Blog Qwen4-Max

Qwen4-Max Dirilis, Cara Industri Menguji Klaim Biaya AI

Ditulis oleh Alfina Putri

7 menit baca

Qwen4-Max Dirilis, Cara Industri Menguji Klaim Biaya AI
Daftar isi· 7 bagian
  1. 1Apa yang dirilis Alibaba
  2. 2Klaim biaya per tugas dan harga baru
  3. 3Pengaman keamanan siber dan catatan analis
  4. 4Apa artinya bagi industri manufaktur?
  5. 5Pertanyaan yang sering muncul
  6. 6Penutup
  7. 7Sumber

Alibaba merilis Qwen4-Max, model AI andalannya yang terbaru, pada 16 November 2026. Model ini dapat diakses lewat API dan disertai klaim bahwa biaya rata-rata per tugas turun sekitar 60% dibanding pendahulunya. Bagi industri manufaktur yang mulai memakai AI untuk pekerjaan teknis, klaim itu perlu diuji dengan data sendiri sebelum dijadikan dasar anggaran.

Apa yang dirilis Alibaba

Menurut siaran pers Alibaba Cloud dari Hangzhou, Qwen4-Max adalah model paling mampu di keluarga Qwen sejauh ini. Model ini memiliki 2,4 triliun parameter, dapat membaca gambar secara bawaan, dan menerima konteks hingga satu juta token. Token adalah potongan kata atau karakter yang menjadi satuan hitung pemrosesan dan tagihan model bahasa.

Qwen4-Max memakai rancangan Mixture-of-Experts (MoE). Pada rancangan ini, model terdiri atas banyak bagian “ahli”, dan hanya sebagian yang aktif untuk setiap token. Alibaba menyebut Qwen4-Max mengaktifkan 71 miliar parameter per token, 25% lebih sedikit daripada Qwen3.8-Max pada skala total yang sama. Computerworld mencatat pendahulunya mengaktifkan sekitar 95 miliar parameter. Semakin sedikit parameter yang aktif, semakin ringan komputasi untuk setiap jawaban.

SiliconANGLE merinci beberapa perubahan arsitektur di baliknya. Di antaranya adalah 328 miliar parameter tambahan yang berfungsi seperti cache untuk perhitungan yang sering berulang, serta dua teknik perhatian (attention) bernama Gated DeltaNet dan QSA yang mengurangi kebutuhan perangkat keras saat memproses perintah panjang.

Rilis ini menyusul masa pratinjau terbatas. Dokumentasi Alibaba Cloud Model Studio mencatat versi qwen4-max-preview dibuka sejak 11 November 2026 hanya lewat Token Plan, dan halaman yang sama kini menyarankan pengguna beralih ke versi produksi Qwen4-Max. Model produksinya tersedia di QwenCloud melalui Token Plan dan API, serta di aplikasi Alibaba seperti QwenWork dan QwenStudio.

Qwen4-Max hanya dapat dipakai lewat layanan Alibaba karena bobot modelnya tidak dibuka. Alibaba menyatakan model Qwen4 berukuran lebih kecil dengan bobot terbuka akan segera dirilis untuk pengembang, tanpa menyebut tanggal. Dalam siaran pers, Alibaba juga menyebut Qwen4-Max menempati peringkat keenam di Code Arena, papan peringkat pemrograman yang menilai hasil kerja model pada tugas nyata.

Klaim biaya per tugas dan harga baru

Sorotan utama rilis ini ada pada biaya. Alibaba mengukurnya dengan Work360, tolok ukur buatan sendiri yang berisi tugas industri yang sulit dari 721 bidang keahlian. Pada tolok ukur itu, Qwen4-Max disebut memakai 35% lebih sedikit token dalam mode penalaran tingkat tinggi dan menurunkan biaya rata-rata per tugas sekitar 60%.

Angka yang beredar di media sedikit berbeda. Computerworld dan Digital Trends mengutip pengumuman tim Qwen yang mencantumkan biaya rata-rata per tugas sebesar US$1,67 untuk Qwen4-Max, dibanding US$4,43 untuk Qwen3.8-Max. Selisih itu setara penurunan sekitar 62%. Siaran pers resmi Alibaba sendiri memakai angka “sekitar 60%”.

