Qwen4-Max: novità, benchmark e prezzi del nuovo modello di punta di Alibaba

Di Daniele Forciniti

Qwen4-Max: novità, benchmark e prezzi del nuovo modello di punta di Alibaba

Qwen4-Max è il nuovo modello di punta di Alibaba, uscito il 16 novembre 2026: un modello a esperti (MoE) da 2.400 miliardi di parametri, di cui 71 miliardi attivi per ogni token, che legge testo, immagini e video e lavora con un contesto da 1 milione di token. Non è open-weight: si usa via API su QwenCloud o dentro le app di Alibaba. Costa 1,5 dollari per milione di token in input e 4,5 in output, meno del modello precedente, e secondo i test indipendenti di Artificial Analysis porta a termine un compito con 3,27 dollari, il 67% in meno di Qwen3.8-Max. Nei benchmark è molto forte nel lavoro da agente e nei compiti legali, ma resta dietro a Claude Opus 5.5 e ai modelli di OpenAI in parecchi test, soprattutto di programmazione.

Cosa porta di nuovo rispetto a Qwen3.8-Max

Alibaba lo presenta come un “collega AI” che lavora 24 ore su 24 e porta avanti i progetti da solo. Al di là dello slogan, il blog ufficiale del team Qwen descrive un cambio vero: Qwen4-Max è il primo modello costruito sulla nuova architettura della serie Qwen4, e non una versione allenata di più della generazione precedente.

La dimensione totale è la stessa di Qwen3.8-Max, 2.400 miliardi di parametri, ma per ogni parola da scrivere il modello ne usa 71 miliardi invece di circa 95: il 25% in meno. Un modello a esperti funziona così: dentro ci sono tanti “specialisti” e per ogni token ne vengono chiamati solo alcuni. Meno parametri attivi vuol dire risposte più economiche da produrre, ed è da qui che arriva buona parte del taglio dei prezzi.

Le novità tecniche sono tre, e provo a dirle in modo semplice:

  • Un nuovo modo di leggere i testi lunghi. Invece di rileggere tutto il contesto a ogni parola, alcuni strati (Gated DeltaNet) riassumono la storia in uno spazio fisso, e un sistema di attenzione sparsa (Qwen Sparse Attention) va a prendere solo i pezzi che servono. È quello che permette di reggere 1 milione di token senza far esplodere i costi.
  • Collegamenti interni più robusti. Quattro “corsie” parallele fanno passare le informazioni da uno strato all’altro e rendono l’addestramento più stabile. Alibaba dice che in tutto l’allenamento a 2.400 miliardi di parametri non ci sono stati picchi anomali nella curva di apprendimento, cosa rara a questa scala.
  • Una memoria delle sequenze frequenti. Ci sono altri 328 miliardi di parametri (N-gram Embedding) che funzionano come un dizionario di combinazioni di parole ricorrenti, consultato quasi a costo zero.
CaratteristicaQwen4-Max
ArchitetturaMixture-of-Experts (modello a esperti), nuova generazione Qwen4
Parametri totali2.400 miliardi, più 328 miliardi di N-gram Embedding
Parametri attivi per token71 miliardi (Qwen3.8-Max circa 95)
Contesto1 milione di token (fino a 991.000 in input)
Risposta massima393.000 token
Cosa leggeTesto, immagini e video
Cosa scriveTesto e codice
PesiNon scaricabili, modello chiuso
Uscita16 novembre 2026

Meno token per lo stesso lavoro

Il punto su cui Alibaba insiste di più è l’efficienza. I modelli di ragionamento “pensano” scrivendo, e ogni parola pensata è un token che si paga. Qwen4-Max ha diversi livelli di impegno (Low, High, Xhigh): sul test interno Work360 usa il 24% di token in meno a livello Xhigh e il 35% in meno a livello High rispetto a Qwen3.8-Max, e su Terminal-Bench 4.0 il risparmio arriva al 48-49%. Con prezzi più bassi e meno token, il costo medio per compito su Work360 scende da 4,43 a 1,67 dollari secondo Alibaba.

