Ett genererat titelkort med texten Qwen4-Max till 70 % av listpriset, med underrubriken En rabatt på 30 % som är exakt 30 %, och tre priskort med texten Indata $1,05 per 1M, Utdata $3,15 per 1M och Cacheläsning $0,0525 per 1M.
Guides & Insights

Qwen4-Max är 30 % under Alibabas listpris: ett prisblad före endpointen

Författare

jinhao.song

Publiceringsdatum

Senaste modellerna · 20Visa alla modeller →
Benchmarks: Artificial Analysis · uppdateras dagligen
Tillbaka till alla inlägg

Qwen4-Max släpptes den 16 november 2026. Tre dagar senare, den 19 november, tog en tredjepartsplattform för inferens upp modellen i sin prislista till $1,05 per miljon indatatokens, $3,15 per miljon utdatatokens och $0,0525 för en cacheläsning. Dividera dessa med Alibabas eget Singapore-priskort — $1,50, $4,50 och $0,075 — och var och en av dem landar på exakt 0,70. Inte ungefär 30 % rabatt. Exakt 30 % rabatt, på alla tre raderna, till sista decimalen. Det är inte så en oberoende driftsättning prissätter sig; det är så en återförsäljare prissätter sig. Och samma sida som har priskortet har också en ”Lanseras snart”-uppmaning och en anmälningsruta där man kan begära att bli meddelad när Qwen4-Max är tillgänglig, vilket gör detta till en prislista som publicerats innan det den prissätter finns.

Vad 30 % faktiskt är

Tre tal, en multiplikator, och multiplikatorn är hela historien.

• Indata – 1,05 USD per miljon tokens på tredjepartskortet, jämfört med 1,50 USD på Alibabas Singapore-kort. Kvot 0,700.

• Utdata — 3,15 $ mot 4,50 $. Kvot 0,700.

• Cacheläsning — $0.0525 mot $0.075. Kvot 0.700.

En plattform som hade köpt sin egen hårdvara med 2,4 biljoner parametrar, skrivit sina egna sparse-attention-kärnor och förhandlat om bandbredd skulle landa på siffror som ligger nära Alibabas, inte på tre tal som var och en är jämnt delbara med tio sjundedelar. Oberoende prissättning har oberoende brus i sig: en avrundning här, en marginal där, en cacheavgift som återspeglar en annan lagringsnivå. Exakthet tre av tre är kännetecknet för en marginal som tillämpats på ett enda uppströmskort, och det uppströmskort som den tillämpades på är Singapore-kortet snarare än Global-kortet — $1,413 och $4,24 skulle ha gett $0,989 och $2,968, och de publicerade siffrorna är ingendera.

Vilket visar att rabatten är en kampanjrabatt. Någon betalar de 30 procenten ur en lanseringsbudget, inte ur en annan kostnadsstruktur, och det man bör fråga sig om varje kampanjpris är hur länge det håller.

Tre sätt en plattform får 30 % under listpriset

Det finns ingen fjärde förklaring som är värd att överväga, och de tre är värda att kunna skilja åt eftersom de har olika utgångsdatum.

Den första är en lanseringsrabatt som finansieras av leverantören. Alibaba vill att Qwen4-Max ska nå ut till utvecklare som redan har en API-nyckel någonstans, och det snabbaste sättet att nå dit är att subventionera en plattforms första månad. Detta är det mest sannolika av de tre och det med kortast tidshorisont, eftersom det är plattformens balansräkning som absorberar mellanskillnaden under ett definierat fönster.

Den andra är äkta grossistprissättning – plattformen köper till en förhandlad nivå under listpriset och för vidare en del av den. Detta är den enda versionen av de 30 % som är stabil, och det är också den version som skulle dyka upp i ett återförsäljaravtal i stället för på en marknadsföringssida. Om nivån håller i sig förbi januari är det detta som gällde.

Den tredje är en lockvara för en modell som är dyr att servera och billig att annonsera. Qwen4-Max aktiverar 71 miljarder parametrar per token av en stomme med 2,4 biljoner parametrar – en serveringskostnad som inte krymper bara för att priset gjorde det. En plattform som säljer till 70 % av listpriset för att vinna routingandel är en rimlig affär, men det är en affär med ett golv under sig.

