การ์ดชื่อเรื่อง 16:9 ที่สร้างขึ้นบนพื้นหลังสีน้ำเงินเข้ม แสดงข้อความ 'Qwen4-Max' พร้อมคำบรรยายใต้ชื่อ 'สองวัน หนึ่งกระดานคะแนน' และการ์ดมุมโค้งสามใบ: วันที่ของโมเดล 16 พ.ย. 2026, ผู้ขายรายที่สอง 18 พ.ย. 2026, คะแนนดัชนี 43 บรรทัดส่วนท้ายระบุว่า 'Artificial Analysis Intelligence Index v5.0.1' โลโก้ OrcaRouter ที่มุมขวาล่าง
Guides & Insights

Qwen4-Max วางจำหน่ายแล้วในสองแห่งตอนนี้ ส่วนตารางคะแนนอิสระคือส่วนที่คุ้มค่าที่จะอ่าน

ผู้เขียน

jinhao.song

วันที่เผยแพร่

โมเดลล่าสุด · 20ดูโมเดลทั้งหมด →
เบนช์มาร์ก: Artificial Analysis · อัปเดตทุกวัน
กลับไปยังโพสต์ทั้งหมด

Qwen4-Max วางจำหน่ายทั่วไปเมื่อวันที่ 16 พฤศจิกายน 2026 และภายในเช้าของวันที่ 18 พฤศจิกายน แพลตฟอร์ม inference ของบุคคลที่สามก็ลงโฆษณาโมเดลนี้เช่นกัน โดยมีบริบท 1M โทเคนแบบเดียวกัน และมีอินพุตข้อความ รูปภาพ และวิดีโอแบบเดียวกัน นั่นคือข่าว และเป็นข่าวชิ้นเล็ก ๆ เท่านั้น: ผู้ขายรายที่สองเป็นเหตุการณ์ด้านการจัดจำหน่าย ไม่ใช่เหตุการณ์ของโมเดล สิ่งที่มาถึงในช่วงเวลาเดียวกันและแทบไม่ได้รับความสนใจเลยคือการวัดผล ปัจจุบัน Artificial Analysis มีรายการ Qwen4-Max และใน Intelligence Index ของตนให้คะแนนโมเดลนี้ที่ 43 เทียบกับ 34 สำหรับ Qwen3.8-Max ซึ่งเป็นรุ่นก่อนหน้าที่มันมาแทน

ตัวเลขทั้งสองตัวนั้นมาพร้อมบริบทที่ใช้ตัดสินว่าเป็นข่าวดีหรือไม่ และบล็อกของผู้ขายเองไม่ได้ให้บริบทนั้นไว้ ดังนั้นบทความนี้จึงทำสามสิ่งตามลำดับ: สิ่งที่ออกจำหน่ายจริงเมื่อวันที่ 16 พฤศจิกายน, สิ่งที่แถวข้อมูลอิสระระบุแต่โพสต์เปิดตัวไม่ได้ระบุ, และสิ่งที่เปลี่ยนแปลง — รวมถึงสิ่งที่พังลงอย่างเงียบ ๆ — เมื่อโมเดลเดียวกันถูกให้บริการโดยรายอื่นที่ไม่ใช่ A​libaba

สองวันที่ และมีเพียงหนึ่งในนั้นเท่านั้นที่เป็นการเผยแพร่

วันที่ของโมเดลคือ 16 พฤศจิกายน 2026 ทีม Qwen ของ Alibaba ลงวันที่โพสต์เปิดตัวเป็น 16 พฤศจิกายน และหน้าเอกสาร Model Studio สำหรับโมเดลนี้มีเวลาอัปเดตเป็น 2026-11-16 09:46:08 โดยมีหัวข้อ "qwen4-max (โมเดลล่าสุด)" และตัวระบุโมเดลแบบธรรมดาคือ qwen4-max หน้านั้นคือหน้าที่สำคัญในเชิงพาณิชย์: มันแทนที่ตัวระบุตัวอย่าง qwen4-max-preview ซึ่งเปิดเมื่อวันที่ 11 พฤศจิกายน ภายใต้แผนเครดิตที่มีการประกาศวันเลิกใช้ไว้เป็นวันที่ 25 พฤศจิกายน ความพร้อมใช้งานทั่วไปหมายถึงอัตราค่าบริการแบบคิดตามการใช้งาน หกภูมิภาค และไม่มีวันหมดอายุ

