Сгенерированная титульная карточка с надписью «Qwen4-Max выходит из preview», подзаголовком «Карточка с тарификацией по счётчику» и «Бюджет вывода, который уменьшился», а также четырьмя чипами: «$1.50 вход / $4.50 выход за 1M», «контекст 1 000 000 токенов», «общий бюджет 262 144» и «шесть регионов».
Guides & Insights

Qwen4-Max выходит из предварительного просмотра: карточка тарифов с оплатой по счётчику и уменьшившийся бюджет вывода

Автор

jinhao.song

Дата публикации

Новые модели · 20Все модели →
Бенчмарки: Artificial Analysis · обновляется ежедневно
Назад ко всем статьям

Qwen4-Max 16 ноября 2026 года перешла с предварительной версии по токенному плану на модель с тарификацией по потреблению, и первая цифра, на которую стоит смотреть, — не результат бенчмарка, а $1,50 за вход и $4,50 за выход за миллион токенов в Сингапуре против $2,00 и $6,00 у Qwen3.8-Max. Это ровно 25% снижения по обеим составляющим тарифа. Но тот же переход, который опубликовал реальную тарифную карточку, также сократил общий бюджет на размышления и ответ с 393 216 токенов в предварительной версии до 262 144 при общем доступе, перевёл модель с кредитного плана на потокенную оплату в шести регионах и оставил пакетный инференс доступным ровно в одном из них. Если вы работали с предварительной версией и считали 16 ноября формальностью, то больнее всего ударят изменения в спецификациях, а не скидка.

Что на самом деле изменило переключение 16 ноября

Предложение предварительной версии было выгодным и при этом узким: только кредиты Token Plan, только Сингапур и задокументированный вывод из эксплуатации в 24:00 25 ноября 2026 года (UTC+8). Общая доступность снимает все три этих ограничения и добавляет два, о которых никто не просил. Идентификатор модели теперь просто qwen4-max; строки предварительной версии qwen4-max-preview и qwen4.0-max-preview — это те, у которых есть срок действия, поэтому конфигурация, всё ещё указывающая на любую из них, работает по таймеру, который истекает через девять дней.

• Биллинг — тарификация по токенам в шести регионах против кредитов Token Plan в одном. Бесплатная квота в 1 млн токенов на карточке Singapore действует 90 дней с момента активации, выпуска модели или одобрения — в зависимости от того, что наступит позже.

• Регионы — Пекин (материковый Китай), Сингапур (международный), а также Франкфурт, Вирджиния (США), Токио и Гонконг — все в рамках глобальной области. В предпросмотре был только Сингапур.

• Общий бюджет вывода — 262,144 токена, включая размышления и финальный ответ на этапе GA, против 393,216 в карточке предварительной версии. Треть запаса исчезла, и исчезла она из той части, которую длительные прогоны агентов расходуют быстрее всего.

• Вывод в режиме без размышлений — ограничен 131 072 токенами при максимальном объёме ввода 991 808 токенов. В режиме размышлений максимальный объём ввода снижается до 983 616, поскольку рассуждения и ответ берутся из одного и того же лимита в 262 144 токена.

• Пакетный инференс — поддерживается только в Пекине и не поддерживается в остальных пяти регионах. В предварительной версии пакетного пути вообще не было, так что это новая возможность, а не регрессия, но у неё есть региональная ограниченность, о которой маркетинг не говорит в первую очередь.

• Поддержка протоколов — OpenAI Chat Completions, OpenAI Responses, Anthropic Messages и DashScope, все четыре, со структурированным выводом, параллельным вызовом инструментов, дополнением по префиксу, веб-поиском и как явным, так и неявным кешированием. Ввод принимает текст, изображение и видео; вывод — только текст.

Карточка цены, свёрстанная так, как приходит счёт

Alibaba публикует две разные карточки для одной и той же модели, и разница не настолько мала, чтобы её игнорировать при выборе области развёртывания.

• Сингапур, ввод и вывод — $1.50 / $4.50 за миллион токенов, единая ставка на всём окне в 1 000 000 токенов, без ступенчатой тарификации на 32K или 128K.

• Во всех остальных регионах ввод и вывод — $1.413 / $4.24 за миллион токенов, одинаково на протяжении того же периода. Та же модель, те же лимиты, на 5,8% дешевле, чем в Сингапуре, за токен.

• Запись в кэш, Сингапур — $1,875 за миллион для 5-минутной записи, $3,00 для 1-часовой записи. В других регионах: $1,767 и $2,827.

• Чтение из кэша, Сингапур — $0,075 за миллион. В остальных регионах: $0,071. Это 5% от сингапурского тарифа на входные данные, и это самый мощный рычаг оптимизации для задач агентов с длинным контекстом.

• Batch, только Пекин — Batch File по $0.707 / $2.12 за миллион, Batch Chat по $1.413 / $4.24. Только Batch File подпадает под 50% скидку за пакетную обработку; Batch Chat указан по цене в реальном времени, поэтому «batch» в названии эндпоинта не гарантирует цену.

