İçeriğe geç
CANLI 05:12 Hugging Face, dil modeli çıkarım yönlendirmesini OpenRouter’a geçirdi 05:12 FBI, açık kaynaklı AI saldırı aracı Artex’in saatler içinde ağları ele geçirdiğini duyurdu 05:12 ABD, Çin şirketlerinin yurt dışından uzaktan AI çip gücüne erişimini sıkılaştırıyor 05:12 Kaliforniya başsavcısı, kontrolsüz AI ajanları gerekçesiyle OpenAI’ye dava açtı 05:12 Tencent Hy4 flash: 224 milyar parametreli, günlük işler için daha ucuz çok kipli model Zekâ endeksi lideri Claude Fable 5.2 (Max, Default Fallback) · 64,6 17.11.2026
Bülten

Model Haberleri Yapay Zeka Yapay Zeka Haberleri

Qwen, Qwen4-Max’i yayımladı: 2,4 trilyon parametre ve 1 milyon token bağlam

Qwen ekibi, 16 Kasım 2026'da resmi blogunda Qwen4-Max'i duyurdu.

· 5 dk okuma · 0 yorum

Yapay zekâya sor Paylaş
Yönetici

Yayınlanma:

ai/muhabir · özet kısaca

Qwen ekibi, 16 Kasım 2026'da resmi blogunda Qwen4-Max'i duyurdu. Yeni Qwen4 mimarisi neyi değiştiriyor? Alibaba Cloud'un resmi bültenine göre aynı 2,4 trilyon ölçeğinde Qwen4-Max, önceki kuşak Qwen3.8-Max'e kıyasla token başına yüzde 25 daha az parametre etkinleştiriyor.

Özet yalnızca bu sayfadaki bilgilerden hazırlandı; “Yeniden yaz” aynı özeti baştan yazar.

Qwen ekibi, 16 Kasım 2026’da resmi blogunda Qwen4-Max‘i duyurdu. Yazının başlığı “Qwen4-Max: Your New Teammate Has Arrived”. Ekibe göre model, yeni Qwen4 mimarisi üzerine kuruldu; 2,4 trilyon omurga parametresi, token başına 71 milyar etkin parametre ve ek olarak 328 milyar N-gram gömme parametresi taşıyor. Resmi metin yerelin (native) görü yeteneği ve 1 milyon token bağlam penceresi de vaat ediyor. Aynı gün yayımlanan Cloud basın bülteni, modeli Qwen ailesinin bugüne kadarki en yetkin üyesi olarak tanımlıyor.

Yeni Qwen4 mimarisi neyi değiştiriyor?

Ekip, Qwen4-Max’i seyrek bir Mixture-of-Experts (MoE) modeli olarak anlatıyor ve yükseltmenin dikkat, artık bağlantılar ve gömmeler boyunca yapıldığını söylüyor. Blogda üç yapı taşı öne çıkıyor: geçmişi sabit boyutlu durumlarda sıkıştıran Gated DeltaNet (GDN) katmanları ile birlikte çalışan Qwen Sparse Attention (QSA); katmanlar arasında bilgi akışını güçlendirmek için dört paralel artık dalı kullanan Gated Residual; ve yerel token örüntülerini ikinci katmanda bakışla sağlayan N-gram Embedding.

Alibaba Cloud’un resmi bültenine göre aynı 2,4 trilyon ölçeğinde Qwen4-Max, önceki kuşak ‘e kıyasla token başına yüzde 25 daha az parametre etkinleştiriyor. Qwen ekibi, 2,4 trilyon parametrelik ön eğitimin kayıp sıçraması olmadan ilerlediğini ve şirket içi Bilgi, Kod, Soru-Cevap ve STEM değerlendirmelerinde taban modelin, karşılaştırılan beş kontrol noktası arasında en düşük bit-başına-bayt değerini aldığını, Qwen3.8-Max-Base’e göre yaklaşık yüzde 5–13 daha düşük BPB bildirdiğini yazıyor. Bu rakamlar ekibin kendi ölçümleridir; bağımsız bir üçüncü taraf doğrulaması blogda yer almıyor.

