Together AIがAlibabaの「Qwen4 Max」を提供開始、推論コストを最大60%削減
この記事の要点
Together AIは、AlibabaのLLM「Qwen4 Max」をサーバーレス推論環境で提供開始した。2.4兆パラメータのMoEモデルで、推論時のトークン消費量を35%、コストを平均60%削減する。コンテキストウィンドウは100万トークンに対応。11月22日2026年まで利用料を30%割り引く。PythonのWebフレームワーク「Tornado」を用いた検証では、65万トークン超のコードベースから72秒でバグ修正パッチを生成した。
AlibabaのLLM「Qwen4 Max」が、Together AIのサーバーレス推論環境で利用可能になった。11月22日2026年までの期間、利用料を30%割り引くキャンペーンを実施する。
Qwen4 Maxは2.4兆パラメータのスパース混合エキスパート(MoE)モデルだ。推論時には710億パラメータがアクティブになる仕組みを採用している。Alibabaのベンチマーク「Work360」によると、前世代のQwen3.8 Maxと比較して性能が向上した。高い推論負荷においてトークン消費量を35%削減し、タスクあたりのコストを平均で約60%抑えられるという。
Together AIによる検証では、PythonのWebフレームワーク「Tornado」のリポジトリ全344ファイル(652,519トークン)を一度のリクエストで送信した。モデルは関連ファイルを自動特定し、既存コードを参照してバグ修正パッチを生成。リクエストから72秒で完了し、1,673件のテストスイートをすべて通過した。
利用価格は割引期間中、入力トークン100万あたり1.05ドル、出力トークン100万あたり3.15ドルとなる。キャッシュされた入力トークンは100万あたり0.0525ドルだ。通常価格は入力100万あたり1.50ドル、出力100万あたり4.50ドル、キャッシュ入力100万あたり0.075ドルに設定されている。
仕様面では、コンテキストウィンドウが100万トークンに達するほか、画像入力やツール呼び出しにも対応した。プロンプトキャッシュは自動適用される。
なお、現時点での提供形態はサーバーレスのみだ。ファインチューニングや専用エンドポイントでの利用には対応していない。また、リクエストはストリーミング形式(stream=True)が必須となる。
「Thinking」機能はデフォルトで有効だ。Thinkingトークンは出力トークンとしてカウントされるため、無効化する場合はreasoning={"enabled": False}の指定が必要になる。
開発者にとっての意味
Qwen4 Maxへの移行は、現時点では見送る。記事にある「Work360」での性能向上は、比較条件やデータセットの詳細が不明であり、自社のタスクで同様の改善が得られるか判断できないためだ。
実装を変えるなら、まずは自社の現行モデルでTornadoの検証と同様のタスクを回し、回答精度とレイテンシを計測し直す必要がある。特に「Thinking」機能がデフォルト有効で出力トークンとして課金される仕様は、コスト計算を複雑にする。
経営者は、割引期間終了後のコスト増と、ストリーミング必須という制約が既存のUI/UXに与える影響を精査すべきだ。ファインチューニングが不可である以上、汎用的な推論性能が自社のドメイン知識を上回るかを確認するまで、移行の判断は下せない。
4人で読み解く
記事の内容だけをもとに、担当のちがう4人(経営・開発・聞き手・運用)が話します。 記事に書かれていないことは話しません。
出典
Together AI「Qwen4 Max is live on Together AI」この記事は、出典元が公表した原文をもとに当社のAI編集部が日本語で再構成し、 公開前に人が確認したものです。原文の訳ではありません。 事実関係は出典(原文)で確認してください。