По сравнению с Qwen3.8-Max, на той же странице — $2.00 / $6.00 в Сингапуре, $1.65 / $4.951 в глобальных регионах. Qwen4-Max на 25% дешевле в Сингапуре и на 14,4% дешевле в других регионах, поскольку несингапурская карточка старой модели сама по себе имеет скидку.

Показатель 14,4% — это то, что имеет значение, если вы уже работаете во Франкфурте или Вирджинии: сокращение от поколения к поколению там меньше, чем предполагает заголовок по Сингапуру, а заявление поставщика о 62% средней стоимости за задачу берёт на себя многое из того, что одна лишь карточка цен за токен не покрывает.

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.

Разобранный пример, чтобы кэш-линия перестала быть абстракцией

Возьмём префикс документа объёмом 400 000 токенов, проверенный за три прохода, с 8 000 выходных токенов на проход, без режима размышления, по сингапурским тарифам. Это арифметика по опубликованным прайс-листам, а не измеренный прогон.

• Первый проход — префикс записывается в кэш по цене $1,875 за миллион, что составляет $0,75, плюс 8 000 выходных токенов по $4,50 за миллион, то есть $0,036. Итого $0,786.

• Проходы два и три — префикс читается по $0.075 за миллион, $0.03 за проход, плюс те же $0.036 за вывод. По $0.066 за каждый.

Три прохода с кэшированием — $0.918. Те же три прохода с оплатой полного ввода каждый раз — $1.908. Префикс считывается дважды за сумму меньше стоимости одного нового прохода.

• Четвёртый проход — при каждом повторном чтении кэширование выигрывает со всё бо́льшим отрывом, и это в точности структура длительного запуска агента, где фиксированные системный промпт, схема инструментов и набор документов остаются перед меняющимся вопросом.

Точка безубыточности почти мгновенна: надбавка за запись в кэш к обычной ставке за входные данные составляет $0,375 за миллион в Сингапуре, поэтому кэшированный префикс окупается уже при первом повторном чтении. Перестаёт это работать в случае префикса, который меняется на каждом ходу: вы платите надбавку за запись и так и не получаете выгоды, а стандартное 5-минутное окно записи настолько короткое, что медленный вызов инструмента может привести к его истечению.

Три настройки по умолчанию, которые определяют счёт ещё до того, как это сделает ваш промпт

Qwen4-Max поставляется с включённым и установленным на высокий уровень режимом рассуждения. Это разумное значение по умолчанию для флагманской модели и дорогое — для классификатора.

• Усилие по умолчанию — high: reasoning_effort принимает low, high и xhigh, а если его опустить, будет high. thinking_budget аналогично по умолчанию равен 131,072, а max_completion_tokens — 262,144 в режиме размышления. Запрос, который ничего не задаёт, зарезервировал больше бюджета вывода, чем используют большинство задач.

• Уровня medium не существует — Chat Completions и DashScope сопоставляют minimal с low, medium с high, а max с xhigh. В случае Anthropic Messages параметр называется output_config.effort и сопоставляется так же. Запрос medium стоит столько же, сколько high.

• preserve_thinking по умолчанию имеет значение true — предыдущие рассуждения переносятся в контекст при многоходовых вызовах. Это раздувает входную часть каждого последующего запроса и одновременно повышает вероятность того, что префикс по-прежнему совпадает с кэшем. В длинном цикле агента эти два эффекта частично компенсируют друг друга; в коротком чате — нет, и вы платите за повторное чтение мыслей, которые никогда не используете.

• По умолчанию параметры сэмплирования для thinking — 1.0 / 0.95 / 20, для non-thinking — 0.7 / 0.8 / 20 (temperature, top_p и top_k), а presence_penalty вне режима thinking равно 1.5. Явное указание temperature без изменения effort меняет форму выходных данных, но не счёт.

Что, по словам поставщика, улучшилось, и что никто не проверял

Каждое число в этом разделе получено самой Alibaba и не было воспроизведено за пределами лаборатории. По состоянию на 16 ноября независимой записи в индексе для Qwen4-Max не существует, поэтому рассматривайте это сравнение как заявление, а не как измерение.

• Work360 — 52,69 против 47,74 у Qwen3.8-Max, по таксономии, которую построил вендор: 26 доменов Tier-1, 182 Tier-2, 721 Tier-3.

• Эффективность по токенам — примерно на 24% меньше токенов при уровне усилий xhigh и на 35% при high в Work360; примерно на 48% и 49% в Terminal-Bench 4.0. Это утверждение, которое усиливается со снижением цены, и именно его стоит первым проверить на собственных трассировках, потому что экономия токенов зависит от характера рабочей нагрузки.

• Средняя стоимость одной задачи — с $4,43 до $1,67 на Work360, снижение на 62%. Этот показатель получается перемножением снижения цены и заявления об экономии токенов; ни один из этих факторов независимо не подтверждён.

