YOLO'yu lisansla
Ultralytics Platform

Otomatik etiketleme için Qwen4-Max: öne çıkan veri kümeleri, dengesiz kazanımlar

Qwen4-Max, otomatik etiketleme kıyaslamamızda 51 model arasında 13. sırada; bilek röntgenlerinde birinci, perakende raflarında ikinci. Doğruluk, maliyet ve nasıl çalıştırılacağı.

Miles DeansMiles Deans11 dakikalık okuma
Ultralytics UL37 sonuçlarıyla Qwen 4 lansman görseli: genel olarak 0.474 mAP50, bilek röntgenlerinde 0.4975; 51 model arasında en iyisi

Alibaba, Qwen ailesinin bugüne kadarki en yetenekli modeli olduğunu belirttiği; yerel görme yeteneğine ve bir milyon tokenlık bağlam penceresine sahip Qwen4-Max'i 16 Kasım 2026'da yayımladı. Aynı gün modeli 36 veri kümeli nesne algılama kıyaslamamızdan geçirdik.

Genel olarak Qwen4-Max, VLM Sıralama Tablosu'nda 51 model arasında 13. sırada yer alıyor; 1.000 görüntü başına 5,68 $ maliyetle 0.474 mAP50 puanı alıyor. Bu ortalama, daha çarpıcı bir sonucu gizliyor. Çocuk bileği röntgenlerinde test ettiğimiz tüm modeller arasında en yüksek puanı alıyor; su altı sahnelerinde ve yoğun perakende raflarında ise yalnızca Gemini 4 Carbon'un gerisinde kalıyor.

Qwen4-Max, Ultralytics Platform'da artık otomatik etiketleme için Alibaba'nın sunduğu seçenek ve Qwen3.8-Max'in yerini alıyor. Aşağıda modelin nerelerde öne çıktığını, nerelerde yetersiz kaldığını, karşılaştırabileceğin modeller arasındaki yerini ve bir etiketleme grubunun maliyetini bulabilirsin.

Qwen4-Max, UL37'de 51 model arasında 13. sırada, bilek röntgenlerinde ise birinci#

UL37, model kutularının 360 görüntüdeki insan etiketleriyle ne kadar örtüştüğünü ölçer: tıbbi taramalardan hava görüntülerine, perakende raflarından spora ve devre kartlarına uzanan 36 gerçek nesne algılama veri kümesinin her birinden 10 görüntü. Her veri kümesi ortalamada eşit ağırlığa sahiptir ve her görüntü, veri kümesinin kendi sınıf adları ve her kutuyu iyileştiren SAM 3.1 ile Platform kullanıcılarının kullandığı üretim sürecinden geçirilir; dolayısıyla puanlar ham model çıktısını değil, bu iyileştirilmiş süreci yansıtır. Yöntem herkese açıktır.

Qwen4-MaxQwen3.8-MaxGPT-6.1 TerraGemini 3.8 FlashKimi K3.1 Pro
Sıralamadaki yeri#51 model arasında 13.#51 model arasında 15.#51 model arasında 3.#51 model arasında 11.#51 model arasında 16.
mAP500.4740.4610.5600.5160.444
mAP50-950.3010.2950.3450.3210.281
Kesinlik0.5950.5720.6460.6560.560
Duyarlılık0.5610.5240.6130.5550.483
Sağlayıcı maliyeti / 1.000 görüntü$5.68$7.74$4.36$5.86$22.50
Görüntü başına medyan süre12.4 s13.1 s5.1 s7.4 s22.2 s
Başarısız istekler0%1.7%0%0%6.4%

19 Kasım 2026'da güncellenen Ultralytics VLM Sıralama Tablosu'ndaki UL37 sonuçları. Qwen3.8-Max artık Platform'da sunulmuyor.

Qwen4-Max, tüm temel metriklerde Qwen3.8-Max'ten daha iyi sonuç veriyor, görüntü başına daha ucuza mal oluyor ve tüm kıyaslama isteklerini tamamladı. Yine de ortalamada liderlerin oldukça gerisinde: GPT-6.1 Terra, daha düşük maliyetle ve sürenin yarısından çok daha kısa bir zamanda 0.560 puan alıyor.

