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.






