Alibaba resmi merilis Qwen4-Max pada 16 November 2026. Ini model pertama dari generasi Qwen4, dan angkanya cukup mengejutkan: 2,4 triliun parameter total dengan 71 miliar parameter aktif per token, konteks 1 juta token, serta input teks, gambar, dan video. Yang paling berdampak bagi pengguna praktis bukan ukurannya, melainkan harganya. Alibaba memangkas tarif API dan mengklaim biaya rata-rata per tugas turun sekitar 60 persen dibanding Qwen3.8-Max.
Pengumuman disampaikan di Hangzhou dan model langsung tersedia di QwenCloud melalui Token Plan maupun API bayar-per-token, plus aplikasi milik Alibaba sendiri (QwenWork dan QwenStudio). Model ini proprietari, tanpa bobot terbuka. Alibaba menyebut versi open-weight dari seri Qwen4 berskala lebih kecil akan menyusul.
Apa yang berubah di arsitekturnya
Qwen4-Max masih memakai desain sparse Mixture-of-Experts seperti pendahulunya, tetapi ada tiga perubahan: mekanisme attention, koneksi residual, dan embedding. Lapisan Qwen Sparse Attention dipasangkan dengan Gated DeltaNet untuk memampatkan riwayat panjang, lalu sebuah indexer ringan memilih bagian konteks yang relevan. Ada pula Gated Residual dengan empat cabang paralel, dan 328 miliar parameter tambahan berupa N-gram Embedding untuk memperluas kapasitas tanpa menambah beban komputasi besar.
Hasil praktisnya: model hanya mengaktifkan 71 miliar parameter per token, sekitar 25 persen lebih sedikit dibanding Qwen3.8-Max pada skala 2,4 triliun yang sama. Alibaba menyebut tidak ada lonjakan loss selama pra-pelatihan skala itu.
Harga API dan arti "lebih murah"
Halaman harga QwenCloud mencatat tarif untuk region Singapura (International), per 1 juta token:
- Input: 1,50 dolar AS (sebelumnya 2 dolar AS di Qwen3.8-Max)
- Output: 4,50 dolar AS (sebelumnya 6 dolar AS)
- Cache read: 0,075 dolar AS (sebelumnya 0,25 dolar AS, turun sekitar 70 persen)
- Cache write 5 menit: 1,875 dolar AS; cache write 1 jam: 3 dolar AS
Region Beijing dan Global (Frankfurt, Hong Kong, Tokyo, Virginia) sedikit lebih murah, 1,413 dan 4,24 dolar AS. Tidak ada tier harga berdasarkan panjang input: prompt 900 ribu token dikenai tarif per token yang sama dengan prompt pendek. Mode thinking dan non-thinking juga dihargai sama.
Potongan harga cache itu penting untuk aplikasi agen. Agen biasanya mengirim ulang konteks yang sama di setiap putaran, sehingga biaya terbesar justru ada di token berulang. Alibaba juga mengklaim pemakaian token lebih hemat: pada benchmark internal Work360 turun sekitar 35 persen di mode High, dan di Terminal-Bench 4.0 turun hampir separuh. Dengan harga lebih rendah plus token lebih sedikit, biaya per tugas di Work360 menurut Alibaba turun dari 4,43 ke 1,67 dolar AS.
Kemampuan dan batasannya
Alibaba menempatkan Qwen4-Max di peringkat 6 Code Arena, salah satu papan peringkat coding berbasis pemakaian nyata. Perusahaan itu juga menyebut model ini unggul di tugas agen dan penalaran visual pada beberapa benchmark, termasuk Agents' Last Exam, Vals Index, JobBench, dan Chartography. Semua angka benchmark tersebut berasal dari pihak Alibaba dan pengujian internalnya, belum direproduksi independen.
Yang perlu dicatat: tidak ada bobot model. Qwen4-Max hanya bisa dipakai lewat API atau langganan, jadi tidak ada opsi self-hosting, kuantisasi, atau menjalankannya di server sendiri. Untuk instansi yang datanya tidak boleh keluar dari infrastruktur sendiri, ini pembatas nyata. Konteks maksimum input 991 ribu token (983 ribu saat thinking aktif), output maksimum 131 ribu token, dan output thinking plus jawaban sampai 262 ribu token. Rate limit default 5 juta token per menit.
Dampaknya bagi pengguna di Indonesia
Endpoint Singapura adalah region terdekat, dan API-nya kompatibel dengan format OpenAI Chat Completions, OpenAI Responses, Anthropic Messages, serta DashScope. Artinya aplikasi yang sudah dibangun di atas SDK OpenAI atau Anthropic cukup mengganti base URL dan nama model, tanpa menulis ulang integrasi.
Bagi pemda dan desa, konteks 1 juta token membuka kemungkinan memasukkan dokumen perencanaan, laporan, atau berkas regulasi yang sangat panjang dalam satu permintaan, lalu meminta ringkasan atau ekstraksi tabel tanpa memotong dokumen jadi banyak bagian. Biaya per tugas yang lebih rendah juga membuat chatbot layanan publik lebih masuk akal secara anggaran, karena percakapan panjang dengan dokumen referensi menjadi jauh lebih murah berkat harga cache.
Bagi sekolah dan UMKM, input gambar dan video membuka pemakaian seperti membaca foto dokumen, mengecek materi presentasi, atau merangkum rekaman kegiatan tanpa pipeline terpisah. Bagi developer, kombinasi harga, konteks, dan kompatibilitas API membuat Qwen4-Max layak dijadikan kandidat pembanding saat menghitung biaya bulanan aplikasi, terutama untuk beban kerja agen yang banyak mengulang konteks.
Namun keputusan tetap perlu mempertimbangkan kedaulatan data. Karena bobotnya tertutup, seluruh pemrosesan terjadi di cloud penyedia. Untuk kebutuhan on-premise, pilihan yang realistis masih model open-weight yang sudah ada sekarang, sambil menunggu janji Alibaba merilis model Qwen4 terbuka berskala lebih kecil.
Sumber:
Alibaba Cloud, "Alibaba Unveils Qwen4-Max: New AI Teammate for Work, Creativity, and Discovery" (16 November 2026): https://www.alibabacloud.com/en/press-room/alibaba-unveils-qwen4-max
QwenCloud, halaman model dan harga Qwen4-Max: https://qwencloud.com/models/qwen4-max dan https://docs.qwencloud.com/developer-guides/getting-started/pricing
MarkTechPost, "Alibaba Releases Qwen4-Max: 2.4T MoE, 71B Active, 1M Context" (16 November 2026): https://www.marktechpost.com/2026/11/16/alibaba-qwen4-max-release/
