Kartu judul yang dihasilkan bertuliskan Qwen4-Max keluar dari pratinjau, dengan subjudul Kartu harga berbasis meteran, serta anggaran output yang mengecil, dan empat chip bertuliskan $1,50 masuk / $4,50 keluar per 1 juta, konteks 1.000.000 token, anggaran bersama 262.144, dan Enam wilayah.
Guides & Insights

Qwen4-Max Keluar dari Pratinjau: Kartu Harga Berbasis Meteran, dan Anggaran Output yang Makin Kecil

Penulis

jinhao.song

Tanggal Terbit

Model terbaru · 20Lihat semua model →
Benchmark: Artificial Analysis · diperbarui setiap hari
Kembali ke semua artikel

Qwen4-Max berubah dari pratinjau paket token menjadi model berbasis pengukuran pada 16 November 2026, dan angka yang perlu dibaca pertama bukanlah benchmark — melainkan $1,50 untuk input dan $4,50 untuk output per juta token di Singapura, dibandingkan $2,00 dan $6,00 untuk Qwen3.8-Max. Itu potongan langsung 25% pada kedua sisi meteran. Namun, perubahan yang sama yang menerbitkan kartu harga riil juga mengecilkan anggaran bersama untuk proses berpikir dan jawaban dari 393.216 token pada pratinjau menjadi 262.144 token saat ketersediaan umum, memindahkan model dari paket kredit ke penagihan per token di enam wilayah, dan menyisakan inferensi batch hanya tersedia di satu wilayah saja. Jika Anda menjalankan pratinjau dan menganggap 16 November sebagai formalitas, perbedaan spesifikasi adalah bagian yang akan merugikan, bukan diskonnya.

Apa yang sebenarnya berubah pada pergantian 16 November

Pratinjau tersebut adalah penawaran yang menguntungkan sekaligus terbatas: hanya kredit Token Plan, hanya Singapura, dan penghentian yang terdokumentasi pada pukul 24.00 tanggal 25 November 2026 (UTC+8). Ketersediaan umum menggantikan ketiga batasan itu dan menambahkan dua batasan yang tidak diminta siapa pun. Pengenal modelnya kini qwen4-max biasa; string pratinjau qwen4-max-preview dan qwen4.0-max-preview adalah yang memiliki tanggal kedaluwarsa, jadi konfigurasi yang masih mengarah ke salah satunya sedang berjalan dalam hitungan waktu yang berakhir dalam sembilan hari.

• Penagihan — pengukuran per token di enam region, dibandingkan dengan kredit Token Plan di satu region. Kuota gratis 1 juta token pada kartu Singapura berlaku selama 90 hari sejak aktivasi, rilis model, atau persetujuan, mana yang lebih lambat.

• Region — Beijing (Tiongkok Daratan), Singapura (Internasional), serta Frankfurt, US Virginia, Tokyo, dan Hong Kong semuanya berada di bawah cakupan Global. Pratinjau hanya Singapura.

• Anggaran output bersama — 262,144 token yang menggabungkan thinking dan jawaban akhir pada GA, dibandingkan dengan 393,216 pada kartu pratinjau. Sepertiga ruang cadangan telah hilang, dan hilang dari bagian yang paling cepat dihabiskan oleh proses agen yang panjang.

• Output non-thinking — dibatasi maksimal 131.072 token, dengan batas maksimum input 991.808 token. Dalam mode thinking, batas maksimum input turun menjadi 983.616, karena penalaran dan jawaban berasal dari bucket 262.144 token yang sama.

• Inferensi batch — hanya didukung di Beijing, dan tidak didukung di lima wilayah lainnya. Versi pratinjau sama sekali tidak memiliki jalur batch, jadi ini merupakan kapabilitas baru, bukan regresi, tetapi sifat regionalnya tidak dijadikan sorotan utama dalam pemasaran.

• Cakupan protokol — OpenAI Chat Completions, OpenAI Responses, Anthropic Messages, dan DashScope, keempatnya, dengan output terstruktur, pemanggilan alat paralel, penyelesaian prefiks, pencarian web, serta caching eksplisit dan implisit. Input menerima teks, gambar, dan video; output hanya berupa teks.

Kartu harga, ditata seperti saat tagihan tiba

Alibaba menerbitkan dua kartu berbeda untuk model yang sama, dan perbedaannya tidak cukup kecil untuk diabaikan saat Anda memilih cakupan penerapan.

