AlibabaのQwenチームが、次世代AIモデル「Qwen4-Max」の正式版を公開した。11月11日に定額制のToken Planで提供を始めたプレビュー版に続き、日本時間2026年11月16日には従量課金APIでも利用できるようになった。Qwen公式ブログによると、新モデルは2.4兆パラメータのアーキテクチャを採用し、コーディングや専門業務、長時間にわたるAIエージェントの実行を強化したという。
Qwen4-Maxの特徴は、最上位モデルに迫る性能と比較的低いAPI料金の組み合わせにある。Alibabaが公開した他社モデルとの比較図では、16項目のうちQwen4-Maxが首位に立ったのは4項目で、コーディング関連の多くではClaude Opus 5.5が上回る。それでも出力100万トークン当たりの定価は4.5ドルと、Opus 5.5の20ドルの4分の1に満たず、GPT-6.1 Solの10ドルの半分以下だ。
この価格差は、モデルを何十回も呼び出すAIエージェントの運用で特に重要になる。ただし、トークン単価が低くても、同じ仕事を終えるまでに多くのトークンを消費したり、失敗による再試行が増えたりすれば、実際の費用は逆転しうる。Qwen4-Maxの競争力を評価するには、ベンチマークのスコアとAPI単価だけでなく、タスクを完了するまでの費用を見る必要がある。
2.4兆パラメータの新アーキテクチャ、前世代から処理効率を改善
Qwen4-Maxは、新しいQwen4アーキテクチャを採用したモデルだ。バックボーンの総パラメータ数は2.4兆に達するが、1トークンの処理で有効になるのは710億パラメータにとどまる。これとは別に、短いトークンの並びを扱う「N-gram Embedding」に3,280億パラメータを使用する。コンテキスト長は100万トークンで、テキストに加えて画像や動画も入力できる。
新アーキテクチャでは、Gated DeltaNetとQwen Sparse Attentionを組み合わせている。Gated DeltaNetは過去の文脈を固定サイズの状態に圧縮し、Qwen Sparse Attentionは長い入力の中から処理に必要な部分を選択する仕組みだ。Alibabaによると、3層のGated DeltaNetとQwen Sparse Attentionを組み合わせることで、長い文脈を扱う際の計算量を抑える設計になっている。
前世代のQwen3.8-Max-Baseと比較すると、処理時に有効になるパラメータ数を25%削減しながら、社内評価の4分野すべてで性能が改善したという。言語予測の効率を示すBPB(Bits Per Byte)は5〜13%低下した。BPBは値が小さいほど予測性能が高いことを示す指標であり、Alibabaはモデルの規模を維持しながら計算効率を高めたと説明している。
API料金も前世代から引き下げられた。シンガポールリージョンでは、Qwen3.8-Maxの入力100万トークン当たり2ドル、出力6ドルに対し、Qwen4-Maxはそれぞれ1.5ドル、4.5ドルとなり、いずれも25%安くなった。さらに、暗黙キャッシュがヒットした入力の料金は0.25ドルから0.075ドルへと70%下がっている。
Alibabaの性能比較でも、首位は16項目中4項目
Qwen公式ブログには、Qwen4-Max、Qwen3.8-Max、Claude Opus 5.5、GPT-6.1 Sol、GPT-6 Astra、Moonshot AIのKimi K3.1を16項目で比較した図が掲載されている。Qwen4-Maxが最高スコアを獲得したのは、エージェント型コーディングのDeepSWE(75.7)、長時間の実務課題を測るAgents' Last Exam(46.7)、法務エージェントのHLAB-Vals(21.3)、生命情報学のBioMysteryBench(85.0)の4項目だった。一方、Claude Opus 5.5は7項目で首位に立っている。
特に差が目立つのはコーディング分野だ。端末操作を通じて開発課題を解決するTerminal-Bench 4.0では、Qwen4-Maxの48.5に対してOpus 5.5は59.6、Kimi K3.1は67.2だった。既存ソフトウェアの動作を外部から観察して再実装するProgramBenchでは、Qwen4-Maxの31.5に対し、Opus 5.5は65.0と2倍以上のスコアを記録した。Web開発の対戦評価CodeArenaでも、Qwen4-Maxの1750はOpus 5.5の1816を下回っている。
- Qwen4-Max
- Claude Opus 5.5
データを表で見る
| Qwen4-Max (スコア) | Claude Opus 5.5 (スコア) | |
|---|---|---|
| DeepSWE v1.1 | 75.7 | 74.2 |
| Agents' Last Exam v1.1 | 46.7 | 43.4 |
| APEX-Agents v1.1 | 72.1 | 73.5 |
| JobBench | 68.5 | 75.4 |
| Terminal-Bench 4.0 | 48.5 | 59.6 |
| ProgramBench | 31.5 | 65 |
