Alibaba「Qwen4-Max」公開、第三者指数は43点

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

Alibabaの通義千問(Qwen)チームは、これまでで最大規模となるモデル「Qwen4-Max」を発表した。総パラメータ数は2.4兆で、Mixture of Experts(MoE)構造を採用。トークンごとに実際に活性化するのは約710億パラメータで、これとは別に3280億パラメータのN-gram埋め込みモジュールを備える。テキストと画像の入力に対応し、推論モードも用意されている。コンテキスト長は、公式の説明では100万トークン級とされる。

プレビュー版はまずAlibabaの「Token Plan」で提供が始まり、期間限定で最大9割引(最低で1割の価格)となる。Qoder、Qwenアプリ、QwenStudioはすでに新モデルへ切り替わっており、APIはAlibaba Cloud経由で提供される。重みのダウンロード提供はない。Qwen2.5-Max以来、Maxシリーズは自社クラウドのみで提供するという方針が続いている形だ。チームは、Qwen4ファミリーの小型モデルを同じアーキテクチャと学習手法でオープンソース化すると説明しているが、サイズ、ライセンス、公開時期は示していない。

Alibaba自身が示した数字

Qwenチームは公開ブログで、このモデルを連続して作業できる「AIチームメイト」と位置づけ、いくつかの導入例を挙げている。自動車部品メーカー2社が加工プログラムの作成に使い、ワーク1個あたりのプログラミング時間が約475分から24分に短縮された。上場前の法務デューデリジェンスでは、モデルが198件の資料を整理し、86ページの報告書をまとめた。さらに48時間の自律稼働では、モデルがデータセンター向けの冷却液を設計し、自動化ラボが実際に合成したという。これらの事例はいずれも同社の自己申告で、顧客名や合否の基準は公開されていない。

コスト面では、同種のタスクでのトークン消費がQwen3.8-Maxより明らかに少ないとしている。自社のWork360ベンチマークでは、1タスクあたりのコストが4.43ドルから1.67ドルに下がった。

項目別の成績表も公開されており、強みと弱点の両方が並ぶ。法務エージェントのベンチマークHLAB-Vals 1.1では21.3点で、Claude Opus 5.5の9.2点を上回った。コーディングのDeepSWE v1.1は75.7点で、Opus 5.5、GPT-6.1 Sol、Kimi K3.1と並んで74〜76点の範囲に固まっている。一方、Terminal-Bench 4.0では48.5点にとどまり、Kimi K3.1の67.2点に届かない。ProgramBenchも31.5点で、Opus 5.5は65.0点だった。

第三者ランキングでの位置

独立評価機関のArtificial Analysisは、Qwen4-Maxの知能指数を43点とした。Qwen3.8-Maxの34点から9点上がり、同価格帯の81モデル中38位で、中央値の41点をわずかに上回る。直接比較される上位10モデルの中では9位で、前にはClaude Fable 5.2(65)、Gemini 4 Carbon(60)、Claude Opus 5.5(59)、GPT-6 Astra(57)などが並ぶ。中国勢でこれより上にいるのは、Moonshot AIのKimi K3.1 Pro(46)だ。

別のランキングでは、結果はより見栄えがよい。Arenaの発表によると、Qwen4-MaxはAgent Arenaで中国モデルのトップに立ち、Alibabaは総合ランキングで14位に上がった。

最大の武器は価格だ。Artificial Analysisが記録した公式料金では、入力は100万トークンあたり1.50ドル、出力は4.50ドルで、キャッシュにヒットした入力はさらに95%引きとなる。知能指数の課題1問あたりの平均は3.27ドルで、Qwen3.8-Maxの10.02ドルより67%低く、Kimi K3.1 Proの3.68ドルもわずかに下回る。Tencentの「Hy4」はさらに安い約1.03ドルだが、スコアは8点低い。

代償は口数の多さだ。評価期間中、Qwen4-Maxの出力は合計1.27億トークンに達し、同種モデルの中央値は7860万トークン。概算で6割ほど多い。単価は下がったものの、使用量が増えて削減分の一部を打ち消している。

同じ階層のモデルと並べて見る

中国の主力モデルを並べると構図は分かりやすい。Kimi K3.1 Proは知能指数が3点高く、1問あたりのコストは約0.4ドル高い一方、ターミナル系タスクでは明らかに強い。Qwen4-Maxは法務、長時間のタスク、価格で優位に立つ。TencentのHy4は極端な低価格路線を取る。3社のうち重みを公開しないのはQwen4-Maxだけで、Qwenがこれまでオープンソースモデルで築いてきた開発者コミュニティこそ、他の2社との違いが最も表れる部分でもある。

中国国内の開発者にとって、今できるのはToken Planの割引期間中に実際のタスクで一通り試すことだ。Maxはオープンソースではないため、オンプレミス導入は小型モデルの公開を待つ必要がある。いつ、どの規模で公開されるのか、Alibabaは現時点で明らかにしていない。また、Alibabaのブログにある多くのスコアは自社測定の基準によるもので、Artificial Analysisはまだ1問あたりの所要時間のデータを出していない。レイテンシーについては、現時点では確認できない。

参考資料:Qwenチームの公開ブログ、Artificial Analysisのモデルページ(知能指数、1問あたりコスト、出力トークン数)、CocoLoop、Arenaのランキング、Trending Topics。提供チャネルと割引は財聯社(Cailian Press)の報道で照合した。パラメータと項目別の成績はAlibabaの公表値に基づく。