• Singapura, input dan output — $1,50 / $4,50 per juta token, harga seragam di seluruh jendela 1.000.000 token penuh tanpa tingkatan pada 32K atau 128K.

Di semua tempat lain, input dan output — $1.413 / $4.24 per juta token, tetap sama sepanjang periode yang sama. Model sama, batas sama, 5,8% lebih murah daripada Singapura per token.

• Penulisan cache, Singapura — $1.875 per juta untuk penulisan 5 menit, $3.00 untuk penulisan 1 jam. Di tempat lain: $1.767 dan $2.827.

• Pembacaan cache, Singapura — $0,075 per juta. Di tempat lain: $0,071. Itu adalah 5% dari tarif input Singapura, dan merupakan faktor pengungkit terbesar pada beban kerja agen dengan konteks panjang.

• Batch, hanya Beijing — Batch File sebesar $0,707 / $2,12 per juta, Batch Chat sebesar $1,413 / $4,24. Hanya Batch File yang mendapat diskon batch 50%; Batch Chat dicantumkan pada tarif real-time, jadi "batch" dalam nama endpoint bukan jaminan harga.

• Dibandingkan Qwen3.8-Max, halaman yang sama — $2.00 / $6.00 di Singapura, $1.65 / $4.951 di kawasan Global. Qwen4-Max 25% lebih murah di Singapura dan 14.4% lebih murah di tempat lain, karena kartu non-Singapura milik model lama itu sendiri sudah didiskon.

Angka 14,4% adalah angka yang penting jika Anda sudah beroperasi di Frankfurt atau Virginia: penurunan antar-generasi di sana lebih kecil daripada yang disiratkan oleh angka utama dari Singapura, dan klaim vendor tentang biaya rata-rata per tugas sebesar 62% memikul banyak beban yang tidak ditanggung oleh kartu per-token saja.

A generated two-column price scoreboard for Qwen4-Max and Qwen3.8-Max: Singapore input and output $1.50 and $4.50 against $2.00 and $6.00 per 1M, Global input $1.413 against $1.65, cache read $0.075 against a listed discount, both at 1,000,000 context, shared output budget 262,144 against not published.

Contoh yang dikerjakan, sehingga cache line tidak lagi abstrak

Ambil prefiks dokumen 400.000 token yang ditinjau dalam tiga lintasan, dengan 8.000 token keluaran per lintasan, non-thinking, tarif Singapura. Ini adalah aritmetika atas harga daftar yang dipublikasikan, bukan eksekusi yang diukur.

• Pass pertama — prefiks ditulis ke cache dengan $1,875 per juta, $0,75, ditambah 8.000 token keluaran dengan $4,50 per juta, $0,036. Total $0,786.

• Pass kedua dan ketiga — prefiks dibaca sebesar $0.075 per juta, $0.03 per pass, ditambah output $0.036 yang sama. $0.066 masing-masing.

• Tiga proses dengan caching — $0.918. Tiga proses yang sama dengan membayar input penuh setiap kali — $1.908. Prefiks dibaca dua kali dengan biaya kurang dari satu proses baru.

• Putaran keempat — caching menang dengan selisih yang makin lebar setiap kali Anda membaca ulang, yang persis merupakan bentuk dari proses agent yang panjang dan terus mempertahankan system prompt, skema tool, serta kumpulan dokumen yang tetap di hadapan pertanyaan yang terus bergerak.

Titik impasnya hampir seketika: premi penulisan cache di atas tarif input normal adalah $0.375 per juta di Singapura, jadi prefiks yang di-cache sudah balik modal pada pembacaan ulang pertama. Titik di mana ini berhenti berfungsi adalah prefiks yang berubah setiap giliran — Anda membayar premi penulisan tetapi tidak pernah memanen manfaatnya, dan jendela penulisan default 5 menit cukup singkat sehingga panggilan alat yang lambat dapat membuatnya kedaluwarsa.

Tiga pengaturan bawaan yang menentukan invoice sebelum prompt Anda menentukannya

Qwen4-Max hadir dengan reasoning yang diaktifkan dan disetel tinggi. Itu default yang wajar untuk sebuah produk unggulan, tetapi mahal untuk sebuah classifier.

