2026年11月16日、アリババは旗艦モデルQwen4-Maxを公開しました。テキスト、画像、動画を入力し、結果をテキストで返します。製造業の受け入れ検査であれば、発注書、製品の仕様書、入荷時に撮影したラベルをまとめて見てもらえます。導入を決める前に確かめたいのは、判定に必要な根拠を正しく拾えるか、担当者のやり直しは減るか、取引先の書類をどこで処理するかの三点です。

試行では仕事の範囲を絞ります。荷受け担当者に渡せる確認用の下書きを作成し、一件ごとに元の添付資料、モデルの回答、担当者の判定をひも付けます。どこまでモデルが処理でき、どこで人による確認が発生したかが分かるようにすると、次に増やす書類の種類まで判断できます。
1. 実運用で使うエンドポイントを選ぶ
アリババの発表によると、総パラメータ数は2.4兆で、トークンごとに710億が有効になります。コンテキスト長は100万トークンです。Model Studioの正式版ドキュメントではモデルIDを qwen4-max としています。プレビューの案内に記載された qwen4-max-preview はToken Plan向けで、11月25日24時(UTC+8)に終了する予定です。プレビューで作った試作品がある場合は、正式版のIDを使い、リージョン、APIの形式、推論設定を記録して受け入れ試験をやり直します。
構造化出力(JSON)を使う場合、後続システムが読む項目を一つずつ検査します。JSONとして読み込めても、単位の取り違えや古い版の引用、書類にない値の記入は起こり得ます。必須項目に根拠を持たせ、結果とともにモデルIDを保存します。出典が足りない項目を含む案件は確認待ちに回します。
長いコンテキストを活用するには、先に案件ごとの添付を整理します。同じ取引先の別注文の写真が混ざると、モデルが正しく文字を読めても照合の結果は誤ります。発注番号と版をキーに束ね、添付ごとの固定IDを発行します。Qwen4-Maxは API 提供のみのため、社外に出せない書類は対象から外すか、オンプレミスで動かせる公開モデルとの併用を検討します。外部サービスに渡せる資料を決める際には、🔗クラウドとオンプレミスの選び方も参考になります。
2. ベンチマークを現場の試験に読み替える
アリババは自社のWork360について、Highの推論設定でQwen3.8-Maxに比べて使用トークンが35%減り、タスクあたりの平均費用が約60%下がったとしています。一方、Artificial Analysisの独立計測では、Intelligence Indexが43点で、評価タスク1件あたり平均3.27米ドルです。両者で課題も費用を割る単位も異なります。入荷一件の確認にいくらかかるかは、自社の資料と処理記録を使って算出します。
例外対応を減らしたいなら、きれいなPDF、欠けた写真、単位が混在した資料、版が食い違う添付をそれぞれ測ります。きれいな資料だけに強い場合、全体平均が改善しても、人手に回る案件は減りません。処理の難しさに応じて結果を並べると、撮影のルールを変えるべきか、対象の書式を狭めるべきかが見えてきます。写真のピントが合っていても、斜めから撮影したために数値が読みづらい場合があります。実際の不備からテストに入れる画像を選んでください。
既存のOCRと手作業を含む運用を比較対象にします。同じ案件を両方で処理し、同じ採点基準で初回の合格率と、受け付けから判断までの時間を比べます。可能なら下書きを作った方式を伏せ、評価者の思い込みを減らします。合格した成果物を単位に移行費用を比べる考え方は、🔗Claude Fable 5.2の更新にかかる費用でも紹介しています。
3. 受付から引き継ぎまで一件通す
発注書に品番とロット番号があり、改訂番号付きの仕様書と、荷受けで撮ったラベルの写真が添付されているとします。モデルが作る下書きに、読み取った値、項目ごとの出典、食い違いの有無、次の処置を記載します。写真のロット番号が不鮮明なら該当欄を示して再撮影を依頼します。発注書と写真で値が違えば、両方を提示して担当者へ引き継ぎます。
| 試験ケース | 確認すること | 次の処置 |
|---|---|---|
| 資料が鮮明で一致 | 品番、ロット、版の根拠を開ける | 下書きを受理 |
| 写真の一部が判読困難 | 読めない項目を特定し、推測値を入れていない | 再撮影を依頼 |
| 資料間に食い違い | 両方の値とその出典を表示 | 人による判定へ |
| 別注文の資料が混入 | 発注番号の不一致を検出できる | 該当添付を除外し担当者へ |
