Một thẻ tiêu đề được tạo ghi Qwen4-Max - thẻ đối tác, được đọc từng dòng, với ba con số được đặt thành dải giá: 1,413 USD đầu vào, 4,24 USD đầu ra và 0,071 USD đọc bộ nhớ đệm trên mỗi triệu token, được dán nhãn mức giá phạm vi toàn cầu, cùng với một chip ghi ngân sách chia sẻ 262.144.
Guides & Insights

Thẻ Đối tác Mới của Qwen4-Max Quảng cáo Bốn Năng lực. Ba trong số đó sẽ khiến bạn phải trả giá về sau.

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

A second platform is now selling Qwen4-Max, and its announcement reads like a product launch: a 1M-token context, text, image and video input, tool calling, structured output, reasoning, and $1.413 per million input tokens, $4.24 per million output, $0.071 per million cached. The model went generally available on A​libaba's own API on 16 November 2026, so a second seller two days later is fast but not surprising. What is worth reading closely is the feature list, because three of those four capabilities behave differently on a partner platform than they do on A​libaba's own, and the price is the clue that tells you why.

Start with the price, because everything else follows from it. $1.413 and $4.24 are not new numbers. They are A​libaba's Global-scope rates — Beijing, Hong Kong, Frankfurt, US Virginia and Tokyo — to three decimal places, sitting 5.8% below the Singapore card of $1.50 and $4.50. The cached rate is the tell: $0.071 is the Global figure, and Singapore's is $0.075. Nobody arrives at $0.071 independently. A partner card quoting the vendor's regional rate to the thousandth of a dollar is quoting a pass-through, and a pass-through means one deployment of the model with a second billing layer on top, not a second training run or a second set of kernels.

Sự phân biệt đó không phải là chuyện bắt bẻ câu chữ. Nó đặt ra kỳ vọng cho mọi dòng khác trên thẻ: giá được bảo toàn qua một lần chuyển tiếp, còn hành vi thì không, trừ khi đối tác đã thực hiện phần kỹ thuật để làm được điều đó.

A generated two-column comparison card titled Qwen4-Max - the advertised card, checked, with the partner-listing column reading 1M tokens context, output ceiling not stated, $1.413 input, $4.24 output, video input yes and reasoning dial not stated, against the vendor column reading 1M with 984k usable, 262,144 shared, $1.413 Global, $4.24 Global, video yes, and low, high and xhigh on the dial.

Tuyên bố một: ngữ cảnh 1M. Đúng, và vẫn là con số ít hữu ích nhất trên trang.

Every Qwen4-Max listing advertises a million tokens, and every one of them is technically right. A​libaba's own documentation gives 1,000,000 tokens of context with a 991,808-token input ceiling when thinking is off and 983,616 when it is on, and Artificial Analysis independently records a 984k-token context window. Those three numbers are the same 1M with different amounts of the truth exposed.

Thông số đáng quan tâm không phải là trần đầu vào mà là ngân sách đầu ra, thứ mà không có bảng thông số đối tác nào trong hạng mục này công bố. Qwen4-Max có ngân sách 262.144 token được chia sẻ giữa phần suy luận và câu trả lời cuối cùng, trong đó 131.072 token khả dụng khi tắt suy luận. Với đầu vào 900.000 token, điều đó để lại cho bạn tối đa 91.808 token phản hồi ở chế độ suy luận trước khi cửa sổ đóng lại — và các token suy luận cũng bị tính vào đó. Một nhóm đang tính toán một tác vụ ngữ cảnh dài theo kiểu "1M đầu vào, một ít đầu ra" là đang tính theo một con số mà nhà cung cấp chưa từng công bố.

Đây là nơi đầu tiên mà một danh sách đối tác có thể âm thầm khiến bạn tốn tiền. Một thẻ ghi 1M không nói lên điều gì về việc nền tảng có thực thi ngân sách chia sẻ hay không, liệu nó có cắt bớt phần lý luận thay vì câu trả lời hay không, hay liệu nó có âm thầm dừng ở 128K đầu ra hay không. Đó là những kiểu lỗi xuất hiện dưới dạng một đối tượng JSON bị cắt cụt lúc 2 giờ sáng, chứ không phải dưới dạng mã lỗi.

Khẳng định thứ hai: đầu vào video. Đây là dòng quyết định liệu mục niêm yết có phải là cổng thật hay không.