Üretkenlik ve maliyet iddiaları

Qwen, karmaşık iş senaryolarını modellemek için Work360 adında bir çerçeve geliştirdiğini söylüyor: 26 üst alan, 182 alt alan ve 721 uzmanlık alanı. Aynı adlı iç karşılaştırmada Qwen4-Max 52,69, Qwen3.8-Max ise 47,74 puan almış. Token kullanımı Work360’ta Xhigh çabasında yaklaşık yüzde 24, High çabasında yaklaşık yüzde 35 düşmüş; Terminal-Bench 4.0’da düşüş yaklaşık yüzde 48 ve 49. Ekip, Work360 değerlendirmesinde görev başına ortalama maliyeti 4,43 dolardan 1,67 dolara indirdiğini, bunun yüzde 62 gerileme olduğunu belirtiyor. Bu tutarlar ekibin değerlendirme maliyeti; canlı API listesi değildir.

Alibaba Cloud bülteni, modelin gerçek kodlama liderliği Code Arena‘da 6. sıraya yerleştiğini ve ajan işleri, işyeri üretkenliği ile görsel akıl yürütme için Agents’ Last Exam, Vals Index, JobBench ve Chartography gibi uzmanlaşmış karşılaştırmalarda güçlü skorlar aldığını söylüyor. Ayrıntılı skor tabloları blog dipnotlarında ilgili liderlik sayfalarına bırakılmış. AppFor.ai, 16 Kasım’da Singapur bölgesindeki resmi QwenCloud model sayfasında giriş fiyatını 1,5 dolar, çıkışı 4,5 dolar / 1 milyon token; örtük önbellek isabetini ise Alibaba’nın da belirttiği gibi 0,075 dolar olarak okuduğunu yazdı. Canlı fiyatlar değişebileceği için QwenCloud sayfasından teyit edilmeli.

Şirketin gösterdiği uygulamalı örnekler de aynı resmi metinlerden geliyor. Qwen, SANF ve Pacific Union’daki üretim ortamlarında hat planlaması, parça tasarımı ve talaşlı imal doğrulamasını uçtan uca ele aldığını; bir iş parçasının el ile programlama süresinin yaklaşık 475 dakikadan 24 dakikaya, yani yaklaşık yüzde 95 düştüğünü anlatıyor. Bu, ekibin vitrin çalışmasıdır; bağımsız bir saha denetimi yayımlanmış değil.

Uzun soluklu ajanlar, bilim ve güvenlik iddiaları

Qwen4-Max, uzun süren işleri parça parça teslim eden Live Delivery yaklaşımıyla tanıtılıyor: ajan erken bir ilk sürüm veriyor, sonra sonuçlara ve kullanıcı yönlendirmesine göre planı güncelliyor. Ekip, Qwen-Live-Delivery-Plugin‘i açık kaynak yayımladığını belirtiyor. Alibaba Cloud işlerinde ise modelin kendi çizelgeleme döngüsünü kapalı devrede iyileştirdiği iddia ediliyor. Teknik blog, veri etiketleme çağrı maliyetinde referans çizgiye göre ortalama yüzde 10,42 düşüş ve çevrimdışı CPU yeniden çizelgelemede optimal hedefe ulaşma hızında 14,61 katın üzerinde hızlanma yazıyor.

Bilim örneğinde Qwen, Deep Principle’ın Mira platformunda 48 saatlik kesintisiz bir ajan koşusunda 2,7 milyon moleküllük bir aday uzayı tarayarak yeni nesil çip soğutması için bir soğutucu molekülü tasarladığını, sentezletip laboratuvarda test ettirdiğini ve fiziksel bir örnek elde ettiğini söylüyor. Alibaba bülteni, bir Alzheimer araştırması denemesinde modelin 454 araç çağrısı ve 3.239 metrik değerlendirmesiyle 24 aday molekül tasarladığını da ekliyor. Bunlar şirket anlatılarıdır.

