softovator.com

Qwen4-Max: Model Raksasa 2,4 Triliun Parameter dari Alibaba yang Supermurah, tapi Benarkah Hemat?

Ilustrasi paper-cut gedung raksasa yang hanya beberapa jendelanya menyala, gulungan kertas panjang seperti sungai, siput dengan stopwatch, dan timbangan koin

Alibaba resmi merilis Qwen4-Max pada Senin, 16 November 2026, model paling mampu dalam keluarga Qwen sejauh ini. Angka-angkanya mencolok: 2,4 triliun parameter, konteks 1 juta token, dan harga API hanya US$1,50 per juta token input dan US$4,50 per juta token output. Itu jauh lebih murah daripada model unggulan Amerika yang dirilis pekan yang sama.

Namun ada dua hal yang membuat peluncuran ini lebih dari sekadar kabar “model China murah”. Pertama, uji independen menunjukkan Qwen4-Max masih tertinggal cukup jauh dari model terdepan, dan cenderung lambat serta boros token. Kedua, berbeda dengan pendahulunya, Qwen4-Max tidak dirilis dengan bobot terbuka. Artikel ini membahas semuanya: spesifikasi, arsitektur, klaim Alibaba, hasil uji independen, harga, dan kapan Qwen4-Max masuk akal dipakai.

Ringkasan Singkat

Hal Keterangan
Tanggal rilis 16 November 2026 (waktu Beijing). Didahului versi preview terbatas sejak 11 November
ID model API qwen4-max
Parameter 2,4 triliun total, 71 miliar aktif per token (Mixture-of-Experts)
Konteks 1.000.000 token
Output maksimal 131.072 token, atau 262.144 token dalam mode berpikir
Masukan Teks, gambar, video. Keluaran teks
Harga API US$1,50 input, US$4,50 output, US$0,075 input dari cache (per juta token)
Bobot terbuka? Tidak. Hanya lewat API dan layanan Alibaba. Model Qwen4 yang lebih kecil dijanjikan terbuka
Artificial Analysis Intelligence Index 43 (Claude Fable 5.2: 65)
Vals Index 63,20%, peringkat 14 dari 42

Apa Itu Qwen4-Max?

Qwen (Tongyi Qianwen dalam bahasa Mandarin) adalah keluarga model AI buatan Alibaba Cloud. Qwen4-Max adalah model pertama dari generasi keempat, dan sejauh ini satu-satunya yang sudah bisa dipakai. Dalam rilis persnya, Alibaba menyebut Qwen4-Max sebagai “rekan kerja AI baru untuk pekerjaan, kreativitas, dan penemuan”, yang unggul untuk tugas kompleks di pekerjaan kantor, produksi kreatif, dan riset.

Dokumentasi resmi Alibaba Cloud Model Studio menggambarkannya sebagai model multimodal unggulan generasi berikutnya yang menggabungkan pembuatan teks, pemahaman gambar dan video, serta penalaran mendalam. Model ini dirancang untuk coding, produktivitas kantor, desain frontend, dan tugas agen yang kompleks, dengan dukungan pencarian web, pemanggilan alat (tool calling), dan output terstruktur (JSON).

Kronologi singkat menuju Qwen4

Arsitektur: Raksasa yang Hemat Tenaga

Qwen4-Max memakai arsitektur Mixture-of-Experts (MoE). Bayangkan sebuah rumah sakit dengan ratusan dokter spesialis: untuk setiap pasien, hanya beberapa dokter yang relevan yang dipanggil, bukan semuanya. Dengan cara yang sama, dari 2,4 triliun parameter, Qwen4-Max hanya mengaktifkan 71 miliar parameter untuk setiap token. Menurut Alibaba, angka itu 25% lebih sedikit daripada Qwen3.8-Max di skala total yang sama. SingularityMoments menyebut Qwen3.8-Max mengaktifkan 95 miliar parameter per token.

Menurut Alibaba, arsitektur Qwen4 meningkatkan desain MoE di bagian attention, koneksi residual, dan embedding. SingularityMoments, mengutip analisis The Decoder, merinci dua perubahan utamanya:

Klaim Alibaba: Lebih Hemat dan Lebih Murah per Tugas

Alibaba menekankan efisiensi. Di Work360, benchmark buatan Alibaba sendiri yang mencakup 721 bidang spesialis, Qwen4-Max diklaim mengungguli Qwen3.8-Max secara keseluruhan sambil:

Perlu dicatat, Work360 dibuat oleh Alibaba sendiri. GeoToolbox menyatakan belum menemukan pihak luar yang menjalankan benchmark ini.