Đầu vào văn bản, hình ảnh và video là năng lực trong thông báo này khó làm giả nhất. Việc phục vụ video cho Qwen4-Max không phải chỉ là chấp nhận một URL rồi chuyển tiếp: các khung hình phải được lấy mẫu, mã hóa vào luồng token thị giác của mô hình ở độ phân giải và tốc độ khung hình mà mô hình đã được huấn luyện, và được tính phí dựa trên một ngữ cảnh vốn đã là tài nguyên khan hiếm. Một nền tảng chỉ mới đấu nối đường văn bản sẽ hoặc từ chối video ngay lập tức, hoặc chấp nhận nó rồi âm thầm làm giảm chất lượng.

Which is why the video row is the one to test first if you are evaluating a partner. A one-minute 30fps clip at a conservative sampling rate is thousands of visual tokens; drop it into a 700,000-token document prompt and you are at the input ceiling with a shorter answer than you planned for. Qwen4-Max's video support is real on A​libaba's own API — the model is documented for it, and Artificial Analysis records text, image and video as its modalities — but a partner card is an assertion, not a test result.

Đường xử lý hình ảnh có một phiên bản nhẹ hơn của cùng vấn đề. Xử lý độ phân giải, chia ô và chi phí token của ảnh chụp màn hình high-DPI đều là những quyết định của nền tảng, và không điều nào trong số đó xuất hiện trên bảng giá tính đầu vào theo mỗi triệu token.

Luận điểm thứ ba: gọi công cụ và đầu ra có cấu trúc. Nơi duy nhất mà một đối tác có thể tốt hơn nhà cung cấp.

Structured output and tool calling are where a pass-through platform can add real value, and it is worth saying so plainly because the rest of this piece is cautious. A​libaba documents structured output, parallel tool calling, prefix completion, web search and both explicit and implicit caching across four protocol surfaces — O​penAI Chat Completions, O​penAI Responses, A​nthropic Messages and DashScope. A partner that exposes only the O​penAI shape is offering less surface, not a worse model.

Nhưng một đối tác đã xây dựng bộ giải mã ràng buộc theo schema ở lớp trên có thể mang lại điều mà endpoint của chính nhà cung cấp không đảm bảo: JSON phân tích cú pháp ngay lần thử đầu tiên, mọi lúc, không cần vòng lặp thử lại. Với một pipeline trích xuất trường từ hóa đơn với khối lượng lớn, mỗi lần thử lại được tránh đồng nghĩa với việc tiết kiệm 2× token đầu vào, và điều đó làm lu mờ mức chênh lệch khu vực 5.8% giữa bảng giá Singapore và Global.

Vậy câu hỏi cần đặt ra về khả năng này không phải là "có được hỗ trợ đầu ra có cấu trúc hay không" — mọi bản liệt kê đều nói là có — mà là "đó là giải mã có ràng buộc hay chỉ là một chỉ dẫn trong prompt". Cái đầu là một bảo đảm; cái sau là một gợi ý mạnh nhưng cứ năm mươi lần thì hỏng một lần, thường là ở yêu cầu dài nhất và tốn kém nhất trong lô.

Luận điểm thứ tư: lập luận. Năng lực chuyển giao kém nhất, và là năng lực không ai định giá.

Qwen4-Max được phát hành với tính năng suy luận được bật và mức nỗ lực mặc định là high. Núm điều chỉnh chấp nhận low, high và xhigh, ngân sách suy nghĩ mặc định là 131.072 token, và max_completion_tokens mặc định là 262.144 trong chế độ suy nghĩ. Một yêu cầu không đặt bất kỳ giá trị nào trong ba giá trị đó sẽ mặc định nhận cấu hình đắt đỏ, và chính mặc định đó là nguồn gốc của phần lớn hóa đơn: Artificial Analysis đo được 104.940 token đầu ra cho mỗi tác vụ chỉ mục, trong đó 68.914 là suy luận, so với mức trung vị của lĩnh vực là 65,1 triệu token đầu ra cho toàn bộ bộ chín bài đánh giá. Qwen4-Max đã tạo ra 127 triệu.

On a partner platform, three things can happen to that dial and only one of them is visible. The reasoning effort parameter can be passed through unchanged, in which case everything above holds. It can be accepted and ignored, in which case your low effort request bills like a high one. Or it can be rejected, in which case you find out with a 400 and adjust. The first is fine, the third is annoying, and the second is the one that quietly doubles a monthly invoice — and it is the most common, because passing an unknown field through to a vendor API is often the default behaviour of an O​penAI-compatible proxy.

