
Qwen4-Max lämnar förhandsgranskningen: Det mätbaserade priskortet och utdatabudgeten som krympte
- GoogleNYGoogle: Gemini 4 Carbon2026-11-10$2.00 / $10.00 per 1M tokens · 90 tok/s
- AnthropicNYAnthropic: Claude Fable 5.22026-11-09$8.00 / $40.00 per 1M tokens · 97 tok/s
- orcaNYOrca: OrcaC2 1.02026-11-0717 tok/s
- OrcaNYOrcaCyber: GLM 5.3 Abliterated / Uncensored2026-11-04$3.00 / $5.00 per 1M tokens · 87 tok/s
- OrcaNYOrcaCyber: Hy4 Abliterated / Uncensored2026-11-04$0.80 / $1.60 per 1M tokens · 133 tok/s
- OrcaNYOrcaCyber: Kimi K3.1 Pro Abliterated / Uncensored2026-11-04$4.00 / $20.00 per 1M tokens · 72 tok/s
- OrcaOrcaCyber: MiniMax M3.1 Flash Abliterated / Uncensored2026-10-29$0.80 / $1.60 per 1M tokens · 130 tok/s
- OrcaOrcaCyber: GLM 5.3 Flash Abliterated / Uncensored2026-10-27$0.80 / $1.60 per 1M tokens · 65 tok/s
- OrcaOrcaCyber: Qwen3.8 Flash Next Abliterated / Uncensored2026-10-26$0.80 / $1.60 per 1M tokens · 92 tok/s
- OrcaOrcaCyber: MiMo V2.6 Flash Abliterated / Uncensored2026-10-26$0.80 / $1.60 per 1M tokens · 43 tok/s
- MoonshotMoonshotAI: Kimi K3.1 Pro2026-10-2447Intelligens
- OrcaOrcaCyber: DeepSeek V4.1 Flash Abliterated / Uncensored2026-10-23$0.80 / $1.60 per 1M tokens · 193 tok/s
- minimaxMiniMax: M3.1 Flash2026-10-1929Intelligens
- OrcaOrca: OrcaCyber Ultra 1.02026-10-17$5.00 / $10.00 per 1M tokens · 150 tok/s
- deepseekDeepSeek: DeepSeek V4.1 Flash 10172026-10-1733Intelligens
- DeepSeekDeepSeek: DeepSeek V4.1 Flash2026-10-1740Intelligens
- OrcaOrca: OrcaCyber Zero 1.52026-10-10$3.00 / $7.50 per 1M tokens · 119 tok/s
- openaiOpenAI: GPT-6.1 Sol2026-09-2955Intelligens
- anthropicAnthropic: Claude Sonnet 5.52026-09-2855Intelligens
- typesafeTypeSafe: Jev 1.132026-09-24$0.04 / $0.00 per 1M tokens · 219 tok/s
Qwen4-Max gick från en förhandsversion med tokenplan till en mätarbaserad modell den 16 november 2026, och siffran du ska läsa först är inte ett benchmark — det är $1.50 in och $4.50 ut per miljon tokens i Singapore, mot $2.00 och $6.00 för Qwen3.8-Max. Det är en rak 25% sänkning på båda sidor av mätaren. Men samma omställning som publicerade ett riktigt prisblad krympte också den delade budgeten för tänkande-plus-svar från 393 216 tokens i förhandsversionen till 262 144 vid allmän tillgänglighet, flyttade modellen från en kreditplan till fakturering per token i sex regioner och lämnade batchinferens tillgänglig i exakt en av dem. Om du körde förhandsversionen och behandlade 16 november som en formalitet, är det specändringarna som kommer att svida, inte rabatten.
Vad bytet den 16 november faktiskt förändrade
Förhandsversionen var ett bra erbjudande och ett snävt sådant: endast Token Plan-krediter, endast Singapore och ett dokumenterat upphörande kl. 24:00 den 25 november 2026 (UTC+8). Allmän tillgänglighet ersätter alla tre begränsningarna och lägger till två som ingen efterfrågade. Modellidentifieraren är nu helt enkelt qwen4-max; förhandsversionssträngarna qwen4-max-preview och qwen4.0-max-preview är de som har ett utgångsdatum, så en konfiguration som fortfarande pekar på någon av dem är på en klocka som tar slut om nio dagar.