Ücretli modeller için UL37 mAP50 değerini 1.000 görüntü başına sağlayıcı maliyetine göre gösteren dağılım grafiği; Qwen4-Max'in 0.474 ve 5,68 $ değerleri Qwen3.8-Max, GPT-6.1 Terra, Gemini 3.8 Flash, Kimi K3.1 Pro ve Gemini 4 Carbon'un yanında vurgulanıyor

Her nokta, Ultralytics VLM Sıralama Tablosu'ndaki ücretli bir modeli gösterir.

Alibaba, Qwen4-Max'i ne için geliştirdi?#

Alibaba, lansman duyurusunda Qwen4-Max'i toplam 2,4 trilyon parametreye sahip, her token için 71 milyar parametresi etkin olan ve yerel görme yeteneği bulunan seyrek bir Uzmanlar Karışımı modeli olarak tanımlıyor. Kodlama, ajan görevleri ve görsel akıl yürütme becerilerini vurguluyor ve kendi Work360 kıyaslamasında Qwen4-Max'in Qwen3.8-Max'ten daha iyi sonuç verirken görev başına ortalama maliyeti yaklaşık %60 azalttığını bildiriyor.

Alibaba Cloud'un Model Studio sürüm notlarında model, "Qwen ailesinin metin üretimini, görüntü ve video anlama yeteneklerini ve derin akıl yürütmeyi bir araya getiren yeni nesil amiral gemisi çok modlu modeli" olarak tanımlanıyor. Uluslararası fiyatı, Qwen3.8-Max için 2 $ ve 6 $ iken, milyon giriş token'ı başına 1,50 $, milyon çıkış token'ı başına 4,50 $. Model Alibaba'nın API'si üzerinden sunuluyor; Alibaba, daha küçük açık ağırlıklı Qwen4 modellerinin de geleceğini söylüyor.

Ne duyuruda ne de sürüm notlarında nesne algılama sonuçları bildiriliyor; biz de bunu ölçtük.

Qwen4-Max ve Qwen3.8-Max: daha ucuz, kazanımları dengesiz#

Qwen4-Max, 19 veri kümesinde öncülünü geçiyor, 16'sında geride kalıyor ve birinde berabere kalıyor. Ortalama 0.013 mAP50 kazanımı, bazı veri kümelerindeki büyük iyileşmelerin diğerlerindeki belirgin düşüşlerden ağır basmasıyla elde ediliyor.

Qwen3.8-Max'ten Qwen4-Max'e veri kümesi başına UL37 mAP50 değişimini gösteren çubuk grafik; en büyük kazanımlar bilek röntgeni, perakende rafları, petrol tankları, futbol, bitki hastalığı ve tiroid ultrasonunda, en büyük düşüşler ise tenis topu, beyin MRI, çöp ve yol hasarında

Her çubuk bir UL37 veri kümesini gösterir; en büyük düşüşten en büyük kazanıma doğru sıralanmıştır.

Veri kümesiQwen4-MaxQwen3.8-MaxDeğişim
GRAZPEDWRI-DX çocuk bileği röntgeni0.49750.1437+0.3538
SKU110K yoğun perakende rafları0.62300.4516+0.1714
Airbus petrol depolama tankları0.30050.1363+0.1642
SoccerDB futbol0.83450.6715+0.1630
RacketVision tenis topu0.37750.6299−0.2524
Cheng beyin tümörü MRI0.44210.6350−0.1929

Her veri kümesinden 10 görüntüyle, her değişimin iki puanla eşleşmesi için dört ondalık basamakla gösterilen veri kümesi başına UL37 mAP50.

Maliyet düşüşü daha belirgin. 1.000 görüntü başına 7,74 $ yerine 5,68 $ maliyetle Qwen4-Max, çalıştırmamızda görüntü başına yaklaşık %27 daha ucuza geliyor. Alibaba'nın yaklaşık %60'lık kendi verisi, farklı ayarlara sahip başka bir kıyaslamadan geliyor; bu nedenle iki değer doğrudan karşılaştırılamaz.

Qwen4-Max'in öne çıktığı alanlar#

Üç sonuç, Qwen4-Max'i yalnızca Qwen ailesinin değil, tüm sıralama tablosunun üst sıralarına taşıyor.

