生成されたタイトルカードには{{1}}Qwen4-Maxがプレビューを終了{{/1}}と表示され、サブタイトルは{{2}}従量課金の価格カードと、小さくなった出力バジェット{{/2}}、4つのチップには{{3}}100万トークンあたり入力$1.50 / 出力$4.50{{/3}}、{{4}}1,000,000トークンのコンテキスト{{/4}}、{{5}}262,144の共有バジェット{{/5}}、{{6}}6つのリージョン{{/6}}と表示されている。
Guides & Insights

Qwen4-Maxがプレビューを終了:従量課金の料金表と、縮小された出力予算

著者

jinhao.song

公開日

最新モデル · 20すべてのモデルを見る →
ベンチマーク:Artificial Analysis · 毎日更新
すべての記事に戻る

Qwen4-Maxは2026年11月16日に、トークンプランのプレビューから従量課金モデルへ移行した。最初に目を通すべき数字はベンチマークではなく、シンガポールにおける100万トークンあたり入力1.50ドル/出力4.50ドルという価格だ。これはQwen3.8-Maxの2.00ドル/6.00ドルに対するものになる。つまり課金の入力・出力の両側で、ちょうど25%の削減である。しかし、実際の価格表を公開したのと同じ切り替えによって、共有の思考+回答予算はプレビュー時の393,216トークンから一般提供時には262,144トークンへ縮小し、モデルはクレジットプランから6リージョンにおけるトークン単位課金へ移され、バッチ推論はそのうちちょうど1リージョンでのみ利用可能なままとなった。プレビューを運用していて、11月16日を形式的なものと捉えていたなら、痛手となるのは割引ではなく仕様の差分のほうだ。

11月16日の切り替えが実際に変えたもの

プレビューはお得であり、同時に限定的なものでした。Token Plan のクレジットのみ、シンガポールのみ、そして 2026年11月25日 24:00(UTC+8)での提供終了が文書化されていました。一般提供では、これら3つの制約すべてが置き換わり、さらに誰も求めていなかった2つの制約が追加されます。モデル識別子は現在、単なる qwen4-max です。有効期限があるのはプレビュー用文字列 qwen4-max-preview と qwen4.0-max-preview の方なので、どちらかをまだ指している設定は、9日後に終了するタイムリミットを抱えています。

• 請求 — 6つのリージョンではトークン単位の従量制、1つのリージョンではToken Planクレジット。シンガポールカードの100万トークン無料枠は、有効化、モデルリリース、承認のうち最も遅い日から90日間有効です。

• リージョン — 北京(中国本土)、シンガポール(国際)、フランクフルト、米国バージニア、東京、香港はすべてグローバルスコープの対象です。プレビューはシンガポールのみでした。

• 共有出力バジェット — GAでは思考と最終回答を合わせて262,144トークン、プレビューカードでは393,216トークン。余裕の3分の1が失われ、しかもそれは長時間のエージェント実行が最も速く消費する部分から失われている。

• 非思考出力 — 上限は 131,072 トークン、入力上限は 991,808 トークン。思考モードでは入力上限が 983,616 トークンに下がります。推論と回答が同じ 262,144 トークンの枠から出力されるためです。

• バッチ推論 — 北京でのみサポートされ、他の5つのリージョンではサポートされていません。プレビューにはバッチ処理の経路がまったくありませんでした。そのため、これはリグレッションではなく新機能ですが、マーケティングが前面に押し出さない形で地域限定になっています。

• プロトコル対応範囲 — OpenAI Chat Completions、OpenAI Responses、Anthropic Messages、DashScope の4つすべてに対応し、構造化出力、並列ツール呼び出し、プレフィックス補完、Web検索、および明示的キャッシュと暗黙的キャッシュの両方を備えています。入力はテキスト、画像、動画を受け付け、出力はテキストのみです。

請求書が届くのと同じ形式でレイアウトされた料金カード

アリババは同じモデルについて2種類の異なるカードを公開しており、デプロイ範囲を選ぶ際にはその違いを無視できないほど大きい。

• シンガポール、入力と出力 — 100万トークンあたり$1.50 / $4.50、32Kや128Kでの段階制なしで、100万トークンのウィンドウ全体にわたって一律。

• その他のすべての地域では、入力と出力が100万トークンあたり$1.413 / $4.24で、同じ期間を通じて一律です。同じモデル、同じ制限で、トークンあたりシンガポールより5.8%安価です。

• キャッシュ書き込み、シンガポール — 5分間の書き込みは100万回あたり1.875ドル、1時間の書き込みは3.00ドル。その他の地域: 1.767ドルと2.827ドル。

• キャッシュ読み取り、シンガポール — 100万件あたり$0.075。その他の地域: $0.071。これはシンガポールの入力レートの5%であり、長コンテキストのエージェントワークロードにおいて最大の効果を持つ要因です。