• Fakturering – mätning per token i sex regioner, jämfört med Token Plan-krediter i en. Den kostnadsfria kvoten på 1 miljon token på Singapore-kortet gäller i 90 dagar från aktivering, modellsläpp eller godkännande, beroende på vilket som inträffar sist.
• Regioner – Peking (kinesiska fastlandet), Singapore (internationellt) och Frankfurt, US Virginia, Tokyo och Hongkong, alla under den globala omfattningen. Förhandsgranskningen var enbart Singapore.
• Delad utdatabudget – 262 144 token som kombinerar tänkande och det slutliga svaret vid GA, mot 393 216 på förhandsvisningskortet. En tredjedel av utrymmet är borta, och det är borta från den del som långa agentkörningar förbrukar snabbast.
• Utdata i icke-tänkande läge – begränsad till 131 072 token, med ett tak för indata på 991 808 token. I tänkandeläge sjunker taket för indata till 983 616, eftersom resonemanget och svaret kommer från samma hink på 262 144 token.
• Batchinferens – stöds endast i Peking och stöds inte i de övriga fem regionerna. Förhandsversionen hade ingen batchväg alls, så detta är en ny funktion snarare än en regression, men den är regional på ett sätt som marknadsföringen inte lyfter fram först.
• Protokollyta – OpenAI Chat Completions, OpenAI Responses, Anthropic Messages och DashScope, alla fyra, med strukturerad utdata, parallella verktygsanrop, prefixkomplettering, webbsökning samt både explicit och implicit cachelagring. Indata accepterar text, bild och video; utdata är endast text.
Priskortet, utformat på samma sätt som räkningen anländer
Alibaba publicerar två olika kort för samma modell, och skillnaden är inte så liten att den kan ignoreras när du väljer omfattning för driftsättningen.
• Singapore, inmatning och utmatning — 1,50 / 4,50 USD per miljon tokens, platt över hela fönstret på 1 000 000 tokens utan nivåindelning vid 32K eller 128K.
I alla andra fall, indata och utdata – $1,413 / $4,24 per miljon tokens, oförändrat under samma tidsfönster. Samma modell, samma gränser, 5,8 % billigare än Singapore per token.
• Cache-skrivningar, Singapore — 1,875 $ per miljon för en 5-minutersskrivning, 3,00 $ för en 1-timsskrivning. På andra håll: 1,767 $ och 2,827 $.
• Cache-läsningar, Singapore — $0.075 per miljon. På andra håll: $0.071. Det är 5 % av Singapores indatapris, och det är den enskilt största hävstången för en agentarbetsbelastning med lång kontext.
• Batch, endast Peking — Batch File till $0.707 / $2.12 per miljon, Batch Chat till $1.413 / $4.24. Endast Batch File har 50 % batchrabatt; Batch Chat listas till realtidspriset, så "batch" i slutpunktens namn är ingen prisgaranti.
Jämfört med Qwen3.8-Max, samma sida — $2.00 / $6.00 i Singapore, $1.65 / $4.951 i de globala regionerna. Qwen4-Max är 25 % billigare i Singapore och 14,4 % billigare på andra håll, eftersom den äldre modellens kort utanför Singapore i sig är rabatterat.
Siffran 14,4 % är den som spelar roll om du redan kör i Frankfurt eller Virginia: minskningen mellan generationer är mindre där än vad Singapore-rubriken antyder, och leverantörens påstående om 62 % genomsnittlig kostnad per uppgift gör mycket av jobbet som per-token-kortet ensamt inte gör.

Ett genomräknat exempel, så att cacheraden slutar vara abstrakt
Ta ett dokumentprefix på 400 000 token som granskas i tre pass, med 8 000 utdatatoken per pass, icke-tänkande, Singapore-priser. Detta är aritmetik på de publicerade listpriserna, inte en uppmätt körning.
• Omgång ett — prefixet skrivs till cachen till $1,875 per miljon, $0,75, plus 8 000 utdatatoken till $4,50 per miljon, $0,036. Totalt $0,786.
