
Qwen4-Max đã được đưa lên nơi khác chỉ trong vòng một ngày. Ngân sách suy nghĩ mới là phần sẽ không thể port sang.
- GoogleMỚIGoogle: Gemini 4 Carbon2026-11-10$2.00 / $10.00 trên 1 triệu token · 90 tok/s
- AnthropicMỚIAnthropic: Claude Fable 5.22026-11-09$8.00 / $40.00 trên 1 triệu token · 97 tok/s
- orcaMỚIOrca: OrcaC2 1.02026-11-0711 tok/s
- OrcaMỚIOrcaCyber: GLM 5.3 Abliterated / Uncensored2026-11-04$3.00 / $5.00 trên 1 triệu token · 88 tok/s
- OrcaMỚIOrcaCyber: Hy4 Abliterated / Uncensored2026-11-04$0.80 / $1.60 trên 1 triệu token · 133 tok/s
- OrcaMỚIOrcaCyber: Kimi K3.1 Pro Abliterated / Uncensored2026-11-04$4.00 / $20.00 trên 1 triệu token · 86 tok/s
- OrcaOrcaCyber: MiniMax M3.1 Flash Abliterated / Uncensored2026-10-29$0.80 / $1.60 trên 1 triệu token · 125 tok/s
- OrcaOrcaCyber: GLM 5.3 Flash Abliterated / Uncensored2026-10-27$0.80 / $1.60 trên 1 triệu token · 67 tok/s
- OrcaOrcaCyber: Qwen3.8 Flash Next Abliterated / Uncensored2026-10-26$0.80 / $1.60 trên 1 triệu token · 92 tok/s
- OrcaOrcaCyber: MiMo V2.6 Flash Abliterated / Uncensored2026-10-26$0.80 / $1.60 trên 1 triệu token · 44 tok/s
- MoonshotMoonshotAI: Kimi K3.1 Pro2026-10-2447Trí tuệ
- OrcaOrcaCyber: DeepSeek V4.1 Flash Abliterated / Uncensored2026-10-23$0.80 / $1.60 trên 1 triệu token · 193 tok/s
- minimaxMiniMax: M3.1 Flash2026-10-1929Trí tuệ
- OrcaOrca: OrcaCyber Ultra 1.02026-10-17$5.00 / $10.00 trên 1 triệu token · 134 tok/s
- deepseekDeepSeek: DeepSeek V4.1 Flash 10172026-10-1733Trí tuệ
- DeepSeekDeepSeek: DeepSeek V4.1 Flash2026-10-1740Trí tuệ
- OrcaOrca: OrcaCyber Zero 1.52026-10-10$3.00 / $7.50 trên 1 triệu token · 126 tok/s
- openaiOpenAI: GPT-6.1 Sol2026-09-2955Trí tuệ
- anthropicAnthropic: Claude Sonnet 5.52026-09-2855Trí tuệ
- typesafeTypeSafe: Jev 1.132026-09-24$0.04 / $0.00 trên 1 triệu token · 185 tok/s
Qwen4-Max đã chính thức được cung cấp rộng rãi vào ngày 16 tháng 11 năm 2026, và chỉ trong vài giờ, một nền tảng thứ hai đã quảng cáo nó ngay từ ngày đầu tiên — ngữ cảnh 1 triệu token, đầu vào văn bản, hình ảnh và video gốc, hướng đến lập trình, công việc văn phòng và các phiên chạy tác nhân dài hạn. Đó là hình thức thông thường của một đợt ra mắt mô hình đóng vào năm 2026: Alibaba không công bố checkpoint nào cho Qwen4-Max, nên bất kỳ ai bên ngoài sáu khu vực triển khai của hãng chỉ có thể tiếp cận mô hình thông qua một nền tảng thuê lại nó từ Alibaba. Điều không bình thường, hoặc ít nhất là không được bàn tới, là có bao nhiêu phần trong bản hướng dẫn vận hành của mô hình bị thất lạc trong khâu trung chuyển đó. Bảng giá được truyền đạt nguyên vẹn. Con số ngữ cảnh nổi bật được truyền đạt nguyên vẹn. Phép tính quyết định liệu yêu cầu của bạn có vừa hay trả về một lần cắt cụt thì hoàn toàn không được truyền đạt.