Alla tre ger samma pris i dag, och ingen av dem framgår av prislistan. Det är den ärliga gränsen för vad som kan utläsas från en sida: siffran är verklig, men aritmetiken bakom den är inte publicerad.

Gränserna som priset inte bär

Det här är delen som betyder mer än rabatten, och det är den del som en prisstyrd jämförelse alltid utelämnar. Alibabas kort för Qwen4-Max handlar inte bara om pengar – det är en uppsättning tak, och en återförsäljare kopierar ett pris mycket mer tillförlitligt än den kopierar ett specifikationsblad.

• Kontext — Alibaba dokumenterar 1 000 000 token, med ett tak för indata på 991 808 token i icke-tänkande läge som sjunker till 983 616 i tänkande läge. Tredjepartskortet annonserar en kontext på 1 miljon token utan indatataket, vilket är det tal som faktiskt begränsar ett långt dokument.

• Utdata – A​libaba begränsar utdata utan tänkande till 131 072 tokens och lägger tänkande plus svar inom en gemensam budget på 262 144 tokens. En sida som annonserar "1M context" och stannar där har inte sagt dig något om hur mycket svar du kan få tillbaka.

• Modalitet — leverantörskortet är text, bild och video in, text ut, med inbyggd videoförståelse snarare än en påmonterad extraherare. Tredjepartslistningar levererar ofta text- och bildvägarna först och videovägen senare, och listningen säger inte alltid vilken man får.

Inget av detta är en anklagelse. Det är det vanliga glappet mellan en modell och en driftsättning av en modell, och för en fyra dagar gammal lansering finns det exakt en källa till taket – Alibabas egen Model Studio-sida – eftersom ingen har kört den andra driftsättningen tillräckligt länge för att kunna publicera något mot den.

Praktisk konsekvens: om du dimensionerar ett långkontextjobb, ta kontextsiffran från leverantören och ta priset från den som är billigast, men anta inte att de beskriver samma produkt förrän du har skickat en förfrågan på 400 000 token genom och sett var den trunkeras.

A generated single-column price card for Qwen4-Max with six rows: input $1.05 per 1M against list $1.50, output $3.15 against list $4.50, cache read $0.0525 against list $0.075, a discount of exactly 30% on all three lines, a 1M context with a 991,808-token input ceiling, and a status line reading price published, endpoint not yet live.

Vad en rabatt på 30 % är värd vid en agentkörning

Tokenpriser är fel enhet för en modell som säljs för långvarigt agentiskt arbete, så här är räkneexemplet för en form som Qwen4-Max uttryckligen är positionerad för — en kodagent som håller en repositoriekontext på 200 000 token över 40 turer och avger 30 000 token resonemang och patch per tur. Listpriser, ingen cachelagring, Singapore-priser på båda sidor.

På Alibabas kort – 200 000 indatatoken per tur till 1,50 USD per miljon är 0,30 USD, och 30 000 utdatatoken till 4,50 USD per miljon är 0,135 USD. Det blir 0,435 USD per tur, eller 17,40 USD under 40 turer.

• På tredjepartskortet kostar samma tur $0,21 in och $0,0945 ut, $0,3045 per tur, eller $12,18 för 40 turer.

• Besparingen – $5.22 per 40-turskörning, vilket är $0.13 per tur. Vid en arbetsbelastning på tusen körningar i månaden är det $5 220; vid en arbetsbelastning på tio är det lunch.

Lägg nu till cachning, för det är där rabatten förstärks över tid och där Qwen4-Max egen ekonomi är som mest intressant. Alibaba dokumenterar cacheläsningar till $0,075 per miljon i Singapore och cacheskrivningar till $1,875 för ett femminutersfönster. Vid 200 000 cachade tokens per tur kostar läsningen $0,015, så inputsidan för en varm tur kollapsar från $0,30 till $0,015 – en tjugofaldig minskning innan någon rabatt alls. De 30 % är riktiga pengar, men det är 30 % av ett tal som kompetent cachning redan har gjort litet. I en körning som läser om ett stabilt prefix är cachningsstrukturen värd ungefär tjugo gånger vad plattformsrabatten är värd, och ingen prislista skyltar med det.

