Alibabaが2026年11月16日にQwen4-Maxの正式提供を発表しました。画像や動画を含む入力と長い文脈を扱い、業務の資料確認やツールを使う処理を想定したモデルです。日本の読者にとっての判断点は、ベンチマークの順位だけではありません。「自分の資料で間違えないか」「思考を含む費用はいくらか」「どこでデータを処理するか」をそろえて試すことです。
この記事では、正式版とプレビュー版の違い、日本からの利用条件、出力予算の変更を整理します。続いて、見積比較・議事録整理・資料中の矛盾検出を試すための架空の日本語教材と、通信せず費用の算術だけを確認できるPythonを用意しました。
確認日:2026年11月17日。Qwen4-MaxへのAPI呼び出しや有料契約は行っていません。教材の期待値と費用計算は確認しましたが、日本語の正答率・待ち時間・実請求額を測定したものではありません。
1. 何が新しい?正式版とプレビューを分ける
Alibabaの公式発表は11月16日付です。総パラメータ数2.4兆、トークンごとの稼働部分710億、100万トークンの文脈長を案内しています。これはモデルの規模・処理方式の説明であり、日本語の仕事の成功率を直接表す数字ではありません。
| 区分 | 確認できた提供形態 | 使うときの注意 |
|---|---|---|
| 正式版 qwen4-max | Token PlanとAPIで提供。公式はQwenWork・QwenStudioでの利用も案内 | モデル名だけでなく、接続先・契約・推論設定を記録する |
| qwen4-max-preview | Token Plan限定。従量課金では利用不可 | 11月11日10:00〜11月25日24:00(UTC+8)の期間限定。終了後に廃止予定 |
| 小規模なQwen4モデル | 公式は今後のオープンウェイト公開を予告 | Maxの重み公開とは別。未公開モデルのサイズ・必要メモリを決めつけない |
プレビューの公式資料は正式版への移行を勧めています。プレビュー向けの接続設定や上限を正式版へそのままコピーする前に、正式版のモデルページで再確認してください。本稿は正式提供という差分を扱い、11月11日のプレビュー開始を11月16日の出来事として数え直していません。発表日・提供日は確認できましたが、正式提供開始の正確な時刻は確定していません。
2. 日本の仕事では、どこから試すと判断しやすいか
| 仕事の例 | 最初に測ること | 合格に見えても確認すること |
|---|---|---|
| 見積書や条件表の比較 | 数量・税込税別・送料を区別し、同じ条件で計算できるか | 一方にない条件を勝手に補っていないか |
| 会議メモの整理 | 決定事項、提案、未決事項を分けられるか | 候補日を確定日、提案者を担当者に変えていないか |
| 複数資料の整合確認 | 新旧の記載と矛盾箇所を示せるか | 新しいという理由だけで、承認されていない案を採用していないか |
| 画像を含む資料の確認 | 表の行・列、単位、脚注を正しく対応付けるか | 文字が不鮮明な箇所を推測で埋めていないか |
これらは本誌が提案する評価用途です。Qwen4-Maxがすべて正解したという実測例ではありません。最初は答えを人が把握できる小さな資料を使うと、文章の流暢さと事実の正しさを分けて確認できます。長い資料を最初から丸ごと渡すより、誤りの原因も追いやすくなります。
公式仕様ではテキスト・画像・動画入力、テキスト出力、ツール呼び出し、JSON形式の構造化出力などが案内されています。一方、確認時点のモデルページではバッチ推論とファインチューニングは非対応です。既存の大量処理がバッチ機能に依存している場合、単純なモデルID変更だけでは移行できません。
3. 東京リージョンと「日本国内で推論」は同じではない
リージョンの公式説明は、接続先・データ保存の地域と、推論を実行する範囲(service deployment scope)を区別しています。東京リージョンにはGlobalとJapanという区分がありますが、Qwen4-Maxのモデル表で東京向けに示されているのはGlobalです。東京の接続先を選んだだけで、日本国内だけで推論されると判断しないでください。