Niêm yết day-zero thực sự cho bạn biết điều gì
Hai điều, không điều nào liên quan đến benchmark. Thứ nhất, mô hình đang được bán cho nghiên cứu và công việc agent thay vì chat — nội dung quảng bá ngày ra mắt mở đầu bằng các lượt chạy agent dài hạn và liệt kê video như một phương thức đầu vào, đó là mô tả loại tải công việc mà nền tảng định hướng tới, chứ không phải nhắc lại tiêu đề của chính Alibaba. Thứ hai, Qwen4-Max có thể thuê nhưng không thể mang đi: không có bản tải xuống, nên mọi endpoint phục vụ nó đều đang phục vụ triển khai của Alibaba, và mọi trang của bên thứ ba mô tả nó đều là bản tóm tắt tài liệu của Alibaba. Tóm tắt các bảng thông số kỹ thuật chính là nơi sinh ra lỗi tích hợp.
Bảng giá là phần dễ và đáng để nêu một lần. Tại Singapore, Alibaba niêm yết Qwen4-Max ở mức $1.50 mỗi triệu token đầu vào và $4.50 mỗi triệu token đầu ra, với đầu vào được lưu đệm ở $0.075 và ghi bộ đệm ở $1.875 cho cửa sổ năm phút hoặc $3.00 cho một giờ. Các phạm vi triển khai Global — Bắc Kinh, Hồng Kông, Frankfurt, Nhật Bản và US Virginia — có giá thấp hơn một chút ở mức $1.413 đầu vào, $4.24 đầu ra và $0.071 cho một lần đọc bộ đệm. Đây là một mức giá duy nhất xuyên suốt đến giới hạn ngữ cảnh: không phụ phí ngữ cảnh dài, không có ưu đãi theo lô nào để phải săn tìm, vì mô hình này hoàn toàn không cung cấp suy luận theo lô.

Ba con số không đi kèm với mô hình
"1M context" là con số trên mọi danh sách niêm yết. Trang mô hình của Alibaba, được cập nhật lần cuối vào ngày ra mắt, cụ thể hơn, và khoảng cách giữa con số tiếp thị và những con số vận hành chính là nơi các tích hợp bị phá vỡ:
• Độ dài ngữ cảnh — 1.000.000 token, là mức trần cho toàn bộ yêu cầu chứ không phải ngân sách bạn có thể dùng cho đầu ra
• Đầu vào tối đa, không suy luận — 991,808 token, vì 8,192 trong cửa sổ được giữ lại cho phản hồi
• Đầu vào tối đa, tư duy — 983.616 token, thêm 8.192 token được giữ lại cho khối suy luận
• Đầu ra tối đa, không suy nghĩ — 131.072 token
• Suy nghĩ kết hợp cộng với câu trả lời, chế độ suy nghĩ — 262.144 token, được chia sẻ giữa vết suy luận và câu trả lời hiển thị
• Hạn mức suy nghĩ mặc định — 131.072 token, với reasoning_effort mặc định là high khi không có tham số nào trong hai được đặt
Dòng thứ năm mới là dòng gây đau đầu. Một nhóm định cỡ công việc dựa trên mức trần đầu ra 262.144 token đã được tài liệu hóa, rồi chạy công việc đó ở chế độ suy nghĩ, sẽ thấy câu trả lời hiển thị dừng ở một độ dài chẳng liên quan gì đến việc mô hình còn bao nhiêu điều để nói, bởi vì dấu vết lập luận vẫn đang rút từ cùng một nguồn dự trữ. Con số 131.072 là con số đầu ra an toàn. Con số 262.144 là một ngân sách dùng chung, và sự khác biệt giữa hai cách hiểu đó chính là sự khác biệt giữa một pipeline vận hành được và một sự cố hằng tuần.
