Alibaba rilis Qwen4-Max, skor indeks pihak ketiga 43

AI model illustration: a layered core glowing red with small figures below

Tim Qwen (Tongyi Qianwen) dari Alibaba merilis Qwen4-Max, model terbesar Qwen sejauh ini. Total parameternya 2,4 triliun dengan arsitektur mixture-of-experts; sekitar 71 miliar parameter aktif untuk setiap token, ditambah modul embedding N-gram berukuran 328 miliar parameter. Model ini menerima masukan teks dan gambar, dilengkapi mode penalaran, dan menurut keterangan resmi memiliki konteks setara jutaan token.

Versi pratinjau lebih dulu tersedia di Token Plan milik Alibaba dengan diskon terbatas waktu hingga 90% (harga terendah sepersepuluh). Qoder, aplikasi Qwen, dan QwenStudio sudah beralih ke model baru ini, sementara API disediakan lewat Alibaba Cloud. Bobot model tidak dibuka untuk diunduh, melanjutkan praktik sejak Qwen2.5-Max bahwa seri Max hanya dijalankan di cloud milik sendiri. Tim menyatakan model berukuran kecil dalam keluarga Qwen4 akan dibuka sebagai sumber terbuka dengan arsitektur dan metode pelatihan yang sama, tetapi belum menyebutkan ukuran, lisensi, maupun jadwal rilisnya.

Angka yang dirilis Alibaba sendiri

Dalam blog peluncurannya, tim Qwen memosisikan model ini sebagai "rekan kerja AI" yang bisa bekerja terus-menerus, lalu memberi beberapa contoh penerapan. Dua pemasok suku cadang otomotif memakainya untuk menulis program permesinan, sehingga waktu pemrograman per benda kerja turun dari sekitar 475 menit menjadi 24 menit. Dalam uji tuntas hukum (due diligence) menjelang IPO, model merapikan 198 berkas kerja dan menghasilkan laporan setebal 86 halaman. Pada operasi otonom selama 48 jam, model merancang cairan pendingin pusat data yang kemudian disintesis oleh laboratorium otomatis. Semua kasus ini berasal dari pengakuan perusahaan sendiri; nama pelanggan dan kriteria penerimaannya tidak dipublikasikan.

Soal biaya, Alibaba menyebut konsumsi token untuk tugas sejenis jauh lebih sedikit dibanding Qwen3.8-Max. Pada tolok ukur Work360 milik Alibaba sendiri, biaya per tugas turun dari US$4,43 menjadi US$1,67.

Alibaba juga menampilkan tabel hasil per kategori yang memperlihatkan kekuatan sekaligus kelemahan model. Pada tolok ukur agen hukum HLAB-Vals 1.1 model ini meraih 21,3 poin, sedangkan Claude Opus 5.5 hanya 9,2. Pada pemrograman DeepSWE v1.1 skornya 75,7, berdesakan di kisaran 74 hingga 76 bersama Opus 5.5, GPT-6.1 Sol, dan Kimi K3.1. Di Terminal-Bench 4.0 skornya hanya 48,5, sementara Kimi K3.1 mencapai 67,2; di ProgramBench ia mendapat 31,5 dan Opus 5.5 meraih 65,0.

Posisinya di peringkat pihak ketiga

Lembaga evaluasi independen Artificial Analysis memberi Qwen4-Max Intelligence Index 43, naik 9 poin dari 34 milik Qwen3.8-Max. Model ini berada di peringkat ke-38 dari 81 model di kelas harga yang sama, sedikit di atas median 41. Di antara sepuluh model papan atas yang dibandingkan langsung, Qwen4-Max menempati urutan kesembilan, di belakang Claude Fable 5.2 (65), Gemini 4 Carbon (60), Claude Opus 5.5 (59), GPT-6 Astra (57), dan lainnya. Satu-satunya model Tiongkok yang berada di depannya adalah Kimi K3.1 Pro (46) dari Moonshot AI.

Peringkat lain memberi hasil yang lebih manis. Menurut Arena, Qwen4-Max meraih posisi pertama untuk model Tiongkok di Agent Arena, dan Alibaba naik ke peringkat 14 di papan peringkat keseluruhan.

Harga adalah nilai jualnya. Berdasarkan tarif resmi yang dicatat Artificial Analysis, masukan dihargai US$1,50 per juta token dan keluaran US$4,50, dengan potongan tambahan 95% untuk masukan yang terkena cache. Menyelesaikan satu soal Intelligence Index rata-rata menelan US$3,27, atau 67% lebih murah daripada US$10,02 milik Qwen3.8-Max dan sedikit di bawah US$3,68 milik Kimi K3.1 Pro. Hy4 dari Tencent lebih murah lagi, sekitar US$1,03, tetapi skornya 8 poin lebih rendah.

Harga yang harus dibayar adalah kecerewetan model. Selama evaluasi, Qwen4-Max menghasilkan total 127 juta token keluaran, sedangkan median model sejenis 78,6 juta, atau sekitar 60% lebih banyak menurut hitungan kasar. Harga satuan memang ditekan, tetapi lonjakan pemakaian mengembalikan sebagian penghematan itu.

Dibandingkan dengan model sekelasnya

Jika beberapa model unggulan Tiongkok disandingkan, peta persaingannya cukup jelas. Kimi K3.1 Pro unggul 3 poin pada indeks kecerdasan, biaya per soalnya sekitar US$0,4 lebih mahal, dan jauh lebih kuat pada tugas berbasis terminal. Qwen4-Max unggul di bidang hukum, tugas jangka panjang, dan harga. Hy4 dari Tencent menempuh jalur harga serendah mungkin. Dari ketiganya, hanya Qwen4-Max yang tidak membuka bobotnya, dan komunitas pengembang yang selama ini dibangun Qwen lewat model sumber terbuka justru menjadi titik pembeda dari dua pesaingnya.

Bagi pengembang di Tiongkok, langkah yang bisa dilakukan sekarang adalah menjajal tugas nyata selama masa diskon Token Plan. Karena Max tidak bersifat sumber terbuka, penerapan privat harus menunggu model berukuran kecil; kapan dirilis dan seberapa besar ukurannya belum disampaikan Alibaba. Selain itu, banyak skor di blog Alibaba memakai metode pengujian internal, dan Artificial Analysis belum menerbitkan data waktu per soal, sehingga performa latensi saat ini belum dapat diverifikasi.

Sumber: blog peluncuran tim Qwen, halaman model Artificial Analysis (Intelligence Index, biaya per soal, jumlah token keluaran), CocoLoop, papan peringkat Arena, Trending Topics; laporan Cailian Press digunakan untuk memeriksa saluran peluncuran dan diskon. Parameter dan skor per kategori mengikuti angka yang dirilis Alibaba.