Penghematan itu datang dari dua sumber, yaitu token yang lebih sedikit dan harga yang lebih rendah. Menurut Computerworld, harga API Qwen4-Max adalah US$1,50 per juta token masukan dan US$4,50 per juta token keluaran, turun dari US$2 dan US$6 pada Qwen3.8-Max.

Tabel perbandingan Qwen3.8-Max dan Qwen4-Max: parameter aktif per token, harga token masukan dan keluaran, serta biaya rata-rata per tugas menurut Work360

Ada dua catatan atas angka tersebut. Pertama, perbandingan 60% atau 62% dibuat terhadap model Alibaba sebelumnya, bukan terhadap model pesaing. Kedua, Work360 adalah tolok ukur internal Alibaba, dan hasilnya belum diuji pihak independen.

Contoh dari pabrik mobil dan penjadwalan cloud

Alibaba menyertakan beberapa contoh penerapan. Di satu demonstrasi manufaktur otomotif, waktu pemrograman benda kerja yang biasanya dikerjakan manual turun 95%, dari sekitar 475 menit menjadi 24 menit. Pemrograman benda kerja adalah penyusunan instruksi bagi mesin, misalnya mesin CNC, untuk memotong atau membentuk komponen.

Contoh lain datang dari penjadwalan sumber daya cloud milik Alibaba sendiri. Dalam pengujian itu, biaya pemanggilan model untuk pelabelan data turun sekitar 9%, dan penjadwalan ulang CPU luring berjalan lebih dari 14 kali lebih cepat. Untuk riset, Alibaba menyebut Qwen4-Max menjalankan agen secara terus-menerus selama 48 jam dan menemukan molekul pendingin chip yang sudah divalidasi lewat eksperimen.

Fakta besar: waktu pemrograman benda kerja di demonstrasi otomotif Alibaba turun dari sekitar 475 menit menjadi 24 menit

Semua angka di atas berasal dari demonstrasi Alibaba. Hasilnya bergantung pada jenis komponen, mesin, dan data yang dipakai, sehingga belum dapat dianggap berlaku di setiap pabrik.

Pengaman keamanan siber dan catatan analis

Alibaba juga menonjolkan perubahan pada sisi keamanan. Dalam pelatihan rekayasa perangkat lunak, kode yang dihasilkan model diuji keamanannya selain fungsinya, untuk menekan celah seperti injeksi dan kontrol akses yang lemah. Menurut Computerworld, langkah ini menaikkan tingkat kelulusan di Last Secure Code Bench, uji yang mewajibkan kode lolos tes fungsi sekaligus tes keamanan, dari 22% menjadi 31,8%.

Data pelatihan bertema keamanan siber juga disaring berdasarkan tujuannya. Materi pertahanan, seperti deteksi dan perbaikan celah, dipertahankan, sedangkan materi serangan dibuang. Alibaba menyatakan telah menyiapkan data dan pelatihan khusus untuk menekan risiko kimia, biologi, radiologi, dan nuklir. Digital Trends mencatat bahwa klaim keamanan ini berasal dari tinjauan Alibaba sendiri dan belum diuji tim merah (red team) eksternal.

Analis meminta pembeli tidak langsung menerima angka-angka itu. Sanchit Vir Gogia, kepala analis Greyhound Research, menilai biaya di tolok ukur vendor belum tentu sama dengan tagihan pelanggan, karena setiap organisasi memiliki jenis pekerjaan yang berbeda. Ia menyarankan perusahaan mengukur biaya hasil yang benar-benar diterima, termasuk percobaan ulang dan waktu peninjauan oleh manusia.

Yash Kadakia, pendiri Security Brigade, menyarankan pengujian biaya untuk menyelesaikan 1.000 tugas bisnis nyata dengan sukses, alih-alih membandingkan harga token. Ia juga meragukan bahwa pengetahuan serangan dan pertahanan dapat dipisahkan sepenuhnya, karena sebagian besar isinya sama.

Soal data, Gogia menyinggung kebijakan penyimpanan perintah (prompt) hingga 30 hari, dengan masa simpan lebih lama untuk konten yang ditandai. Menurutnya, perusahaan di luar Tiongkok perlu memeriksa cakupan layanan global Alibaba, kebijakan penyimpanan, dan yurisdiksi data sebelum memakai model ini untuk pekerjaan sensitif.

Apa artinya bagi industri manufaktur?

