Một thẻ tiêu đề được tạo ghi Qwen4-Max rời bản xem trước, với phụ đề Thẻ giá tính theo mức sử dụng, và ngân sách đầu ra đã bị thu hẹp, cùng bốn chip ghi $1.50 vào / $4.50 ra trên 1M, ngữ cảnh 1.000.000 token, ngân sách chia sẻ 262.144 và Sáu khu vực.
Guides & Insights

Qwen4-Max rời bản Xem trước: Thẻ giá tính theo mức sử dụng và hạn mức đầu ra bị thu hẹp

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 chuyển từ bản xem trước theo gói token sang mô hình tính phí theo mức sử dụng vào ngày 16 tháng 11 năm 2026, và con số cần đọc đầu tiên không phải là điểm chuẩn — mà là 1,50 USD đầu vào và 4,50 USD đầu ra trên mỗi triệu token tại Singapore, so với 2,00 USD và 6,00 USD của Qwen3.8-Max. Đó là mức giảm thẳng 25% ở cả hai phía của đồng hồ tính phí. Nhưng cũng chính lần chuyển đổi đã công bố một bảng giá thật lại thu hẹp ngân sách dùng chung cho phần suy nghĩ và câu trả lời từ 393,216 token trên bản xem trước xuống 262,144 token khi phát hành chung, đưa mô hình ra khỏi gói tín dụng và sang tính phí theo token ở sáu khu vực, đồng thời chỉ để suy luận theo lô khả dụng ở đúng một trong số đó. Nếu bạn đang chạy bản xem trước và coi ngày 16 tháng 11 chỉ là thủ tục, thì những thay đổi về thông số kỹ thuật mới là phần sẽ gây khó chịu, chứ không phải mức giảm giá.

Sự chuyển đổi ngày 16 tháng 11 thực sự đã thay đổi điều gì

Bản xem trước là một thỏa thuận hấp dẫn và có phạm vi hẹp: chỉ tín dụng Token Plan, chỉ Singapore và thời điểm ngừng cung cấp được ghi rõ là 24:00 ngày 25 tháng 11 năm 2026 (UTC+8). Việc phát hành chung thay thế cả ba ràng buộc đó và bổ sung hai ràng buộc mà không ai yêu cầu. Mã định danh mô hình giờ là qwen4-max; các chuỗi bản xem trước qwen4-max-preview và qwen4.0-max-preview là những chuỗi có ngày hết hạn, vì vậy một cấu hình vẫn trỏ đến một trong hai chuỗi này đang chạy trên đồng hồ sẽ kết thúc sau chín ngày.

• Thanh toán — tính phí theo token ở sáu khu vực, so với tín dụng Token Plan ở một khu vực. Hạn mức miễn phí 1 triệu token trên thẻ Singapore có hiệu lực trong 90 ngày kể từ ngày kích hoạt, phát hành mô hình hoặc phê duyệt, tùy theo mốc nào muộn hơn.

• Khu vực — Bắc Kinh (Trung Quốc đại lục), Singapore (Quốc tế), cùng Frankfurt, US Virginia, Tokyo và Hồng Kông đều thuộc phạm vi Toàn cầu. Bản xem trước chỉ có Singapore.

• Ngân sách đầu ra dùng chung — 262,144 token kết hợp phần suy nghĩ và câu trả lời cuối cùng tại GA, so với 393,216 trên thẻ xem trước. Một phần ba dư địa đã mất đi, và phần mất đi đúng là phần mà các lượt chạy agent dài tiêu tốn nhanh nhất.

• Đầu ra không suy luận — giới hạn ở 131.072 token, với trần đầu vào là 991.808 token. Ở chế độ suy luận, trần đầu vào giảm xuống còn 983.616, vì phần lý luận và câu trả lời cùng lấy từ một hạn mức 262.144 token.

• Suy luận theo lô — chỉ được hỗ trợ ở Bắc Kinh và không được hỗ trợ ở năm khu vực còn lại. Bản xem trước không có luồng theo lô nào cả, vì vậy đây là năng lực mới chứ không phải là thoái lui, nhưng nó mang tính khu vực theo cách mà tài liệu tiếp thị không nhấn mạnh trước.

• Bề mặt giao thức — OpenAI Chat Completions, OpenAI Responses, Anthropic Messages và DashScope, cả bốn, với đầu ra có cấu trúc, gọi công cụ song song, hoàn thành tiền tố, tìm kiếm web, và cả bộ nhớ đệm tường minh lẫn ẩn. Đầu vào chấp nhận văn bản, hình ảnh và video; đầu ra chỉ là văn bản.

