Modelos

Qwen4-Max: menos tokens por tarea y un tercio del coste de la generación anterior

Alibaba presentó Qwen4-Max el 16 de noviembre. De los 2,4 billones de parámetros que tiene, activa 71.000 millones por token. La noticia comercial no es el tamaño: es lo que cuesta terminar una tarea con él.

Lucía GarcíaLucía García
Popularidad: 1,650
Una cuadrícula densa de fichas de expertos con seis nodos encendidos y una cinta larga que los atraviesa

Alibaba presentó Qwen4-Max el 16 de noviembre. De los 2,4 billones de parámetros que tiene, activa 71.000 millones por token. La noticia comercial no es el tamaño: es lo que cuesta terminar una tarea con él.

Qué es Qwen4-Max y qué cambia en la factura

Qwen4-Max es un modelo de lenguaje de Alibaba, disponible a través de Alibaba Cloud. Acepta imágenes de forma nativa y trabaja con una ventana de 1M-token context, es decir, un millón de tokens de entrada en una sola conversación.

El precio público es de 1,50 dólares por millón de tokens de entrada, 4,50 por millón de salida y 0,075 por millón de tokens servidos desde caché. Son cifras por token, y ahí está la trampa de casi todas las comparaciones: dos modelos con el mismo precio pueden gastar cantidades muy distintas de tokens para resolver lo mismo.

Alibaba vende precisamente eso. Menos tokens por tarea, no un número más alto en una tabla.

El mixture-of-experts de 2,4 billones, explicado

Un mixture-of-experts reparte el trabajo entre muchos submodelos y activa solo unos pocos en cada paso. Qwen4-Max tiene 2,4 billones de parámetros totales y enciende 71.000 millones por token.

Hay tres piezas que explican su eficiencia. La primera es una capa de embedding N-gram de 328.000 millones de parámetros que funciona como caché de secuencias de tokens frecuentes. La segunda son las conexiones residuales, que aquí corren por cuatro canales paralelos con compuerta en lugar del canal único habitual. La tercera es la atención híbrida: tres capas comprimen el contexto previo y una cuarta selecciona solo lo que importa.

Dentro de esa atención hay dos mecanismos con nombre. Gated DeltaNet reduce la carga de hardware cuando el prompt es largo. QSA descarta datos que el prompt no necesita. Juntos explican por qué un contexto enorme no se traduce en una factura enorme.

Alibaba dice que el entrenamiento corrió estable, sin picos de pérdida, y que Qwen4-Max-Base mejoró entre un 5% y un 13% en bits por byte frente a Qwen3.8-Max-Base activando un 25% menos de parámetros por token.

El 1M-token context y lo que cuesta llenarlo

Un millón de tokens son varias novelas, un repositorio de código mediano o el histórico completo de un cliente. La ventana importa menos que su precio, y ahí entra el coste de caché.

Con 0,075 dólares por millón de tokens cacheados, repetir el mismo contexto largo en muchas llamadas deja de ser un lujo. Para un equipo que procesa los mismos contratos cien veces al día, esa línea de la tarifa vale más que cualquier benchmark.

Work360: de 4,43 a 1,67 dólares por tarea según Alibaba

La cifra que Alibaba pone en el centro es de coste, no de capacidad. En Work360, su benchmark interno de trabajo industrial con 721 campos especializados, el coste medio por tarea baja de 4,43 a 1,67 dólares, un 62% menos. La puntuación sube de 47,74 a 52,69.

Son números de la empresa, no de un laboratorio independiente. Conviene leerlos como tales.

El resto de la eficiencia va en la misma dirección. Alibaba reporta un 35% menos de tokens en un benchmark interno de trabajo de conocimiento y cerca de un 49% menos en Terminal-Bench 4.0, la prueba de tareas de línea de comandos.

Qué dice Artificial Analysis de Qwen4-Max

La referencia externa más citada es Artificial Analysis. Sitúa a Qwen4-Max en 43 puntos de su índice de inteligencia, nueve más que Qwen3.8-Max y tres por debajo de Kimi K3.1 Pro, que marca 46.

| Modelo | Índice de Artificial Analysis | Coste por tarea | | Qwen4-Max | 43 | 3,27 dólares | | Kimi K3.1 Pro | 46 | 3,68 dólares | | Qwen3.8-Max | 34 | 10,02 dólares | | Tencent Hy4 | 35 | 1,03 dólares |

La tabla ordena la conversación. Qwen4-Max no es el más listo del grupo. Es el que más ha bajado su propio coste, de 10,02 a 3,27 dólares por tarea en una generación, y el que se coloca cerca de Kimi cobrando menos.

