Together AI запустила флагманскую модель Alibaba Qwen4 Max в своём serverless-сервисе инференса под идентификатором Qwen/Qwen4-Max. Alibaba выпустила модель 16 ноября 2026 года. По словам Together, стартовая цена на 30% ниже прайса и действует до 22 ноября 2026 года.
Что это за модель
Qwen4 Max - разреженная модель типа mixture-of-experts: 2,4 трлн параметров, из которых на каждый токен задействованы 71 млрд. Она принимает текст и изображения, а отвечает текстом. Вызов инструментов работает через стандартный параметр tools, и за один ход модель может вернуть несколько вызовов. Alibaba позиционирует её для долгой агентной работы, в том числе для программирования в крупных репозиториях. На собственном бенчмарке Work360 Alibaba сообщает о лучшем общем результате по сравнению с Qwen3.8 Max, о 35% меньшем расходе токенов при высоком уровне рассуждения и примерно на 60% меньшей стоимости задачи. Это данные Alibaba, Together их не проверяла.
Цены
| Акционная цена (до 22 нояб. 2026) | Прайс | |
|---|---|---|
| Вход, за 1 млн токенов | $1,05 | $1,50 |
| Кэшированный вход, за 1 млн токенов | $0,0525 | $0,075 |
| Выход, за 1 млн токенов | $3,15 | $4,50 |
Кэширование промптов автоматическое, но работает по принципу best effort: не каждый повторный запрос обслуживается из кэша.
Собственный тест Together
Together отправила модели баг-репорт и все 344 файла Python-фреймворка Tornado - 652 519 токенов - одним запросом, без инструментов и без предварительного отбора файлов. Первый токен пришёл через 54 секунды, полный ответ - через 72. Патч прошёл два регрессионных теста, которые мейнтейнеры написали для этой ошибки, а полный набор тестов Tornado из 1 673 тестов с патчем завершился без сбоев. Кроме того, модель указала на связанный код обработки ошибок в файле, который в баг-репорте не упоминался. Запрос обошёлся примерно в 69 центов по акционной цене.
Together выбрала один пример: исправление, которое мейнтейнеры внесли уже после выхода модели. Он показывает, на что способен один вызов, но бенчмарком не является. Повтор запроса примерно на 630 000 токенов почти целиком обслужили из кэша: первый токен пришёл за 8 секунд, а вход стоил около 3 центов вместо 66.
Ограничения, о которых стоит знать до вызова
- Принимаются только запросы со стримингом. Запрос без стриминга возвращает ошибку 400.
- Thinking включён по умолчанию. Сначала стримятся рассуждения, поэтому перед ответом есть пауза, а thinking-токены считаются выходными. Его можно отключить в отдельном запросе.
- Модель доступна только в serverless. Дообучения и выделенных эндпоинтов нет. Alibaba обещает, что позже выйдут более компактные открытые модели Qwen4.
Скрипт, который опубликовала Together, отправляет все текстовые файлы, отслеживаемые git, поэтому перед отправкой репозитория в любую облачную модель проверьте его на секреты.