Alibaba เปิดตัว Qwen4-Max โมเดลภาษาขนาดใหญ่ (LLM) รุ่นล่าสุดและมีความสามารถสูงสุดของบริษัท ให้ผลลัพธ์คุณภาพสูงกว่ารุ่นก่อนด้วยต้นทุนที่ต่ำลง จากสถาปัตยกรรมใหม่ Qwen4 ที่ทำให้การ training มีประสิทธิภาพมากขึ้นและ attention mechanism ที่ปรับปรุงใหม่

Backbone ของ Qwen4-Max ซึ่งทำหน้าที่เป็นส่วนประมวลผลหลักของโมเดล มีขนาด 2.4 ล้านล้าน parameters แต่จะเปิดใช้งานเพียง 7.1 หมื่นล้าน parameters ในแต่ละครั้ง นอกจากนี้ยังมี N-gram parameters อีก 3.28 แสนล้านตัวที่ทำหน้าที่คล้าย cache โดยเก็บผลลัพธ์ของการคำนวณที่เกิดขึ้นซ้ำบ่อยไว้ ทำให้ไม่ต้องคำนวณใหม่ทุกครั้ง
ในขั้นตอน training ข้อมูลที่เรียกว่า gradient จะเดินทางผ่าน layer ต่างๆ ของโมเดลทีละ layer เพื่อปรับปรุงผลลัพธ์ของแต่ละ layer โดยเริ่มจาก layer สุดท้ายซึ่งเป็นส่วนที่สรุปและแสดงคำตอบ Qwen4-Max มีฟีเจอร์ residual ที่เปรียบเสมือนทางลัดภายในโมเดล ให้ gradient ข้ามบาง layer ได้ เพื่อลดข้อผิดพลาดระหว่างการ training ซึ่งช่วยลดต้นทุนและเพิ่มคุณภาพของผลลัพธ์ แม้ residual จะพบได้ใน LLM อื่นจำนวนมาก แต่ที่ผ่านมามักใช้ช่องทางส่ง gradient เพียงช่องทางเดียว ขณะที่ Qwen4-Max ใช้ 4 ช่องทาง และช่องทางเหล่านี้มี gate ที่ปรับการเคลื่อนที่ของ gradient เพื่อให้การ training มีประสิทธิภาพยิ่งขึ้น
Attention mechanism ของ Qwen4-Max ซึ่งช่วยให้โมเดลเข้าใจ prompt ของผู้ใช้งาน มีการปรับแต่งสำคัญ 2 ส่วน ส่วนแรกคือ Gated DeltaNet ที่ช่วยลดปริมาณฮาร์ดแวร์ที่ต้องใช้ในการประมวลผล prompt ขนาดใหญ่ ส่วนที่สองคือ QSA ที่จะข้ามข้อมูลที่ไม่จำเป็นต่อการตอบ prompt ช่วยลดต้นทุนโครงสร้างพื้นฐานลงอีก Alibaba ทดสอบ Qwen4-Max เทียบกับ Qwen3.8-Max รุ่นก่อนหน้าด้วย benchmark ภายในที่รวมงานประเภท knowledge work พบว่า Qwen4-Max ได้คะแนนสูงกว่าและใช้ tokens น้อยลงสูงสุด 35% ในการทำงานให้เสร็จ และประหยัดได้ถึง 49% เมื่อทดสอบด้วยชุดโจทย์ coding ของ Terminal-Bench 4.0
Qwen4-Max เปิดให้ใช้งานแล้วผ่าน cloud platform ของ Alibaba โดยบริษัทมีแผนจะเปิดซอร์สโมเดลขนาดเล็กกว่าที่พัฒนาบนเทคโนโลยีเดียวกันในอนาคต ขณะเดียวกันก็เปิดซอร์ส Qwen-Live-Delivery-Plugin ส่วนขยายที่ช่วยให้ Qwen4-Max ทำงานที่ใช้เวลานานได้ดีขึ้น โดยปกติเมื่อ LLM ได้รับงานแบบ long-horizon ผู้ใช้งานมักต้องรอจนโมเดลทำงานเสร็จก่อนจึงจะตรวจสอบผลลัพธ์ได้ แต่ plugin นี้ช่วยให้ Qwen4-Max ส่งร่างแรกได้อย่างรวดเร็วแล้วค่อยปรับปรุงเพิ่มเติมเป็นรอบ ผู้ใช้งานจึงสามารถให้ feedback ระหว่างทางเพื่อปรับผลงานได้
TechTalkThai ศูนย์รวมข่าว Enterprise IT ออนไลน์แห่งแรกในประเทศไทย