エージェント関連の評価でも、得意分野には違いがある。専門サービス業務を対象とするAPEX-AgentsではQwen4-Maxが72.1、Opus 5.5が73.5で、差は1.4ポイントにとどまった。一方、職務課題を扱うJobBenchでは68.5対75.4、実環境のエージェント課題を対戦形式で評価するAgentArenaでは7.5対18.2となり、Opus 5.5との差が広がっている。
公式比較図の脚注によると、APEX-AgentsはMercor、CodeArenaはLM Arenaのリーダーボードの数値を使用しており、すべての評価がAlibabaの社内測定というわけではない。ただし、掲載するベンチマークの選定はAlibabaが行っている。その比較でも、難度の高いコーディング分野ではOpus 5.5が優勢であり、Qwen4-Maxが総合性能で同モデルを上回ったとはいえない。
出力単価はGPT-6.1 Solの半分以下、Opus 5.5の4分の1未満
性能面では競合に及ばない項目がある一方、API料金ではQwen4-Maxが優位に立つ。QwenCloud、OpenAI、Anthropicの公式料金表に基づく、主要モデルの標準API料金は次のとおりだ。
| モデル | 入力 | 出力 | キャッシュ読み出し |
|---|---|---|---|
| Qwen4-Max(Singapore International) | $1.5 | $4.5 | $0.075 |
| GPT-6.1 Sol | $2 | $10 | $0.10 |
| Claude Opus 5.5 | $4 | $20 | $0.20 |
| GPT-6 Astra | $10 | $50 | $1 |
※100万トークン当たりの米ドル定価。バッチ処理、割引、追加のツール料金は含まない。GPT-6.1 SolとGPT-6 Astraは入力27万2,000トークン以下の場合の料金。
出力料金だけを見ると、Qwen4-Maxの4.5ドルはGPT-6.1 Solの10ドルに対して45%、Claude Opus 5.5の20ドルに対して22.5%となる。入力料金でも、Qwen4-Maxの1.5ドルはGPT-6.1 Solより25%、Opus 5.5より62.5%安い。キャッシュ読み出し料金も、同じ比較条件ではQwen4-Maxが最も低い。
QwenCloudでは、推論を実行する地域によって料金が異なる。正式モデルの従量料金表によると、シンガポールのInternational実行範囲と、北京および東京などのGlobal実行範囲では、次の単価が適用される。
| 地域・推論の実行範囲 | 入力 | 出力(思考+回答) | キャッシュ書込5分 | キャッシュ書込1時間 | キャッシュ読込 |
|---|---|---|---|---|---|
| Singapore International | $1.5 | $4.5 | $1.875 | $3 | $0.075 |
| Beijing China/Global | $1.413 | $4.24 | $1.767 | $2.827 | $0.071 |
東京を含むGlobal実行範囲では、出力100万トークン当たりの料金が4.24ドルとなる。1ドル=159円で換算すると約674円で、同じ為替レートで約3,180円となるOpus 5.5の20ドルとは大きな差がある。なお、QwenCloudはシンガポールの従量課金APIについて、新規利用者向けに100万トークンの無料枠も案内している。
実際の費用を計算すると、Singapore Internationalで入力10万トークン、思考と回答を合わせた出力1万トークンを使った場合、通常入力が0.15ドル、出力が0.045ドルとなり、合計0.195ドルかかる。同じ入出力量で、入力全量にキャッシュ読み出し料金が適用されると仮定すれば、入力は0.0075ドルとなり、出力と合わせて0.0525ドルに下がる。ただし、いずれも公開単価に基づく計算例であり、キャッシュ書込費用、ツール料金、税金、無料枠、割引は含めていない。後者はキャッシュの書き込みから読み出しまでを含めた総費用ではなく、キャッシュがヒットする条件も考慮していない。
組み込みツールを利用する場合は、別途料金が発生する。Web Searchは1,000回当たりSingaporeで10ドル、東京などのGlobal地域では0.573411ドルとされる。一方、Function callingとMCPには追加のツール料金が設定されていないが、ツール定義に使用するトークンは入力料金の対象となる。
エージェントの運用費用は、トークン単価だけでは決まらない
AIエージェントは、単発の質問応答とは異なり、計画、ツールの実行、結果の確認、修正を繰り返す。1件の作業でモデルを何十回も呼び出すことがあり、そのたびに思考トークンと入力トークンが消費される。Qwen4-Maxでは思考トークンも出力料金で課金されるため、推論が長くなるほど出力単価の差が費用に反映される。
また、エージェントは処理を進める際、それまでの作業記録やツールの実行結果を繰り返しモデルへ渡すことが多い。同じ入力部分をキャッシュから読み出せれば、通常の入力料金より安く処理できる。Qwen4-Maxのキャッシュ読み出し単価が100万トークン当たり0.075ドルと低いことは、長時間のエージェント処理で有利に働く可能性がある。
