Alibaba lancia Qwen4-Max, dichiarandolo superiore ai modelli rivali nel coding
Punti chiave
- •Qwen4-Max è attivo dal 16 novembre 2026 come modello principale della serie Qwen4 di Alibaba, basato su un'architettura sparse mixture-of-experts con un backbone da 2.400 miliardi di parametri.
- •Alibaba riporta un punteggio di 75.7 nel benchmark di coding DeepSWE v1.1, davanti a Claude Opus 5.5 e competitivo con Kimi K3.1 Pro, ma le classifiche indipendenti collocano il modello dietro concorrenti come Kimi, riconoscendone però il costo favorevole per attività.
- •Il modello utilizza circa il 50% di token in meno rispetto al predecessore Qwen3.8-Max e i costi medi per attività sono diminuiti di oltre il 60%, con un prezzo di 1,50 dollari per milione di token in input e 4,50 dollari per milione di token in output e un costo per attività di circa 3,27 dollari.
- •Qwen4-Max è multimodale per testo, immagini e video, supporta finestre di contesto fino a 1 milione di token ed è compatibile con i protocolli di OpenAI e Anthropic per facilitare il passaggio degli sviluppatori da piattaforme rivali.
- •Alibaba prevede di rilasciare modelli open-weight più piccoli della serie Qwen4 mantenendo chiuso il modello di punta, e posiziona il modello per settori ad alto contenuto documentale come sanità, finanza e diritto.

Alibaba ha lanciato un nuovo modello AI di punta, Qwen4-Max, accompagnandolo con affermazioni coraggiose sulle prestazioni nel coding. L'azienda ha dichiarato che il modello supera Claude Opus 5.5 di Anthropic e offre risultati competitivi rispetto a Kimi K3.1 Pro di Moonshot AI nei benchmark di coding, anche se le classifiche indipendenti raccontano una storia più articolata.
Cosa ha effettivamente rilasciato Alibaba
Qwen4-Max è attivo dal 16 novembre 2026 come modello principale della nuova serie Qwen4. Si basa su un'architettura sparse mixture-of-experts costruita attorno a un backbone da 2.400 miliardi di parametri.
Vale la pena spiegare brevemente questa architettura. Immaginate un ospedale con centinaia di specialisti, in cui ogni paziente vede solo i pochi medici pertinenti al proprio caso. Un modello mixture-of-experts funziona allo stesso modo: instrada ogni richiesta a un sottoinsieme dei propri "esperti" interni invece di attivare tutti i 2.400 miliardi di parametri contemporaneamente. Il risultato è un modello molto grande che non paga l'intero costo di calcolo per ogni attività.
Il modello è multimodale, il che significa che gestisce testo, immagini e video. Supporta inoltre una finestra di contesto fino a 1 milione di token. La finestra di contesto funziona in grosso modo come la memoria a breve termine del modello, quindi una finestra più ampia gli consente di elaborare documenti lunghi o codebase estese in una singola sessione.
Gli sviluppatori possono accedere a Qwen4-Max tramite un'API su QwenCloud. Alibaba lo ha inoltre reso compatibile con i protocolli stabiliti da OpenAI e Anthropic. Per i team già costruiti attorno a quegli ecosistemi, il passaggio diventa meno una riscrittura e più una modifica di configurazione.
Benchmark e la piccola stampa
Nel benchmark di coding DeepSWE v1.1, Qwen4-Max ha ottenuto un punteggio di 75.7. Secondo i risultati della ricerca pubblicati al lancio, tale risultato l'ha collocato davanti a Claude Opus 5.5 e con risultati competitivi rispetto a Kimi K3.1 Pro.
Le classifiche indipendenti sono meno generose. Collocano Qwen4-Max dietro concorrenti come Kimi, evidenziandone però il costo favorevole per attività. Questa divergenza è una caratterista ricorrente dei lanci di modelli AI: le suite di benchmark dei fornitori e le classifiche di terze parti spesso si affidano a valutazioni diverse, quindi gli acquirenti devono in genere confrontare più classifiche anziché fidarsi di un singolo numero.
Dove Alibaba presenta la sua argomentazione più solida è l'efficienza. Qwen4-Max utilizza circa il 50% di token in meno rispetto al suo predecessore, Qwen3.8-Max, e i costi medi per attività sono diminuiti di oltre il 60% rispetto al modello precedente. I token sono i frammenti di testo che un modello legge e scrive, e sono anche il modo in cui la maggior parte dei fornitori AI fattura ai clienti: meno token per attività significa una fattura più piccola per lo stesso lavoro.
Prezzi pensati per undercuttare
Alibaba ha fissato il prezzo di Qwen4-Max a 1,50 dollari per milione di token in input e 4,50 dollari per milione di token in output, posizionandolo come un'opzione conveniente all'interno della fascia di punta dei modelli AI. I risultati della ricerca indicano un costo per attività di circa 3,27 dollari, inferiore a quello dei concorrenti.
L'accesso non è iniziato il giorno del lancio. Un'anteprima Token Plan è stata aperta l'11 novembre 2026 e rimarrà attiva fino al 25 novembre, offrendo ai team una finestra definita per testare il modello sui propri carichi di lavoro. Alibaba prevede inoltre di rilasciare modelli open-weight più piccoli della serie Qwen4, mentre il modello di punta Qwen4-Max resterà chiuso.
Contesto: una corsa affollata
La proposta di Alibaba si allontana dalla pura corsa agli armamenti sulle capacità. L'azienda punta invece su efficienza e uso pratico, con particolare attenzione alla produttività professionale e alle attività di coding. Il modello è destinato a settori come sanità, finanza e diritto, dove i flussi di lavoro sono ad alto contenuto documentale e la disciplina dei costi è un vincolo reale.
Cosa significa
Per le aziende che acquistano AI, il numero più importante in questo contesto potrebbe non essere 75.7. È la combinazione di un minore utilizzo di token e di un prezzo più basso per token. Questi due risparmi si sommano, ed è per questo che Alibaba può indicare costi per attività in calo di oltre il 60% rispetto al proprio modello precedente.
La compatibilità con i protocolli di OpenAI e Anthropic riduce inoltre il costo di prova di Qwen4-Max per gli sviluppatori già investiti su piattaforme rivali.
Tuttavia, il divario tra le affermazioni di benchmark di Alibaba e le classifiche indipendenti merita attenzione. Le aziende che valutano il modello dovrebbero considerare i risultati di terze parti accanto ai numeri del fornitore, soprattutto per il lavoro di coding, dove le prestazioni variano in base all'attività. Il fatto che le classifiche indipendenti ne riconoscano comunque il costo per attività suggerisce che la storia dell'efficienza regge meglio della corona assoluta delle prestazioni.
La strategia open-weight è l'altro aspetto da monitorare. Il rilascio aperto di modelli Qwen4 più piccoli potrebbe ampliare la base di sviluppatori di Alibaba, mentre il mantenimento chiuso del modello di punta protegge il suo asset più prezioso.