Bảng giá, được trình bày theo cách hóa đơn được gửi đến

Alibaba công bố hai thẻ khác nhau cho cùng một mô hình, và khác biệt này không nhỏ đến mức có thể bỏ qua khi bạn đang chọn phạm vi triển khai.

• Singapore, đầu vào và đầu ra — $1.50 / $4.50 mỗi triệu token, đồng giá trên toàn bộ cửa sổ 1,000,000 token, không phân bậc tại 32K hoặc 128K.

• Ở mọi nơi khác, đầu vào và đầu ra — $1.413 / $4.24 mỗi triệu token, không đổi trong cùng khung thời gian. Cùng mô hình, cùng giới hạn, rẻ hơn Singapore 5,8% trên mỗi token.

• Ghi bộ nhớ đệm, {{1}}Singapore{{/1}} — $1.875 mỗi triệu cho lần ghi 5 phút, $3.00 cho lần ghi 1 giờ. Nơi khác: $1.767 và $2.827.

• Đọc bộ nhớ đệm, Singapore — 0,075 USD mỗi triệu. Nơi khác: 0,071 USD. Đó là 5% mức giá đầu vào của Singapore, và là đòn bẩy lớn nhất đối với khối lượng công việc của tác nhân ngữ cảnh dài.

Batch, chỉ tại Bắc Kinh — Batch File ở mức $0.707 / $2.12 mỗi triệu, Batch Chat ở mức $1.413 / $4.24. Chỉ Batch File có ưu đãi giảm 50% cho batch; Batch Chat được niêm yết theo mức giá thời gian thực, vì vậy "batch" trong tên endpoint không phải là cam kết về giá.

So với Qwen3.8-Max, cùng trang — $2.00 / $6.00 tại Singapore, $1.65 / $4.951 ở các khu vực Toàn cầu. Qwen4-Max rẻ hơn 25% tại Singapore và rẻ hơn 14,4% ở những nơi khác, vì gói không phải Singapore của mẫu cũ vốn đã được giảm giá.

Con số 14,4% mới là con số quan trọng nếu bạn đang vận hành ở Frankfurt hoặc Virginia: mức giảm so với thế hệ trước ở đó nhỏ hơn so với con số tiêu đề ở Singapore gợi ý, và tuyên bố của nhà cung cấp về chi phí trung bình mỗi tác vụ giảm 62% đang gánh phần lớn lập luận mà chỉ riêng bảng giá theo token không thể hiện được.

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.

Một ví dụ cụ thể, để dòng cache không còn trừu tượng nữa

Hãy lấy một phần đầu tài liệu dài 400.000 token được xem xét qua ba lượt, với 8.000 token đầu ra mỗi lượt, ở chế độ không suy nghĩ, theo mức giá Singapore. Đây là phép tính trên giá niêm yết đã công bố, không phải một lần chạy có đo đạc thực tế.

• Lượt một — tiền tố được ghi vào bộ nhớ đệm với mức $1,875 mỗi triệu, tức $0,75, cộng với 8.000 token đầu ra ở mức $4,50 mỗi triệu, tức $0,036. Tổng cộng $0,786.

• Lượt hai và lượt ba — tiền tố được đọc với giá $0.075 mỗi triệu, $0.03 mỗi lượt, cộng thêm $0.036 đầu ra như trên. Mỗi lượt $0.066.

• Ba lượt chạy có bộ nhớ đệm — $0.918. Cùng ba lượt đó nhưng trả đầy đủ chi phí đầu vào mỗi lần — $1.908. Phần tiền tố được đọc hai lần với chi phí thấp hơn giá của một lượt chạy mới.

• Lượt thứ tư — bộ nhớ đệm thắng với biên độ lớn hơn sau mỗi lần bạn đọc lại, đúng với hình thái của một phiên chạy tác tử dài, khi một system prompt, lược đồ công cụ và tập tài liệu cố định được giữ nguyên trước một câu hỏi luôn dịch chuyển.

Điểm hòa vốn gần như đến ngay lập tức: phần phụ trội ghi cache so với mức giá đầu vào thông thường là $0.375 mỗi triệu token ở Singapore, nên một prefix được cache sẽ tự hoàn vốn ngay lần đọc lại đầu tiên. Nơi điều này ngừng hiệu quả là một prefix thay đổi mỗi lượt — bạn trả phần phụ trội ghi mà không bao giờ thu lại được, và cửa sổ ghi mặc định 5 phút đủ ngắn để một lệnh gọi công cụ chậm có thể làm nó hết hạn.

Ba giá trị mặc định quyết định hóa đơn trước khi câu lệnh của bạn kịp làm vậy

Qwen4-Max được xuất xưởng với tính năng suy luận được bật và đặt ở mức cao. Đó là một mặc định hợp lý cho một mẫu máy hàng đầu, nhưng lại tốn kém đối với một bộ phân loại.