Work360 è un test costruito da Alibaba stessa: copre 26 grandi settori, 182 sottosettori e 721 specializzazioni professionali, e misura quanto il modello sa portare a termine lavori reali di quei mestieri. Qwen4-Max fa 52,69 punti contro i 47,74 della versione precedente. È un buon segnale, ma resta un test di casa: per questo più sotto guardo anche i numeri di chi il modello non lo vende.

Sicurezza: codice più sicuro e dati filtrati

Una parte dell’annuncio è dedicata alla sicurezza. Alibaba dice di aver tolto dai dati di addestramento il materiale che serve ad attaccare sistemi informatici, tenendo quello utile alla difesa (trovare e correggere vulnerabilità). Sul codice i numeri sono concreti: nel test Last Secure Code Bench la quota di funzioni scritte in modo corretto e sicuro sale dal 22,0% al 31,8%, e il codice sicuro a tutti i livelli (funzione, file e progetto) passa dall’8% al 14,7%. Quasi il doppio, ma vuol dire anche che la grande maggioranza del codice generato va ancora controllata.

I benchmark: dove vince e dove resta indietro

La tabella dell’annuncio mette Qwen4-Max contro Qwen3.8-Max, Claude Opus 5.5, GPT-6.1 Sol, GPT-6 Astra e Kimi K3.1 Pro su 16 test. Un dettaglio che conta: non tutti i numeri li ha misurati Alibaba. Quelli di AA-Briefcase e AutomationBench vengono da Artificial Analysis, CodeArena e AgentArena dalle classifiche di Arena, HLAB dal Vals Index, APEX-Agents dalla classifica di Mercor. Per una tabella di un produttore è una scelta più trasparente del solito.

Qwen4-Max contro Claude Opus 5.5, GPT-6.1 Sol e Kimi K3.1 Pro su otto benchmark della tabella di Alibaba

Ecco tutti i 16 test, con il miglior risultato in grassetto. CodeArena e AA-Briefcase sono punteggi Elo, quelli delle classifiche a confronto diretto: più alto è meglio, ma non sono percentuali.

TestQwen4-MaxClaude Opus 5.5GPT-6.1 SolGPT-6 AstraKimi K3.1 Pro
DeepSWE v1.1
programmazione da agente
75,774,275,274,175,5
CodeArena (Elo)
sviluppo web
17501816174217631686
Terminal-Bench 4.0
lavoro al terminale
48,559,656,159,167,2
ProgramBench
ricostruire un software
31,565,052,555,025,0
AA-Briefcase (Elo)
lavoro d’ufficio da agente
16861801155515691674
Agents’ Last Exam
compiti lunghi e di valore
46,743,4n.d.42,643,4
JobBench
compiti di lavoro reali
68,575,466,266,161,2
APEX-Agents
servizi professionali
72,173,560,064,765,5
HLAB-Vals
lavoro legale da agente
21,39,26,37,111,7
AutomationBench
flussi su software aziendali
72,569,564,968,573,3
AgentArena
compiti reali, miglioramento netto
7,518,211,813,93,9
BioMysteryBench
ricerca bioinformatica
85,081,984,478,980,6
HealthBench Professional
ragionamento clinico
60,059,965,166,057,2
Humanity’s Last Exam
domande difficilissime
51,759,854,053,651,1
Chartography
leggere grafici
54,266,367,871,150,0
Video-Index
capire i video
68,174,873,876,763,2

Nella tabella originale, per Agents’ Last Exam c’è un solo modello OpenAI: dal colore della barra è GPT-6 Astra, quindi per GPT-6.1 Sol ho lasciato “n.d.”. Fatti i conti, Claude Opus 5.5 è primo in 7 test su 16, Qwen4-Max in 4, i modelli OpenAI in 3 e Kimi K3.1 Pro in 2.

Dove è davvero forte

  • Lavoro legale da agente (HLAB-Vals): 21,3 contro l’11,7 di Kimi e il 9,2 di Opus 5.5, quasi il doppio del secondo. Attenzione però ai valori assoluti: anche il migliore risolve circa un compito su cinque, quindi nessun modello è pronto a fare l’avvocato da solo.
  • Compiti lunghi (Agents’ Last Exam): 46,7, primo davanti a Opus 5.5 e Kimi (43,4). Rispetto a Qwen3.8-Max (27,9) è il salto più grande di tutta la tabella.
  • Ricerca scientifica (BioMysteryBench): 85,0, primo con un margine piccolo.
  • Programmazione da agente (DeepSWE): primo con 75,7, ma i sei modelli stanno tutti tra 74 e 75,7. È un pareggio, non una vittoria.