เหตุการณ์วันที่ 18 พฤศจิกายนแตกต่างออกไปในเชิงประเภท แพลตฟอร์มหนึ่งที่ไม่ใช่ A​libaba เริ่มลงรายการโมเดลนี้ให้ลูกค้าของตนเอง สองวันหลังจากใบราคาปรากฏขึ้น ไม่มีอะไรเกี่ยวกับโมเดลเปลี่ยนไปในวันที่ 18 พฤศจิกายน: ไม่มีน้ำหนักโมเดลชุดใหม่ ไม่มีตัวเลขบริบทใหม่ ไม่มีราคาใหม่จากห้องแล็บ หากคุณกำลังอ่านบทความที่วางกรอบสัปดาห์นี้ว่าเป็นการเปิดตัว กรอบนั้นตามหลังอยู่หนึ่งก้าว — Qwen4-Max เปิดตัวเมื่อวันที่ 16 และสิ่งที่เกิดขึ้นในวันที่ 18 คือมันกลายเป็นสิ่งที่ขายต่อได้ในระดับสเกล ความแตกต่างนี้ไม่ใช่การจุกจิกเรื่องถ้อยคำ มันบอกคุณว่าควรถามคำถามไหน: ไม่ใช่ "มันทำอะไรได้" ซึ่งได้รับคำตอบเมื่อวันจันทร์ แต่เป็น "อะไรจะรอดจากการเดินทางผ่านผู้ขายต่อ" ซึ่งยังไม่มีใครตอบ

A generated two-column scoreboard titled 'Qwen4-Max vs Qwen3.8-Max' with five rows: index score 43 against 34; output tokens per run 127M against 150M; wall-clock per task 32.1 min against 47.5 min; cost per task $3.27 against $10.02; throughput 55 tok/s against 'not listed'. Footer reads 'Artificial Analysis Intelligence Index v5.0.1, measured November 2026'. OrcaRouter logo bottom-right.

มีอะไรถูกจัดส่งเมื่อวันที่ 16 พฤศจิกายน

ข้อกำหนดด้านล่างนี้เป็นของ A​libaba จากโพสต์เปิดตัวและเอกสารประกอบของโมเดล และไม่มีส่วนใดเลยที่ได้รับการทำซ้ำอย่างอิสระ — โดยเฉพาะสถาปัตยกรรมนั้นเป็นคำอธิบายของผู้จำหน่ายเกี่ยวกับการรันฝึกอบรมที่ไม่มีบุคคลภายนอกคนใดได้ตรวจสอบ

• สถาปัตยกรรม — ดีไซน์ Qwen4 แบบใหม่ที่มีแกนหลักขนาด 2.4 ล้านล้านพารามิเตอร์ เปิดใช้งาน 71 พันล้านพารามิเตอร์ต่อโทเค็น และพารามิเตอร์การฝัง N-gram อีก 328 พันล้านพารามิเตอร์

• Attention — สามเลเยอร์ Gated DeltaNet แบบมีเกตที่ป้อนให้ทุกเลเยอร์ Q​wen Sparse Attention ซึ่งบีบอัดประวัติให้เป็นสถานะขนาดคงที่และทำดัชนีบริบทในระดับไมโครบล็อก

งานด้านเสถียรภาพ — สาขาเรซิดิวัลแบบขนานสี่สาขาที่มีเกตการอ่านและการเขียนแบบไดนามิก ซึ่งแล็บอธิบายว่าเป็นเหตุผลที่การรัน 2.4T ไม่มี loss พุ่งขึ้น

• บริบท — 1,000,000 โทเค็นในเอกสารของผู้ขาย; Artificial Analysis วัดหน้าต่างที่ใช้งานได้ที่ 984,000

• เพดานเอาต์พุต — 131,072 โทเค็น เมื่อปิดโหมดคิด หรือ 262,144 โทเค็นที่ใช้ร่วมกันระหว่างการคิดและคำตอบ

• รูปแบบข้อมูล — รับข้อความ รูปภาพ และวิดีโอเข้า; ส่งออกเป็นข้อความ มีความสามารถด้านภาพในตัว ไม่ใช่ส่วนเสริมที่ติดเพิ่มทีหลัง

