NieuwsAandelenAlibaba introduceert Qwen4-Max en claimt de lead op codeerbenchmarks ten opzichte van Claude Opus 5.5

Alibaba introduceert Qwen4-Max en claimt de lead op codeerbenchmarks ten opzichte van Claude Opus 5.5

Auteur: CryptoBriefing·

Belangrijkste punten

  • •Qwen4-Max ging op 16 november 2026 live als topmodel van Alibaba's Qwen4-serie, gebouwd op een sparse mixture-of-experts-architectuur met een ruggengraat van 2,4 biljoen parameters.
  • •Alibaba meldt een score van 75,7 op de DeepSWE v1.1-codeerbenchmark, boven Claude Opus 5.5 en concurrerend met Kimi K3.1 Pro, maar onafhankelijke ranglijsten plaatsen het model achter concurrenten zoals Kimi, zelfs terwijl ze de gunstige kosten per taak erkennen.
  • •Het model gebruikt ongeveer 50% minder tokens dan de voorganger Qwen3.8-Max en de gemiddelde taakkosten daalden met meer dan 60%, ondersteund door prijzen van $1,50 per miljoen invoertokens en $4,50 per miljoen uitvoertokens met kosten per taak van circa $3,27.
  • •Qwen4-Max is multimodaal voor tekst, afbeeldingen en video, ondersteunt contextvensters tot 1 miljoen tokens en is compatibel met de protocollen van OpenAI en Anthropic om overstappen voor ontwikkelaars op rivaliserende platforms te vergemakkelijken.
  • •Alibaba is van plan kleinere open-weight-modellen in de Qwen4-serie uit te brengen terwijl het vlaggenschip gesloten blijft, en positioneert het model voor documentintensieve sectoren zoals de gezondheidszorg, financiën en juridische dienstverlening.
Alibaba introduceert Qwen4-Max en claimt de lead op codeerbenchmarks ten opzichte van Claude Opus 5.5

Alibaba heeft een nieuw vlaggenschip-AI-model gelanceerd, Qwen4-Max, ondersteund door gedurfde claims over de codeerprestaties. Het bedrijf zei dat het model beter presteert dan Claude Opus 5.5 van Anthropic en concurrerende resultaten laat zien tegenover Kimi K3.1 Pro van Moonshot AI op codeerbenchmarks, hoewel onafhankelijke ranglijsten een meer gemengd beeld geven.

Wat Alibaba werkelijk heeft uitgebracht

Qwen4-Max ging op 16 november 2026 live als het topmodel van de nieuwe Qwen4-serie. Het draait op een sparse mixture-of-experts-architectuur rond een ruggengraat van 2,4 biljoen parameters.

Die architectuur verdient een korte uitleg. Denk aan een ziekenhuis met honderden specialisten, waar elke patiënt alleen de paar artsen ziet die relevant zijn voor het geval. Een mixture-of-experts-model werkt op dezelfde manier: elk verzoek wordt gerouteerd naar een subset van de interne "experts" in plaats van alle 2,4 biljoen parameters tegelijk te activeren. Het resultaat is een zeer groot model dat niet voor elke taak de volledige rekenkosten betaalt.

Het model is multimodaal, wat betekent dat het tekst, afbeeldingen en video verwerkt. Het ondersteunt ook een contextvenster van maximaal 1 miljoen tokens. Een contextvenster functioneert grofweg als het kortetermijngeheugen van het model, zodat het in één sessie met lange documenten of grote codebases kan werken.

Ontwikkelaars hebben via een API op QwenCloud toegang tot Qwen4-Max. Alibaba heeft het model ook compatibel gemaakt met de protocollen van OpenAI en Anthropic. Voor teams die al rond die ecosystemen zijn gebouwd, wordt overstappen minder een herbouwing en meer een kwestie van configuratie.

Benchmarks en de kleine lettertjes

Op de DeepSWE v1.1-codeerbenchmark behaalde Qwen4-Max een score van 75,7. Volgens de onderzoeksbevindingen die bij de lancering zijn vrijgegeven, zette dat resultaat het model boven Claude Opus 5.5 en toonde het concurrerende resultaten tegenover Kimi K3.1 Pro.

Onafhankelijke ranglijsten zijn milder niet. Ze plaatsen Qwen4-Max achter concurrenten zoals Kimi, zelfs terwijl ze de gunstige kosten per taak benadrukken. Die divergentie is een terugkerend kenmerk van AI-modellanceringen: benchmarkpakketten van leveranciers en onafhankelijke ranglijsten vertrouwen vaak op verschillende evaluaties, dus kopers moeten doorgaans over meerdere scoreborden trianguleren in plaats van op één getal te vertrouwen.

Waar Alibaba het sterkste geval maakt, is efficiëntie. Qwen4-Max gebruikt ongeveer 50% minder tokens dan de voorganger Qwen3.8-Max, en de gemiddelde taakkosten daalden met meer dan 60% ten opzichte van dat eerdere model. Tokens zijn de tekstbrokken die een model leest en schrijft, en het is ook hoe de meeste AI-aanbieders klanten factureren — minder tokens per klus betekent een kleinere rekening voor hetzelfde werk.

Prijzen die ontworpen zijn om onder de concurrentie te zitten

Alibaba stelde de prijs van Qwen4-Max in op $1,50 per miljoen invoertokens en $4,50 per miljoen uitvoertokens, waarmee het een kosteneffectieve optie is binnen het topsegment van AI-modellen. De onderzoeksbevindingen stellen de kosten per taak op circa $3,27, lager dan concurrenten.

Toegang begon niet op de lanceringsdag. Een Token Plan-preview opende op 11 november 2026 en loopt tot 25 november, waardoor teams een afgebakende periode hebben om het model op hun eigen workloads te testen. Alibaba overweegt ook kleinere open-weight-modellen in de Qwen4-serie uit te brengen, terwijl het vlaggenschip Qwen4-Max gesloten blijft.

Achtergrond: een drukke race

Alibaba's pitch beweegt zich weg van de pure capaciteitswedloop. In plaats daarvan benadrukt het bedrijf efficiëntie en praktisch gebruik, gericht op professionele productiviteit en codeertaken. Het model richt zich op sectoren zoals de gezondheidszorg, financiën en juridische dienstverlening, waar workflows documentintensief zijn en kostenbeheersing een reële beperking is.

Wat dit betekent

Voor bedrijven die AI inkopen, is het belangrijkste getal hier misschien niet 75,7. Het is de combinatie van lager tokenverbruik en lagere prijzen per token. Die twee besparingen stapelen zich, en daarom kan Alibaba wijzen op taakkosten die met meer dan 60% daalden ten opzichte van het eigen vorige model.

Compatibiliteit met de protocollen van OpenAI en Anthropic verlaagt bovendien de drempel om Qwen4-Max te proberen voor ontwikkelaars die al in rivaliserende platforms investeren.

Toch verdient het verschil tussen Alibaba's benchmarkclaims en onafhankelijke ranglijsten aandacht. Bedrijven die het model evalueren, moeten resultaten van derden naast de cijfers van de leverancier afwegen, vooral bij codeerwerk waarbij de prestaties per taak verschillen. Het feit dat onafhankelijke ranglijsten nog steeds de kosten per taak erkennen, suggereert dat het efficiëntie-verhaal beter standhoudt dan de prestatiekroon.

De open-weight-strategie is het andere punt om in de gaten te houden. Het open vrijgeven van kleinere Qwen4-modellen kan Alibaba's ontwikkelaarsbasis verbreden, terwijl het gesloten houden van het vlaggenschip het meest waardevolle bezit beschermt.