Dove resta indietro

  • Lavoro al terminale (Terminal-Bench 4.0): 48,5 contro il 67,2 di Kimi K3.1 Pro e il 59,6 di Opus 5.5. È il test più vicino al lavoro quotidiano di chi programma con un agente, e qui il distacco è grande.
  • Ricostruire un software (ProgramBench): 31,5 contro il 65,0 di Opus 5.5, cioè meno della metà.
  • Vista: nonostante la “visione nativa”, su grafici e video è dietro a tutti i modelli occidentali della tabella.
  • Compiti reali giudicati dalle persone (AgentArena): 7,5 di miglioramento netto contro il 18,2 di Opus 5.5.

Per avere un’idea di dove si colloca, il confronto più utile è con Kimi K3.1 Pro: novità, benchmark e prezzi del modello open-weight che sfida Opus 5.5, l’altro grande modello cinese uscito a ottobre: Kimi è nettamente più forte al terminale, Qwen4-Max nei compiti professionali e legali.

Il voto di chi non lo vende

La verifica che faccio sempre è guardare una classifica indipendente. Artificial Analysis ha già misurato Qwen4-Max con il suo Intelligence Index, che mette insieme nove test di agenti, programmazione, conoscenza e scienza. Il risultato è 43 punti: un salto netto rispetto ai 34 di Qwen3.8-Max, sopra il valore medio dei modelli della stessa fascia di prezzo (41), ma lontano dai primi.

Classifica Artificial Analysis Intelligence Index: Qwen4-Max a 43 punti contro Claude, GPT, Gemini e Kimi

In questa classifica Claude Fable 5.2 fa 65, Gemini 4 Carbon 60, Claude Opus 5.5 59, GPT-6 Astra 57, GPT-6.1 Sol 55 e Kimi K3.1 Pro 46. Qwen4-Max è quindi un modello di fascia media alta, non uno che gioca alla pari con i migliori. Il messaggio di alcuni titoli (“batte Opus 5.5 nella programmazione”) regge solo su DeepSWE, dove la differenza è di un punto e mezzo.

Prezzi di Qwen4-Max: il listino e il costo reale per compito

Sul listino ufficiale di QwenCloud i prezzi sono più bassi di quelli di Qwen3.8-Max su tutte le voci, e la cache (lo sconto sulle parti del testo che si ripetono da una richiesta all’altra) scende del 70%.

ModelloInputOutputInput in cache
Qwen4-Max1,5 $4,5 $0,075 $
Qwen3.8-Max2 $6 $0,25 $
GPT-6.1 Sol2 $10 $0,10 $
Kimi K3.1 Pro2 $10 $0,20 $
Claude Opus 5.54 $20 $0,20 $
Claude Fable 5.28 $40 $0,20 $
GPT-6 Astra10 $50 $1 $

Prezzi in dollari per milione di token, controllati sui listini ufficiali il 16 novembre 2026. Per Qwen4-Max c’è anche la cache esplicita, quella che si attiva a mano: creare la cache costa 1,875 dollari per milione di token se dura 5 minuti e 3 dollari se dura un’ora, rileggerla 0,075 dollari.

Prezzi API per milione di token di Qwen4-Max, Qwen3.8-Max, GPT-6.1 Sol, Kimi K3.1 Pro, Claude Opus 5.5, Claude Fable 5.2 e GPT-6 Astra

Il prezzo per token non basta

Sulla carta Qwen4-Max è il più economico della tabella. Ma quello che si paga davvero è il compito finito, e lì entra in gioco quanto il modello “parla”. Artificial Analysis ha misurato anche questo: per completare i test del suo indice Qwen4-Max ha prodotto 127 milioni di token, contro un valore medio di 78,6 milioni per i modelli comparabili. Meno dei 150 milioni di Qwen3.8-Max, quindi il risparmio dichiarato da Alibaba c’è, ma resta un modello che scrive molto.