Peringkat menurut Alibaba

Menurut rilis pers, Qwen4-Max menempati peringkat 6 di Code Arena, papan peringkat coding dunia nyata, dan mencatat skor kuat di Agents’ Last Exam, Vals Index, JobBench, dan Chartography. GeoToolbox mencermati grafik perbandingan dalam pengumuman resmi Qwen: dari 16 benchmark, Qwen4-Max unggul di 4 benchmark dibanding lima model pembanding pilihan Alibaba, termasuk Claude Opus 5.5 dan GPT-6 Astra, dan tertinggal di 12 lainnya.

Benchmark Qwen4-Max Pesaing terbaik dalam grafik Alibaba
DeepSWE (agen coding) 75,7 Kimi K3.1: 75,5
Agents’ Last Exam 46,7 43,4
HLAB-Vals (agen hukum) 21,3 Qwen3.8-Max: 15,4
BioMysteryBench 85,0 84,4
Terminal-Bench 4.0 48,5 Kimi K3.1: 67,2
ProgramBench 31,5 Claude Opus 5.5: 65,0
Chartography (membaca grafik) 54,2 GPT-6 Astra: 71,1
Video-Index 68,1 76,7

Sumber: angka Alibaba seperti dirangkum GeoToolbox. Menurut GeoToolbox, grafik Alibaba tidak menyertakan model-model di puncak papan peringkat, seperti Claude Fable 5.2 dan Gemini 4 Carbon.

Uji Independen: Murah, tetapi Lambat dan Boros Token

Artificial Analysis

Halaman Qwen4-Max di Artificial Analysis mencatat:

Artificial Analysis menyimpulkan Qwen4-Max di bawah rata-rata dalam kecerdasan, tetapi harganya baik dibanding model lain di kisaran harga serupa.

Vals AI

Di Vals Index, Qwen4-Max mendapat 63,20%, peringkat 14 dari 42 model saat kami cek. Hasil terbaiknya ada di bidang keuangan: peringkat 8 dari 41 di Finance Agent v2.1 (66,68%) dan di Vals Finance Index (61,99%). GeoToolbox mencatat Qwen4-Max sebagai model China dengan skor tertinggi di indeks ini, 0,7 poin di atas Kimi K3.1 Pro.

Biaya per tugas: murah per token belum tentu murah per tugas

Ini temuan terpenting untuk calon pengguna. Per token, Qwen4-Max jauh lebih murah daripada GPT-6.2 Sol (US$2 / US$10). Namun karena memakai token jauh lebih banyak, biaya per tugasnya bisa lebih mahal. GeoToolbox menghitung GPT-6.2 Sol hanya menghabiskan US$1,01 per tugas di indeks yang sama, sedangkan Qwen4-Max US$3,27. Menurut GeoToolbox, Qwen4-Max tetap lebih murah per tugas daripada Kimi K3.1 Pro dan Claude Opus 5.5.

Kelemahan lain yang dicatat penguji

Harga Lengkap

Komponen Harga (per juta token)
Input US$1,50
Output US$4,50
Input dari cache implisit US$0,075 (turun 70% dari Qwen3.8-Max)

Harga dari unggahan resmi Qwen yang dikutip ForkLog dan dari Artificial Analysis. Menurut GeoToolbox, harga input dan output ini 25% lebih rendah daripada Qwen3.8-Max (US$2 / US$6).

Ada satu keunggulan yang sering terlewat: menurut dokumentasi Alibaba Cloud, harga Qwen4-Max berlaku satu tarif untuk seluruh rentang hingga 1 juta token. Sebagai perbandingan, GPT-6.2 Astra dan Sol menggandakan tarif input ketika permintaan melebihi 272 ribu token. Untuk pekerjaan yang memang membaca dokumen sangat panjang, ini bisa membuat selisih biaya yang besar.

Perbandingan dengan model lain

Model Input / output per juta token Skor Artificial Analysis
Claude Fable 5.2 US$8 / US$40 65
GPT-6.2 Astra US$8 / US$40 62
Gemini 4 Neon US$3 / US$15 61 (level XHigh)
GPT-6.2 Sol US$2 / US$10 57
Qwen4-Max US$1,50 / US$4,50 43

Data model lain dari ulasan kami: GPT-6.2 Astra dan Sol, Gemini 4 Neon, dan Claude Fable 5.2.