Globalは中国本土を含む利用可能なノードが対象です。社内規定で処理場所を限定している場合は、モデルごとの提供範囲と契約条件を先に確認します。最初の評価には、以下の架空データのように顧客情報を含まない資料を使えます。
API利用はクラウドの接続方式なので、手元に2.4兆パラメータのモデルを置く必要はありません。アプリは対応ブラウザー、APIは利用するクライアントの実行環境が必要で、Windows・macOS・Linuxの区別だけで性能が決まるものではありません。日本語で指示する教材は用意できますが、日本語の正答率は別途評価します。
4. 料金は「回答の長さ」だけで計算しない
公式料金表では、シンガポール・Internationalの通常入力が100万トークンあたり1.50米ドル、出力が4.50米ドルです。出力には思考と最終回答が含まれます。東京・Globalの掲載単価は入力1.413米ドル、出力4.24米ドルで、リージョンをまたいで価格とデータ条件を混ぜないことが重要です。価格は2026年11月17日の確認値です。
以下はシンガポールの通常単価で計算した架空例です。1回に入力10,000トークン、思考と回答の合計3,000トークンなら、0.015+0.0135=0.0285米ドル。100回すべて同条件なら2.85米ドルです。キャッシュ、無料枠、ツール等の追加料金、税、為替、割引を含まないため、そのまま請求額の予測にはしません。
通常入力分の費用 = 入力トークン数 ÷ 1,000,000 × 入力単価 出力分の費用 = 思考と回答の合計トークン数 ÷ 1,000,000 × 出力単価 全試行のモデル費用 = 成功・失敗・再試行を含む各呼び出しの費用の合計
「最終回答は短かったのに費用が多い」という場合は、思考の消費、会話履歴の再送、再試行を確認します。少ない単価のモデルでも何度もやり直せば高くなり得ます。反対に、単価だけでは高く見えるモデルが一度で合格すれば、仕事全体では安くなる可能性があります。
Alibabaは自社のWork360評価で前世代よりタスク費用を約60%減らしたと発表しています。これは同社の評価条件での主張です。自社の日本語業務でも60%減るとは読み替えず、同じ入力・合格条件で測った費用と、人の修正時間を比較します。
5. 既存コードの max_tokens に注意する
API互換性変更の公式通知によると、qwen4-max-preview/qwen4-maxから、Chat Completionsなどのmax_tokensはmax_completion_tokensと同じく「思考+最終回答」の上限を意味します。既存コードで回答だけを想定して小さな上限を入れていた場合、思考が予算を使い、回答が途中で終わる可能性があります。
例えば「回答を1,000トークン以内にしたい」と考えて出力上限を1,000にすることと、思考に必要な分を確保したうえで回答を短くすることは別です。終了理由と実際の使用量を保存し、上限に達していないかを見ます。回答の文字数は指示文でも指定できますが、厳密な長さの制約は出力後にも確認します。
正式版は思考が初期状態で有効で、reasoning_effortの値はlow・high・xhigh、既定値はhighと記載されています。プレビューの記事や別のプロトコルの設定値と混ぜないよう、利用するAPIの仕様を確認してください。比較中は設定を固定し、変更する場合は別の試行として記録します。
6. そのまま使える日本語の評価課題3つ
以下はすべて本誌作成の架空データです。指示文と課題を一つずつ入力し、期待結果はモデルへ渡さず、人の確認用に残します。各課題は独立した会話で試します。Web検索や外部ツールは使わない条件で始めると、元の資料にない情報を混ぜたかを見つけやすくなります。
次の資料だけを使い、日本語で回答してください。外部検索はしないでください。確定事項・提案・不明点を区別し、推測で日付、担当者、金額を補わないでください。結論ごとに資料IDと根拠を添え、資料が矛盾するときは両方を示してください。
課題:見積比較
資料A:部品20個。単価1,200円(税別)。送料800円(税別)。 資料B:部品20個。単価1,350円(税込)。送料込み。 この課題ではAの部品と送料に一律10%の税率を適用し、端数処理は不要とする。 質問:税込総額と差額を計算し、安い方を示してください。納期と品質は比較できますか?
