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
- 3 Agustus 2026: versi cloud Qwen3.8-Max (juga 2,4 triliun parameter) dirilis, menurut Wikipedia. Bobotnya kemudian dibuka pada pertengahan Agustus, menurut SingularityMoments.
- Akhir Agustus 2026: Alibaba merilis bobot terbuka Qwen3.8-Flash-Next, model kecil yang disebut memakai arsitektur generasi Qwen4.
- 22 September 2026: di konferensi Apsara, Alibaba menyatakan Qwen 4 “sedang dilatih”, dan seri Qwen 4.5 dan Qwen 5 diproyeksikan mencapai 5 hingga 10 triliun parameter, menurut GeoToolbox.
- 11 November 2026: preview terbatas Qwen4-Max dibuka lewat Token Plan.
- 16 November 2026: Qwen4-Max tersedia umum di QwenCloud, menurut rilis pers Alibaba dan TechNode.
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:
- Attention bertingkat. Tiga lapisan berturut-turut memadatkan konteks sebelumnya menjadi ringkasan, lalu lapisan keempat hanya memperhatikan bagian yang benar-benar penting. Cara ini menghemat komputasi saat membaca input sangat panjang, sehingga konteks 1 juta token lebih murah dijalankan.
- Lapisan embedding N-gram berukuran 328 miliar parameter. Lapisan ini menyimpan potongan urutan token yang sering muncul sebagai “balok siap pakai”, sehingga pola yang mudah ditebak bisa langsung diambil dari memori.
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:
- memakai 35% lebih sedikit token pada mode penalaran High, menurut rilis pers. Unggahan resmi Qwen yang dikutip ForkLog menyebut “hingga ~50% lebih sedikit token”;
- menurunkan biaya rata-rata per tugas sekitar 60%. TechNode dan ForkLog merinci penurunannya dari RMB 26,58 menjadi RMB 11,16 per tugas (sekitar 58%). SingularityMoments menulis dalam dolar: dari US$4,43 menjadi US$1,67 (sekitar 62%), dengan skor naik dari 47,74 menjadi 52,69.
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:
- Skor Intelligence Index 43, sama dengan median model-model sebanding. Sebagai pembanding, Claude Fable 5.2 mendapat 65. Skor Qwen3.8-Max (versi 0902) sebelumnya 34, menurut GeoToolbox.
- Lambat: rata-rata 31,4 menit per tugas Intelligence Index, jauh di atas median 12,1 menit. Waktu hingga token jawaban pertama sekitar 148 detik, dengan kecepatan output 56 token per detik.
- Sangat boros token: menghasilkan 127 juta token saat menjalankan indeks, dibanding median 65,1 juta.
- Biaya per tugas US$3,27. SingularityMoments mencatat angka ini turun dari US$10,02 pada Qwen3.8-Max.
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
- Coding di terminal tertinggal. Skor Terminal-Bench 4.0 hanya 48%, sementara Kimi K3.1 Pro mendapat 67% (SingularityMoments).
- FrontierCode 2.0 hanya 26%, setara Kimi K3.1 Pro, dan kalah dari Tencent Hy4 yang lebih murah (31%).
- Keamanan kode masih lemah. Di Last Secure Code Bench, kode yang fungsional dan aman naik dari 22% menjadi 31,8%. Di ketiga tingkat pengujian keamanan, kode yang lolos hanya 14,7%, meski hampir dua kali lipat angka sebelumnya (8%).
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
- Manufaktur otomotif. Waktu pemrograman manual satu benda kerja turun 95%, dari sekitar 475 menit menjadi 24 menit, karena model menangkap potongan berlebih dan sisa material sebelum pemesinan dimulai.
- Riset pendingin chip. Agen Qwen4-Max bekerja nonstop selama 48 jam melalui empat siklus desain molekul, sintesis, pengujian, dan pembelajaran aktif, lalu menemukan molekul pendingin yang tervalidasi lewat eksperimen.
- Riset Alzheimer. Model menjalankan 454 pemanggilan alat dan 3.239 evaluasi untuk merancang dan mengoptimalkan 24 kandidat molekul, menurut ForkLog.
- Infrastruktur cloud. Menurut rilis pers, model menekan biaya pemanggilan model untuk anotasi data rata-rata 9% dan mempercepat penjadwalan ulang CPU offline lebih dari 14 kali.
- Pengembangan game dan 3D. Menurut SingularityMoments, Alibaba memamerkan pembuatan game yang bisa dimainkan di Unity, Unreal Engine, dan Godot dari satu prompt, serta pembuatan aset 3D di Blender.
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
- API: lewat Alibaba Cloud Model Studio dengan ID model
qwen4-max. Menurut dokumentasi resmi, layanan tersedia di beberapa wilayah, termasuk Singapura (terdekat dari Indonesia), Jepang, Hong Kong, Jerman, AS, dan Beijing. Harga dalam dokumentasi ditampilkan per wilayah, jadi cek harga untuk wilayah yang Anda pilih. - Kompatibel dengan format API populer. Menurut GeoToolbox dan dokumentasi resmi, Qwen4-Max bisa dipanggil dengan format OpenAI Chat Completions dan Responses, Anthropic Messages, serta DashScope. Artinya, aplikasi yang sudah memakai salah satu format itu relatif mudah dicoba dengan Qwen4-Max.
- Level penalaran: low, high (bawaan), dan xhigh.
- Kuota gratis: menurut GeoToolbox, akun Model Studio di wilayah Singapura mendapat 1 juta token gratis yang berlaku 90 hari.
- Tanpa coding: lewat aplikasi Alibaba seperti QwenStudio dan QwenWork.
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
- Alibaba Cloud Press Room: Alibaba Unveils Qwen4-Max (16 November 2026)
- Alibaba Cloud Model Studio: dokumentasi Qwen4-Max
- Artificial Analysis: Qwen4 Max, Intelligence, Performance and Price Analysis
- Vals AI: Qwen 4 Max
- TechNode: Alibaba launches Qwen4-Max with lower API prices and a million-token context window
- ForkLog: Alibaba Launches Qwen4-Max AI Model with 2.4 Trillion Parameters
- SingularityMoments: Qwen4-Max targets frontier model costs with a revamped architecture
- GeoToolbox: Qwen 4, Qwen4-Max Release, Specs, Benchmarks and Price
- Wikipedia: Qwen