Güvenlik tarafında Alibaba, yazılım mühendisliği eğitiminde işlev testlerinin yanı sıra kod güvenliği denetimleri eklediğini; Last Secure Code Bench’te hem işlev hem güvenlik için fonksiyon düzeyinde geçme oranının önceki kuşakta yüzde 22,0‘dan yüzde 31,8‘e çıktığını yazıyor. Siber güvenlik verilerinde saldırı yeteneğini artırmaya dönük içeriklerin ayıklandığı, CBRN riskleri için ek güvenlik verisi ve son eğitim kullanıldığı belirtiliyor. Bu da yine üreticinin iç değerlendirmesidir.

Model bugün QwenCloud‘da Token Plan ve API üzerinden; ayrıca QwenWork, Qoder ve QwenStudio (chat.qwen.ai) üzerinde kullanıma açıldı. Qwen, ailenin daha küçük modellerinin aynı teknik kuşağa dayalı olarak açık kaynak yayımlanacağını söylüyor; bu ağırlıklar henüz çıkmadı. QwenCloud kayıtları 11 Kasım’da bir qwen4-max-preview sürümü olduğunu, 16 Kasım’da ise qwen4-max olarak genel duyurunun geldiğini gösteriyor.

Türkiye ve kullanıcılar için ne anlama geliyor?

Qwen4-Max, Çin merkezli bayrak modellerinin bir kez daha “daha az etkin parametre, daha uzun bağlam, ajan işleri” denklemine yaslandığını gösteriyor. Türkiye’deki geliştiriciler ve şirketler için pratik kapı, resmi metne göre QwenCloud API’si ile QwenStudio sohbet arayüzü. Kodlama ajanı ürünü Qoder ve iş ürünü QwenWork de aynı ailenin parçası olarak anılıyor; hangisinin Türkiye’den sorunsuz faturalandığı, ödeme yöntemi ve gecikme süresi kullanıcının kendi denemesiyle netleşir.

İşin dikkat edilecek yanı, çarpıcı yüzde ve süre kazançlarının büyük ölçüde Qwen’in kendi Work360, vitrin üretimi ve iç güvenlik testlerinden gelmesi. Code Arena sıralaması gibi dış liderlikler daha karşılaştırılabilir bir işaret verse de, 475 dakikadan 24 dakikaya inen programlama süresi veya 48 saatlik molekül koşusu bağımsız bir doğrulamaya bağlanmadan “kanıtlanmış endüstri sonucu” gibi okunmamalı. Maliyet iddiası da canlı tarife değil, ekibin değerlendirme faturası.

Türkiye’deki bir yazılım ekiği veya kurum için asıl soru, 1 milyon token bağlam ve yerelin görünün gerçek iş yükünde ne kadar tutulacağı ve verinin Alibaba Cloud altyapısına gidip gitmeyeceği. KVKK ve müşteri sözleşmeleri açısından istemlerin nerede işlendiği, saklanıp saklanmadığı ve alt işlemci zinciri netleştirilmeden “üretimde varsayılan model” kararı verilmemeli. Ayrıca küçük Qwen4 ağırlıkları henüz açık değil; yerelde veya kendi bulutunda çalıştırmak isteyen ekipler şimdilik API’ye bağımlı. Fiyat, kota ve bölge seçenekleri değişebileceği için karar öncesi QwenCloud ve resmi blog güncellenmeli.

Kaynak: Qwen: Qwen4-Max: Your New Teammate Has Arrived; Alibaba Cloud basın bülteni; AppFor.ai: Qwen4-Max lansmanı

Yapay zekâya sor

Haberi seçtiğiniz asistanda hazır bir soruyla açın

Şu haberi 3 maddede özetle: https://aihaber.org/qwen4-max-24-trilyon-parametre-1-milyon-token/

Gemini hazır soruyla açılamıyor: soru panonuza kopyalanır, açılan sayfada yapıştırmanız yeterli.

Paylaş
X LinkedIn WhatsApp Telegram Reddit Bluesky Threads E-posta

Bu haber işinize yaradı mı?

Yorumlar 0

Yorum yazın

Karakter: 0/1000

Henüz yorum yok. İlk yorumu siz yazın.

İlgili haberler