Bukan Lagi Bobot Terbuka

Selama ini, salah satu daya tarik terbesar Qwen adalah banyaknya model yang dirilis dengan bobot terbuka. Menurut Wikipedia, Alibaba sudah merilis lebih dari 100 model berbobot terbuka. Qwen3.8-Max, pendahulu langsung Qwen4-Max, juga dibuka bobotnya pada Agustus 2026.

Qwen4-Max berbeda. Model ini hanya tersedia lewat QwenCloud (Token Plan dan API) serta layanan Alibaba seperti QwenWork, QwenStudio, dan Qoder. Alibaba hanya menjanjikan bahwa model Qwen4 berukuran lebih kecil dengan bobot terbuka “akan segera dirilis”, tanpa tanggal atau daftar modelnya, menurut ForkLog. SingularityMoments menyebut langkah ini sebagai “mundurnya Alibaba dari bobot terbuka” untuk model unggulannya.

Bagi perusahaan yang ingin menjalankan model di server sendiri, misalnya karena alasan kerahasiaan data, ini perbedaan penting. Qwen4-Max tidak bisa diunduh dan dijalankan sendiri.

Contoh Penerapan yang Dipamerkan Alibaba

Alibaba juga merilis plugin open source Qwen-Live-Delivery-Plugin. Plugin ini membuat agen menyerahkan versi awal hasil kerjanya lebih dulu, sehingga pengguna bisa memeriksa dan mengoreksi sebelum kesalahan menumpuk di tugas panjang.

Keamanan

Menurut rilis pers, Alibaba menambahkan pemeriksaan keamanan kode dalam pelatihan rekayasa software, menyaring data pelatihan siber agar hanya menyisakan materi bertahan (deteksi dan perbaikan kerentanan) dan membuang konten serangan, serta menambah data dan pelatihan khusus untuk risiko kimia, biologi, radiologi, dan nuklir (CBRN). ForkLog mencatat bahwa Alibaba tidak menerbitkan penilaian independen yang rinci atas efektivitas langkah-langkah ini. Menurut ForkLog, Reuters juga menyoroti minimnya data untuk memverifikasi klaim kemampuan dan perlindungan model secara independen.

Cara Mengakses dari Indonesia

Kapan Qwen4-Max Masuk Akal Dipakai?

Analisis redaksi, berdasarkan data saat ini:

Situasi Saran
Membaca dokumen sangat panjang (ratusan ribu token) dalam jumlah banyak Layak dicoba. Tarif rata hingga 1 juta token dan harga input murah
Tugas analisis keuangan Layak dicoba. Ini area peringkat terbaiknya di Vals
Agen yang harus cepat merespons pengguna Kurang cocok. Rata-rata 31 menit per tugas indeks dan sekitar 2,5 menit sebelum jawaban pertama
Agen coding di terminal Pilih model lain. Skor Terminal-Bench tertinggal jauh
Ingin menjalankan model di server sendiri Tidak bisa. Tunggu model Qwen4 kecil berbobot terbuka, atau pakai Qwen3.8
Anggaran ketat untuk tugas berulang Ukur biaya per tugas dulu. Karena boros token, Qwen4-Max bisa lebih mahal per tugas daripada GPT-6.2 Sol

Analisis Redaksi: Murah Bukan Berarti Hemat

Analisis redaksi. Qwen4-Max menunjukkan bahwa Alibaba sedang mengejar efisiensi biaya, dan dibanding pendahulunya hasilnya nyata: biaya per tugas di Artificial Analysis turun sekitar dua pertiga. Namun pelajaran terbesarnya justru untuk kita sebagai pengguna: harga per token yang murah tidak otomatis berarti tagihan yang murah. Model yang memakai token hampir dua kali lebih banyak dan butuh waktu sekitar 2,5 kali lebih lama daripada median model sekelasnya bisa berakhir lebih mahal dan lebih lambat untuk pekerjaan Anda.

Bagi pengembang di Indonesia, Qwen4-Max layak masuk daftar uji, terutama untuk pekerjaan dokumen panjang dan analisis keuangan dengan anggaran terbatas. Keputusan akhirnya sebaiknya diambil dari uji coba langsung dengan tugas nyata Anda, sambil mencatat biaya per tugas, waktu tunggu, dan kualitas hasilnya. Satu hal yang perlu terus dipantau: apakah model Qwen4 berbobot terbuka yang dijanjikan benar-benar dirilis, karena di situlah selama ini kekuatan terbesar Qwen.

Daftar Sumber

Exit mobile version