Veri kümesiQwen4-Max51 model arasındaki sırasıLider
GRAZPEDWRI-DX çocuk bileği röntgeni0.49751stQwen4-Max (sonraki: Muse Ember 1.0, 0.378)
RUOD su altı nesneleri0.7742ndGemini 4 Carbon, 0.788
SKU110K yoğun perakende rafları0.6232ndGemini 4 Carbon, 0.671

Veri kümesi başına UL37 mAP50. Ultralytics VLM Sıralama Tablosu'ndaki 51 model arasındaki sırası.

Bilek röntgenleri. Çocuklarda bilek travması röntgenlerinde Qwen4-Max 0.4975 puan alıyor; test ettiğimiz diğer tüm modellerin önünde ve Qwen3.8-Max'in üç katından fazla. Her veri kümesine 10 görüntü katkı sağlıyor; bu nedenle sonucu kesin hüküm değil, denemeye değer güçlü bir işaret olarak değerlendir. Bu bir teşhis veya klinik doğrulama da değildir: tıbbi görüntü analizi araştırmalarındaki etiketleme çalışmaları için Qwen4-Max, klinik uzmanların kontrol edip düzelteceği kutular oluşturabilir.

Perakende rafları. UL37'nin iki perakende veri kümesinin ortalamasında Qwen4-Max 0.752 puan alıyor; GPT-6.1 Terra'nın 0.724 puanının önünde. Rafların tek bir sınıfa ait ürünlerle uçtan uca dolu olduğu SKU110K'de yalnızca Gemini 4 Carbon'un gerisinde kalıyor.

Su altı sahneleri. RUOD'un su altı nesnelerinde aldığı 0.774 puanla 51 model arasında ikinci sırada ve GPT-6.1 Terra'nın 0.658 puanının önünde.

Qwen4-Max'in yetersiz kaldığı alanlar#

Eksiklikler de başarılar kadar belirgin. Qwen4-Max, DeepPCB çıplak devre kartı kusurlarında 0.000, IEDXray güvenlik taramalarında 0.05 puan alıyor; Gemini 4 modelleri bu alanlarda yaklaşık 0.30'a ulaşıyor. Tüberküloz için göğüs röntgenlerinde puanı 0.037; beyin tümörü MRI veri kümesinde ise GPT-6.1 Terra'nın gerisinde, 0.442'ye karşı 0.904 puan alıyor.

Alan bazında ortalama alındığında da belgeler, kullanıcı arayüzü ve CAD çizimlerinde (0.357'ye karşı 0.494), yollar ve trafikte (0.396'ya karşı 0.572) ve genel olarak tıbbi görüntülemede (0.325'e karşı 0.505) GPT-6.1 Terra'nın gerisinde kalıyor. Bu alanlardan herhangi birinde büyük bir veri kümesini etiketlemeden önce, kaydedilmiş kutularını beklenen etiketlerin yanında her kıyaslama veri kümesinde yeniden gösteren Qwen4-Max model sayfasını aç.

Qwen4-Max ve GPT-6.1 Terra, Gemini 3.8 Flash ve Kimi K3.1 Pro karşılaştırması#

Bire bir karşılaştırma, 36 UL37 veri kümesiQwen4-Max kazanırKaybederBerabere
GPT-6.1 Terra ile11232
Gemini 3.8 Flash ile17181
Kimi K3.1 Pro ile21141
Qwen3.8-Max ile19161

GPT-6.1 Terra genel kullanım için daha güçlü bir seçenek: Qwen4-Max'in 11 veri kümesine karşı 23 veri kümesinde kazanıyor, daha ucuza mal oluyor ve medyan yanıt süresi yarıdan daha kısa. Gemini 3.8 Flash, benzer fiyata veri kümelerinde neredeyse başa baş sonuç veriyor ve ortalama puanı daha yüksek. Kimi K3.1 Pro karşısında Qwen4-Max, görüntü başına yaklaşık dörtte bir maliyetle 14'e karşı 21 veri kümesinde kazanıyor.