Harga yang lebih rendah membuka peluang bagi pabrik skala menengah untuk mencoba AI pada pekerjaan teknis, seperti menyusun program mesin, merangkum laporan kualitas, atau menerjemahkan instruksi kerja. Namun, keputusan sebaiknya diambil berdasarkan hasil uji pada pekerjaan sendiri.

Lakukan dan hindari saat menguji model AI di pabrik: ukur biaya per hasil yang diterima, uji dengan tugas nyata, periksa lokasi data

Beberapa langkah yang dapat dilakukan:

  1. Pilih satu tugas berulang. Misalnya penyusunan program CNC untuk satu keluarga komponen atau ringkasan laporan inspeksi harian. Catat waktu dan biaya pengerjaannya saat ini sebagai pembanding.
  2. Hitung biaya per hasil yang diterima. Masukkan biaya token, jumlah percobaan ulang, dan jam kerja insinyur untuk memeriksa hasil. Angka ini lebih jujur daripada harga per juta token.
  3. Uji beberapa model dengan tugas yang sama. Bandingkan Qwen4-Max dengan model lain yang sudah dipakai, pada kumpulan tugas yang identik. Tim yang sebelumnya menimbang biaya AI per tugas pada Gemini 4 Hydrogen dapat memakai kerangka uji yang sama.
  4. Petakan data yang dikirim. Gambar teknik, resep proses, dan data pemasok termasuk rahasia dagang. Data pribadi karyawan atau pelanggan juga tunduk pada UU Pelindungan Data Pribadi. Pastikan lokasi pemrosesan dan masa penyimpanannya sesuai kebijakan perusahaan.
  5. Sertakan pemeriksaan manusia untuk keputusan berisiko. Program mesin yang dihasilkan AI tetap perlu disimulasikan dan diperiksa operator sebelum dijalankan di lini produksi.

Bila hasil uji menunjukkan penghematan nyata, langkah berikutnya adalah menyambungkan AI ke sistem yang sudah ada, seperti sistem eksekusi manufaktur dan pemantauan mesin. Tim Merakit mendampingi pekerjaan ini lewat layanan pengembangan kecerdasan buatan, mulai dari uji coba model sampai integrasi, serta solusi otomasi industri untuk menghubungkannya dengan data lantai produksi.

Pertanyaan yang sering muncul

Apakah Qwen4-Max dapat dipasang di server sendiri?

Belum. Qwen4-Max hanya tersedia lewat layanan Alibaba, seperti QwenCloud dan API-nya. Alibaba menyatakan model Qwen4 berukuran lebih kecil dengan bobot terbuka akan menyusul, tetapi tanggal rilisnya belum diumumkan.

Apakah benar biaya AI turun 60% atau 62%?

Kedua angka berasal dari Alibaba dan membandingkan Qwen4-Max dengan Qwen3.8-Max pada tolok ukur internal Work360. Siaran pers resmi menyebut sekitar 60%, sedangkan rincian US$4,43 menjadi US$1,67 setara sekitar 62%. Penghematan di organisasi Anda bergantung pada jenis tugas dan perlu diukur sendiri.

Berapa harga API Qwen4-Max?

Menurut Computerworld dan Digital Trends, harganya US$1,50 per juta token masukan dan US$4,50 per juta token keluaran. Harga dapat berbeda untuk paket Token Plan, sehingga sebaiknya diperiksa langsung di halaman resmi QwenCloud sebelum menyusun anggaran.

Penutup

Qwen4-Max memperlihatkan arah persaingan model AI saat ini, yaitu biaya per pekerjaan yang makin murah dengan kemampuan agen yang makin panjang. Klaim penghematannya menarik, tetapi masih berasal dari pengujian Alibaba sendiri. Jika pabrik Anda ingin mengukur manfaat model seperti ini secara terkendali, tim Merakit siap membantu menyusun uji cobanya.

Sumber

Ringkasan dalam satu gambar

Simpan atau bagikan ke tim Anda.

Unduh
Infografis ringkasan: Qwen4-Max Dirilis, Cara Industri Menguji Klaim Biaya AI

Topik

  • Qwen4-Max
  • Kecerdasan Buatan
  • Model Bahasa Besar
  • Industri Manufaktur
  • Biaya AI

Bagikan artikel ini

Diskusi dengan Tim Merakit

Punya tantangan serupa di organisasi Anda?

Ceritakan kebutuhan Anda. Tim kami bantu memetakan langkah dan solusi yang paling masuk akal, tanpa jargon.