Costo medio per compito secondo Artificial Analysis: Qwen4-Max 3,27 dollari contro GPT-6.1 Sol, Kimi, Claude e Gemini

Il risultato è questo: 3,27 dollari per compito, un terzo di Qwen3.8-Max (10,02) e di Claude Opus 5.5 (10,04), poco meno di Kimi K3.1 Pro (3,68). Però GPT-6.1 Sol fa lo stesso lavoro con 1,27 dollari e prende 55 punti invece di 43: costa meno della metà ed è più bravo. Messo in pratica, mille compiti come quelli del test costano circa 1.270 dollari con GPT-6.1 Sol, 3.270 con Qwen4-Max e 10.040 con Opus 5.5.

Il modello giusto, insomma, non è quello con il listino più basso, ma quello che chiude il lavoro bene con meno passaggi. Ed è un conto che si può fare solo sui propri compiti, perché quanto un modello “parla” cambia molto da un tipo di lavoro all’altro.

Dove si usa e come provarlo

Qwen4-Max non si scarica. Si usa in quattro modi:

  • Qwen Studio: la chat di Alibaba, dal browser o dalle app. È il modo più semplice per provarlo senza scrivere una riga di codice.
  • QwenWork e Qoder: il primo è la piattaforma di Alibaba per il lavoro d’ufficio, che trasforma una richiesta in documenti, presentazioni, pagine web, immagini e video; il secondo è un ambiente di programmazione con agente, che funziona anche dentro VS Code e JetBrains. Alibaba dice di aver sviluppato il modello insieme ai team di questi prodotti, partendo dal modo in cui le persone li usano.
  • API di QwenCloud: a consumo, con il nome di modello qwen4-max. È compatibile con il formato delle API di OpenAI e di Anthropic, quindi si collega ai programmi che già le usano cambiando indirizzo e chiave. Ha strumenti integrati come ricerca web, lettura di pagine ed esecuzione di codice.
  • Token Plan: un abbonamento a crediti mensili, in quattro livelli per i singoli (Lite, Essential, Standard e Pro) e a postazioni per i team. Funziona dentro Claude Code, Cursor, Codex, Qoder, Qwen Code e OpenClaw. Per i team Alibaba garantisce che i dati non vengono usati per addestrare i modelli.

C’è poi una funzione nuova, Live Delivery: invece di sparire per ore e tornare con il lavoro finito, l’agente consegna presto una prima versione usabile e la migliora a tappe, mentre tu puoi correggere la rotta in qualsiasi momento. Alibaba ha pubblicato il plugin Live Delivery su GitHub come open source.

Sui pesi: Qwen4-Max resta chiuso. Alibaba ha detto che i modelli più piccoli della famiglia Qwen4 saranno pubblicati come open source, ma senza una data. Chi vuole un modello Qwen da installare sui propri computer per ora deve aspettare.

A chi può servire davvero

  • A chi fa tanto lavoro documentale: contratti, due diligence, analisi finanziarie, cartelle cliniche. È l’area dove Qwen4-Max va meglio, e nell’annuncio c’è un esempio concreto: 198 documenti in disordine riordinati in 14 cartelle e trasformati in una relazione di 86 pagine, con ogni conclusione collegata al documento da cui viene. Il controllo di un professionista resta obbligatorio, come dice Alibaba stessa.
  • A chi fa girare molti agenti e guarda i costi: con 3,27 dollari a compito è nella fascia economica, vicino a Kimi K3.1 Pro.
  • Non a chi programma soprattutto da terminale: qui Kimi K3.1 Pro, Claude Opus 5.5 e Claude Fable 5.2 sono un’altra categoria.
  • Non a chi vuole il modello in casa: i pesi non ci sono. Se i dati non possono uscire dall’azienda, conviene aspettare i modelli Qwen4 piccoli o usare un modello open-weight.

Per un’azienda italiana c’è anche un aspetto pratico da non dimenticare: i dati passano dai server di Alibaba Cloud. Prima di metterci dentro documenti di clienti, contratti o dati sanitari, va verificato con chi si occupa di privacy in azienda dove vengono trattati e con quali garanzie.