Ultralytics Platform, Qwen4-Max'i nasıl çalıştırıyor?#

Platform'daki Qwen4-Max sonuçlarını iki ayar şekillendiriyor. İlk olarak, Alibaba'nın varsayılan "high" ayarı yerine "low" akıl yürütme düzeyinde çalışıyor. Ultralytics'in 370 kıyaslama görüntüsüyle yaptığı testlerde (puanlanan 360 görüntü ve 10 COCO referans görüntüsü), varsayılan ayar Platform'un 115 saniyelik istek sınırını 11 görüntüde, "low" ayarı ise 3 görüntüde aştı; her iki ayarın mAP50 değeri aynıydı. İkinci olarak, Platform Qwen modellerinden kompakt JSON çıktısı istiyor; çünkü bu çıktı olmadığında modeller yaklaşık 0.02 mAP50 kaybediyor.

Bu ayarların ikisi için de herhangi bir şey yapman gerekmiyor: model seçicisinden Qwen4-Max'i seç, Platform ikisini de uygular.

Qwen4-Max ile bir etiketleme grubunun maliyeti#

Sağlayıcı maliyeti, Alibaba'nın bildirdiği token kullanımının model için Platform ücretleri üzerinden hesaplanan, başarıyla etiketlenmiş 1.000 görüntü başına tutarıdır; kendi görüntülerin daha fazla veya daha az token kullanabilir. Toplu Etiketleme, her 1.000 görüntü için 1,00 $ Platform işlem ücreti ekler; çalışma başına en düşük ücret 0,01 $'dır.

1.000 görüntü başınaQwen4-Max
Alibaba'nın ücreti$5.68
Ultralytics Platform işlem ücreti$1.00
Toplam$6.68

Önce çalıştırdığın test tahminleri de dahil olmak üzere ödemeyi kendi API anahtarınla doğrudan Alibaba'ya yaparsın; Ultralytics token ücretlerine ek ücret koymaz. Ücretli bir anahtar hiç kullanmamayı tercih edersen Platform'da barındırılan Qwen3.8 27B, UL37'de 0.351 mAP50 puanıyla anahtar olmadan çalışır.

Ultralytics Platform'da Qwen4-Max otomatik etiketleme nasıl çalıştırılır?#

Qwen4-Max, 1 ila 200 sınıflı algılama veri kümeleri için sınıf istemiyle çalışan bir modeldir. Veri kümenin kendi sınıf adları için sınırlayıcı kutular döndürür; bunları daha sonra gözden geçirip düzeltirsin.

  1. Platform'un kullandığı uç noktanın bulunduğu uluslararası (Singapur) bölgesi için Alibaba Cloud Model Studio'da bir API anahtarı oluştur.
  2. Çalışma alanı sahibinden, veri kümenin bulunduğu çalışma alanındaki Settings > API Keys bölümünde Alibaba altında anahtarı eklemesini iste. Ayrıntılar için sağlayıcı anahtarı belgelerine bak.
  3. Etiketleme düzenleyicisinde Smart moduna geç ve model seçicisinde Alibaba altından Qwen4-Max'i seç.
  4. Birkaç temsilî görüntüde Predict düğmesine veya P öğesine bas.
  5. Sonuçtan memnun kaldığında veri kümesi sayfasını aç ve etiketlenmemiş tüm görüntüleri etiketlemek için Diğer işlemler > Toplu Etiketleme seçeneğini belirle. Batch Annotation, en fazla üç görüntü kanalına sahip ve Platform'da barındırılan veri kümelerinde çalışır. Platform önce bir veri kümesi sürümü kaydeder; böylece önceki sürüme dönebilirsin.
  6. Kutuları gözden geçir, kaydet ve aynı çalışma alanında elde ettiğin sonuçla bir Ultralytics YOLO26 modeli eğit.

Etiketleme belgeleri, Smart modu ve Batch Annotation'ı ayrıntılı olarak açıklar; kesinlik ve duyarlılığa göre VLM seçme rehberimiz ise inceleme iş akışına uygun modeli seçmene yardımcı olur.