Tencent Hy4 cuesta 1,03 dólares por tarea y saca ocho puntos menos. Es la otra forma de comprar en este mercado: pagar menos y aceptar un techo más bajo.

Dónde pierde Qwen4-Max

Los puntos flojos están en la misma fuente. En Terminal-Bench 4.0, Qwen4-Max llega al 48% y Kimi K3.1 Pro al 67%. Es una diferencia grande en tareas de terminal, justo el terreno donde un agente tiene que encadenar comandos sin supervisión.

En FrontierCode 2.0 se queda en el 26%, empatado con Kimi y por detrás de Tencent Hy4, que alcanza el 31%. En Humanity's Last Exam va por detrás de Opus 5.5 y de los modelos de GPT, aunque HLE-Diamond sube 21 puntos hasta el 45%.

En HealthBench Professional queda por debajo de los modelos de GPT y por delante de Opus 5.5. El patrón se repite: competitivo en coste, irregular en las pruebas que miden razonamiento difícil.

Live Delivery y el plugin que Alibaba abrió

La función menos comentada del lanzamiento es Live Delivery. Devuelve una primera versión usable de un trabajo largo mientras el agente sigue corriendo. ¿Y si el agente se desvía a mitad de la tarea? Live Delivery permite corregirlo sin reiniciar el trabajo.

Alibaba publicó el código de Qwen-Live-Delivery-Plugin. También cita dos socios. SANF y Pacific Union redujeron el tiempo de programación manual de una pieza de unas 475 minutos a 24. Un despliegue financiero llamó a 90 herramientas MCP y devolvió archivos de Excel y PowerPoint con cifras trazables.

Para una consultora de Madrid que cobra por informe entregado, ese cambio de flujo pesa más que tres puntos de índice. El coste por tarea solo mejora la cuenta si el agente termina.

Qué falta en Qwen4-Max

Dos cosas. Alibaba dice que abrirá más adelante modelos más pequeños construidos con la misma tecnología de Qwen4, pero no los ha publicado. Y la verificación independiente del ahorro de tokens es fina: casi todo lo que se sabe del 62% sale de la propia empresa.

Qwen4-Max tampoco es de pesos abiertos. Es un modelo propietario que se sirve por Alibaba Cloud, así que quien quiera ejecutarlo en su hardware no puede.

El modelo compite por precio de uso, no por libertad de despliegue: ahí la factura mensual decide más que la ficha técnica.

La pregunta que queda

Si el precio por tarea cae dos tercios y la calidad sube lo justo, el cálculo de muchas empresas cambia. También cambia el tipo de tarea que se puede delegar: lo que antes salía caro probar ahora se prueba.

La duda razonable es si el ahorro se mantiene cuando la tarea se aleja del benchmark de la casa. Hasta que haya mediciones externas con cargas reales, la promesa de Qwen4-Max es buena y está sin auditar.

Compartir esta noticia

Fuentes

Noticias de IA relacionadas

Una ventana de terminal con una curva de recompensa ascendente y una insignia 27B al lado
Modelos

RadixArk entrena 18 días un Qwen3.8-27B y mejora en todo lo que mide

RadixArk no entrenó un modelo desde cero. Cogió un Qwen3.8-27B, le dio 1.200 tareas de agentes y 18 días de refuerzo, y publicó el resultado. La historia está en la factura de cómputo.

Popularidad: 1,330
El contorno de un portátil con tres láminas de capas apiladas que pasan por una flecha de bucle en su interior
Modelos

Inkling 2 Mini cabe en un portátil porque repite las mismas capas tres veces

Thinking Machines Lab resolvió un problema de espacio con una idea que suena a recorte: si el modelo no cabe, que repita las mismas capas. Inkling 2 Mini enseña qué se gana con ese truco y qué queda fuera.

Popularidad: 1,710
Una onda de audio larga en tono turquesa con una sola barra naranja sobre un fondo oscuro
Modelos

Rumble-2-Flash: un modelo de voz de 500 millones que roza a otro de 30.000

Un modelo de voz de 500 millones de parámetros se ha quedado a un pelo de otro sesenta veces mayor en llamadas reales de atención al cliente. La pregunta ya no es si la transcripción puede salir de la nube, sino cuánto se pierde al sacarla.

Popularidad: 560
Tres anillos de neón orbitando un núcleo pequeño y brillante sobre un fondo azul profundo
Modelos

Gemini 4 Neon llega a la app y el selector pierde dos nombres

Google ha reordenado el selector de la app y ha jubilado dos nombres que mucha gente usaba por costumbre. Neon ocupa el hueco intermedio, y la factura por tarea pesa más que la ficha técnica.

Popularidad: 1,500