Đây cũng là nơi tuyên bố về giá bị thử thách gay gắt nhất. Ở mức $1.413 / $4.24, một đối tác đang tính theo mức Global của nhà cung cấp, vì vậy giá token là trung thực. Việc số lượng token có trung thực hay không phụ thuộc vào một tham số không xuất hiện trên thẻ.

Thông báo về một "sự hợp tác" cho bạn biết điều gì, và không cho biết điều gì

The framing of this launch — a partnership with A​libaba's Qwen team rather than a resale — is worth taking at face value for what it covers and not a word more. It plausibly covers early access to weights, capacity allocation and a supported identifier. It does not cover the things that decide your bill: the thinking budget, the input ceiling in each mode, the video sampling policy, the constrained-decoding guarantee, or which regions the deployment sits in.

There is a testable version of this. Ask the platform for its input ceiling in thinking mode. A​libaba publishes 983,616. If the answer is "1M", the platform has not read the vendor's documentation, and the rest of its spec sheet deserves the same scepticism. That single question separates a partner that has ported the model from one that has ported the price.

Dữ liệu độc lập giờ đã tốt hơn so với lúc ra mắt, điều này có ích. Artificial Analysis cho {{1}}Qwen4-Max{{/1}} 43 điểm trên Intelligence Index v5.0.1 — mức trung vị cho các mô hình tương đương — với $3.27 mỗi tác vụ chỉ số hoàn thành, 32.1 phút mỗi tác vụ, 54.5 token đầu ra mỗi giây và 155.4 giây để có token trả lời đầu tiên. Đó là một đánh giá độc lập thực sự về một mô hình mới hai ngày tuổi, và đó là con số để trích dẫn đối chiếu với bất kỳ biểu đồ nào của nhà cung cấp. Điều nó không cho bạn biết là liệu một nền tảng đối tác có tái tạo được kết quả đó hay không: trình theo dõi đo mô hình trên một endpoint, và một triển khai thứ hai với cách gom lô khác, kernel khác hoặc mặc định suy luận khác có thể chênh lệch vài điểm và chi phí cao gấp nhiều lần.

A screenshot of the Artificial Analysis page for Qwen4 Max captured 18 November 2026 with an English interface, showing the Alibaba provider tag and a November 2026 release, an Intelligence Index of 43, output speed of 55 tokens per second, 185.4 seconds to first token, a 984k-token context window, and a summary line describing the model as below average in intelligence, well priced, notably slow per task and very verbose.

Cách mua cái này mà không phải đoán mò

OrcaRouter does not host Qwen4-Max. The model is reachable through A​libaba's own Model Studio API and several third-party platforms, and that is the honest description of the situation — no vendor-hosted route on this platform, so no claim to one. What OrcaRouter does provide is the comparison point: 200-plus model identifiers behind one API at 0% markup, provider list price passed through, so the $1.50 Singapore card and the $1.413 Global card are the same numbers here as on A​libaba's own pricing page, and a vendor price change is live the same day rather than at the next billing cycle.

A screenshot of OrcaRouter's models catalogue captured 18 November 2026 with an English interface, showing the header '226 models - 17 providers - one API key, one bill', the filter rail for input modalities, context length, input price, status, access tier, series, supported parameters, privacy and inference region, and the first card visible being kimi/kimi-k3.1-pro next to a two-step 'how to call any model' panel.

Đối với một nhóm đang cân nhắc xem một mục niêm yết đối tác có đáng để áp dụng hay không, cách thiết lập hữu ích là so sánh song song thay vì một bài đánh giá. Hãy gửi cùng 50 yêu cầu — một tài liệu dài kèm video, một lô trích xuất có cấu trúc, một chuỗi gọi công cụ dạng tác tử, một ít nỗ lực cho công việc phân loại — đến endpoint riêng của nhà cung cấp và đến endpoint của đối tác, rồi so sánh token bị tính phí, không phải token được trả về. Hai con số chỉ lệch nhau đúng khi một tham số đang bị bỏ qua, và DSL định tuyến chính là thứ cho phép bạn giữ đối tác cho những khối lượng công việc mà nó thực sự tốt hơn và tự động quay về phương án dự phòng cho những trường hợp mà nó không tốt hơn.

The announcement is accurate. The price on it is A​libaba's own Global rate, the modality list matches the vendor's documentation, and a partner that quotes a cache read to three decimal places has clearly done the arithmetic. What it leaves out is the part you cannot verify from a card: a shared 262,144-token budget that shrinks the usable window, a reasoning dial that decides most of the invoice, a video path that is either real engineering or an accepted field, and a structured-output promise that is either constrained decoding or a wish. Those four things are worth more of your evaluation time than the 5.8% the partner price saves.