Qwen4-Max'i kimler kullanmalı?#

Şuna ihtiyacın varsa…Şununla başla:
Genel amaçlı ücretli bir etiketleyiciGPT-6.1 Terra: UL37 puanı daha yüksek, maliyeti daha düşük ve Qwen4-Max'ten daha hızlı
Uzman incelemesi için çocuk bileği röntgeni taslaklarıQwen4-Max: bu veri kümesinde 51 model arasındaki en yüksek UL37 puanı
Yoğun perakende rafları veya su altı sahneleriQwen4-Max'i dene ve kendi görüntülerinde Gemini 4 Carbon ile karşılaştır
Alibaba modeli arayanlar veya Qwen3.8-Max'ten geçiş yapanlarQwen4-Max: daha yüksek puanlar, görüntü başına daha düşük maliyet, çalıştırmamızda başarısız istek yok
Ücretli API anahtarı kullanmak istemeyenlerPlatform'da barındırılan Qwen3.8 27B, Gemma 4 26B veya SAM 3.1 Text

Etiketleme çalışmalarının çoğunda GPT-6.1 Terra hâlâ daha iyi bir varsayılan seçenek. Qwen4-Max, verilerin öne çıktığı veri kümelerine benzediğinde tercih edilmeye değer; bu nedenle önce kendi görüntülerinden bir örnekle dene.

Sık sorulan sorular

  • Birkaç dikkat çekici sonucu olan Qwen4-Max, kıyaslamamızda 51 model arasında 13. sırada yer alıyor. UL37 kıyaslamamızda 0.474 mAP50 puanı alıyor ve hiçbir isteği başarısız olmuyor. Çocuk bileği röntgenlerinde 51 model arasında birinci, su altı nesnelerinde ve yoğun perakende raflarında ikinci sırada; ancak devre kartı kusurlarında ve güvenlik röntgenlerinde düşük puan alıyor.

  • Ortalama olarak evet. Qwen4-Max, Qwen3.8-Max'in 0.461 puanına karşılık 0.474 mAP50 alıyor; 1.000 görüntü başına 7,74 $ yerine 5,68 $'a mal oluyor ve Qwen3.8-Max'in %1,7 başarısız olduğu tüm istekleri tamamlıyor. Kazanımlar dengesiz: 19 veri kümesinde Qwen3.8-Max'i geçiyor, 16'sında geride kalıyor; tenis topu ve beyin MRI algılamasında büyük düşüşler var.

  • Genel etiketleme için GPT-6.1 Terra: 0.560 mAP50 puanı alıyor, Qwen4-Max'i 36 veri kümesinin 23'ünde geride bırakıyor, 1.000 görüntü başına 4,36 ABD dolarına mal oluyor ve medyan yanıt süresi 5,1 saniye. Verilerin bilek röntgenleri, yoğun perakende rafları veya su altı sahneleri gibi en güçlü olduğu veri kümelerine benziyorsa Qwen4-Max'i seç ve kendi görüntülerinle doğrula.

  • Uzmanların inceleyeceği araştırma etiketlemesi için kutu taslakları oluşturabilir; teşhis koymaz. Çocuk bilek röntgenlerinde 51 model arasındaki en yüksek UL37 puanına, 0.4975 mAP50'ye ulaşıyor ancak sekiz tıbbi veri kümemizde ortalama 0.325 puan alıyor; bu, GPT-6.1 Terra'nın 0.505 puanının altında ve göğüs röntgenlerinde performansı düşük.

  • Alibaba'nın ücretleri yaklaşık 5,68 ABD doları: Alibaba'nın bildirdiği token kullanımı, model için Platform ücretleri üzerinden, başarıyla etiketlenen 1.000 görüntü başına hesaplanır. Alibaba'nın uluslararası liste fiyatı, milyon girdi token'ı başına 1,50 ABD doları ve milyon çıktı token'ı başına 4,50 ABD dolarıdır. Ultralytics Platform, 1.000 görüntü başına 1,00 ABD doları Toplu Etiketleme ücreti ekler; toplam maliyet yaklaşık 6,68 ABD doları olur.

  • Uluslararası bir Alibaba Cloud Model Studio API anahtarı oluştur, çalışma alanının sahibinden bu anahtarı Ayarlar > API Anahtarları bölümündeki Alibaba alanına eklemesini iste, ardından etiketleme düzenleyicisinde Akıllı mod'u seçip Qwen4-Max'i seç. Birkaç görüntüyle test et, Toplu Etiketleme'yi çalıştır, kutuları gözden geçir ve aynı çalışma alanında bir Ultralytics YOLO26 modeli eğit.

Yazan

Miles Deans
Miles Deans

SEO Lideri · Ultralytics

Londra’da yaşayan Miles Deans, Ultralytics’te SEO Lideri olarak şirketin arama stratejisini ve organik büyümesini yönetiyor. Daha önce Adobe, Kaizen ve Virgin Media O2’de görev aldı.

