リリース2026-11-16更新 2026-11-16

Qwen4-Maxが登場:総パラメータ2.4兆、入力100万トークンあたり1.50ドル、6分野のデモ

要点 アリババは2026年11月16日、Qwen 4シリーズ初のモデル「Qwen4-Max」を公開した。総パラメータ数は2.4兆で、各トークンの処理時に710億を活性化するスパースMoEモデルだ。画像入力にネイティブ対応し、コンテキスト長は100万トークン。発表時の料金は100万トークンあたり入力1.50ドル、出力4.50ドル、暗黙キャッシュ0.075ドルで、Qwen3.8-Maxより安い。提供元の比較ではDeepSWE v1.1、Agents’ Last Exam v1.1、BioMysteryBench、法務エージェントのベンチマークで首位となる一方、Terminal-Bench 4.0とProgramBenchでは後れを取っている。APIはQwenCloudで従量課金またはToken Planを通じて利用でき、モデルはオープンソースではない。

投稿者: Cameron Voss と West Mao

発表内容と利用できる場所

2.4T
合計パラメータ、スパースMoE
71B
トークンごとにアクティブ化
1M
コンテキスト トークン
$1.50
入力100万トークンあたり

アリババは2026年11月16日、Qwen 4シリーズ初のモデル「Qwen4-Max」を公開した。スパースなMixture of Experts(MoE)アーキテクチャを採用し、総パラメータ数は2.4兆、各トークンの処理時に710億を活性化する。画像をネイティブに入力でき、コンテキスト長は100万トークン。アリババは、長時間にわたる実務の遂行を支援する「AIチームメイト」と位置づけている。

APIはQwenCloudで従量課金またはToken Planを通じて利用できる。Qwen Studio、QwenWork、Qoderからも直接利用できる。Qwen4-Max自体はオープンソースではない。アリババは、同世代の小型Qwen 4モデルを後日オープンウェイトで公開するとしている。

2026年11月16日に公開されたQwen 4シリーズ初のモデル、Qwen4-Max。画像は発表資料より。
2026年11月16日に公開されたQwen 4シリーズ初のモデル、Qwen4-Max。画像は発表資料より。

価格:前モデルより安く

料金は100万トークンあたり入力1.50ドル、出力4.50ドル。暗黙キャッシュは0.075ドルで、従来のキャッシュ料金から約70%下がり、新規入力料金の5%に相当する。アリババはQwen3.8-Maxからの値下げとして紹介している。

Qwen4-Maxの発表時料金100 万トークンあたり米ドル
入力$1.50
出力$4.50
暗黙的キャッシュ$0.075

11月16日の発表時点の価格。予算を立てる際は、提供元の最新料金を確認しよう。

単価に加え、タスクに必要なトークン数もコストを左右する。提供元によると、Work360では推論レベルXHighとHighで前世代より使用トークン数がそれぞれ約24%、35%減り、Terminal-Bench 4.0では約48%、49%減った。単価の引き下げと合わせて、Work360の1タスクあたり平均コストは4.43ドルから1.67ドルへ、62%低下したという。

提供元によるトークン使用量の比較。推論トークンの削減は、単価表には表れないコスト削減につながる。
提供元によるトークン使用量の比較。推論トークンの削減は、単価表には表れないコスト削減につながる。

ベンチマーク:4項目で首位、2項目で最下位

アリババはQwen4-MaxをOpus 5.5、GPT-6.1 Sol、GPT-6 Astra、Kimi K3.1と比較した。Qwen4-MaxはDeepSWE v1.1で75.7、Agents’ Last Exam v1.1で46.7、BioMysteryBenchで85.0、法務エージェントのHLAB-Vals-1.1で21.3を記録し、この比較ではいずれも首位だった。HLAB-Vals-1.1のスコアはOpus 5.5の9.2の2倍以上となる。

一方、Terminal-Bench 4.0では48.5と、Kimi K3.1の67.2を下回った。既存ソフトウェアの再現を求めるProgramBenchでも31.5と、Opus 5.5の65.0に及ばない。チャートの理解とAgentArenaでも、比較対象の中では下位に位置する。

