Một thẻ tiêu đề được tạo hiển thị Qwen4-Max ở mức 70% giá niêm yết, với phụ đề Giảm giá 30% đúng bằng 30%, và ba thẻ giá hiển thị Đầu vào $1.05 mỗi 1M, Đầu ra $3.15 mỗi 1M và Đọc bộ nhớ đệm $0.0525 mỗi 1M.
Guides & Insights

Qwen4-Max đang giảm 30% so với giá niêm yết của Alibaba: Bảng giá trước endpoint

Tác giả

jinhao.song

Ngày đăng

Mô hình mới nhất · 20Xem tất cả mô hình →
Benchmark: Artificial Analysis · cập nhật hằng ngày
Quay lại tất cả bài viết

Qwen4-Max đã được phát hành vào ngày 16 tháng 11 năm 2026. Ba ngày sau, vào ngày 19 tháng 11, một nền tảng suy luận của bên thứ ba đã đưa mô hình vào bảng giá của mình ở mức $1.05 cho mỗi triệu token đầu vào, $3.15 cho mỗi triệu token đầu ra và $0.0525 cho một lần đọc bộ nhớ đệm. Chia những mức đó cho bảng giá Singapore của chính Alibaba — $1.50, $4.50 và $0.075 — thì mỗi mức đều ra đúng 0.70. Không phải xấp xỉ giảm 30%. Mà giảm đúng 30%, trên cả ba dòng, đến chữ số thập phân cuối cùng. Đó không phải cách một triển khai độc lập tự định giá; mà là cách một nhà bán lại tự định giá. Và chính trang có bảng cước đó cũng có dòng nhắc “Sắp ra mắt” và một ô đăng ký yêu cầu được thông báo khi Qwen4-Max có sẵn, khiến đây thành một bảng giá được công bố trước thứ mà nó định giá.

30% đó thực sự là gì

Ba con số, một hệ số nhân, và hệ số nhân chính là toàn bộ câu chuyện.

• Đầu vào — 1,05 USD mỗi triệu token trên thẻ của bên thứ ba, so với 1,50 USD trên thẻ Singapore của A​libaba. Tỷ lệ 0,700.

• Đầu ra — $3.15 so với $4.50. Tỷ lệ 0.700.

• Đọc bộ nhớ đệm — $0.0525 so với $0.075. Tỷ lệ 0.700.

Một nền tảng đã tự mua phần cứng 2,4 nghìn tỷ tham số của riêng mình, tự viết các kernel sparse-attention và tự đàm phán băng thông sẽ rơi vào những con số tụ gần mức của Alibaba, chứ không phải ba con số mà mỗi con đều chia chẵn cho 10/7. Giá độc lập có nhiễu độc lập bên trong: một chỗ làm tròn ở đây, một biên ở kia, một mức giá cache phản ánh một tầng lưu trữ khác. Độ chính xác ba trên ba là dấu hiệu của một biên được áp lên một card thượng nguồn duy nhất, và card thượng nguồn mà nó được áp lên là bản Singapore chứ không phải bản Global — $1.413 và $4.24 lẽ ra đã tạo ra $0.989 và $2.968, và các con số được công bố không phải cả hai giá trị đó.

Điều đó cho bạn biết khoản giảm giá là để khuyến mại. Ai đó đang gánh 30% đó từ ngân sách ra mắt, chứ không phải từ một cơ cấu chi phí khác, và điều cần hỏi về bất kỳ mức giá khuyến mại nào là nó kéo dài được bao lâu.

Ba cách để một nền tảng đạt được mức giảm 30% so với giá niêm yết

Không có lời giải thích thứ tư nào đáng để xem xét, và ba lời giải thích ấy đáng để có thể phân biệt với nhau vì chúng có ngày hết hạn khác nhau.

