Nhóm Qwen (Tongyi Qianwen) của Alibaba vừa phát hành Qwen4-Max, mô hình có số tham số lớn nhất của dòng Qwen từ trước đến nay. Tổng cộng mô hình có 2,4 nghìn tỷ tham số, dùng kiến trúc hỗn hợp chuyên gia (MoE), mỗi token thực tế kích hoạt khoảng 71 tỷ tham số, kèm một mô-đun nhúng N-gram 328 tỷ tham số. Mô hình nhận đầu vào văn bản và hình ảnh, có chế độ suy luận, còn ngữ cảnh theo công bố chính thức ở mức một triệu token.
Bản xem trước ra mắt đầu tiên trên Token Plan của Alibaba, với mức giảm có thời hạn, thấp nhất chỉ bằng một phần mười giá gốc. Qoder, ứng dụng Qwen và QwenStudio đã chuyển sang mô hình mới, còn API được cung cấp qua Alibaba Cloud. Trọng số không được mở để tải về, tiếp nối cách làm của dòng Max kể từ Qwen2.5-Max: chỉ chạy trên đám mây của chính Alibaba. Nhóm phát triển cho biết các mô hình cỡ nhỏ trong họ Qwen4 sẽ được mở mã nguồn, dùng chung kiến trúc và phương pháp huấn luyện, nhưng chưa nêu kích thước, giấy phép hay thời điểm phát hành.
Những con số do chính Alibaba đưa ra
Trong bài blog ra mắt, nhóm Qwen định vị mô hình này là một «đồng đội AI» có thể làm việc liên tục, kèm vài ví dụ triển khai thực tế: hai nhà cung cấp linh kiện ô tô dùng nó để viết chương trình gia công, thời gian lập trình cho mỗi chi tiết giảm từ khoảng 475 phút xuống 24 phút; trong một đợt thẩm định pháp lý trước khi niêm yết, mô hình đã sắp xếp 198 bộ hồ sơ làm việc và nộp một báo cáo dài 86 trang; ngoài ra còn có một lần tự vận hành suốt 48 giờ, trong đó mô hình thiết kế ra một loại dung dịch làm mát cho trung tâm dữ liệu, sau đó được phòng thí nghiệm tự động tổng hợp thành sản phẩm thật. Các ví dụ này đều do công ty tự mô tả, tên khách hàng và tiêu chí nghiệm thu không được công bố.
Về chi phí, Alibaba cho biết lượng token tiêu thụ cho các tác vụ tương tự giảm rõ rệt so với Qwen3.8-Max. Trên bộ đánh giá Work360 của chính hãng, chi phí mỗi tác vụ giảm từ 4,43 USD xuống 1,67 USD.
Alibaba cũng liệt kê một bảng điểm theo từng hạng mục, cho thấy cả điểm mạnh lẫn điểm yếu. Ở bộ đánh giá tác tử pháp lý HLAB-Vals 1.1, mô hình đạt 21,3 điểm, còn Claude Opus 5.5 đạt 9,2. Ở mảng lập trình DeepSWE v1.1, mô hình đạt 75,7 điểm, nằm chen giữa khoảng 74 đến 76 điểm cùng Opus 5.5, GPT-6.1 Sol và Kimi K3.1. Sang Terminal-Bench 4.0, mô hình chỉ có 48,5 điểm, trong khi Kimi K3.1 đạt 67,2; trên ProgramBench, mô hình đạt 31,5 điểm so với 65,0 của Opus 5.5.
Vị trí trên bảng xếp hạng của bên thứ ba
Tổ chức đánh giá độc lập Artificial Analysis chấm Qwen4-Max 43 điểm trên Chỉ số Trí tuệ, cao hơn 9 điểm so với mức 34 của Qwen3.8-Max, xếp thứ 38 trong 81 mô hình cùng tầm giá, nhỉnh hơn một chút so với trung vị 41 điểm. Trong mười mô hình hàng đầu mà tổ chức này so sánh trực tiếp, Qwen4-Max đứng thứ chín, xếp sau Claude Fable 5.2 (65), Gemini 4 Carbon (60), Claude Opus 5.5 (59), GPT-6 Astra (57) và những cái tên khác; trong số các mô hình Trung Quốc, đứng trước nó là Kimi K3.1 Pro (46) của Moonshot AI.
Một bảng xếp hạng khác cho kết quả đẹp hơn. Theo công bố của Arena, Qwen4-Max đứng đầu trong các mô hình Trung Quốc ở Agent Arena, còn Alibaba lên vị trí thứ 14 trên bảng tổng.
Giá cả là con át chủ bài. Theo mức giá chính thức mà Artificial Analysis ghi nhận, đầu vào có giá 1,50 USD cho mỗi triệu token, đầu ra 4,50 USD, đầu vào trúng bộ nhớ đệm được giảm thêm 95%. Chạy xong một câu hỏi trong chỉ số tốn trung bình 3,27 USD, thấp hơn 67% so với 10,02 USD của Qwen3.8-Max, và cũng thấp hơn đôi chút so với 3,68 USD của Kimi K3.1 Pro; Tencent Hy4 còn rẻ hơn, khoảng 1,03 USD, nhưng điểm thấp hơn 8 điểm.
Cái giá phải trả là mô hình nói nhiều. Trong thời gian đánh giá, Qwen4-Max đã xuất ra tổng cộng 127 triệu token, trong khi trung vị của các mô hình cùng nhóm là 78,6 triệu, tức nhiều hơn khoảng sáu phần mười (ước tính sơ bộ). Đơn giá đã được kéo xuống, nhưng lượng dùng lại tăng bù một phần.
Đặt cạnh các đối thủ cùng phân khúc
Khi đặt vài mô hình hàng đầu của Trung Quốc cạnh nhau, bức tranh khá rõ. Kimi K3.1 Pro có chỉ số trí tuệ cao hơn 3 điểm, mỗi câu hỏi đắt hơn khoảng 0,4 USD và mạnh hơn hẳn ở các tác vụ dòng lệnh; Qwen4-Max thắng ở mảng pháp lý, tác vụ dài hơi và giá cả; Tencent Hy4 chọn con đường giá thấp cực đoan. Trong ba mô hình, chỉ Qwen4-Max không công bố trọng số, và cộng đồng nhà phát triển mà Qwen tích lũy được nhờ các mô hình mã nguồn mở trước đây lại chính là điểm khiến nó khác biệt với hai đối thủ còn lại.
Với nhà phát triển trong nước, việc có thể làm lúc này là tận dụng giai đoạn giảm giá của Token Plan để thử một vòng với các tác vụ thực tế. Dòng Max không mã nguồn mở, nên muốn triển khai riêng phải chờ mô hình cỡ nhỏ; khi nào phát hành và ở kích thước nào thì Alibaba hiện chưa nói. Ngoài ra, nhiều điểm số trong blog của Alibaba là do hãng tự đo theo cách riêng, Artificial Analysis cũng chưa công bố số liệu thời gian xử lý mỗi câu hỏi, nên hiệu năng về độ trễ hiện chưa thể kiểm chứng.
Nguồn tham khảo: blog ra mắt của nhóm Qwen, trang mô hình của Artificial Analysis (chỉ số trí tuệ, chi phí mỗi câu hỏi, số token đầu ra), CocoLoop, bảng xếp hạng Arena, Trending Topics; bài của Cailian Press (CLS) được dùng để đối chiếu kênh ra mắt và mức giảm giá, còn thông số và điểm theo từng hạng mục lấy theo số liệu do Alibaba công bố.