Alibabaは、モデル自体の改善によって必要なトークン数も減少したと説明している。同社の評価では、Qwen4-Maxのトークン消費量は前世代のQwen3.8-Maxと比べ、Work360で24〜35%、Terminal-Bench 4.0で48〜49%減少したという。さらに、Work360における1タスク当たりの平均費用は4.43ドルから1.67ドルへと約62%下がった。モデルの改善によるトークン削減とAPI料金の引き下げが両方とも寄与しているが、要因ごとの内訳は示されていない。
ただし、この費用比較の対象は前世代のQwen3.8-Maxであり、Claude Opus 5.5やGPT-6.1 Solとの直接比較ではない。同じタスクを完了するまでに消費するトークン数は、モデルの推論方法やツールの使用回数によって変わる。単価が低くても、大量のトークンを使うモデルのほうが最終的な費用で高くなることはある。
例えば、Opus 5.5との単価差は出力で約4.4倍、通常入力とキャッシュ読み出しで約2.7倍ある。キャッシュ書込費用やツール料金などを除く単純な比較では、Qwen4-Maxが入力と出力のいずれについてもOpus 5.5の2.6倍以下のトークン消費量でタスクを完了できれば、Qwen4-Maxのほうが安くなる。一方、GPT-6.1 Solとの差は出力で約2.2倍、入力とキャッシュ読み出しでは約1.3倍にとどまるため、トークン消費量の違いによって費用が逆転しやすい。
成功率も重要な要素となる。ProgramBenchのような難度の高いコーディング課題では、Qwen4-MaxのスコアはOpus 5.5の半分に満たない。この差が実際の開発作業における失敗や再試行の増加につながれば、低いAPI単価による節約分を失う可能性がある。
Qwen4-Maxが長時間動作するAIエージェントの運用に適しているかを判断するには、第三者による同一条件での比較が必要だ。Artificial Analysisのような評価機関が、複数のモデルに同じタスクを実行させ、成功率、入力・出力トークン数、ツール使用量、完了までの費用を測定することで、GPT-6.1 SolやOpus 5.5に対する実際の費用面での優位性を判断できる。
正式モデルとプレビュー版ではAPIの利用条件が異なる
Qwen4-Maxは従量課金APIで利用できる正式モデルだが、11月11日から提供されている「qwen4-max-preview」は別のモデルIDを持つ期限付きのプレビュー版として残っている。11月16日時点の正式モデルの開発資料、Token Planの説明、プレビュー版の資料を比較すると、次の違いがある。
| 項目 | 正式モデル | プレビュー版 |
|---|---|---|
| モデルID | qwen4-max | qwen4-max-preview |
| 利用経路 | 従量課金API、Token Plan Personal/Team | Token Plan限定、従量課金は対象外 |
| 提供期間 | 従量課金APIで提供中 | 11月11日10時〜11月25日24時(UTC+8)、終了後は提供終了予定 |
| APIキーと接続先 | 従量課金とToken Planで別々 | Token Plan向けの接続条件を使用 |
| 推論強度の既定値 | high | xhigh |
| 思考時の最大出力 | 思考と回答の合計262,144トークン | 思考と回答の合計393,216トークン |
正式モデルでは、思考モードが既定で有効になっている。推論強度はlow、high、xhighの3段階から選択でき、指定しない場合はhighが適用される。プレビュー版の既定値はxhighであるため、同じプロンプトでもモデルを切り替えることで推論の動作やトークン消費量が変わる可能性がある。
また、正式モデルの思考に割り当てるthinking_budgetの既定値は131,072トークンで、思考と最終回答を合わせた出力上限とは別の設定になっている。QwenCloudの開発資料とモデル一覧では、思考モードを使用しない場合の最大出力を131,072トークン、思考モードでは思考と回答の合計を262,144トークンとしている。
一方、正式モデルの商品ページには、最大出力393K、思考モードでの最大出力393Kと表示されている。公式資料間で数値が食い違っており、実際に保証される出力上限は確認できていない。ファインチューニングについても、商品ページには機能として表示されているものの、開発資料では正式モデルは非対応と明記されている。
Token Planは、対応するAIツール内での対話利用を想定した定額制サービスだ。利用量に応じてCreditsを消費する仕組みで、PersonalとTeamのプランが用意されている。購入と利用に対応するのはシンガポールリージョンのみで、従量課金APIとは専用のAPIキーと接続先が分かれている。
Token Planの料金ページには、新規顧客向けのキャンペーン価格として「3ドルから」と表示されている。ただし、最終価格はログイン後の決済画面が優先される。この価格は定額制プランの料金であり、正式モデルの従量課金APIの単価ではない。
