Together AI ha incorporado el modelo insignia de Alibaba, Qwen4 Max, a su servicio de inferencia serverless con el identificador Qwen/Qwen4-Max. Alibaba lanzó el modelo el 16 de noviembre de 2026. Según Together, el precio de lanzamiento es un 30% inferior al de lista hasta el 22 de noviembre de 2026.
Qué es el modelo
Qwen4 Max es un modelo de mezcla de expertos dispersa con 2.4 billones de parámetros (en la escala larga inglesa, 2.4 trillion), de los cuales 71 mil millones se activan por token. Acepta texto e imágenes como entrada y devuelve texto. Las llamadas a herramientas funcionan con el parámetro estándar tools, y un solo turno puede devolver más de una llamada. Alibaba lo presenta para tareas largas de agentes, incluida la programación sobre repositorios grandes. En su propio benchmark Work360, Alibaba afirma que obtiene mejores resultados globales que Qwen3.8 Max, usa un 35% menos de tokens con esfuerzo de razonamiento alto y reduce el coste por tarea en torno a un 60%. Son cifras de Alibaba y Together no las verificó.
Precios
| Precio rebajado (hasta el 22 nov 2026) | Precio de lista | |
|---|---|---|
| Entrada, por 1M de tokens | $1.05 | $1.50 |
| Entrada en caché, por 1M de tokens | $0.0525 | $0.075 |
| Salida, por 1M de tokens | $3.15 | $4.50 |
El caché de prompts es automático y de mejor esfuerzo, así que no todas las solicitudes repetidas se sirven desde caché.
La prueba de Together
Together envió al modelo un informe de error junto con los 344 archivos del framework web Tornado, escrito en Python: 652,519 tokens en una sola solicitud, sin herramientas y sin selección de archivos. El primer token llegó a los 54 segundos y la respuesta completa a los 72. El parche superó las dos pruebas de regresión que los mantenedores escribieron para ese error, y el conjunto completo de 1,673 pruebas de Tornado no registró fallos con el parche aplicado. El modelo además señaló código relacionado de gestión de errores en un archivo que el informe nunca mencionaba. La solicitud costó unos 69 centavos de dólar al precio rebajado.
Together eligió un único ejemplo, con una corrección que los mantenedores publicaron después del lanzamiento del modelo. Muestra lo que puede hacer una sola llamada y no es un benchmark. Al repetir una solicitud de unos 630,000 tokens, casi todo salió del caché: el primer token llegó en 8 segundos y la entrada costó unos 3 centavos en lugar de 66.
Limitaciones antes de llamarlo
- Solo se aceptan solicitudes con streaming. Una solicitud sin streaming devuelve un error 400.
- El razonamiento viene activado por defecto. Se transmite primero, así que hay una pausa antes de la respuesta, y los tokens de razonamiento cuentan como tokens de salida. Se puede desactivar en cada solicitud.
- El modelo solo está disponible en serverless. No hay ajuste fino ni endpoints dedicados. Alibaba dice que llegarán después modelos Qwen4 más pequeños de pesos abiertos.
El script que publicó Together envía todos los archivos de texto que rastrea git, así que conviene revisar si un repositorio contiene secretos antes de enviarlo a cualquier modelo alojado.