品番がよく似た製品や、取引先がファイル名を使い回すケースも試します。下書きの体裁が整っていても、異なる注文の情報を混ぜていれば現場で使えません。担当者に出典のリンクを開いてもらい、正しい添付、ページ、写真上の該当箇所へ移れるかを確かめます。クリックしてすぐ位置が分かる下書きなら、添付一式を探し直す時間を減らせます。特に交代勤務では、次の担当者が元の判断経緯を短時間で読み取れることも大事です。
最初は承認済みの読み取り専用フォルダを使い、モデルの書き込み先は確認待ちのキューに絞ります。正式な入荷承認と購買記録の更新は既存システムで行います。ある画像形式だけ受け入れ水準に届かなければ、その形式は従来の運用に回します。社内GPUで公開モデルを併用する場合のリソース割り当てや既存ワークロードとの共存は、🔗AI-Stackの導入ソリューションで紹介しています。
4. 初回合格一件あたりの費用を試算する
Model Studioが示す東京の価格は、100万入力トークンあたり1.413米ドル、100万出力トークンあたり4.24米ドルです(2026年11月時点)。自社アカウントの実際の料金は別途確認します。以下は、この単価で出力に課金対象の推論と最終回答を含めた仮の計算です。キャッシュの値引き、外部ツール、保管、人による確認の費用は含みません。
設定A、Bでそれぞれ100件を処理した場合の仮の試算です。Bの請求額は小さくても、やり直しが多いため、合格件数で割ると高くなります。
| 設定 | 入力トークン(1件平均) | 出力トークン(1件平均) | 初回合格(100件中) | モデル料金(100件) | 合格1件あたり |
|---|---|---|---|---|---|
| A | 40,000 | 4,000 | 80件 | 7.348米ドル | 約0.092米ドル |
| B | 20,000 | 8,000 | 60件 | 6.218米ドル | 約0.104米ドル |
実運用の評価では、その集団に費やしたすべてのモデル実行、ツール、再試行と確認時間の費用を足し、同じ集団の合格件数で割ります。再処理後に合格した案件を分母へ入れるなら、その再処理費も分子へ加えます。終了時刻も評価項目に入れ、荷受けの交代時刻を超える案件を拾います。遅れると翌シフトへ確認が持ち越され、在庫を使い始める時間にも影響するからです。請求書を超えた費用構成を考える際は、🔗トークン単位のインフラサービスも参考になります。
5. データの範囲と復旧手順を定める
Model Studioではリージョン別に提供範囲と機能が示されています。本番の書類を渡す前に、契約アカウントが呼び出せるエンドポイント、扱えるデータの種類、ログや添付の取り扱い、補助ツールの送信先を確かめます。担当部署の承認が済むまでは、品番を置き換えた資料や模擬ラベルを使って試験します。委託先だけでなく、自社のログ、確認画面のスナップショット、添付の保管先も点検します。業務上必要な閲覧者と保管期限を決めておけば、試験後に不要なコピーが残りにくくなります。
APIの応答が遅い、添付が不足する、形式のチェックに失敗する、といったときの扱いも決めておきます。再試行には上限を設け、長時間の処理は担当者が見られるキューへ送ります。一つの案件IDに入力、設定、出力、切り戻しの判断を記録し、再試行のたびに同じ案件IDの履歴へ追記します。同じ注文を独立した新規案件として受け付けると、確認や手配が重複します。
現場の担当者に切り戻しを実演してもらいます。既存のOCRや手作業に切り替えたあとも案件IDと受け付け先を維持し、割り当て済みの作業や処理中の要求を再開できるかを確認します。🔗MLOpsの基本では、このように履歴を追える運用を取り上げています。
6. 受け入れの基準を満たした書類から広げる
試行前に、どの誤りがあれば導入を止めるかを決めます。ロット番号に矛盾があるのに合格とする誤りは、要約が少し長いことより重大です。読み取れない写真をすぐに担当者に引き継げた案件は、例外処理としては成功とみなせます。項目の正しさ、例外の振り分け、担当者の作業時間を別々に記録し、処理時間の中央値と95パーセンタイル(遅い方から5%の案件)を確認します。
-
代表的な100件を集め、根拠が曖昧なものや矛盾するものを検証用に確保します。
-
同じ資料を現行と新しい設定で処理し、案件ごとの判定、費用、作業時間を記録します。
-
購買部門とデータ管理者が失敗例を調べ、合意済みの基準を満たした書類だけ対象を広げます。例外処理の担当と切り戻しの手順も確認します。
文章と写真を突き合わせる業務では、Qwen4-Maxを小さな受け入れ工程から試す価値があります。合格した結果にかかる総費用、急ぎの案件が終わる時間、データと承認の経路を現場の記録に基づいて比較し、次に使う範囲を決めてください。
AI-Stackブログでは、企業でのモデル運用や評価の実践例を定期的にお届けしています。🔗購読して、次回の記事をお見逃しなく。