• ความพยายามในการให้เหตุผล — ระดับที่เลือกได้ ซึ่งโพสต์เปิดตัวเรียกเป็น High และ Xhigh เมื่ออ้างอิงตัวเลขประสิทธิภาพของตนเอง

• เครื่องมือ — การเรียกใช้ฟังก์ชัน, การเรียกใช้เครื่องมือแบบขนาน, การค้นหาเว็บ, เอาต์พุตแบบมีโครงสร้างตาม JSON Schema, การเติมเต็มคำนำหน้า, แคชแบบชัดเจนและโดยนัย

• อินเทอร์เฟซ — OpenAI Chat Completions และ Responses, Anthropic Messages และ DashScope ซึ่งเป็นพื้นผิวโปรโตคอลที่กว้างที่สุดที่ Alibaba เคยส่งมอบบนผลิตภัณฑ์เรือธง

• สิ่งที่ยังขาดอยู่ — ทั้งการปรับแต่งละเอียด (fine-tuning) และการปรับใช้โมเดลถูกระบุว่าไม่รองรับ ทั้งสองอย่างยังไม่มีเช็กพอยต์ และโพสต์เปิดตัวกล่าวเพียงว่าโมเดล Qwen4 ขนาดเล็กกว่ากำลัง "จะเปิดเป็นโอเพนซอร์ส"

คำกล่าวอ้างด้านประสิทธิภาพเป็นสิ่งที่การเปิดตัวให้น้ำหนักมากที่สุด และควรระบุให้ชัดเจนเพราะเป็นคำกล่าวอ้างแบบมีเงื่อนไข เมื่อเทียบกับ Qwen3.8-Max ผู้ขายรายงานว่าใช้โทเค็นน้อยลงประมาณ 24% บน Work360 benchmark ที่ระดับความพยายาม Xhigh และน้อยลง 35% ที่ระดับ High และน้อยลง 48% และ 49% บน Terminal-Bench 4.0 ที่การตั้งค่าสองระดับเดียวกัน ต้นทุนเฉลี่ยต่องานบน Work360 ลดลงจาก $4.43 เหลือ $1.67 ซึ่งลดลง 62% ตัวเลขทุกตัวเหล่านั้นเป็นการรายงานโดยผู้ขาย และทุกตัวผูกกับระดับความพยายาม ซึ่งจะกลายเป็นรายละเอียดสำคัญในภายหลัง เมื่อตัวแทนจำหน่ายตัดสินใจว่าจะเปิดเผยปุ่มปรับระดับนั้นอย่างไร

แถวอิสระที่ไม่มีใครอ้างอิง

Artificial Analysis เผยแพร่ Qwen4-Max บน Intelligence Index v5.0.1 และรายการนี้ตรงไปตรงมาอย่างผิดปกติ คะแนนคือ 43 ซึ่งเว็บไซต์ระบุว่าต่ำกว่าค่าเฉลี่ยในหมู่โมเดลที่เทียบเคียงได้ — ค่ามัธยฐานก็คือ 43 เช่นกัน ดังนั้นโมเดลจึงอยู่บนเส้นพอดี ไม่ได้อยู่เหนือเส้นขึ้นไป นั่นเป็นประโยคที่ให้ภาพไม่ดีเท่ากับ “เพิ่มขึ้นเก้าคะแนนจากรุ่นก่อน” และทั้งสองอย่างก็เป็นความจริง Qwen3.8-Max ซึ่งวัดจากสแนปชอต 0902 ได้ 34 คะแนนบนดัชนีเดียวกัน

ส่วนที่เหลือของแถวคือจุดที่การโต้แย้งน่าสนใจ เพราะมันแยกความสามารถออกจากต้นทุนในการดึงความสามารถนั้นออกมา

• คะแนนดัชนี — Qwen4-Max 43 เทียบกับ Qwen3.8-Max (0902) 34 บน v5.0.1

• โทเค็นเอาต์พุตต่อการรันดัชนีหนึ่งครั้ง — 127 ล้านเทียบกับ 150 ล้าน เมื่อเทียบกับค่ามัธยฐานของวงการที่ 65.1 ล้าน ทั้งสองโมเดลเขียนยาวมาก โดยโมเดลใหม่เขียนยาวน้อยกว่า