Yorumlar

Soru sor, sonuçlarını paylaş veya başka birine yardım et.

Çözümleri keşfet

Sporda bilgisayarlı görü

Sporda bilgisayarlı görü

Ultralytics YOLO'nun oyuncu ve top takibi, performans analitiği, antrenörlük içgörüleri ve sporcu rehabilitasyonuyla spor alanında görsel yapay zekâyı nasıl güçlendirdiğini keşfet.
Daha fazla bilgi edin
Hava görüntüleri için bilgisayarlı görü

Hava görüntüleri için bilgisayarlı görü

İHA ve hava görüntülerini Ultralytics YOLO ile tarım, su ürünleri yetiştiriciliği, koruma çalışmaları ve jeo-uzamsal analiz için gerçek zamanlı içgörülere dönüştür.
Daha fazla bilgi edin
Havacılıkta bilgisayarlı görü

Havacılıkta bilgisayarlı görü

Uçak denetimi, pistteki yabancı madde tespiti, havaalanı yer operasyonları ve kompozit malzeme kusurlarının tespiti için Ultralytics YOLO ile havacılık ve uzay sektöründe bilgisayarlı görü uygula.
Daha fazla bilgi edin
Güvenlikte bilgisayarlı görü

Güvenlikte bilgisayarlı görü

Ultralytics YOLO modelleriyle her sahayı koru. Görsel yapay zekâ; çevre izleme, tehdit tespiti, plaka tanıma ve iş yeri güvenliğini destekler.
Daha fazla bilgi edin
Robotikte bilgisayarlı görü

Robotikte bilgisayarlı görü

Ultralytics YOLO modelleriyle daha akıllı makinelere güç ver. Robotikte görsel yapay zekâ; otonom navigasyonu, algılamayı, nesne takibini ve gerçek zamanlı kontrolü destekler.
Daha fazla bilgi edin
Lojistikte bilgisayarlı görü

Lojistikte bilgisayarlı görü

Ultralytics YOLO modelleriyle lojistiği kolaylaştır. Görüntü yapay zekâsı; paket denetimini, ayrıştırmayı, araç takibini ve gerçek zamanlı depo güvenliği izlemeyi mümkün kılar.
Daha fazla bilgi edin
Perakendede bilgisayarlı görü

Perakendede bilgisayarlı görü

Ultralytics YOLO modelleriyle perakendeyi yeniden tasarla. Görüntü yapay zekâsı; envanter takibini, raf izlemeyi, kuyruk yönetimini ve daha kapsamlı müşteri analizlerini mümkün kılar.
Daha fazla bilgi edin
Sağlık hizmetlerinde bilgisayarlı görü

Sağlık hizmetlerinde bilgisayarlı görü

Ultralytics YOLO modelleriyle sağlık çözümleri geliştir. Sağlık hizmetlerinde görüntü yapay zekâsı; daha hızlı tıbbi görüntüleme, daha akıllı tanı ve hasta takibini mümkün kılar.
Daha fazla bilgi edin
Üretimde bilgisayarlı görü

Üretimde bilgisayarlı görü

Ultralytics YOLO modelleriyle üretimi optimize et. Görsel yapay zekâ; kalite kontrolünü, kusur tespitini, kişisel koruyucu donanım uyumunu ve montaj hattı otomasyonunu destekler.
Daha fazla bilgi edin
Otomotivde bilgisayarlı görü

Otomotivde bilgisayarlı görü

Ultralytics YOLO modelleriyle otomotivde bilgisayarlı görüden yararlan. Görsel yapay zekâ; daha akıllı yollar için yol güvenliğini, sürüş desteğini ve araç otomasyonunu ileri taşır.
Daha fazla bilgi edin
Tarımda bilgisayarlı görü

Tarımda bilgisayarlı görü

Ultralytics YOLO modelleriyle akıllı tarıma görüntü yapay zekâsı kazandır. Daha yüksek ve akıllı verim için mahsul izleme, hayvan takibi ve hassas tarımı destekle.
Daha fazla bilgi edin

Geleceğin yapay zekasını birlikte inşa edelim!

Makine öğreniminin geleceğine yolculuğuna başla