• Mức nỗ lực mặc định là high — reasoning_effort chấp nhận low, high và xhigh; nếu bỏ qua, bạn sẽ nhận high. thinking_budget cũng mặc định là 131.072, còn max_completion_tokens là 262.144 ở chế độ thinking. Một yêu cầu không đặt gì đã dự trữ ngân sách đầu ra nhiều hơn mức mà hầu hết công việc sẽ dùng.

• Không có mức medium — Chat Completions và DashScope ánh xạ minimal thành low, medium thành high, và max thành xhigh. Trên đường Anthropic Messages, tham số là output_config.effort và ánh xạ theo cùng cách. Yêu cầu medium tốn chi phí bằng high.

• preserve_thinking mặc định là true — lý luận trước đó được đưa vào ngữ cảnh trong các cuộc gọi nhiều lượt. Điều đó làm phồng phía đầu vào của mỗi lần gọi tiếp theo và đồng thời tăng khả năng tiền tố vẫn khớp với bộ nhớ đệm. Trong một vòng lặp agent dài, hai hiệu ứng phần nào triệt tiêu nhau; trong một cuộc trò chuyện ngắn thì không, và bạn đang phải trả tiền để đọc lại những suy nghĩ bạn sẽ không bao giờ dùng.

• Mặc định lấy mẫu là 1.0 / 0.95 / 20 cho thinking và 0.7 / 0.8 / 20 cho non-thinking đối với temperature, top_p và top_k, với presence_penalty ở mức 1.5 khi ngoài chế độ thinking. Việc đặt temperature một cách tường minh mà không đụng đến effort sẽ thay đổi hình dạng đầu ra nhưng không thay đổi hóa đơn.

Những gì nhà cung cấp nói đã được cải thiện, và những gì chưa ai kiểm tra

Mọi con số trong phần này đều là của riêng Alibaba và chưa được tái lập bên ngoài phòng thí nghiệm. Tính đến ngày 16 tháng 11, không có mục chỉ số độc lập nào cho Qwen4-Max, vì vậy hãy coi so sánh này là một tuyên bố thay vì một phép đo.

• Work360 — 52,69 so với 47,74 của Qwen3.8-Max, trên hệ thống phân loại do nhà cung cấp xây dựng: 26 lĩnh vực Tier-1, 182 Tier-2, 721 Tier-3.

• Hiệu quả token — ít hơn khoảng 24% token ở mức nỗ lực xhigh và 35% ở mức high trên Work360; khoảng 48% và 49% trên Terminal-Bench 4.0. Đây là tuyên bố cộng hưởng với việc giảm giá, và là điều nên kiểm thử trên trace của chính bạn trước tiên, vì mức tiết kiệm token phụ thuộc vào dạng khối lượng công việc.

• Chi phí trung bình mỗi tác vụ — từ $4,43 xuống $1,67 trên Work360, mức giảm 62%. Con số đó nhân một mức giảm giá với một tuyên bố tiết kiệm token; không yếu tố nào trong hai được xác minh độc lập.

• Chất lượng mô hình nền tảng — thấp hơn 5% đến 13% bit trên mỗi byte so với Qwen3.8-Max-Base trong khi kích hoạt ít hơn 25% tham số, được đo nội bộ trên kiến thức, mã, hỏi đáp và STEM. Nhà cung cấp lưu ý rằng hai trong số các checkpoint được so sánh đã được huấn luyện sau, điều này làm yếu đi cách định khung mô hình nền tảng.

• Lập trình an toàn — Tỷ lệ đạt ở cấp độ hàm của Secure Code Bench lần gần nhất đã tăng từ 22,0% lên 31,8%, và tỷ lệ mã đồng thời an toàn ở cấp độ hàm, tệp và kho lưu trữ đã tăng từ 8% lên 14,7%.

Kiến trúc đằng sau tuyên bố về hiệu quả là một xương sống mixture-of-experts thưa với 2,4 nghìn tỷ tham số, trong đó 71 tỷ tham số được kích hoạt trên mỗi token, cộng thêm 328 tỷ tham số nữa trong các tham số embedding N-gram được tra cứu thay vì nhân. Ba lớp Gated DeltaNet nén lịch sử thành trạng thái kích thước cố định cho mỗi lớp Qwen Sparse Attention, lớp này chọn ngữ cảnh ở độ chi tiết khối vi mô thông qua một bộ chỉ mục nhẹ, và bốn nhánh dư song song với các cổng đọc và ghi động giúp ổn định ngăn xếp sâu. Đó là một cách lý giải hợp lý cho việc vì sao chi phí ngữ cảnh dài lại giảm. Nhưng nó vẫn chỉ là một cách lý giải.