ベンチマークQwen4-Max比較評価する内容
DeepSWE v1.175.7比較対象の中で首位ソフトウェア エンジニアリング タスク
Agents' Last Exam v1.146.7比較対象の中で首位長期的なエージェントの仕事
BioMysteryBench85.0比較対象の中で首位生物学研究タスク
HLAB-Vals-1.121.3Opus 5.5:9.2法務エージェントのタスク
Terminal-Bench 4.048.5Kimi K3.1:67.2ターミナルとシェルのタスク
ProgramBench31.5Opus 5.5:65.0既存のソフトウェアを再現

発表時に提供元が報告した比較。独立した再現結果は公表されていない。

公式の比較表。首位の項目だけでなく、下位の項目での差もモデルを評価する手がかりになる。
公式の比較表。首位の項目だけでなく、下位の項目での差もモデルを評価する手がかりになる。

Work360:アリババ独自のベンチマークで52.69点

Qwenチームは、試験問題への回答だけでなく実務を測るため、独自の階層型ベンチマークWork360を作成した。設計、コーディング、金融、法務、医療、教育、物流、エネルギーなどを含む26の大分類、182の小分類、721の専門領域を対象とする。Qwen4-Maxは52.69点で、前世代の47.74点から約10%向上した。

提供元が設計したベンチマークは参考になる一方、それだけで性能を判断するには根拠が弱い。これほど多くの職種を対象とする公開指標は他にないが、評価基準を選び、変更できるのも提供元だ。順位を確認したうえで、自分の業務でも試したい。

発表資料に掲載されたWork360のレーダーチャート。
発表資料に掲載されたWork360のレーダーチャート。

公式アクセスとゲートウェイのどちらを選択しますか? 現在のルート、モデル リスト、セットアップ手順については、Qwen 4 サブスクリプション ガイドをお読みください。

Qwen 4 のアクセス オプションを比較します。

アーキテクチャ:スパースアテンション、ゲート付き残差接続、拡張された埋め込み

アーキテクチャには3つの変更がある。まず、アテンションにはGated DeltaNet(GDN)とQwen Sparse Attention(QSA)を、GDNの3層に対してQSAの1層を組み合わせる。GDNは履歴を固定サイズの状態に圧縮し、QSAは軽量なインデクサーで関連するマイクロブロックを選ぶことで、長い系列の計算コストを抑える。残差接続は4本の並列ゲート経路となり、各層の読み書きを動的なゲートで制御して学習の安定化を図る。さらに第2層に、追加の計算量をほとんど増やさずに3,280億パラメータを加えるN-gram埋め込みを導入した。

アリババによると、2.4兆パラメータの学習中に損失値のスパイクは発生しなかった。また、ベースモデルの活性パラメータ数はQwen3.8-Max-Baseより25%少なく、各領域のbits per byteは5〜13%低かったという。いずれも学習に関する提供元の報告であり、個々の用途での性能は別途検証が必要だ。

発表時のアーキテクチャ図。
発表時のアーキテクチャ図。

発表時に紹介された6分野のデモ

アリババはさまざまな分野でモデルを試し、その結果を報告した。ベンチマークでは分からない作業の流れを見ることができるが、いずれも提供元が選んだデモである。自分の業務に近いものがあるかを確認したい。

3D・ゲーム。モデルはBlenderを直接操作してモデリング、シーン構成、マテリアル、照明、レンダリングを行い、白いラフモデルから映画的な映像を作る。Unity、Unreal Engine、Godotでもゲームを作成し、実行して自らテストしたうえで、画面を見ながらカメラワーク、アニメーション、攻撃のヒット演出を調整する。例として、パンダとのボス戦があるUnreal Engine製の仙侠ゲーム「Yunguanxing」と、Android向けにビルドされたUnity 6製の西湖レースゲームが示された。

白いラフモデルから始めるBlenderでの作業。
同じシーンをレンダリングした映像。
Unreal Engineで作られた「Yunguanxing」。最後のボスはパンダだ。
Unity 6で作られ、Android向けにビルドされた西湖レースゲーム。

製造。SANFとPacific Unionの実際の生産環境では、既存の設備ライブラリを使い、2Dレイアウトと工程パラメータから3D生産ラインを構築した。サイクルタイムのシミュレーションとPLCの仮想試運転も実施。部品単位ではドアの組立部品や摩擦ホイールを設計し、加工順序とツールパスを作成したうえで、シミュレーションにより削り過ぎや削り残しを確認した。報告によると、1部品のプログラミング時間は約475分から24分へ、95%短縮した。

