EMPVResearch NotesEN
EMPV / RESEARCH NOTESNOTE / 024

NEWS NOTE / AI MODELS

Qwen4-Max: Alibaba punta su agenti AI più efficienti con 71 miliardi di parametri attivi

Il nuovo modello combina 2,4 trilioni di parametri totali, un contesto da un milione di token e strumenti per attività complesse. Alibaba dichiara un costo per attività inferiore del 58% rispetto a Qwen3.8-Max, ma il risultato proviene da benchmark proprietari. Il modello resta accessibile attraverso il cloud.

Pubblicata2026-11-19 · 5 min
Qwen4-MaxAlibabaAgenti AIMixture of ExpertsAPI AISicurezza AI
01 / Architettura

Un'architettura da 2,4 trilioni di parametri

Il 16 novembre 2026 Alibaba ha presentato Qwen4-Max, il nuovo modello di punta della famiglia Qwen.

L'aggiornamento riguarda soprattutto l'efficienza del ragionamento e l'utilizzo di strumenti esterni. Qwen4-Max è progettato per affrontare attività composte da più passaggi, nelle quali un agente deve consultare informazioni, utilizzare software e produrre un risultato.

Alibaba riporta miglioramenti nelle valutazioni di programmazione, lavoro professionale e utilizzo di strumenti. Alcune dimostrazioni riguardano processi industriali e documentali. Rimane però necessario distinguere le prestazioni dichiarate dal produttore dai risultati riproducibili nelle aziende.

Qwen4-Max utilizza un'architettura *Mixture-of-Experts* (MoE), con 2,4 trilioni di parametri complessivi, ma ne attiva circa 71 miliardi per ogni token elaborato.

Questa distinzione è importante: il numero totale di parametri descrive la capacità complessiva del modello, mentre i parametri attivati indicano quanta parte della rete viene utilizzata durante ciascun passaggio di generazione.

Rispetto a Qwen3.8-Max, Alibaba dichiara una riduzione del 25% dei parametri attivati, mantenendo invariata la dimensione complessiva del modello.

La nuova architettura combina Gated DeltaNet, Qwen Sparse Attention, connessioni residuali con gating ed embedding N-gram. Sono tecniche pensate per migliorare l'efficienza dell'elaborazione, soprattutto nei contesti lunghi.

Il modello supporta una finestra di contesto fino a un milione di token, con input testuali, immagini e video e output testuale.

Una finestra così ampia permette di fornire grandi quantità di informazioni in una singola richiesta. Non garantisce, da sola, che il modello riesca a recuperare e utilizzare correttamente ogni dettaglio contenuto nel materiale.

02 / Benchmark

Work360: risultati migliori e meno token utilizzati

Nella valutazione Work360 pubblicata da Alibaba Cloud, Qwen4-Max raggiunge 52,69 punti, rispetto ai 47,74 di Qwen3.8-Max.

Work360 è un benchmark proprietario che comprende 26 domini principali, 182 sottodomini e 721 categorie specializzate di lavoro professionale.

Alibaba dichiara inoltre una riduzione del 35% dei token utilizzati con il livello di ragionamento *High* e un costo medio per attività inferiore del 58%.

Quest'ultimo dato non significa che ogni richiesta API costi il 58% in meno. Il costo di un'attività dipende sia dalle tariffe per token sia dalla quantità di elaborazione necessaria per completarla.

Il produttore riporta anche un sesto posto nella classifica Code Arena dedicata allo sviluppo web al momento del lancio.

Sono indicatori utili per individuare le capacità da approfondire, ma non costituiscono una misura universale dell'affidabilità di un agente. I risultati dipendono dal tipo di attività, dagli strumenti utilizzati e dalle condizioni della valutazione.

03 / Industria

Dalle dimostrazioni ai processi industriali

Alibaba ha accompagnato il lancio con dimostrazioni in ambiti manifatturieri, scientifici, legali e finanziari.

In un esempio industriale, Qwen4-Max ha utilizzato informazioni progettuali per costruire rappresentazioni tridimensionali di linee produttive, generare percorsi CAM e individuare problemi di lavorazione attraverso simulazioni.