100万トークンの文脈と、思考・回答で共有する出力予算
Qwen4-MaxはOpenAI互換APIとAnthropic互換APIに対応しており、Claude CodeやCursorなどの対応ツールから接続先を変更して利用できる。APIの種類によって推論強度を指定するパラメーターが異なり、OpenAI互換のChat CompletionsとDashScopeではreasoning_effort、Responses APIではreasoning.effort、Anthropic互換のMessages APIではoutput_config.effortを使用する。
出力トークンの上限についても、従来のQwenモデルとは扱いが変わっている。API互換性変更の告知によると、qwen4-max-preview以降の新しいQwenモデルでは、OpenAI互換のChat CompletionsとDashScopeでmax_tokensをmax_completion_tokensと同じ意味で扱う。思考モードでは、指定した出力予算を思考と最終回答で共有する仕組みだ。
例えばmax_completion_tokens=10000と指定した場合、思考と回答にそれぞれ1万トークンが割り当てられるのではなく、両者の合計が1万トークンに制限される。長い推論を必要とするタスクでは、思考に多くのトークンを消費すると、最終回答に使用できるトークン数が少なくなる。
正式モデルは並列ツール呼び出しやJSON Schemaにも対応し、Responses APIではMCPとの接続も可能だ。コンテキスト長は100万トークンで、モデル一覧によると、画像は1枚当たり最大16メガピクセル、動画は最大2時間かつ2GB以内まで入力できる。長い資料や動画を扱う用途にも対応する一方、実際の処理では入力容量と出力予算をそれぞれ考慮する必要がある。
長時間動作するエージェント向けには、明示的なコンテキストキャッシュも用意されている。システムプロンプト、ツール定義、参照文書など、繰り返し使用する入力をキャッシュすることで、処理時間と入力費用を削減できる。キャッシュの保持期間は5分と1時間から選択でき、書き込みと読み出しにはそれぞれ料金が設定されている。
ただし、キャッシュが利用できるAPIにも違いがある。正式モデルの開発資料によると、新しいQwen4の明示的キャッシュはChat Completions、Responses、Anthropic Messagesに対応するが、DashScope APIでは利用できない。暗黙キャッシュについても、毎回のヒットが保証されるわけではない。
東京リージョンでも推論が日本国内で実行されるとは限らない
日本からQwen4-Maxを利用する場合は、APIの接続先リージョンと、実際に推論が実行される場所を区別する必要がある。QwenCloudの地域に関する公式資料によると、リージョンはリクエストの受付場所とデータの保存場所を定め、推論の実行範囲は処理を実行する場所を指定する。
正式モデル「qwen4-max」について、開発資料が東京リージョンで明記している実行範囲はGlobalである。Globalでは中国本土を含む利用可能なノードで推論が実行される可能性があり、東京のAPI接続先を使うだけでは、処理が日本国内に限定されるわけではない。
東京リージョンには、日本国内での推論処理に限定するJapanという実行範囲も用意されている。ただし、対応モデルと料金は実行範囲によって異なる。11月16日時点で確認した公式資料では、qwen4-maxがJapan実行範囲に対応しているかは確定できなかった。
API接続時には、APIキーを作成したリージョンと接続先を一致させる必要がある。東京では同じBase URLを使用していても、workspaceのAPIキーによって推論の実行範囲が決まり、その範囲はworkspaceの作成時に固定される。
また、シンガポールの従量課金APIとToken Planでは、接続先ドメインも異なる。従量課金APIはap-southeast-1.maas.qwencloudapi.com、Token Planはtoken-plan.maas.qwencloudapi.comを使用する。両者のAPIキーは相互に流用できないため、既存のプレビュー版から正式モデルへ移行する場合には、契約と接続設定を合わせて変更する必要がある。
Qwen4-Maxを本番環境に導入する際には、推論強度と出力予算、キャッシュの利用条件、実際のタスク完了率を揃えて比較することが重要になる。特にGPT-6.1 Solとの価格差はOpus 5.5ほど大きくないため、同じ作業を完了するまでのトークン消費量と再試行回数が、費用面での優劣を左右する。
なお、AlibabaはQwen4-Maxと同世代の技術を使用した小型Qwen4モデルを、オープンソースで公開する予定も明らかにしている。公開時期は示されていないが、Qwen4-Max本体がAPIやアプリ経由で提供されるのに対し、小型モデルが自社環境で実行できるようになれば、AIエージェントを常時稼働させたい企業にとって、API利用とは別の運用方法が選択肢に加わる。