Vale la pena provarlo? La mia opinione

Faccio questo lavoro da più di dieci anni e, da quando seguo da vicino i modelli AI, ho preso un’abitudine: non fidarmi mai di una tabella sola. Qui la tabella di Alibaba e la classifica indipendente raccontano due storie un po’ diverse, ed è proprio la differenza la cosa interessante.

Il passo avanti è reale. Passare da 34 a 43 punti su Artificial Analysis e tagliare di due terzi il costo per compito in una sola generazione è un risultato serio. Il salto su Agents’ Last Exam, da 27,9 a 46,7, dice che il modello regge lavori lunghi molto meglio di prima.

Però il racconto “batte i modelli americani” non regge. Qwen4-Max vince dove i test premiano la gestione di tanti documenti e passaggi, e perde nettamente dove serve precisione tecnica: terminale, ricostruzione di software, lettura di grafici. E sul piano dei costi, che è il suo argomento più forte, GPT-6.1 Sol fa meglio sia come qualità sia come spesa per compito.

Io lo proverei su un caso preciso: analisi di documenti lunghi, dove il contesto da un milione di token e i punti forti legali e professionali contano davvero. Per programmare non sarebbe la mia prima scelta.

Conclusione

Con Qwen4-Max diventa ancora più chiaro un cambio che si vede da qualche mese: la gara tra modelli non si gioca più sul prezzo per milione di token, ma su quanto costa un lavoro finito e fatto bene. Un modello che costa poco a token ma scrive il doppio, o che sbaglia e deve rifare, alla fine costa di più.

Per chi usa l’AI in un’attività il consiglio è sempre lo stesso: prima di cambiare modello, prendere venti compiti veri del proprio lavoro e misurare tre cose, cioè qualità del risultato, tempo e spesa. Le tabelle servono a scegliere cosa provare, non a decidere. E per i lavori delicati, legali, finanziari o medici, il controllo umano resta parte del processo, qualunque modello si usi.

FAQ

Cos’è Qwen4-Max?

È il modello di punta di Alibaba, uscito il 16 novembre 2026. È un modello a esperti da 2.400 miliardi di parametri, con 71 miliardi attivi per token, contesto da 1 milione di token, e legge testo, immagini e video. È pensato soprattutto per lavori da agente lunghi e per compiti professionali.

Qwen4-Max è open source?

No. I pesi non sono scaricabili e il modello si usa solo via API o nelle app di Alibaba. Alibaba ha annunciato che i modelli più piccoli della famiglia Qwen4 saranno open source, senza indicare una data.

Quanto costa?

Via API costa 1,5 dollari per milione di token in input, 4,5 in output e 0,075 per l’input in cache. Secondo Artificial Analysis il costo medio per completare un compito del suo indice è di 3,27 dollari. In alternativa c’è il Token Plan, un abbonamento a crediti mensili.

È meglio di Claude Opus 5.5?

In generale no. Nella tabella di Alibaba Opus 5.5 vince 7 test su 16 e Qwen4-Max 4, e nella classifica di Artificial Analysis Opus fa 59 punti contro 43. Qwen4-Max è più forte nei compiti legali e nei lavori lunghi da agente, e costa circa un terzo per compito.

Cosa cambia rispetto a Qwen3.8-Max?

Nuova architettura, il 25% di parametri attivi in meno, prezzi più bassi su tutte le voci e meno token per lo stesso lavoro. Su Artificial Analysis passa da 34 a 43 punti e il costo per compito scende da 10,02 a 3,27 dollari.

Si può usare con Claude Code o Cursor?

Sì. Le API di QwenCloud sono compatibili con i formati di OpenAI e Anthropic, e il Token Plan è pensato proprio per strumenti come Claude Code, Cursor, Codex e Qoder.

Come si prova senza programmare?

Dalla chat Qwen Studio, sul sito o nelle app, oppure da QwenWork, la piattaforma per documenti, presentazioni e altri lavori d’ufficio.

Leggi anche:
Claude Opus 5.5, GPT-6 Sol e Luna: prezzi e benchmark a confronto ·
Gemini 4 Carbon: novità, benchmark e prezzi del modello più potente di Google ·
MiniMax M3.1 Flash: novità, prezzi e benchmark del modello cinese per agenti AI

Fonti

Avatar Daniele Forciniti
Contattaci ora