Nel caso mostrato, il tempo di programmazione manuale per componente è passato da circa 475 a 24 minuti, una riduzione di circa il 95%.

In un'altra dimostrazione, il modello ha utilizzato 90 strumenti collegati tramite Model Context Protocol (MCP) per raccogliere e confrontare dati finanziari, producendo un foglio Excel e una presentazione modificabile con riferimenti alle fonti.

Questi esempi mostrano la direzione dello sviluppo: collegare il modello a strumenti specializzati e organizzare attività articolate in più fasi.

I risultati appartengono tuttavia a dimostrazioni selezionate. Non dimostrano che gli stessi risparmi siano raggiungibili in modo sistematico negli stabilimenti produttivi o negli uffici amministrativi.

04 / API e prezzi

API, prezzi e disponibilità

Qwen4-Max è disponibile tramite QwenCloud e Alibaba Cloud Model Studio, utilizzando l'identificativo API `qwen4-max`.

Il modello supporta function calling, chiamate parallele agli strumenti, ricerca web, output strutturati e interfacce compatibili con i protocolli OpenAI e Anthropic.

Secondo la documentazione Model Studio aggiornata al 18 novembre 2026, nella regione Francoforte il prezzo standard indicato è di 1,413 dollari per milione di token in ingresso e 4,24 dollari per milione di token in uscita.

Le condizioni variano per regione, utilizzo della cache e modalità di elaborazione. Il costo effettivo di un agente comprende anche le chiamate ripetute, gli strumenti esterni, l'infrastruttura e le eventuali verifiche umane.

**Qwen4-Max non è un modello con pesi pubblicamente scaricabili.** Alibaba ha annunciato l'intenzione di rilasciare modelli Qwen4 più piccoli con pesi aperti, senza una data definitiva.

Il Qwen-Live-Delivery-Plugin, pubblicato su GitHub, è invece uno strumento open source separato che consente agli agenti di consegnare versioni intermedie e ricevere correzioni durante attività prolungate.

Per le aziende che trattano dati sensibili, la presenza di un endpoint nella regione Francoforte non basta a garantire che l'intero trattamento dei dati avvenga esclusivamente nell'Unione europea. Devono essere verificate le condizioni contrattuali, la residenza dei dati e le politiche di conservazione applicabili.

05 / Sicurezza

Sicurezza e integrazione con i sistemi aziendali

Alibaba dichiara miglioramenti anche nella generazione di codice sicuro. Nel benchmark Last Secure Code Bench, la percentuale di risultati che soddisfano contemporaneamente verifiche di sicurezza a livello di funzione, file e repository passa dall'8% di Qwen3.8-Max al 14,7% di Qwen4-Max.

Reuters precisa che le nuove affermazioni di sicurezza non sono state verificate indipendentemente dall'agenzia.

Per un'azienda, la sicurezza del modello e quella dell'intero sistema sono questioni distinte.

Un agente che riceve un ordine da un messaggio e deve inserirlo in un gestionale, per esempio, deve identificare il cliente, verificare prodotti e quantità, rispettare le condizioni commerciali, gestire eventuali errori e impedire operazioni non autorizzate.

La capacità del modello di comprendere il messaggio è soltanto una parte del processo. Servono controlli sulle autorizzazioni, validazione dei dati, tracciamento delle operazioni e procedure di recupero quando qualcosa non funziona.

Qwen4-Max amplia le opzioni disponibili per progettare questi sistemi. Per stabilire se sia adatto a un processo aziendale servono però prove su attività rappresentative, misurando errori, costo complessivo, interventi umani e affidabilità del risultato finale.

EMPV / TAKEAWAY

Qwen4-Max aumenta le opzioni per gli agenti AI collegati ai sistemi aziendali. Le prestazioni dichiarate nei benchmark vanno confrontate con errori, costi e controlli misurati su processi reali.

EMPV / CONDIVIDI

Condividi questa Research Note.

Research Notes