Có một chút an ủi nhỏ: điều này cũng giải thích một sự khác biệt mà bạn sẽ thấy trong các danh sách thông số kỹ thuật của bên thứ ba, vốn ghi cửa sổ ngữ cảnh 984k. Đó không phải là một mô hình khác và cũng không phải là bản hạ cấp. Đó là mức trần đầu vào của chế độ suy nghĩ, 983.616 được làm tròn, và đó là con số trung thực để bạn tính toán dựa vào nếu bạn gọi mô hình với tính năng suy luận được bật — vốn là mặc định.
Việc ánh xạ lại effort chính là chỗ mà một client mang hình dạng OpenAI bị mất đi một cấp
Qwen4-Max cung cấp ba mức suy luận, không phải năm: low, high và xhigh, mặc định là high. Gọi nó thông qua một client tương thích OpenAI và một chuỗi effort ngoài phạm vi sẽ được quy đổi thay vì bị từ chối — bảng của Alibaba ánh xạ minimal thành low, medium thành high và max thành xhigh. Thông qua định dạng Anthropic Messages, medium trở thành high và max trở thành xhigh.
Cả hai cách ánh xạ đều có thể biện minh và cả hai đều im lặng. Một pipeline được tinh chỉnh theo một mô hình năm mức mà yêu cầu medium ở đây sẽ nhận được suy luận với nỗ lực cao: nhiều token hơn, độ trễ cao hơn, chi phí nhiều hơn, và không có lỗi nào báo cho bạn biết điều đó đã xảy ra. Một pipeline yêu cầu max với kỳ vọng đây là đỉnh của một thang năm bậc sẽ nhận được xhigh, thứ tình cờ là đỉnh của thang này — vậy nên đầu ra trông có vẻ đúng và chỉ có hóa đơn là không đồng tình. Cách sửa là một dòng cho mỗi route: ghim mức bạn thực sự đã đo, theo từ vựng của nhà cung cấp, và đặt assert cho nó trong staging. Bất cứ thứ gì truyền thẳng một chuỗi nỗ lực chưa được ánh xạ tới một mô hình có thang ngắn hơn sẽ bị lệch, và nó sẽ lệch theo hướng chi nhiều tiền hơn.

Các con số ra mắt nói lên điều gì, và không nói lên điều gì
Đánh giá khi ra mắt của Alibaba, do nhà cung cấp báo cáo và chưa được tái lập độc lập, đặt Qwen4-Max ở mức 52,69 trên chuẩn Work360 của mình so với 47,74 của Qwen3.8-Max, với chi phí trung bình mỗi tác vụ giảm từ $4,43 xuống $1,67 và lượng token đầu ra giảm 24% ở mức nỗ lực xhigh và 35% ở mức high. Trên Terminal-Bench 4.0, nhà cung cấp báo cáo lượng token đầu ra giảm 48% và 49% ở cùng hai cài đặt, và tỷ lệ vượt qua ở cấp hàm trên chuẩn mã hóa an toàn của mình tăng từ 22,0% lên 31,8%. Đó là lập luận của nhà cung cấp cho kiến trúc: một hỗn hợp chuyên gia thưa 2,4 nghìn tỷ tham số kích hoạt 71 tỷ tham số mỗi token, cộng với 328 tỷ tham số embedding N-gram, với ba lớp Gated DeltaNet trên mỗi lớp attention thưa.
Một số liệu đánh giá độc lập bên ngoài có sẵn vào ngày 17 tháng 11 là Artificial Analysis, tổ chức chấm Qwen4-Max đạt 43 điểm trên Intelligence Index v5.0.1 và xếp hạng 38 trong số 81 mô hình trên chỉ số đó. Nó cũng đo được 3,27 đô la chi phí tính toán cho mỗi tác vụ chỉ số, được duy trì bởi 127 triệu token đầu ra trong toàn bộ lần chạy so với mức trung vị 78,6 triệu, và không ghi nhận bất kỳ phép đo tốc độ nào cho mô hình — không có thời gian mỗi tác vụ, không có tốc độ đầu ra. Con số 43 đặt cạnh tuyên bố của nhà cung cấp rằng mô hình vượt qua các mô hình tiên tiến nhất chính là mâu thuẫn mà các bài đưa tin trong tháng tới sẽ xoay quanh. Đây cũng là con số duy nhất trong bài viết này mà Alibaba không tạo ra.