• Effort secara default bernilai high — reasoning_effort menerima low, high, dan xhigh, dan jika dihilangkan akan memberi Anda high. thinking_budget juga default ke 131.072, dan max_completion_tokens ke 262.144 dalam mode thinking. Permintaan yang tidak menetapkan apa pun telah mencadangkan anggaran output lebih banyak daripada yang akan digunakan sebagian besar pekerjaan.

• Tidak ada medium — Chat Completions dan DashScope memetakan minimal ke low, medium ke high, dan max ke xhigh. Pada jalur Anthropic Messages, parameternya adalah output_config.effort dan memetakan dengan cara yang sama. Meminta medium memakan biaya yang sama dengan high.

• preserve_thinking secara default bernilai true — penalaran sebelumnya dibawa ke dalam konteks pada panggilan multi-turn. Itu membengkakkan sisi input setiap tindak lanjut dan sekaligus meningkatkan peluang prefiks masih cocok dengan cache. Pada loop agen yang panjang, kedua efek tersebut sebagian saling meniadakan; pada obrolan singkat tidak, dan Anda membayar untuk membaca ulang pemikiran yang tidak akan pernah Anda gunakan.

• Default sampling adalah thinking 1.0 / 0.95 / 20 dan non-thinking 0.7 / 0.8 / 20 untuk temperature, top_p, dan top_k, dengan presence_penalty sebesar 1.5 di luar mode thinking. Menetapkan temperature secara eksplisit tanpa mengubah effort akan mengubah bentuk output tetapi tidak mengubah tagihan.

Apa yang menurut vendor telah membaik, dan apa yang belum diperiksa siapa pun

Setiap angka di bagian ini merupakan milik Alibaba sendiri dan belum direproduksi di luar laboratorium. Per 16 November, belum ada entri indeks independen untuk Qwen4-Max, jadi anggap perbandingan itu sebagai klaim, bukan pengukuran.

• Work360 — 52,69 berbanding 47,74 untuk Qwen3.8-Max, pada taksonomi yang dibangun vendor: 26 domain Tier-1, 182 Tier-2, 721 Tier-3.

• Efisiensi token — sekitar 24% lebih sedikit token pada upaya xhigh dan 35% pada high di Work360; sekitar 48% dan 49% pada Terminal-Bench 4.0. Inilah klaim yang dampaknya berlipat ganda bersama pemotongan harga, dan inilah yang perlu Anda uji lebih dulu pada trace Anda sendiri, karena penghematan token sangat bergantung pada bentuk beban kerja.

• Rata-rata biaya per tugas — $4,43 hingga $1,67 di Work360, pengurangan 62%. Angka itu mengalikan pemotongan harga dengan klaim penghematan token; tidak ada faktor yang diverifikasi secara independen.

• Kualitas model dasar — 5% hingga 13% lebih rendah bit per byte dibandingkan Qwen3.8-Max-Base sekaligus mengaktifkan 25% lebih sedikit parameter, diukur secara internal pada bidang pengetahuan, kode, QA, dan STEM. Vendor mencatat bahwa dua checkpoint yang dibandingkan telah melalui post-training, yang melemahkan kerangka model dasar.

• Pengodean aman — Tingkat kelulusan tingkat fungsi Secure Code Bench terakhir naik dari 22,0% menjadi 31,8%, dan kode yang aman pada granularitas fungsi, file, dan repositori secara bersamaan naik dari 8% menjadi 14,7%.

Arsitektur di balik klaim efisiensi itu adalah tulang punggung sparse mixture-of-experts berparameter 2,4 triliun dengan 71 miliar parameter yang diaktifkan per token, ditambah 328 miliar lagi dalam parameter embedding N-gram yang dicari alih-alih dikalikan. Tiga lapisan Gated DeltaNet memampatkan riwayat menjadi state berukuran tetap untuk setiap lapisan Qwen Sparse Attention, yang memilih konteks pada granularitas blok mikro melalui indexer ringan, dan empat cabang residual paralel dengan gerbang baca dan tulis dinamis menstabilkan tumpukan yang dalam. Ini adalah penjelasan yang masuk akal tentang mengapa biaya konteks panjang menurun. Ini tetap sebuah penjelasan.

