профессиональная работа | GPT-6.2 Astra или Claude Fable 5.2 |
| Сложные графики и видеоанализ | Gemini 4 Carbon, GPT или Claude на вашем наборе |
| Короткая классификация и извлечение полей | Модель меньшего класса без глубокого рассуждения |
| Локальный запуск на своих серверах | Открытая модель: Qwen4-Max весов не публикует |
Подробные развилки — в сравнению Qwen4 Max и Kimi K3.1 Pro и сравнению Qwen4 Max и GPT-6.2 Sol. Для максимально трудных проектов читайте обзору GPT-6.2 Astra, для повседневной работы — обзору GPT-6.2 Sol.
Как тестировать Qwen4 Max в СуперИнтеллекте
- Возьмите 10–20 реальных задач, для которых известен правильный результат.
- Включите длинный документ, один сложный расчёт, один визуальный пример и один случай с недостающими данными.
- Сравните Qwen с Kimi или Sol на одинаковом контексте и в одинаковом формате.
- Оценивайте не стиль, а факты, цитаты, полноту, число повторов и ручную доработку.
- Засеките полное время и расход нейронов, включая проверку и повторные попытки.
- Для ответственных процессов добавьте второй проход другой моделью и специалиста.
В СуперИнтеллекте можно не только переключаться между моделями, но и строить вокруг них агентов, подключать файлы и рабочие сервисы. Это позволяет сравнивать не абстрактные ответы, а полный процесс. Общий обзор — в возможностям СуперИнтеллекта.
Частые вопросы о Qwen4 Max
Qwen4 Max уже выпущена официально?
Да. Preview открылся 11 ноября, а полноценный релиз состоялся 16 ноября 2026 года. В СуперИнтеллекте доступна активная модель qwen/qwen4-max. Ранние статьи о предварительной версии могут не содержать окончательных характеристик и результатов.
Qwen4 Max — открытая модель?
Нет, веса флагманской Max не опубликованы. Alibaba говорит об открытых весах у будущих меньших моделей Qwen4, но не следует заранее переносить это обещание на Max.
Она лучше Kimi K3.1 Pro?
Не однозначно. Qwen сильна в отдельных профессиональных и документных задачах, Kimi лидирует в терминале и AutomationBench в таблице Alibaba, а независимый общий индекс выше у Kimi. Подробности — в сравнению Qwen4 Max и Kimi K3.1 Pro.
Подходит ли она для видео и изображений?
Да, модель принимает изображения и видео. Но по Chartography и Video-Index в таблице Alibaba она уступает GPT и Opus. Для важной визуальной аналитики сравните модели на своих материалах.
Можно ли выключить рассуждение?
В API предусмотрено управление рассуждением и усилием. Для структурированного извлечения и массовой классификации стоит проверить более лёгкий режим: это может сократить задержку и расход. Наличие отдельного переключателя зависит от интерфейса.
Есть ли Qwen4 Max на ПК?
Да, в СуперИнтеллекте модель доступна через общий аккаунт в браузере и приложении для macOS, Windows и Linux. Можно работать с файлами, папками и агентами.
Итог и источники
Qwen4-Max — сильный кандидат для длинных документных и агентных процессов, особенно когда важна стоимость эксперимента. Её не стоит выбирать только из-за 2,4 трлн параметров или отдельных побед в таблице Alibaba. Независимые результаты советуют проверять скорость, многословие, терминал и визуальную аналитику.
Основные источники: официальный блог Qwen и независимый разбор DataCamp. Продолжение: сравнению Qwen4 Max и Kimi K3.1 Pro и сравнению Qwen4 Max и GPT-6.2 Sol.
Попробуйте Qwen4 Max в СуперИнтеллекте на своих документах и рабочих задачах. Рядом доступны Kimi, GPT-6.2 Astra и Sol, Claude и Gemini: можно сравнить ответы, создать цифрового сотрудника и работать через браузер или ПК-приложение.