• เวลาตามนาฬิกาต่องาน — 32.1 นาที เทียบกับ 47.5 นาที เมื่อเทียบกับค่ามัธยฐานของกลุ่มที่ 11.5 เร็วกว่ารุ่นก่อนหน้า แต่ยังอยู่ในกลุ่มโมเดลที่ช้าที่สุดที่วัดมา

• อัตราการประมวลผล — 55 โทเค็นเอาต์พุตต่อวินาที วัดบน API ของ Alibaba เอง

• ต้นทุนต่องาน — $3.27 เทียบกับ $10.02 ซึ่งเป็นตัวเลขที่มีประโยชน์ที่สุดเพียงตัวเดียวในแถวนั้น

อ่านรวมกันแล้ว การอัปเกรดนี้เป็นของจริง แต่แคบกว่าที่การตลาดสื่อ Qwen4-Max ได้เพิ่มเก้าคะแนนดัชนี ลดเวลาจริงลงหนึ่งในสาม และลดต้นทุนในการทำภารกิจให้เสร็จลงประมาณสองในสามเมื่อเทียบกับโมเดลที่มันเข้าแทนที่ แต่ไม่ได้เพิ่มความเร็วในเชิงสัมบูรณ์ ที่ 32.1 นาทีต่อภารกิจ มันช้ากว่าโมเดลมัธยฐานบนบอร์ดเดียวกันเกือบสามเท่า และใช้ปริมาณโทเคนเกือบสองเท่าของค่ามัธยฐานเพื่อไปให้ถึงจุดนั้น หากงานของคุณไวต่อ latency ตัวเลขดัชนีไม่ใช่ตัวเลขที่จะตัดสินบิลของคุณ

A screenshot of the Artificial Analysis page for Qwen4 Max, headed 'Qwen4 Max: Intelligence, Performance & Price Analysis' and dated November 2026, showing an Intelligence Index score of 43 against a median of 43, 55 output tokens per second, a 984k context window, $1.50 input and $4.50 output per million tokens, $3.27 per task and 127M tokens generated on the index run.

อะไรที่ยังคงอยู่เมื่อส่งต่อไปยังผู้ขายต่อ

นี่คือส่วนที่การขึ้นบัญชีเมื่อวันที่ 18 พฤศจิกายนทำให้เป็นเรื่องเร่งด่วนมากกว่าจะเป็นเพียงทฤษฎี เมื่อโมเดลหนึ่งถูกให้บริการโดยแพลตฟอร์มที่ไม่ใช่ผู้สร้างของมัน สี่สิ่งจะเดินทางไปได้อย่างน่าเชื่อถือ และมีอีกหนึ่งสิ่งที่จะไม่เป็นเช่นนั้น

สี่สิ่งที่มีติดไปด้วย: การ์ดราคา เพราะมันถูกคัดลอกจากหน้าของผู้ขาย; ตัวเลขบริบท เพราะมันเป็นพาดหัว; รายการ modality เพราะมันอยู่ในข้อความการตลาด; และรูปแบบโปรโตคอล เนื่องจากแพลตฟอร์มส่วนใหญ่เปิดให้ใช้ endpoint ที่เข้ากันได้กับ OpenAI ไม่ว่าข้างหลังจะใช้อะไรก็ตาม สิ่งเหล่านี้คือสิ่งที่ทุกรายการทำถูก และเป็นสิ่งที่บทความเปรียบเทียบทุกชิ้นยกมาอ้าง

สิ่งที่ไม่ได้ติดไปด้วยคือการแมประดับ effort (effort mapping) ต้นทุน-ผลตอบแทนของ Qwen4-Max ขึ้นอยู่กับ effort โดยการออกแบบ: การประหยัดโทเค็นของผู้ขายเองแกว่งไปมาระหว่าง 24% ถึง 35% บน Work360 ขึ้นอยู่กับว่าคุณรันที่ Xhigh หรือ High และเอกสารก็เปิดเผยตัวเลือกนี้เป็นพารามิเตอร์ของคำขอ ผู้ขายต่อที่ตรึง effort ไว้ที่ค่าเริ่มต้นเพียงค่าเดียว หรือแมปพารามิเตอร์ reasoning แบบ OpenAI ลงบนเพียงสองจากสามระดับ จะส่งมอบโมเดลที่ต้นทุนต่องานอาจแตกต่างจากตัวเลขที่ผู้ขายเผยแพร่ถึงหนึ่งในสาม — ทั้งที่ราคาต่อโทเค็นบนใบแจ้งหนี้เท่ากัน หากคุณกำลัง benchmarking รายการที่ประกาศขายเทียบกับตัวเลขของ Alibaba เอง ให้ตรึงระดับ effort อย่างชัดเจน และตรวจสอบว่าแพลตฟอร์มทำอะไรกับค่านั้น ก่อนที่คุณจะสรุปสิ่งใดเกี่ยวกับราคา