• Batch、北京限定 — Batch File は100万あたり $0.707 / $2.12、Batch Chat は $1.413 / $4.24。50% のバッチ割引が適用されるのは Batch File のみです。Batch Chat はリアルタイム料金で表示されるため、エンドポイント名に「batch」が含まれていても価格保証ではありません。

• Qwen3.8-Max と比較(同一ページ)— シンガポールでは $2.00 / $6.00、グローバル地域では $1.65 / $4.951。Qwen4-Max はシンガポールで 25% 安く、その他の地域では 14.4% 安い。これは旧モデルのシンガポール以外向けカード自体が割引されているためです。

フランクフルトやバージニアですでに稼働しているなら、重要なのは14.4%という数字のほうだ。そこでの世代間の削減幅は、シンガポールの見出し数値が示唆するよりも小さく、ベンダーが主張する「タスクあたり平均コスト62%削減」は、トークン単価表だけでは担いきれない大きな役割を果たしている。

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.

キャッシュラインが抽象的でなくなる、実例で解説

400,000トークンのドキュメントプレフィックスを3回のパスでレビューし、各パスで8,000出力トークン、非思考、シンガポール料金。これは公開されている定価に基づく計算であり、実測の実行ではありません。

• パス1 — プレフィックスは100万あたり$1.875でキャッシュに書き込まれ、$0.75、さらに8,000出力トークンが100万あたり$4.50で$0.036。合計$0.786。

• パス2と3 — プレフィックスは100万あたり$0.075、パスあたり$0.03、さらに同じ$0.036の出力。各$0.066。

• キャッシュを使った3パス — $0.918。同じ3パスで毎回フル入力を支払う場合 — $1.908。プレフィックスは1回の新規パスの価格を下回るコストで2回読み取られます。

• 4回目のパス — 読み返すたびにキャッシュの優位性はさらに大きな差となって現れます。これはまさに、固定されたシステムプロンプト、ツールスキーマ、ドキュメント一式を、移り変わる問いの前に置き続ける長いエージェント実行の形そのものです。

採算はほぼ即座に取れます。シンガポールでは、通常の入力レートに対するキャッシュ書き込みの割増が100万トークンあたり0.375ドルなので、キャッシュされたプレフィックスは最初の再読み込みで元が取れます。これが機能しなくなるのは、毎ターン変わるプレフィックスの場合です。書き込みの割増を払うだけで回収できず、しかもデフォルトの書き込みウィンドウは5分と短いため、遅いツール呼び出しで期限切れになることがあります。

プロンプトより先に請求額を決める3つのデフォルト

Qwen4-Maxは推論がオンかつ高に設定された状態で出荷されます。それはフラッグシップとしては妥当なデフォルトであり、分類器としては割高なデフォルトです。

• effort のデフォルトは high です — reasoning_effort は low、high、xhigh を受け付け、省略すると high になります。同様に thinking_budget のデフォルトは 131,072、thinking モードでの max_completion_tokens は 262,144 です。何も設定しないリクエストでも、ほとんどのジョブが使う量を超える出力予算が確保されています。

• 「medium」という中間レベルは存在しません — Chat Completions と DashScope では、minimal は low に、medium は high に、max は xhigh にマッピングされます。Anthropic Messages の経路では、パラメータは output_config.effort で、同じようにマッピングされます。medium を要求すると、high と同じコストがかかります。

• preserve_thinking はデフォルトで true です — マルチターンの呼び出しでは、以前の推論がコンテキストに引き継がれます。これにより、各フォローアップの入力側が膨らむと同時に、プレフィックスが依然としてキャッシュに一致する可能性が高まります。長いエージェントループでは、この2つの効果は部分的に相殺されますが、短いチャットでは相殺されず、決して使わない思考を再読するために対価を払うことになります。

• サンプリングの既定値は、temperature、top_p、top_k について thinking が 1.0 / 0.95 / 20、非thinking が 0.7 / 0.8 / 20 で、presence_penalty は thinking モード外では 1.5 です。effort に触れずに temperature を明示的に設定すると、出力の形は変わりますが料金は変わりません。

ベンダーが改善したと主張していること、そして誰も確認していないこと

このセクションのすべての数値はAlibaba自身によるもので、ラボ外で再現されたものではありません。11月16日時点では、Qwen4-Maxに関する独立したインデックス項目が存在しないため、この比較は測定値ではなく主張として扱ってください。

• Work360 — ベンダーが構築した分類体系において、Qwen3.8-Maxの47.74に対して52.69。Tier-1ドメイン26件、Tier-2が182件、Tier-3が721件。

• トークン効率 — Work360 では、xhigh エフォートでトークン数が約24%少なく、high エフォートで約35%少なくなります。Terminal-Bench 4.0 では約48%と49%です。これは値下げと相まって効果が積み上がるという主張であり、トークン節約量はワークロードの形に左右されるため、まず自分のトレースで検証すべき項目です。