Đầu tiên là ưu đãi ra mắt do nhà cung cấp tài trợ. Alibaba muốn Qwen4-Max tiếp cận những nhà phát triển đã có sẵn API key ở đâu đó, và cách nhanh nhất để đạt được điều đó là trợ giá tháng đầu tiên của một nền tảng. Đây là khả năng cao nhất trong ba phương án và là phương án có thời hạn ngắn nhất, vì bảng cân đối kế toán của nền tảng sẽ hấp thụ phần chênh lệch trong một khoảng thời gian xác định.

Thứ hai là giá bán bu thực sự — nền tảng mua với mức giá đã đàm phán thấp hơn giá niêm yết và chuyển lại một phần lợi ích đó. Đây là phiên bản duy nhất của mức 30% ổn định, và cũng là phiên bản sẽ xuất hiện trong thỏa thuận đại lý bán lại thay vì trên một trang tiếp thị. Nếu mức giá này giữ vững qua tháng Một, thì đây chính là bản chất của nó.

Thứ ba là một sản phẩm mồi lỗ trên một mô hình đắt để phục vụ và rẻ để quảng cáo. Qwen4-Max kích hoạt 71 tỷ tham số mỗi token từ một xương sống 2,4 nghìn tỷ tham số — một chi phí phục vụ không giảm đi chỉ vì giá đã giảm. Một nền tảng bán ở mức 70% giá niêm yết để giành thị phần định tuyến là một mô hình kinh doanh hợp lý, nhưng đó là một mô hình kinh doanh có một mức sàn bên dưới.

Cả ba đều cho ra cùng một mức giá vào hôm nay, và không cái nào trong số đó có thể thấy được từ bảng giá niêm yết. Đó là giới hạn trung thực của những gì có thể đọc được trên một trang: con số là thật, còn phép tính đằng sau nó thì không được công bố.

Các giới hạn mà mức giá không mang theo.

Đây là phần quan trọng hơn cả mức giảm giá, và đó là phần mà một so sánh dẫn dắt bằng giá luôn bỏ sót. Thẻ của A​libaba dành cho Qwen4-Max không chỉ là tiền — đó là một tập hợp các giới hạn trần, và một nhà bán lại sao chép giá đáng tin cậy hơn nhiều so với sao chép bảng thông số kỹ thuật.

• Ngữ cảnh — A​libaba ghi nhận 1.000.000 token, với mức trần đầu vào 991.808 token ở chế độ không suy nghĩ, giảm xuống 983.616 ở chế độ suy nghĩ. Thẻ của bên thứ ba quảng cáo ngữ cảnh 1M token mà không có mức trần đầu vào, và đây mới là con số thực sự ràng buộc một tài liệu dài.

• Đầu ra — Alibaba giới hạn đầu ra không suy luận ở mức 131.072 token và đặt phần suy luận cộng với câu trả lời vào chung một ngân sách 262.144 token. Một trang chỉ quảng cáo "ngữ cảnh 1M" rồi dừng ở đó thì chẳng cho bạn biết gì về việc bạn có thể nhận lại được bao nhiêu câu trả lời.

• Phương thức — thẻ của nhà cung cấp là văn bản, hình ảnh và video ở đầu vào, văn bản ở đầu ra, với khả năng hiểu video gốc thay vì một bộ trích xuất được gắn thêm vào. Các danh mục của bên thứ ba thường cung cấp đường dẫn văn bản và hình ảnh trước, rồi đến đường dẫn video sau, và danh mục không phải lúc nào cũng cho biết bạn đang nhận được cái nào.

Không điều nào trong số này là lời buộc tội. Đó là khoảng cách thông thường giữa một mô hình và một bản triển khai của mô hình đó, và với một bản phát hành mới được bốn ngày, chỉ có đúng một nguồn cho mức trần — trang Model Studio của chính Alibaba — bởi chưa ai chạy bản triển khai thứ hai đủ lâu để công bố đối chiếu với nó.

