☰
✕

Alibaba luncurkan Qwen4-Max, Model AI dengan 2,4 triliun parameter

JAKARTA (IndoTelko) - Alibaba memperkenalkan Qwen4-Max, model kecerdasan buatan (AI) terbaru dalam keluarga Qwen yang dirancang untuk mendukung pekerjaan profesional, kreativitas, hingga penelitian ilmiah.

Model ini dibekali 2,4 triliun parameter, kemampuan memahami informasi visual secara native, serta context window hingga satu juta token. Alibaba mengklaim kombinasi tersebut memungkinkan Qwen4-Max menangani berbagai tugas kompleks, termasuk pemrograman, penalaran visual, dan pengoperasian agen AI.

Dalam sejumlah pengujian, Qwen4-Max menempati peringkat keenam di Code Arena, platform evaluasi kemampuan pemrograman berdasarkan tugas dunia nyata. Model ini juga mencatatkan hasil dalam pengujian Agents’ Last Exam, Vals Index, JobBench, dan Chartography yang mengukur kemampuan agen AI, produktivitas profesional, serta penalaran visual.

Berdasarkan pengujian internal Work360 yang mencakup 721 bidang spesialisasi industri, Alibaba menyebut Qwen4-Max menunjukkan performa keseluruhan lebih baik dibandingkan pendahulunya, Qwen3.8-Max. Peningkatan tersebut dicapai dengan penggunaan token 35% lebih sedikit pada mode penalaran High Effort, sekaligus menurunkan rata-rata biaya setiap tugas sekitar 60%.

Peningkatan efisiensi tersebut didukung arsitektur 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. Jumlah tersebut diklaim 25% lebih rendah dibandingkan Qwen3.8-Max dengan skala parameter yang sama, sehingga dapat menekan biaya inferensi.

Dukung Produktivitas dan Otomatisasi Industri

Qwen4-Max juga dibekali kemampuan Cloud Resource Scheduling untuk mengoptimalkan pengelolaan sumber daya infrastruktur cloud. Melalui mekanisme closed-loop, model dapat menyesuaikan proses penjadwalan secara mandiri guna meningkatkan efisiensi penggunaan sumber daya.

Dalam pengujian Alibaba, kemampuan tersebut menurunkan rata-rata biaya pemanggilan model untuk anotasi data sebesar 9%. Proses penjadwalan ulang CPU secara offline juga diklaim berlangsung lebih dari 14 kali lebih cepat.

Di sektor manufaktur otomotif, Qwen4-Max dapat membantu pekerjaan mulai dari perencanaan lini produksi, desain komponen, hingga verifikasi proses pemesinan. Dalam demonstrasi yang dilakukan, model ini memangkas waktu pemrograman benda kerja secara manual sebesar 95%, dari sekitar 475 menit menjadi 24 menit.

Kemampuan tersebut didukung proses penyempurnaan berulang berdasarkan umpan balik atau feedback-driven iteration. Mekanisme ini membantu mendeteksi potensi pemotongan berlebih maupun kekurangan material sebelum proses pemesinan dilakukan.

Alibaba juga menyebut Qwen4-Max dapat mendukung pengembangan forward-deployed engineering (FDE) di berbagai sektor, termasuk keuangan, hukum, dan layanan kesehatan.

Dukung Penelitian Berbasis Agen AI

Dalam pengembangan agentic AI, Qwen4-Max dirancang untuk mendukung agen yang menjalankan tugas secara berkelanjutan, termasuk pekerjaan yang membutuhkan perencanaan jangka panjang.

Salah satu demonstrasi yang dipaparkan Alibaba berkaitan dengan pengembangan teknologi pendinginan chip generasi berikutnya. Dalam eksperimen tersebut, model Qwen4 menjalankan agen AI selama 48 jam melalui empat siklus closed-loop yang menggabungkan desain molekul, sintesis dan pengujian, serta active learning. Proses itu menghasilkan molekul pendingin yang telah diuji melalui eksperimen.

Pada penelitian penyakit Alzheimer, Qwen4-Max juga digunakan untuk mendukung proses mulai dari penelitian target, desain molekul, hingga evaluasi komputasi. Model tersebut melakukan 454 pemanggilan alat atau tool calls dan 3.239 evaluasi metrik untuk merancang serta mengoptimalkan 24 kandidat molekul.

Keamanan Terintegrasi dalam Pengembangan

Alibaba turut menempatkan keamanan dan tata kelola sebagai bagian dari pengembangan Qwen4-Max. Dalam pelatihan rekayasa perangkat lunak, perusahaan menggabungkan pemeriksaan keamanan kode dengan pengujian fungsionalitas untuk mengurangi potensi kerentanan, termasuk serangan injeksi, masalah keamanan memori, dan kelemahan kontrol akses.

Perusahaan juga melakukan penyaringan data pelatihan berdasarkan tujuan penggunaannya. Materi yang mendukung pertahanan siber, seperti deteksi dan perbaikan kerentanan, tetap dipertahankan. Sebaliknya, konten yang berkaitan dengan tindakan serangan siber dihapus dari data pelatihan.

Perlindungan tambahan dilakukan melalui penggunaan kumpulan data khusus keamanan dan penyempurnaan pada tahap post-training. Alibaba menyatakan pendekatan tersebut juga ditujukan untuk memperkuat mitigasi risiko kimia, biologi, radiologi, dan nuklir (CBRN).

Qwen4-Max saat ini tersedia melalui QwenCloud dengan pilihan akses Token Plan dan API. Model ini juga dapat digunakan melalui QwenWork dan QwenStudio. Untuk penggunaan input dengan mekanisme Implicit Cache Hit, tarif yang ditetapkan sebesar US$0,075 per satu juta token.

Alibaba menyatakan akan segera menghadirkan model Qwen4 berukuran lebih kecil dengan pendekatan open-weight bagi pengembang di seluruh dunia. (mas)