• Pass två och tre – prefixet läses till $0,075 per miljon, $0,03 per pass, plus samma $0,036 i utdata. $0,066 styck.
• Tre pass med cachning – $0,918. Samma tre pass som betalar full indata varje gång – $1,908. Prefixet läses två gånger för mindre än priset för ett färskt pass.
• En fjärde omgång – cachelagring vinner med större marginal varje gång du läser igen, vilket är exakt formen hos en lång agentkörning som håller en fast systemprompt, ett verktygsschema och en dokumentuppsättning framför en fråga som ändras.
Break-even är nästan omedelbar: premien för cacheskrivning jämfört med den normala indataprisnivån är $0.375 per miljon i Singapore, så ett cachelagrat prefix betalar sig vid första omläsningen. Det slutar fungera när ett prefix ändras vid varje tur — du betalar skrivpremien och får aldrig något igen, och standardfönstret för skrivning på 5 minuter är tillräckligt kort för att ett långsamt verktygsanrop ska kunna låta det gå ut.
Tre förval som avgör fakturan innan din prompt gör det
Qwen4-Max levereras med resonemang aktiverat och inställt på hög nivå. Det är ett rimligt standardval för ett flaggskepp och ett dyrt sådant för en klassificerare.
• Effort är som standard high – reasoning_effort accepterar low, high och xhigh, och om du utelämnar det får du high. thinking_budget är på samma sätt som standard 131,072, och max_completion_tokens 262,144 i thinking-läge. En begäran som inte anger något har reserverat mer utdatabudget än vad de flesta jobb kommer att använda.
• Det finns ingen nivå medium – Chat Completions och DashScope mappar minimal till low, medium till high och max till xhigh. På Anthropic Messages-vägen är parametern output_config.effort och mappas på samma sätt. Att begära medium kostar lika mycket som high.
• preserve_thinking har standardvärdet true – tidigare resonemang förs över till kontexten vid anrop med flera turer. Det blåser upp ingångssidan för varje uppföljning och ökar samtidigt chansen att prefixet fortfarande matchar cachen. I en lång agentloop tar de två effekterna delvis ut varandra; i en kort chatt gör de det inte, och du betalar för att läsa om tankar som du aldrig kommer att använda.
• Standardvärden för sampling är thinking 1.0 / 0.95 / 20 och non-thinking 0.7 / 0.8 / 20 för temperature, top_p och top_k, med presence_penalty på 1.5 utanför thinking-läget. Att uttryckligen ange temperature utan att ändra effort ändrar utdatans form men inte kostnaden.
Vad leverantören säger har förbättrats, och vad ingen har kontrollerat
Alla siffror i det här avsnittet är Alibabas egna och har inte reproducerats utanför labbet. Från och med den 16 november finns det ingen oberoende indexpost för Qwen4-Max, så betrakta jämförelsen som ett påstående snarare än en mätning.
• Work360 — 52,69 mot 47,74 för Qwen3.8-Max, på en taxonomi som leverantören har byggt: 26 Tier-1-domäner, 182 Tier-2, 721 Tier-3.
• Token effektivitet — ungefär 24 % färre tokens vid xhigh-ansträngning och 35 % vid hög på Work360; ungefär 48 % och 49 % på Terminal-Bench 4.0. Detta är påståendet som förstärks av prissänkningen, och det är det man först bör testa på sina egna traces, eftersom tokenbesparingar beror på arbetsbelastningens utformning.
• Genomsnittlig kostnad per uppgift — 4,43 till 1,67 dollar på {{1}}Work360{{/1}}, en minskning med 62 %. Den siffran multiplicerar en prissänkning med ett påstående om tokenbesparing; ingen av faktorerna är oberoende verifierad.
• Basmodellskvalitet – 5 % till 13 % lägre bit per byte än Qwen3.8-Max-Base samtidigt som den aktiverar 25 % färre parametrar, mätt internt inom kunskap, kod, QA och STEM. Leverantören noterar att två av de jämförda checkpoints är eftertränade, vilket försvagar basmodellramningen.
• Säker kodning – Godkännandegraden på funktionsnivå i senaste Secure Code Bench har ökat från 22,0 % till 31,8 %, och andelen kod som är säker på funktions-, fil- och repository-nivå samtidigt har ökat från 8 % till 14,7 %.