Nếu bạn định gọi nó trong tuần này
OrcaRouter không định tuyến Qwen4-Max, và thật đáng nói thẳng điều đó thay vì ngụ ý điều khác. Danh mục có Qwen3.8-Max — mô hình mà Qwen4-Max thay thế — ở mức $2.00 đầu vào và $6.00 đầu ra mỗi triệu với giá niêm yết của nhà cung cấp được chuyển qua với mức tăng giá 0%, cùng với Claude Opus 5.5, GPT-6.1 Sol, Grok 4.5 và Tencent HY4 Preview. Nó chưa có thế hệ Qwen4.
Vì vậy, cách sắp xếp trung thực cho một đội ngũ đang đánh giá Qwen4-Max hôm nay là một khóa Alibaba trực tiếp cho mô hình mới, cộng thêm một lớp định tuyến cho mọi thứ mà bạn sẽ quay về dự phòng. Điều đó bớt khó xử hơn vẻ ngoài của nó, bởi thứ khiến một mô hình mới trở nên tốn kém khi áp dụng không phải là giá token — mà là việc dùng thử nó đồng nghĩa với một hợp đồng thứ hai, một SDK thứ hai và một bộ ngữ nghĩa thử lại thứ hai nằm trên đường dẫn sản xuất. Giữ nhà cung cấp hiện tại phía sau một điểm cuối duy nhất với tự động chuyển đổi dự phòng giữa các nhà cung cấp cho phép thử nghiệm Qwen4-Max chạy song song với một đường dẫn vốn đã hoạt động, và cho phép so sánh dựa trên lưu lượng của chính bạn thay vì trên bảng điểm chuẩn của Alibaba. Khi mô hình thực sự có mặt trong danh mục, mức giá bạn thấy sẽ là giá của chính nhà cung cấp, cập nhật trực tiếp ngay ngày nó thay đổi, bởi vì đó chính là ý nghĩa của pass-through: thẻ Global ở mức $1.413 và $4.24 sẽ hiển thị là $1.413 và $4.24, chứ không phải theo mức chênh lệch của nhà bán lại.
Xem gì
Bài đăng ra mắt của Alibaba kết thúc bằng một câu quan trọng hơn bất kỳ benchmark nào trong đó: Max chỉ là cái nhìn đầu tiên về Qwen4, và các mô hình nhỏ hơn trong gia đình sẽ sớm được mã nguồn mở. Đó là lời hứa về phân khúc bên dưới, không phải về mô hình này, và nó không thay đổi sự thật rằng bản thân Qwen4-Max là một mô hình bạn thuê từ một nhà cung cấp duy nhất và từ các nền tảng thuê lại từ chính nhà cung cấp đó. Trong thị trường đó, tài liệu là yếu tố khác biệt hóa sản phẩm, và tài liệu ghi 983.616 đầu vào và 131.072 đầu ra — không phải một triệu của bất cứ thứ gì.
Hai ngày cần nằm trong lịch. Ngày 25 tháng 11, thời điểm các định danh bản xem trước bị ngừng hỗ trợ, dành cho bất kỳ ai có cấu hình vẫn ghi qwen4-max-preview. Và bất cứ điều gì Alibaba công bố tiếp theo về ngân sách suy nghĩ, bởi vì một nhóm chia sẻ 262.144 token trên một mô hình được quảng cáo là ngữ cảnh 1M là con số dễ bị điều chỉnh nhất khi khối lượng công việc agent thực tế va vào nó.