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.

Thử nó mà không chuyển một đường dẫn sản xuất sang nó

Điểm khó xử của đợt ra mắt này là mô hình thực sự mới, các benchmark chưa được kiểm chứng độc lập, và bảng giá đủ hấp dẫn đến mức sẽ có người muốn đưa nó vào production ngay trong tuần này. Ba sự thật đó cho thấy nên áp dụng chiến lược staging thay vì migration.

Qwen4-Max có thể truy cập qua Model Studio API của chính Alibaba và một số nền tảng bên thứ ba; tính đến ngày 16 tháng 11, nó chưa có trong danh mục của OrcaRouter. Qwen3.8-Max thì có, ở mức $2.00 đầu vào và $6.00 đầu ra cho mỗi triệu token tại Singapore — giá niêm yết của nhà cung cấp được chuyển nguyên với 0% markup, vì vậy khoảng cách 25% so với Qwen4-Max là khoảng cách thực chứ không phải biên lợi nhuận định tuyến. Điều đó khiến phép thử trung thực trở nên rẻ: giữ mô hình hiện tại trên khóa bạn đã có, gửi một phần lưu lượng shadow đến mô hình mới thông qua nhà cung cấp, và so sánh chi phí trên mỗi tác vụ hoàn thành thay vì chi phí trên mỗi token. Cách chính nhà cung cấp diễn đạt — từ $4.43 xuống $1.67 — là con số chi phí trên mỗi tác vụ, và chi phí trên mỗi tác vụ là phép so sánh duy nhất mà trong đó tuyên bố về hiệu quả token và việc giảm giá cùng nằm trên một trục.

Đối với các nhóm đã định tuyến qua OrcaRouter, chi phí chuyển đổi thường cản trở loại đánh giá này chính là hợp đồng thứ hai và SDK thứ hai. Một API cho hơn 200 mô hình, tính năng chuyển đổi dự phòng tự động giữa các nhà cung cấp và một DSL định tuyến kết hợp nhiều mô hình vào một lệnh gọi duy nhất nghĩa là trạng thái hỗn hợp — mô hình hiện hành xử lý khối lượng lớn, mô hình ứng viên xử lý một phần — chỉ là một thay đổi cấu hình thay vì một tích hợp. Đối với một mô hình chưa được chứng minh, đó là sự khác biệt giữa một bản chứng minh hai tuần và một bản chứng minh hai ngày, và tính năng chuyển đổi dự phòng chính là thứ ngăn bản chứng minh đó biến thành sự cố ngừng dịch vụ khi mô hình ứng viên có một buổi chiều tồi tệ.

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.

Cần làm gì trước ngày 25 tháng 11

Nếu bạn đang dùng bản preview, hạn chót không phải là hạn mềm: qwen4-max-preview được tài liệu ghi nhận sẽ ngừng hoạt động lúc 24:00 ngày 25 tháng 11 năm 2026 UTC+8, và định danh GA là qwen4-max với các giới hạn khác. Hãy di trú chuỗi, sau đó kiểm tra lại hai điều mà sẽ không báo lỗi khi chúng sai — bất kỳ mã nào từng giả định ngân sách chia sẻ 393.216 token nay chỉ còn 262.144, và bất kỳ tác vụ nào từng dựa vào tín dụng Token Plan nay được tính phí theo từng token.

Nếu bạn đang cân nhắc có nên áp dụng hay không, thì lý do để chờ đợi đã mỏng hơn so với một tuần trước, bởi thẻ tính phí theo mức sử dụng và giá bộ nhớ đệm giờ đã được công bố, và mức giá thực sự thấp hơn thế hệ trước ở mọi khu vực. Lý do để thận trọng là ngân sách đầu ra dùng chung, đường xử lý theo lô chỉ có ở Bắc Kinh, và một bộ đánh giá chuẩn do chính nhà cung cấp viết. Hãy chạy shadow slice, tính giá theo từng tác vụ hoàn thành, và để hai tuần tới dựa trên dấu vết của chính bạn quyết định — bằng chứng đó sẽ đáng giá hơn một 52.69 trên một hệ thống phân loại mà không ai trong chúng ta có thể kiểm toán.

Còn một điều nữa sắp đến sẽ lại thay đổi bài toán: Alibaba nói rằng các mô hình Qwen4 nhỏ hơn sẽ được mã nguồn mở trên cùng dòng phát triển, mà theo lịch sử điều đó có nghĩa là mức sàn giá của phân khúc này sẽ dịch chuyển trong vòng một quý. Bất cứ điều gì bạn cam kết ở mức giá hôm nay cũng nên là cam kết mà bạn có thể rút lui.