A screenshot of the Alibaba Cloud Model Studio page for qwen4-max, captured 16 November 2026 with an English interface, showing the qwen4-max heading, a 11-16 changelog entry, the model description, and the documentation sidebar including Model inference pricing and Batch inference.

Mencobanya tanpa memindahkan jalur produksi ke atasnya

Bagian yang janggal dari peluncuran ini adalah bahwa modelnya benar-benar baru, tolok ukurnya belum diaudit, dan kartu harganya cukup menarik sehingga seseorang akan menginginkannya di produksi minggu ini. Ketiga fakta itu mengarah pada strategi staging alih-alih migrasi.

Qwen4-Max dapat diakses melalui API Model Studio milik Alibaba sendiri dan beberapa platform pihak ketiga; model ini belum ada dalam katalog OrcaRouter per 16 November. Qwen3.8-Max tersedia, dengan harga $2,00 untuk input dan $6,00 untuk output per juta token di Singapura — harga daftar vendor diteruskan dengan markup 0%, sehingga selisih 25% terhadap Qwen4-Max adalah selisih nyata dan bukan margin perutean. Itu membuat uji yang jujur menjadi murah: pertahankan model incumbent pada kunci yang sudah Anda miliki, kirimkan sebagian kecil lalu lintas secara bayangan ke model baru melalui vendor, dan bandingkan biaya per tugas yang diselesaikan alih-alih biaya per token. Kerangka acuan vendor sendiri — $4,43 menjadi $1,67 — adalah angka biaya per tugas, dan biaya per tugas adalah satu-satunya perbandingan di mana klaim efisiensi token dan pemotongan harga berada pada sumbu yang sama.

Bagi tim yang sudah merutekan lalu lintas melalui OrcaRouter, biaya peralihan yang biasanya menghalangi evaluasi semacam ini adalah kontrak kedua dan SDK kedua. Satu API untuk lebih dari 200 model, failover otomatis antarpenyedia, dan DSL perutean yang menggabungkan beberapa model ke dalam satu panggilan berarti keadaan campuran — penyedia incumbent menangani volume, kandidat menangani sebagian — hanyalah perubahan konfigurasi, bukan integrasi. Bagi model yang belum terbukti, itulah perbedaan antara uji coba dua minggu dan dua hari, dan failover-lah yang mencegah uji coba berubah menjadi gangguan layanan ketika kandidat mengalami hari buruk.

A screenshot of the OrcaRouter model page for qwen/qwen3.8-max, captured 16 November 2026 with an English interface, showing the model name, the qwen/qwen3.8-max identifier, text, image and video input capabilities, a 1,000,000-token context, and a pricing panel.

Apa yang perlu dilakukan sebelum 25 November

Jika Anda menggunakan versi preview, tenggat waktunya bukan tenggat lunak: qwen4-max-preview didokumentasikan akan dihentikan pada pukul 24.00 tanggal 25 November 2026 UTC+8, dan pengenal GA-nya adalah qwen4-max dengan batas yang berbeda. Migrasikan string tersebut, lalu periksa ulang dua hal yang tidak akan memunculkan error saat keliru — kode apa pun yang mengasumsikan anggaran bersama 393.216 token kini memiliki 262.144, dan pekerjaan apa pun yang mengandalkan kredit Token Plan kini dihitung per token.

Jika Anda sedang memilih apakah akan mengadopsi, alasan untuk menunggu lebih tipis daripada seminggu lalu, karena kartu tarif terukur dan harga cache kini telah dipublikasikan dan harganya benar-benar di bawah generasi sebelumnya di setiap wilayah. Alasan untuk berhati-hati adalah anggaran output bersama, jalur batch khusus Beijing, dan rangkaian tolok ukur yang ditulis vendor. Jalankan shadow slice, hitung biayanya per tugas yang diselesaikan, dan biarkan dua minggu berikutnya dari trace Anda sendiri yang memutuskan — bukti itu akan lebih bernilai daripada 52,69 pada taksonomi yang tidak dapat kami audit.

Satu hal lagi akan datang yang kembali mengubah hitungan: Alibaba mengatakan model Qwen4 yang lebih kecil akan di-open-source-kan pada lineage yang sama, yang secara historis berarti batas bawah harga untuk tier ini bergerak dalam satu kuartal. Apa pun yang Anda komitmenkan pada tarif hari ini harus merupakan komitmen yang dapat Anda tinggalkan.