• Качество базовой модели — на 5–13% меньше бит на байт, чем у Qwen3.8-Max-Base, при активации на 25% меньшего числа параметров; по внутренним замерам в областях знаний, кода, QA и STEM. Производитель отмечает, что два из сравниваемых чекпойнтов прошли посттренировку, что ослабляет позиционирование сравнения как базовых моделей.

• Безопасное программирование — последний показатель прохождения Secure Code Bench на уровне функций вырос с 22,0% до 31,8%, а доля кода, безопасного одновременно на уровнях функции, файла и репозитория, выросла с 8% до 14,7%.

Архитектура, стоящая за заявлением об эффективности, — это разреженная магистраль mixture-of-experts на 2,4 триллиона параметров, из которых 71 млрд параметров активируется на каждый токен, плюс ещё 328 млрд в параметрах N-gram-эмбеддингов, которые ищутся по таблице, а не перемножаются. Три слоя Gated DeltaNet сжимают историю в состояние фиксированного размера для каждого слоя Qwen Sparse Attention, который выбирает контекст с гранулярностью микроблоков через лёгкий индексатор, а четыре параллельные остаточные ветви с динамическими гейтами чтения и записи стабилизируют глубокий стек. Это правдоподобное объяснение того, почему стоимость длинного контекста снижается. Но это всё ещё объяснение.

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.

Попробовать это, не перенося на него производственный путь

Неудобная сторона этого запуска в том, что модель действительно новая, результаты бенчмарков не проверены независимо, а тарифная сетка достаточно привлекательна, чтобы кто-то захотел вывести её в продакшен уже на этой неделе. Эти три факта указывают на стратегию поэтапного внедрения, а не на миграцию.

Qwen4-Max доступен через собственный API Model Studio от Alibaba и несколько сторонних платформ; по состоянию на 16 ноября его нет в каталоге OrcaRouter. Qwen3.8-Max в каталоге есть — по $2,00 за вход и $6,00 за выход за миллион токенов в Сингапуре — это прайс-листовая цена вендора, переданная без наценки, 0%, так что разрыв в 25% с Qwen4-Max — реальный разрыв, а не маржа за маршрутизацию. Благодаря этому честный тест обходится дёшево: оставьте текущую модель на уже имеющемся у вас ключе, направьте теневую долю трафика на новую модель через вендора и сравните стоимость выполненной задачи, а не стоимость токена. Собственная формулировка вендора — от $4,43 до $1,67 — это цифра стоимости за задачу, а стоимость за задачу — единственное сравнение, в котором заявление об эффективности токенов и снижение цены оказываются на одной оси.

Для команд, которые уже направляют трафик через OrcaRouter, затраты на переключение, обычно блокирующие такую оценку, — это второй контракт и второй SDK. Один API для более чем 200 моделей, автоматическое переключение при сбое между провайдерами и DSL маршрутизации, объединяющий несколько моделей в один вызов, означают, что смешанный режим — основная модель обрабатывает объём, кандидат — его часть — это изменение конфигурации, а не интеграция. Для непроверенной модели это разница между двухнедельным доказательством и двухдневным, а переключение при сбое не даёт доказательству превратиться в простой, когда у кандидата выдаётся неудачный день.

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.

Что нужно сделать до 25 ноября

Если вы работаете с preview-версией, срок нельзя считать мягким: по документации qwen4-max-preview выводится из эксплуатации в 24:00 25 ноября 2026 года UTC+8, а идентификатор GA — qwen4-max с другими лимитами. Перенесите строку, затем перепроверьте две вещи, которые не выдадут ошибку, если они неверны: любой код, который рассчитывал на общий бюджет в 393 216 токенов, теперь имеет 262 144, а любое задание, которое полагалось на кредиты Token Plan, теперь тарифицируется по токенам.

Если вы решаете, стоит ли внедрять, доводы в пользу ожидания сейчас слабее, чем неделю назад, потому что тарифицируемая карта и цены на кэш уже опубликованы, и цена действительно ниже, чем у предыдущего поколения, во всех регионах. Доводы в пользу осторожности — это общий бюджет вывода, пакетный путь только для Пекина и набор бенчмарков, который написал сам поставщик. Запустите теневой срез, рассчитайте цену за каждую завершённую задачу и позвольте следующим двум неделям ваших собственных трассировок решить — эти доказательства будут стоить больше, чем 52,69 по таксономии, которую никто из нас не может проверить.

Есть ещё одна вещь, которая вот-вот появится и снова меняет расклад: Alibaba говорит, что меньшие модели Qwen4 будут выпущены с открытым исходным кодом на той же линейке, а это исторически означает, что нижняя граница цен в этом сегменте сдвинется в течение квартала. Всё, что вы фиксируете по сегодняшним тарифам, должно быть обязательством, от которого вы сможете отказаться.

© 2026 OrcaRouter