Hệ quả thực tế: nếu bạn đang ước tính quy mô cho một tác vụ ngữ cảnh dài, hãy lấy con số ngữ cảnh từ nhà cung cấp và lấy giá từ bên rẻ nhất, nhưng đừng giả định chúng mô tả cùng một sản phẩm cho đến khi bạn đã gửi thử một yêu cầu 400.000 token và xem nó bị cắt ở đâu.

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.

Mức giảm giá 30% đáng giá bao nhiêu trong một lần chạy tác nhân

Giá token là đơn vị đo sai đối với một mô hình được bán cho các tác vụ agentic chạy dài, nên đây là phép tính trên một dạng bài toán mà Qwen4-Max được định vị rõ ràng — một coding agent giữ ngữ cảnh kho lưu trữ 200.000 token qua 40 lượt, phát ra 30.000 token suy luận và bản vá mỗi lượt. Giá niêm yết, không caching, mức giá Singapore ở cả hai phía.

• Theo bảng giá của Alibaba — 200.000 token đầu vào mỗi lượt với $1,50 mỗi triệu là $0,30, và 30.000 token đầu ra với $4,50 mỗi triệu là $0,135. Đó là $0,435 mỗi lượt, tức $17,40 cho 40 lượt.

• Ở thẻ của bên thứ ba — cùng một lượt là $0.21 đầu vào và $0.0945 đầu ra, $0.3045 mỗi lượt, hoặc $12.18 cho 40 lượt.

• Khoản tiết kiệm — $5.22 cho mỗi lần chạy 40 lượt, tức $0.13 mỗi lượt. Với khối lượng một nghìn lần chạy một tháng thì là $5,220; với khối lượng mười lần thì chỉ đủ tiền ăn trưa.

Giờ hãy thêm bộ nhớ đệm, vì đó là nơi khoản giảm giá được cộng dồn và cũng là nơi kinh tế học của chính Qwen4-Max thú vị nhất. A​libaba ghi nhận giá đọc bộ nhớ đệm là $0.075 mỗi triệu tại Singapore và ghi bộ nhớ đệm là $1.875 cho cửa sổ năm phút. Với 200.000 token được lưu trong bộ nhớ đệm mỗi lượt, chi phí đọc là $0.015, nên phía đầu vào của một lượt nóng giảm từ $0.30 xuống $0.015 — mức cắt hai mươi lần trước cả bất kỳ khoản giảm giá nào. Mức 30% là tiền thật, nhưng nó là 30% của một con số mà bộ nhớ đệm đủ tốt đã làm cho nhỏ đi. Trong một lượt chạy đọc lại một tiền tố ổn định, cấu trúc bộ nhớ đệm đáng giá khoảng hai mươi lần giá trị của khoản giảm giá nền tảng, và không có bảng giá nào quảng cáo điều đó.

Điểm mà nó ngừng hoạt động là một tiền tố thay đổi mỗi lượt. Một agent gọi công cụ mà ngữ cảnh chủ yếu là đầu ra công cụ mới sẽ không có lần trúng bộ nhớ đệm nào, trả phụ phí ghi mà chẳng được gì, và quay về mức giá đầu vào đầy đủ — đến lúc đó, 30% chính là toàn bộ khoản tiết kiệm và đó là đòn bẩy duy nhất còn lại.

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.

Câu hỏi về endpoint

Tất cả những điều trên đều giả định rằng bạn có thể gọi mô hình với mức giá đó, và tính đến ngày 19 tháng 11, đó chính là điều duy nhất mà trang này không giải quyết rõ.

Cùng một thẻ mô hình mang ba tuyên bố không thật sự ăn khớp với nhau. Nó liệt kê Qwen4-Max là serverless và đang khả dụng, nó công bố một bảng giá tính theo mức sử dụng đầy đủ, và nó hiển thị trạng thái “Sắp ra mắt” kèm lời nhắc đăng ký để thông báo cho bạn khi mô hình khả dụng. Bất kỳ hai trong số đó đều nhất quán. Cả ba cùng lúc là một trang đang trong giai đoạn chuyển đổi, và cách hiểu đúng là giá đã được công bố còn năng lực phục vụ thì chưa — một trạng thái bình thường với một mô hình mới bốn ngày tuổi và là một điều bất thường đối với một bảng giá khi nói thẳng ra như vậy.