มีสองเรื่องเล็ก ๆ ที่ต้องตรวจสอบ: ว่าbudgetการคิดและการตอบร่วมกันขนาด 262,144 โทเคนนั้นถูกบังคับใช้จริงหรือถูกตัดทอนอย่างเงียบ ๆ และว่า prompt caching ถูกส่งผ่านในอัตราแคชของผู้ให้บริการ แทนที่จะเป็นอัตราอินพุตเต็มหรือไม่ ทั้งสองเรื่องส่งผลต่อค่าใช้จ่ายจริงในการรันเอเจนต์แบบยาว และทั้งสองเรื่องก็ไม่ปรากฏในพาดหัวข่าว

สิ่งที่ไม่ได้เปลี่ยนแปลง และจะไม่เปลี่ยนแปลง

ข้อเท็จจริงที่สำคัญที่สุดเกี่ยวกับ Qwen4-Max ไม่ได้อยู่บนป้ายราคาหรือลีดเดอร์บอร์ด: คุณไม่สามารถเป็นเจ้าของมันได้ โมเดลนี้ไม่มี checkpoint และเอกสารระบุว่าการ fine-tuning และการติดตั้งใช้งานด้วยตนเองเป็นสิ่งที่ไม่รองรับ บรรทัดปิดท้ายของโพสต์เปิดตัวสัญญาว่ารุ่นย่อยที่เล็กกว่าของ Qwen4 จะถูกเปิดเป็นโอเพนซอร์ส ซึ่งเป็นข้อความเกี่ยวกับอนาคตของตระกูลโมเดลนี้ ไม่ใช่เกี่ยวกับโมเดลนี้ ทุกเส้นทางสู่ Qwen4-Max ล้วนต้องผ่าน API ของใครสักคน ไม่ว่าจะเป็นหกภูมิภาคของ Alibaba หรือ endpoint ของผู้ขายต่อ

นั่นเป็นการจัดวางแบบปกติสำหรับเรือธงระดับแนวหน้าปี 2026 และ它有ผลสืบเนื่องแบบปกติ: การผสานรวมของคุณคือการเช่า และจำนวนผู้ให้เช่าก็เพิ่มจากหนึ่งเป็นมากกว่าหนึ่ง ซึ่งเป็นข้อโต้แย้งที่ดีจริง ๆ เพียงข้อเดียวสำหรับการประกาศเมื่อวันที่ 18 พฤศจิกายน — ไม่ใช่เพราะมันถูกกว่า แต่เพราะมันเป็นเส้นทางการจัดหาอีกทางหนึ่งสำหรับโมเดลที่คุณโฮสต์เองไม่ได้

ถ้าคุณกำลังเชื่อมต่อสิ่งนี้ในสัปดาห์นี้

Qwen4-Max ยังไม่มีในแคตตาล็อกของ OrcaRouter ณ วันนี้ และบทความนี้จะไม่แสร้งทำเป็นอย่างอื่น สิ่งที่มีอยู่คือโมเดลที่มันมาแทนที่: qwen/qwen3.8-max โมเดลเรือธงขนาด 2.4 ล้านล้านพารามิเตอร์ที่ได้คะแนน 34 บนดัชนีเดียวกัน และมีค่าใช้จ่ายขาเข้า $2.00 และขาออก $6.00 ต่อล้านโทเค็นตามรายการของ Alibaba หากคุณกำลังพัฒนาบนสาย Qwen และต้องการลอง Qwen4-Max โดยไม่เดิมพันเส้นทางโปรดักชันกับข้อตกลงเชิงพาณิชย์ที่เพิ่งมีอายุได้สองวัน รูปแบบที่สมเหตุสมผลคือเก็บรุ่นก่อนหน้าไว้บนคีย์เดียวกันและกำหนดเส้นทางระหว่างกัน — OrcaRouter รองรับตัวระบุโมเดลมากกว่า 200 รายการจากผู้ให้บริการหลายรายไว้เบื้องหลังปลายทางที่เข้ากันได้กับ OpenAI เพียงจุดเดียวในอัตรา มาร์กอัป 0%, พร้อมด้วย การสลับไปยังระบบสำรองอัตโนมัติ ดังนั้นการขัดข้องฝั่งผู้ให้บริการหรือการจำกัดอัตราการเรียกใช้จะไม่ทำให้แอปพลิเคชันของคุณล่มไปด้วย DSL การกำหนดเส้นทางทำสิ่งเดียวกันในอีกระดับหนึ่ง: คุณสามารถประกอบโมเดลราคาถูกสำหรับภาระงานส่วนใหญ่ และยกระดับไปยังโมเดลราคาแพงเฉพาะจุดที่งานต้องการจริง ๆ แทนที่จะจ่ายในอัตราของโมเดลเรือธงสำหรับทุกการเรียกใช้