• タスクあたりの平均コスト — Work360では4.43ドルから1.67ドルへ、62%削減。この数値は値下げとトークン節約の主張を掛け合わせたものであり、どちらの要因も独立して検証されていない。

• ベースモデル品質 — 知識、コード、QA、STEMにわたる社内測定で、Qwen3.8-Max-Baseよりビット/バイトが5%~13%低い一方、活性化パラメータ数は25%少ない。ベンダーは、比較対象のチェックポイントのうち2つが事後学習済みであるため、ベースモデルという位置づけが弱まると注記している。

• セキュアコーディング — 直近の Secure Code Bench の関数レベルの合格率は22.0%から31.8%に上昇し、関数・ファイル・リポジトリの各粒度で同時にセキュアであるコードは8%から14.7%に増加しました。

効率性の主張の背後にあるアーキテクチャは、2.4兆パラメータの疎な混合エキスパート型バックボーンであり、トークンごとに710億パラメータが活性化され、さらに3280億のN-gram埋め込みパラメータは乗算ではなくルックアップされる。3つのGated DeltaNet層が履歴を固定サイズの状態に圧縮して各Qwen Sparse Attention層に渡し、その層は軽量なインデクサーを通じてマイクロブロック粒度でコンテキストを選択する。動的な読み取りゲートと書き込みゲートを備えた4つの並列残差分岐が、深いスタックを安定化させる。長文脈のコストが下がる理由についてのもっともらしい説明ではある。だが、それはあくまで説明にすぎない。

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.

実運用の経路をそちらへ移さずに試してみること

このローンチの厄介な点は、モデルが本当に新しい一方でベンチマークは未監査であり、しかも価格表が十分に魅力的なので今週にも本番環境で使いたい人が出てくることだ。この3つの事実は、移行ではなくステージング戦略を示している。

Qwen4-MaxはAlibaba自身のModel Studio APIおよび複数のサードパーティプラットフォーム経由で利用可能です。11月16日時点でOrcaRouterのカタログにはありません。 Qwen3.8-Maxは、シンガポールで100万トークンあたり入力$2.00、出力$6.00です — ベンダーの定価が0%のマークアップでそのまま適用されており、Qwen4-Maxとの25%の差は実際の差であってルーティングマージンではありません。これにより、誠実なテストは低コストで行えます。既存モデルはすでにお持ちのキーのままにし、トラフィックの一部をシャドウとしてベンダー経由で新モデルに送り、トークンあたりのコストではなく完了タスクあたりのコストを比較してください。ベンダー自身の表現 — $4.43から$1.67 — はタスクあたりのコストの数字であり、タスクあたりのコストこそ、トークン効率の主張と値下げが同じ軸に乗る唯一の比較です。

すでにOrcaRouter経由でルーティングしているチームにとって、この種の評価を通常妨げる切り替えコストは、2つ目の契約と2つ目のSDKです。200以上のモデルに対応する単一のAPI、プロバイダー間の自動フェイルオーバー、複数のモデルを1回の呼び出しに組み合わせるルーティングDSLがあれば、混合状態 — 既存モデルがボリュームを処理し、候補モデルが一部を処理する — は、統合ではなく設定変更になります。実績のないモデルにとって、これは2週間の実証と2日間の実証の違いであり、候補モデルが不調な午後を迎えても実証が障害にならないのはフェイルオーバーのおかげです。

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.

11月25日までにすべきこと

プレビューをご利用の場合、期限は猶予のあるものではありません。qwen4-max-preview は 2026年11月25日 24:00 UTC+8 に提供終了と文書化されており、GA 版の識別子は qwen4-max で、制限が異なります。文字列を移行したうえで、誤っていてもエラーにならない次の2点を再確認してください。393,216 トークンの共有バジェットを前提としていたコードは現在 262,144 になっており、Token Plan のクレジットに依存していたジョブは現在トークン単位で課金されます。

導入するかどうかを選んでいるなら、待つべき理由は1週間前より薄くなっています。従量課金カードとキャッシュ価格が公開され、価格はどの地域でも前世代を確かに下回っているからです。慎重にすべき理由は、共有出力予算、北京限定のバッチ経路、そしてベンダーが作成したベンチマークスイートです。シャドウスライスを実行し、完了したタスクごとにコストを見積もり、今後2週間の自社トレースに判断を委ねてください。その証拠は、誰も監査できない分類体系上の52.69よりも価値があるはずです。

さらに一つ、計算を再び変える動きが迫っている。Alibabaは、より小型のQwen4モデルが同じ系統でオープンソース化されると述べており、歴史的に見ればこれは、この階層の価格下限が四半期以内に動くことを意味する。今日の料金で何かにコミットするなら、それはいつでも撤退できるコミットメントであるべきだ。