NativZen
Advertising Area

Alibaba Perkenalkan Qwen4-Max

Qwen4-Max mampu menangani berbagai tugas kompleks, mulai dari pekerjaan profesional, proses kreatif, hingga penelitian.

Advertising Area

NATIVZEN.com – Alibaba resmi meluncurkan Qwen4-Max, model AI dengan kemampuan paling canggih dalam lini model Qwen hingga saat ini, yang dibekali 2,4 triliun parameter, kemampuan memahami informasi visual secara native serta context window hingga satu juta token.

Qwen4-Max mampu menangani berbagai tugas kompleks, mulai dari pekerjaan profesional, proses kreatif, hingga penelitian. Keunggulannya juga tercermin dari pencapaiannya dalam sejumlah benchmark terkemuka, khususnya di bidang pemrograman, agentic AI, dan penalaran visual.

Menariknya lagi, Qwen4-Max ini berhasil menduduki peringkat keenam dalam Code Arena, sebuah pemeringkatan yang menguji kemampuan pemrograman berdasarkan tugas di dunia nyata.

Hasil yang solid juga diraih dalam berbagai pengujian khusus untuk alur kerja agen AI, produktivitas profesional, dan penalaran visual, termasuk Agents’ Last Exam, Vals Index, JobBench, dan Chartography.

Berdasarkan hasil Work360, pengujian internal yang mengukur kemampuan AI dalam menyelesaikan tugas-tugas kompleks di 721 bidang spesialisasi industri, Qwen4-Max mencatatkan performa keseluruhan yang lebih unggul dibandingkan Qwen3.8-Max.

Peningkatan tersebut bisa dicapai oleh model AI terbaru ini dengan penggunaan token 35 persen lebih sedikit pada mode penalaran High effort, sekaligus memangkas rata-rata biaya untuk setiap tugas sekitar 60 persen.

Di balik peningkatan tersebut, Alibaba menghadirkan arsitektur terbaru Qwen4 yang menyempurnakan desain sparse Mixture-of-Experts (MoE), termasuk mekanisme attention, residual connections, dan embeddings.

Meski memiliki total 2,4 triliun parameter, Qwen4-Max hanya mengaktifkan 71 miliar parameter untuk setiap token, atau 25 persen lebih sedikit dibandingkan Qwen3.8-Max dengan skala parameter yang sama.

Pendekatan ini memungkinkan Qwen4-Max menghadirkan kemampuan yang lebih unggul dengan biaya inferensi yang lebih rendah. Saat ini, Qwen4-Max sudah tersedia melalui QwenCloud dengan pilihan akses melalui Token Plan dan API.

Pengguna juga dapat memanfaatkan model ini melalui berbagai platform Alibaba, termasuk QwenWork dan QwenStudio. Untuk penggunaan input dengan mekanisme Implicit Cache Hit, biaya yang dikenakan sebesar US$ 0,075 per satu juta token.

Sementara itu, melalui rilis yang diterima oleh nativzen.com, Alibaba juga menegaskan akan segera menghadirkan model-model Qwen4 berukuran lebih kecil dengan open-weight bagi para pengembang di seluruh dunia.

Meningkatkan Efisiensi Sumber Daya dan Produktivitas 

Hal menarik lainnya, Qwen4-Max juga sudah dilengkapi dengan kemampuan Cloud Resource Scheduling yang dirancang untuk mengoptimalkan pengelolaan sumber daya dalam infrastruktur cloud. 

Melalui mekanisme closed-loop, model ini mampu mengatur dan menyempurnakan proses penjadwalan secara mandiri untuk menekan biaya sekaligus meningkatkan efisiensi penggunaan sumber daya.

Dalam pengujian, kemampuan tersebut berhasil menurunkan rata-rata biaya pemanggilan model untuk anotasi data sebesar 9 persen, serta mempercepat proses penjadwalan ulang CPU secara offline menjadi lebih dari 14 kali lipat.

Tidak terbatas pada pengelolaan infrastruktur cloud, Qwen4-Max juga dapat mendukung berbagai pekerjaan profesional dan kebutuhan industri kreatif, mulai dari pemodelan 3D, pengembangan gim, hingga pembuatan video berbasis agen AI.