A screenshot of the OrcaRouter models catalogue showing the filter rail and the header '226 models, 17 providers, one API key, one bill', with a card for Google Gemini 4 Carbon and its per-million input and output rates visible.

นั่นไม่เหมือนกับการมี Qwen4-Max เป็นแกนหลัก และไม่ควรขายในลักษณะนั้น มันคือความแตกต่างระหว่างการรอให้โมเดลมาถึงสแต็กของคุณ กับการมีสแต็กที่รองรับมันได้เมื่อมันมาถึง

อะไรจะทำให้ชิ้นนี้เปลี่ยนไป

สามสิ่ง เรียงตามความเป็นไปได้จากมากไปน้อย การวัดแบบอิสระครั้งที่สองของ Qwen4-Max จะชี้ขาดว่า 43 เป็นค่าต่ำสุดหรือค่าสูงสุด — บอร์ดเดียว ฮาร์เนสเดียว และการตั้งค่าระดับความพยายามเดียวเป็นพื้นฐานที่บางเกินไปสำหรับการตัดสิน และบล็อกนี้เคยเห็นการปรับดัชนีก่อนหน้านี้ทำให้คะแนนขยับเป็นเลขสองหลักมาแล้ว การแจกแจงตามระดับความพยายามที่เผยแพร่จาก Artificial Analysis ซึ่งตรงกับสิ่งที่ทำอยู่แล้วสำหรับ GLM-5.3 จะทำให้ตัวเลขต้นทุนต่องานนำไปใช้ได้จริง แทนที่จะเป็นค่าเฉลี่ยจากการตั้งค่าที่ไม่ได้ระบุ และเช็กพอยต์ Qwen4 — เช็กพอยต์ Qwen4 ใดก็ได้ — จะยุติข้อโต้แย้งเรื่องการเช่าโดยสิ้นเชิง

กว่าจะถึงตอนนั้น การตีความสัปดาห์นี้ให้ถูกต้องก็คือการตีความแบบไม่หวือหวาเลย เรือธงเปิดตัวเมื่อวันจันทร์พร้อมตารางราคาจริงและคะแนนจากผู้ทดสอบอิสระที่แข่งขันได้แต่ไม่ได้นำหน้า ตัวแทนจำหน่ายรับมันไปเมื่อวันพุธ ซึ่งก็คือการกระจายสินค้าทำในสิ่งที่การกระจายสินค้าทำ และตัวเลขที่ควรใช้ตัดสินการผสานรวมของคุณไม่ใช่ $1.50 หรือ 43 แต่คือ 32.1 นาที กับค่าโทเคนที่อยู่ในราวสองเท่าของค่ามัธยฐานในวงการ สองตัวนั้นคือสิ่งที่คุณจะจ่ายจริง ๆ

การเปรียบเทียบในบทความนี้1

ตรวจพบจากบทความนี้ · เบนช์มาร์ก: Artificial Analysis · อัปเดตทุกวัน

© 2026 OrcaRouter

สำหรับผู้ให้บริการ

ให้บริการแพลตฟอร์มการอนุมานอยู่หรือไม่ นำโมเดลของคุณขึ้น OrcaRouter

[email protected]

เข้าร่วมคอมมูนิตี้ของเรา

Discord[email protected]XLinkedInGitHubYouTube