El equipo Qwen (Tongyi Qianwen) de Alibaba ha presentado Qwen4-Max, el modelo con más parámetros de la serie Qwen hasta la fecha. Suma 2,4 billones de parámetros y emplea una arquitectura de mezcla de expertos que activa unos 71.000 millones de parámetros por token, además de un módulo de embeddings N-gram de 328.000 millones de parámetros. El modelo admite texto e imagen como entrada, incluye modo de razonamiento y, según la versión oficial, maneja un contexto del orden del millón de tokens.
La versión preliminar debuta primero en el Token Plan de Alibaba, con un descuento por tiempo limitado de hasta el 90 % (es decir, a una décima parte del precio). Qoder, la aplicación Qwen y QwenStudio ya han pasado al nuevo modelo, y la API se ofrece a través de Alibaba Cloud. Los pesos no se pueden descargar, en línea con lo que viene haciendo la serie Max desde Qwen2.5-Max: funcionar solo en la nube propia. El equipo asegura que los modelos de menor tamaño de la familia Qwen4 serán de código abierto, con la misma arquitectura y los mismos métodos de entrenamiento, pero no ha dado tamaños, licencia ni fecha.
Las cifras que aporta la propia Alibaba
En el blog de lanzamiento, el equipo Qwen presenta el modelo como un «compañero de equipo de IA» capaz de trabajar de forma continuada y cita varios casos reales: dos proveedores de piezas de automoción lo usaron para escribir programas de mecanizado, y el tiempo de programación por pieza bajó de unos 475 minutos a 24; en una auditoría legal previa a una salida a bolsa, el modelo ordenó 198 documentos de trabajo y entregó un informe de 86 páginas; y en una ejecución autónoma de 48 horas diseñó un refrigerante para centros de datos que después sintetizó un laboratorio automatizado. Todos estos casos son declaraciones de la propia empresa; no se han hecho públicos los nombres de los clientes ni los criterios de aceptación.
En cuanto al coste, Alibaba afirma que el consumo de tokens en tareas equivalentes es claramente menor que el de Qwen3.8-Max. En su propio benchmark Work360, el coste por tarea baja de 4,43 a 1,67 dólares.
Alibaba también incluye una tabla de resultados por categorías en la que se ven tanto los puntos fuertes como los débiles. En el benchmark de agentes jurídicos HLAB-Vals 1.1 obtiene 21,3 puntos, frente a los 9,2 de Claude Opus 5.5. En programación, con DeepSWE v1.1, llega a 75,7 puntos, apretado entre 74 y 76 junto a Opus 5.5, GPT-6.1 Sol y Kimi K3.1. En Terminal-Bench 4.0 solo logra 48,5, mientras que Kimi K3.1 alcanza 67,2; en ProgramBench son 31,5 puntos frente a los 65,0 de Opus 5.5.
Su lugar en las clasificaciones independientes
El evaluador independiente Artificial Analysis otorga a Qwen4-Max un Índice de Inteligencia de 43 puntos, 9 más que los 34 de Qwen3.8-Max, lo que le sitúa en el puesto 38 entre 81 modelos de la misma franja de precio, algo por encima de la mediana de 41 puntos. Entre los diez modelos de cabeza que compara directamente, Qwen4-Max es noveno, por detrás de Claude Fable 5.2 (65), Gemini 4 Carbon (60), Claude Opus 5.5 (59), GPT-6 Astra (57) y otros; entre los modelos chinos, le supera Kimi K3.1 Pro (46), de Moonshot AI.
Otra clasificación le trata mejor. Según Arena, Qwen4-Max quedó primero entre los modelos chinos en Agent Arena, y Alibaba sube al puesto 14 de la tabla general.
El precio es su baza. Según las tarifas oficiales que recoge Artificial Analysis, la entrada cuesta 1,50 dólares por millón de tokens y la salida 4,50 dólares, con otro 95 % de descuento en la entrada que acierta en caché. Resolver una pregunta del índice cuesta de media 3,27 dólares, un 67 % menos que los 10,02 dólares de Qwen3.8-Max y algo menos que los 3,68 dólares de Kimi K3.1 Pro; Tencent Hy4 es más barato, unos 1,03 dólares, pero con 8 puntos menos.
El inconveniente es que habla demasiado. Durante la evaluación, Qwen4-Max generó 127 millones de tokens en total, frente a una mediana de 78,6 millones en modelos comparables, alrededor de un 60 % más (cálculo aproximado). El precio unitario ha bajado, pero el mayor uso recupera parte de la diferencia.
Frente al resto de su categoría
Al poner varios buques insignia chinos uno al lado del otro, el panorama se aclara. Kimi K3.1 Pro tiene 3 puntos más en el índice de inteligencia, cuesta unos 0,4 dólares más por pregunta y es claramente más fuerte en tareas de terminal; Qwen4-Max gana en derecho, tareas de largo recorrido y precio; Tencent Hy4 apuesta por el precio extremadamente bajo. De los tres, solo Qwen4-Max no libera los pesos, y la comunidad de desarrolladores que Qwen ha reunido gracias a sus modelos abiertos es justo el punto en el que se distancia de los otros dos.
Para los desarrolladores en China, lo que se puede hacer ahora es aprovechar el periodo de descuento del Token Plan para probar una ronda con tareas reales. Max no es de código abierto, así que el despliegue privado tendrá que esperar a los modelos pequeños; cuándo saldrán y de qué tamaño, Alibaba no lo ha dicho. Además, muchas de las puntuaciones del blog de Alibaba son mediciones propias, y Artificial Analysis aún no ha publicado datos de tiempo por tarea, por lo que el rendimiento en latencia no se puede verificar por ahora.
Fuentes: blog de lanzamiento del equipo Qwen, página del modelo en Artificial Analysis (índice de inteligencia, coste por tarea, tokens de salida), CocoLoop, clasificación de Arena, Trending Topics; un reportaje de Cailian Press sirvió para contrastar los canales de lanzamiento y los descuentos, y los parámetros y resultados por categorías siguen las cifras publicadas por Alibaba.