Điều đó ảnh hưởng đến một quyết định theo một cách cụ thể. Một mức giá khuyến mãi bắt đầu trước khi endpoint tồn tại thì có mốc thời gian bắt đầu muộn hơn thông báo, hoặc không bắt đầu chút nào. Nếu bạn đang xây dựng mô hình chi phí quanh mức $1,05, hãy mô hình hóa nó như một khoản giảm giá mà bạn chưa thể kiểm thử, và giữ mức $1,50 của A​libaba làm con số mà ngân sách của bạn dựa vào để trụ vững.

OrcaRouter không phục vụ Qwen4-Max — mô hình này có thể truy cập qua API Model Studio của chính Alibaba và một số nền tảng bên thứ ba, và mức giảm giá ở trên thuộc về một trong số đó. Mô hình cùng dòng mà chúng tôi định tuyến là Qwen3.8-Max, theo giá niêm yết đã công bố, với 0% phụ phí được chuyển thẳng, đây cũng chính là cơ chế chuyển thẳng khiến thay đổi giá của nhà cung cấp xuất hiện tại đây ngay trong ngày nó được cập nhật ở thượng nguồn. Một API cho hơn 200 mô hình, một khóa, và một DSL định tuyến có thể gửi yêu cầu tới Qwen3.8-Max hoặc tới một mô hình từ phòng thí nghiệm khác mà không cần hợp đồng thứ hai — dạng thức hữu ích khi mô hình bạn thực sự muốn lại nằm trên một bảng giá mà chưa ai hoàn tất việc thiết lập.

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.

Cần theo dõi gì và vào khi nào

• Liệu mức 30% có trụ được qua tháng đầu tiên hay không. Lãi suất khuyến mãi và lãi suất bán buôn trông giống hệt nhau trong tuần đầu tiên và hoàn toàn khác nhau vào tháng Hai. Mốc thời gian cần kiểm tra là cuối tháng 12 năm 2026.

• Liệu trạng thái “Sắp ra mắt” có được gỡ bỏ hay không, và khi được gỡ thì các giới hạn nói gì. Một ngữ cảnh 1M được công bố mà không nêu giới hạn đầu vào tối đa không phải là cùng một sản phẩm như mức trần 991.808 token ở chế độ không suy luận của Alibaba, và sự khác biệt chỉ xuất hiện ở yêu cầu bị cắt bớt.

• Liệu một nền tảng thứ hai có công bố một bảng giá không phải bằng 0,70 lần của Alibaba hay không. Hai nền tảng cùng rơi vào một hệ số sẽ ngụ ý một mức giá bán buôn; hai nền tảng rơi vào các hệ số khác nhau sẽ ngụ ý hai ngân sách ra mắt, và cái rẻ nhất trong số đó là cái có ngày hết hạn sớm nhất.

• Liệu Alibaba có phản ứng hay không. Một nhà cung cấp chứng kiến sản phẩm chủ lực của mình giảm 30% trong vòng ba ngày thì hoặc rút mức giá bán buôn, hoặc điều chỉnh giá niêm yết của chính mình, và điều thứ hai là điều người mua mong muốn.

Dòng tít là flagship của A​libaba đang được bán với giá bằng 70% giá niêm yết, bốn ngày sau khi nó được phát hành chính thức. Câu hữu ích hơn là con số 30% ấy là con số nhỏ nhất trong câu chuyện — nhỏ hơn cấu trúc bộ nhớ đệm mà nó nằm trên, nhỏ hơn trần ngữ cảnh mà nó không nhắc tới, và nhỏ hơn khoảng cách giữa một bảng giá và một endpoint bạn có thể gọi. Hãy định giá khoản chiết khấu. Hãy lập ngân sách theo giá niêm yết.