2D図面から3D生産ラインを構築するデモ。
製造事例におけるプログラミング時間の比較。提供元の資料より。
製造事例におけるプログラミング時間の比較。提供元の資料より。

科学研究。次世代の高出力チップを冷却する新しい冷却剤分子を設計・合成した。Deep Principleの湿式・乾式実験プラットフォームMiraにつなぎ、48時間自律稼働したという。技術経路を調査し、270万分子の候補から構造を絞り込み、物性予測、第一原理計算、逆合成解析を実施。自動化された湿式実験室に試薬の準備、合成、分離、精製、試験を指示した。設計、合成、試験、能動学習を4回繰り返し、実物の試料を得て検証した。

エージェントが指示した自動化ウェットラボ。

創薬。Deep PrincipleのPharmMaster上で、アルツハイマー病と関連するNLRP3標的に取り組んだ。ツールを454回呼び出し、3,239件の計算評価を行い、24の候補分子を設計・改良。最終候補の予測結合親和性は、参照分子の約3.6倍だったという。

金融。株式調査のデモでは、1回の呼び出しで90のMCPツールを使い、中国A株、香港・米国株、債券、ファンド、デリバティブのデータを収集した。成果物はExcelブックと編集可能なスライドで、各グラフはブック内のセルに、セルのリンクは元データにたどれるという。

法務。IPO前のデューデリジェンスでは、形式やファイル名が統一されていない198件の資料を処理した。内容に応じて名前を変更し、14のフォルダに分類。企業登記、知的財産、訴訟、信用情報を照合し、各結論に出典を付けた6万文字超、86ページの報告書を作成した。

医療。1回の対話で、6日分のICU記録を読み込んだ。資料には多数の検査結果、1万文字以上の経過記録、1,433枚の生画像が含まれる。サブエージェントが数百枚のCT画像を並行して確認し、4つの提案は同日の医師の実際の指示と項目ごとに一致したという。

分野タスク提供元が報告した結果
3D とゲームBlender モデリングとレンダリング; Unreal Engine と Unity ゲーム完成シーン、プレイアブル Android ビルド
製造3D 生産ライン、PLC 仮想コミッショニング、ツールパス1部品あたり475分から24分に短縮
材料湿式・乾式実験プラットフォームでの冷却剤分子設計4回の反復後に合成された試料
創薬PharmMaster での NLRP3 候補24 候補、予測親和性 3.6 倍
金融90のMCPツールを使用し、Excelとスライドを作成ソースセルまで追跡可能なグラフ
法務198 の文書デューデリジェンス86ページ、各結論に出典を付記
医療6 日間の ICU 記録と CT レビュー医師の指示と一致した4つの提案

これらはすべて提供元が報告したデモの結果である。条件をそろえた比較試験ではなく、独立した監査も受けていない。

24 時間エージェントと Live Delivery プラグイン

Qwen4-Maxは長時間稼働するエージェントを想定している。新しいLive Deliveryでは、タスクの完了を待たずに使える初版を早期に届け、その後改善を重ねる。ユーザーは途中で介入し、方向を修正できる。関連するQwen-Live-Delivery-Pluginはオープンソースだ。

Alibaba Cloudは、社内の計算資源スケジューリングにもこのモデルを使用したと報告している。アノテーション用モデルの呼び出しコストは平均10.42%減り、オフラインのCPU再スケジューリングは14.61倍以上高速に解けたという。社内の数値を外部から検証することは難しく、対象も同社自身のワークロードに限られる。

安全性に関する主張

コードの学習では、機能面に加えてセキュリティの検査も導入した。Last Secure Code Benchでは、関数レベルで正確性と安全性の両方を満たした割合が22.0%から31.8%に上昇。関数・ファイル・リポジトリの各レベルで合格した割合も8%から14.7%へと、ほぼ倍増した。アリババは、攻撃能力を高める学習データも除去したとしている。

今回の発表だけでは分からないこと

未解決の点は4つある。ベンチマークは提供元によるもので、Terminal-BenchやProgramBenchの結果は独立して再現されていない。デモは選ばれた事例であり、失敗率は示されていない。トークン削減率の24〜49%は推論レベルとタスクに依存するため、すべての利用で同じ節約が得られるわけではない。また、Qwen4-Maxのウェイトは公開されていない。小型モデルのオープンウェイト公開は予告されている。