Det är där det slutar fungera: ett prefix som ändras varje tur. En agent som anropar verktyg och vars kontext mestadels består av färsk verktygsutdata får inga cacheträffar, betalar skrivpremien på ingenting och faller tillbaka på den fulla indatatakten – vid det laget är de 30 procenten hela besparingen, och det är den enda återstående hävstången.

A screenshot of the Alibaba Cloud Model Studio documentation for qwen4-max, captured in an English interface, showing the qwen4-max latest-model heading, the Model List and Model Billing sidebar, and the Text, Vision, Speech and Embedding model categories.

Frågan om slutpunkten

Allt ovanstående förutsätter att du kan anropa modellen till det priset, och per den 19 november är det den enda sak som sidan inte avgör.

Samma modellkort innehåller tre påståenden som inte riktigt går ihop. Det listar Qwen4-Max som serverlös och tillgänglig, det publicerar en fullständig taxa för mätbaserad fakturering och det visar statusen "Launching soon" med en anmälningsuppmaning som erbjuder att meddela dig när modellen är tillgänglig. Vilka två som helst av dessa är förenliga. Alla tre samtidigt innebär en sida i övergång, och den korrekta tolkningen är att prissättningen är publicerad och kapaciteten ännu inte är det – vilket är ett normalt läge för en modell som är fyra dagar gammal och en ovanlig sak för en prislista att säga rakt ut.

Det spelar roll för ett beslut på ett specifikt sätt. En kampanjtaxa som börjar innan en slutpunkt finns har en klocka som startar senare än tillkännagivandet, eller så startar den inte alls. Om du bygger en kostnadsmodell kring $1.05, modellera den som en rabatt du ännu inte har kunnat testa, och behåll A​libabas $1.50 som det belopp din budget klarar sig på.

OrcaRouter tillhandahåller inte Qwen4-Max – modellen går att nå via A​libabas egen Model Studio API och flera tredjepartsplattformar, och rabatten ovan tillhör en av dessa. Den modell vi faktiskt routar från samma familj är Qwen3.8-Max, till dess publicerade listpris med 0 % påslag som förs vidare, vilket är samma genomströmningsstruktur som gör att en leverantörs prisändring når hit samma dag som den slår igenom uppströms. Ett API för över 200 modeller, en nyckel och en routing-DSL som kan skicka en förfrågan till Qwen3.8-Max eller till en modell från ett annat labb utan ytterligare ett avtal – den användbara formen när modellen du faktiskt vill ha finns på en prislista som ingen har hunnit färdigställa.

A screenshot of the OrcaRouter model page for qwen/qwen3.8-max, captured in an English interface, showing the model name, the qwen/qwen3.8-max identifier, text, image and video input with text output, and a $2.00 price figure in the page header.

Vad du ska hålla koll på, och när

• Om 30% överlever sin första månad. En kampanjränta och en grossistränta ser likadana ut under första veckan och inte alls lika i februari. Datumet att kontrollera är slutet av december 2026.

• Huruvida tillståndet ”Lanseras snart” försvinner, och vad gränserna säger när det gör det. En publicerad 1M-kontext utan angivet indatatak är inte samma produkt som A​libabas 991 808-tokenstak för icke-tänkande läge, och skillnaden syns först på den begäran som trunkerar.

Huruvida en andra plattform publicerar ett kort som inte är 0,70 gånger Alibabas. Två plattformar som hamnar på samma multiplikator skulle innebära ett grossistpris; två som hamnar på olika skulle innebära två lanseringsbudgetar, och den billigaste av dem är den som löper ut tidigast.

• Huruvida A​libaba svarar. En leverantör som ser 30 % försvinna från sitt flaggskepp inom tre dagar drar antingen in grossistpriset eller justerar sitt eget listpris, och det är det andra av dessa som en köpare vill ha.

Rubriken är att A​libabas flaggskepp finns tillgängligt till 70 % av listpriset, fyra dagar efter att det blev allmänt tillgängligt. Den mer användbara meningen är att de 30 procenten är den minsta siffran i historien – mindre än den cachningsstruktur som den vilar på, mindre än det kontexttak som den inte nämner, och mindre än klyftan mellan en prislista och en slutpunkt som du kan anropa. Prissätt rabatten. Budgetera för listpriset.