Di industri manufaktur otomotif, misalnya, Qwen4-Max mampu membantu seluruh tahapan pekerjaan, mulai dari perencanaan lini produksi, perancangan komponen, hingga verifikasi proses pemesinan.

Dalam sebuah demonstrasi, Qwen4-Max berhasil memangkas waktu pemrograman benda kerja secara manual sebesar 95 persen, dari sekitar 475 menit menjadi hanya 24 menit. Pencapaian ini didukung oleh proses penyempurnaan berulang berdasarkan umpan balik.

Ini memungkinkan model AI terbaru dari Alibaba tersebut mampu mendeteksi potensi pemotongan berlebih maupun pengurangan material yang belum mencukupi sebelum proses pemesinan dimulai.

Selain itu, Qwen4-Max yang hadir sebagai model AI terbaru ini juga telah mempercepat penerapan forward-deployed engineering (FDE) di berbagai industri, termasuk sektor keuangan, hukum, dan layanan kesehatan.

Mendukung Penemuan Ilmiah melalui Agen AI yang Bekerja Berkelanjutan

Dirancang untuk menjawab kebutuhan di era agentic AI, Qwen4-Max mampu mendukung agen AI dalam menjalankan tugas secara berkelanjutan, bahkan untuk pekerjaan yang berlangsung sepanjang waktu.

Di bidang sains, kemampuan perencanaan jangka panjang ini membantu menjembatani proses penelitian berbasis digital dengan eksperimen di dunia nyata. Salah satu penerapannya terlihat dalam pengembangan teknologi pendinginan chip generasi berikutnya.

Dalam pengujian tersebut, Qwen4 berhasil menjalankan agen AI selama 48 jam tanpa henti melalui empat putaran proses closed-loop yang menggabungkan perancangan molekul, sintesis dan pengujian, serta active learning.

Melalui proses ini, Qwen4 berhasil menemukan molekul pendingin yang telah teruji melalui eksperimen. Kemampuan serupa juga ditunjukkan Qwen4-Max dalam sebuah eksperimen penelitian penyakit Alzheimer.

Model ini menunjukkan kemampuan menyeluruh, mulai dari penelitian target, perancangan molekul, hingga evaluasi berbasis komputasi. Sepanjang proses tersebut, Qwen4-Max secara mandiri melakukan 454 pemanggilan alat (tool calls) dan 3.239 evaluasi metrik untuk merancang serta mengoptimalkan 24 kandidat molekul.

Keamanan yang Terintegrasi Sejak Tahap Pengembangan 

Selain menghadirkan peningkatan kemampuan, Alibaba juga memastikan aspek keamanan dan tata kelola menjadi bagian penting dalam setiap tahap pengembangan model AI, termasuk pada Qwen4-Max.

Dalam proses pelatihan rekayasa perangkat lunak, misalnya, Alibaba menggabungkan pemeriksaan keamanan kode dengan pengujian fungsionalitas untuk mengurangi berbagai potensi kerentanan secara signifikan.

Ini termasuk serangan injeksi, masalah keamanan memori (memory safety), serta lemahnya kontrol akses (broken access control). Untuk memperkuat keamanan siber, Alibaba turut menyaring data pelatihan berdasarkan tujuan penggunaannya.

Materi yang mendukung upaya pertahanan, seperti pendeteksian dan perbaikan kerentanan sistem, tetap dipertahankan. Sebaliknya, konten yang berkaitan dengan tindakan serangan siber dihapus dari data pelatihan.

Perlindungan ini semakin diperkuat melalui penggunaan kumpulan data khusus keamanan serta penyempurnaan pada tahap pascapelatihan (post-training). Penggunaan kumpulan data khusus keselamatan serta penyempurnaan pada tahap pascapelatihan semakin memperkuat perlindungan terhadap risiko kimia, biologi, radiologi, dan nuklir (CBRN).

Avatar photo

Eko Lanue Ardie

co-Founder & Pimpinan Redaksi nativzen (www.nativzen.com); Jurnalis di industri teknologi dan gadget yang sudah berkecimpung sejak 2010.

Advertising Area
Advertising Area

Your Header Sidebar area is currently empty. Hurry up and add some widgets.