人が確認する期待結果:Aは27,280円、Bは27,000円、Bが280円安い。納期・品質は記載がなく比較不可。
課題:会議メモ
資料C:11月17日の会議。「11月30日公開を候補にする」と佐藤が提案。田中は法務確認の完了待ちと回答。担当者の割当は次回決める。 質問:公開日、担当者、未決事項を整理してください。
人が確認する期待結果:11月30日は候補で確定ではない。担当者は未決。法務確認の完了と担当者の決定が必要。佐藤を担当者にしない。
課題:新旧資料の矛盾
資料D:11月10日承認済み仕様。ログ保存期間は30日。 資料E:11月16日レビュー中の改訂案。ログ保存期間を90日に変更する提案。承認欄は空欄。 質問:現在の承認済み保存期間と、資料間で確認すべき差分は何ですか?
人が確認する期待結果:承認済みは30日。90日は未承認の変更案。新しい日付だけで現行ルールを90日としない。
日本語の言い換えは許容しても、金額、確定/未確定、承認状態の取り違えは重大な誤りとして記録します。上の3件に正解しただけでは実務全般の品質を保証できません。実際の仕事に近い、伏せ字化だけに頼らない評価専用データを追加し、読み取りにくい画像や例外条件も別途試します。
7. 30分で始める比較の手順と記録欄
- 利用できるアカウントで、正式版qwen4-maxとリージョン・推論範囲を確認する。新規登録や契約が必要なら、費用条件を確認してから進める。
- 普段使うモデルとQwen4-Maxに、同じ指示文と課題を渡す。各課題は新規会話とし、思考設定・ツールの有無・出力上限を記録する。
- まず回答を採点する。金額、根拠の資料ID、未確定事項の扱いを、人が期待結果と照合する。
- APIを使う場合は入力・出力・思考・キャッシュ等の使用量、終了理由、待ち時間を保存する。UIで使用量が出ない場合は不明とし、ゼロにしない。
- 誤答の修正や再試行も含めて合計する。合格した仕事1件あたりの費用と、人の修正時間を並べて採否を決める。
課題ID: 実行日時: モデルID/利用サービス: リージョン/推論範囲: 思考設定/出力上限/検索・ツールの有無: 正答・部分正答・誤答: 重大な誤りと根拠: 終了理由: 入力/出力トークン数(思考の内訳がある場合も二重加算しない): キャッシュ等の内訳: 初回+再試行のモデル費用: 待ち時間/人の修正時間: 採用する・条件付き・見送る:
「合格した仕事1件あたりのモデル費用」は、失敗を含む全試行の費用を合格件数で割って求めます。合格ゼロなら算出不能です。これに作業者の修正時間を併記すると、見かけの低単価に引っ張られにくくなります。
指示文・課題・期待結果・空の記録欄(TXT)と、通常単価の費用計算(Python)を用意しました。TXTの期待結果はモデルへの入力から除いてください。Pythonは標準ライブラリだけを使い、外部通信・APIキー・追加課金なしで実行できます。単価は2026年11月17日のシンガポール通常単価を固定した教材です。
python3 toolbox-133-qwen4-max-work-evaluation-cost.py 10000 3000 100# USD 2.850000Pythonは合計出力3,000トークンに思考を含める入力例です。APIの出力総数に思考の内訳をもう一度加算しないでください。キャッシュがある場合や別リージョンの請求を計算したい場合は、この教材の固定単価だけでは足りません。
8. ローカルLLMとして待つなら、何を確認するか
Qwenには重みを手元で動かせるモデルもありますが、今回の発表はMaxのAPI・サービス提供と、より小さなモデルの今後の公開を分けています。Qwen4-Maxを今すぐMacにダウンロードできる、という案内ではありません。今後の小規模モデルは、正式なモデルカード、ライセンス、配布ファイル、対応ランタイムを確認してから検討します。
ローカル運用を選ぶ理由が機密データの管理なら、モデルのメモリ量だけでなく、アプリの通信先、ログ、外部ツールへの送信も確認します。クラウドとローカルの両方で上のような同一課題を使えば、速さ・費用・品質を自分の条件で比較できます。
Qwen4-Maxの導入を急ぐかどうかは、順位よりも業務の合格条件で決められます。まずは短い日本語の資料で「資料にないことを足さない」「未決を確定にしない」「計算を検算できる」を確認し、その後に入力の長さや画像の難しさを増やすのが、比較を始めやすい順序です。