Alibaba lanserade Qwen4 Max på måndagen till ungefär en tredjedel av kostnaden per uppgift jämfört med den tidigare modellen. Den billigare modellen kommer samtidigt som Alibaba aktien i Hongkong har fallit med 38,59 % sedan 1 januari.
För de som äger Alibaba aktier innebär det lägre priset en kompromiss. Varje uppgift ger nu Alibaba mindre intäkt, därför minskar den totala intäkten om inte användningen ökar tillräckligt för att kompensera skillnaden.
Hur mycket smartare och billigare är Qwen4 Max?
Artificial Analysis, ett oberoende AI-testföretag, gav Qwen4 Max poängen 43 på sitt Intelligence Index. Det är nio poäng högre än Qwen3,8 Max.
På Arenas agenttopplista, som bygger på riktiga användaruppgifter, hamnar Qwen4 Max på plats 14 och först bland kinesiska modeller.
Kostnadsskillnaden mot Qwen3,8 Max är större än skillnaden i poäng. Alibaba sänkte tokenpriset med 25 % och priset för inlästa data med 70 %.
”Qwen4 Max använder cirka 105 000 utmatningstoken per uppgift, vilket är 39 % färre än Qwen3,8 Max (cirka 171 000), och 32 % färre inmatningstoken för att köra indexet (9,9 miljarder mot 14,5 miljarder). Inmatning står för cirka 85–90 % av kostnaden för att köra indexet för båda modellerna, eftersom agentutvärderingar skickar om kontexten vid varje steg. Därför ger det 70 % lägre cache-träffpris (0,075 USD mot 0,25 USD per 1 miljon token) och 25 % lägre inmatningspris (1,50 USD mot 2,00 USD) för Qwen4 Max lägre kostnad per uppgift,” förklarade Artificial Analysis .
Tack vare lägre användning av token varierar den totala besparingen mellan olika tester.
- I Artificial Analysis index minskade kostnaden per uppgift med 67 %, från 10,02 USD till 3,27 USD.
- På Work360, Alibabas eget industriprov, sjönk medelkostnaden per uppgift med 62 %, från 4,43 USD till 1,67 USD.
- Alibaba säger att tokenanvändningen minskade med 24–35 % på Work360 beroende på inställning. På Terminal-Bench 4,0, ett test av kommandouppgifter, sjönk det med cirka 48–49 %.
Dessa kostnadssiffror är viktiga för aktieägarna, eftersom Alibaba förväntar sig att försäljning av AI-modeller blir bolagets största intäktskälla för molnet.
Följ oss på X för att få de senaste nyheterna direkt
Kan en billigare Qwen öka Alibabas molnintäkter?
Alibaba säljer Qwen via Alibaba Cloud som model-as-a-service (MaaS), med tokenpris för API-kunder. Modellen och tillämpningstjänsterna, inklusive MaaS, passerade 16 miljarder RMB i årliga återkommande intäkter i augusti.
Qwen4 Max aktiverar 25 % färre parametrar per token än Qwen3,8 Max. Alibaba säger att den nya designen ger högre datorkraft och effektivitet.
Alibaba har även börjat använda modellen på sitt eget moln. I ett fall sänkte modellen kostnaden för att schemalägga modellkörningar för datamärkning med i genomsnitt 10,42 %.
Dessa effektivitetsvinster kan mildra marginalbortfallet från lägre priser. Men det är för tidigt att avgöra om användningen ökar tillräckligt för att väga upp de lägre priserna.
Handeln i Hongkong på måndag gav investerare första chansen att prissätta lanseringen.
Vad betyder lanseringen för Alibaba aktien?
Alibabas aktier i Hongkong steg 1,05 % till 91,50 HKD vid lunchpausen på måndagen, från 90,55 HKD vid stängning i fredags.
Som jämförelse steg aktien med 6,15 % vid samma lunchpaus när Qwen3,8 Max lanserades i augusti. Aktien ligger nu nästan 19 % under 112,70 HKD, som gällde för Alibabas 10 miljarder USD stora aktieförsäljning i augusti.
Alibaba redovisar resultat för septemberkvartalet på torsdag den 19 november. Det kvartalet avslutades före Qwen4 Max kom, så den nya modellen syns inte i siffrorna. De första resultat där modellen ingår gäller decemberkvartalet.
Men perioden omfattar Qwen3,8 Max första två försäljningsmånader. Varje MaaS-uppdatering visar hur efterfrågan såg ut före den senaste prissänkningen.
Fram till dess vilar aktiens framtid på två icke-bevisade faktorer. Användningen måste öka snabbare än intäkten per uppgift sjunker, och den effektivare modellen måste skydda marginalerna.
Tencent Hy4 kostar ännu mindre, 1,03 USD per uppgift för Artificial Analysis index, men får åtta poäng lägre betyg.