Arkitekturen bakom effektivitetspåståendet är en gles mixture-of-experts-stomme med 2,4 biljoner parametrar, där 71 miljarder parametrar aktiveras per token, plus ytterligare 328 miljarder i N-gram-inbäddningsparametrar som slås upp i stället för att multipliceras. Tre Gated DeltaNet-lager komprimerar historiken till ett tillstånd av fast storlek för varje Qwen Sparse Attention-lager, som väljer kontext på mikroblocksgranularitet genom en lättviktsindexerare, och fyra parallella residualgrenar med dynamiska läs- och skrivgrindar stabiliserar den djupa stacken. Det är en rimlig redogörelse för varför kostnaden för lång kontext sjunker. Det är fortfarande en redogörelse.

Provar det utan att flytta en produktionssökväg till det
Det besvärliga med den här lanseringen är att modellen är genuint ny, benchmarkresultaten är ogranskade och prislistan är tillräckligt attraktiv för att någon kommer att vilja ha den i produktion redan den här veckan. De tre faktorerna pekar mot en stagingstrategi snarare än en migrering.
Qwen4-Max går att nå via Alibabas eget Model Studio-API och flera tredjepartsplattformar; den finns inte i OrcaRouters katalog per den 16 november. Qwen3.8-Max finns, till $2.00 in och $6.00 ut per miljon tokens i Singapore – leverantörens listpris vidarebefordrat med 0 % påslag, så gapet på 25 % till Qwen4-Max är ett verkligt gap och inte en routingmarginal. Det gör det ärliga testet billigt: behåll den befintliga modellen på den nyckel du redan har, skicka en skuggningsdel av trafiken till den nya modellen via leverantören och jämför kostnad per slutförd uppgift i stället för kostnad per token. Leverantörens egen formulering – $4.43 till $1.67 – är ett tal för kostnad per uppgift, och kostnad per uppgift är den enda jämförelse där ett påstående om token-effektivitet och en prissänkning landar på samma axel.
För team som redan dirigerar trafik via OrcaRouter är den växlingskostnad som normalt blockerar den här typen av utvärdering det andra avtalet och den andra SDK:n. Ett API för 200+ modeller, automatiskt failover mellan leverantörer och ett routing-DSL som sammansätter flera modeller till ett enda anrop innebär att det blandade läget – den befintliga lösningen hanterar volymen, kandidaten hanterar en delmängd – är en konfigurationsändring snarare än en integration. För en obeprövad modell är det skillnaden mellan ett tvåveckorsbevis och ett tvådagarsbevis, och failover är det som hindrar beviset från att bli ett avbrott när kandidaten har en dålig eftermiddag.

Vad ska man göra före 25 november
Om du använder förhandsversionen är tidsfristen inte mjuk: qwen4-max-preview är dokumenterad för avveckling kl. 24:00 den 25 november 2026 UTC+8, och GA-beteckningen är qwen4-max med andra gränser. Migrera strängen och kontrollera sedan två saker som inte ger något fel när de är fel — all kod som antog en delad budget på 393 216 token har nu 262 144, och alla jobb som förlitade sig på Token Plan-krediter debiteras nu per token.
Om du väljer om du ska införa det är argumenten för att vänta svagare än för en vecka sedan, eftersom det mätarstyrda kortet och cacheprissättningen nu är publicerade och priset verkligen är lägre än föregående generation i varje region. Argumenten för försiktighet är den delade utdatabudgeten, batchvägen som endast finns i Peking och en benchmarksvit som leverantören har skrivit. Kör skugg-slicen, prissätt den per slutförd uppgift och låt de kommande två veckorna av dina egna spår avgöra – den bevisningen kommer att vara värd mer än ett 52.69 på en taxonomi som ingen av oss kan granska.
Ännu en sak är på väg som förändrar matematiken igen: Alibaba säger att de mindre Qwen4-modellerna kommer att släppas som öppen källkod på samma modellinje, vilket historiskt sett innebär att prisgolvet för den här nivån flyttas inom ett kvartal. Allt du förbinder dig till till dagens priser bör vara ett åtagande du kan dra dig ur.
