
Qwen4-Max đã được niêm yết bên ngoài API của Alibaba — với mức giá toàn cầu của chính Alibaba
- 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 · 134 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 · 192 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 · 128 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 · 186 tok/s
Qwen4-Max đã được phát hành rộng rãi vào ngày 16 tháng 11 năm 2026, và đến sáng hôm sau nó đã được niêm yết ở một nơi không phải API của chính Alibaba. Danh sách niêm yết ghi giá $1.413 mỗi triệu token đầu vào, $4.24 mỗi triệu token đầu ra và $0.071 cho một lần đọc bộ nhớ đệm. Đó không phải là những con số của một nhà bán lại. Chúng là bảng giá khu vực Global của Alibaba cho Qwen4-Max, đến ba chữ số thập phân — đúng mức giá mà nhà cung cấp công bố cho Bắc Kinh, Hồng Kông, Frankfurt, US Virginia và Tokyo, thấp hơn 5,8% so với bảng giá Singapore là $1.50 và $4.50. Một mô hình xuất hiện trên nền tảng thứ hai trong vòng một ngày sau khi ra mắt không có gì đáng chú ý vào năm 2026. Một nền tảng thứ hai xuất hiện với đúng giá niêm yết của chính nhà cung cấp cho bạn biết một điều cụ thể về thứ thực sự đang được cung cấp, và đó không phải là một lần triển khai thứ hai của một mô hình 2,4 nghìn tỷ tham số.
Việc niêm yết cùng một mức giá là bằng chứng cho điều gì
Cách lý giải này còn hẹp, và đáng nên nêu như một suy luận chứ không phải một sự thật, vì chưa ai công bố một tuyên bố về năng lực. Qwen4-Max là một mixture-of-experts thưa 2,4T tham số với 71B được kích hoạt mỗi token cộng với 328B tham số embedding N-gram, được xây dựng trên kiến trúc Qwen4 mới với Gated DeltaNet và một bộ chỉ mục attention thưa. Việc dựng nó trên phần cứng độc lập cần mua sắm, kernel và ít nhất một tuần tinh chỉnh. Khớp giá của nhà cung cấp đến từng phần nghìn đô-la trong vòng một ngày sau khi ra mắt chính là dáng vẻ của một cơ chế chuyển thẳng giá, và giá token cache là manh mối: $0.071 là một con số kỳ lạ để tự mình đạt tới và là con số hiển nhiên để sao chép.
• Đầu vào — $1.413 mỗi triệu trên thẻ bên thứ ba, $1.413 trên thẻ Global của Alibaba, $1.50 tại Singapore.
• Đầu ra — $4,24 trên cả hai thẻ phạm vi Toàn cầu; $4,50 tại Singapore.
• Đọc bộ nhớ đệm — $0.071 trên thẻ bên thứ ba và trên thẻ Global của Alibaba; $0.075 tại Singapore.
• Điều gì không được sao chép — các giới hạn. Trang của bên thứ ba quảng cáo ngữ cảnh 977K token và đầu ra tối đa 128K. Thẻ của chính Alibaba đưa ra mức trần đầu vào 991.808 token và ngân sách dùng chung 262.144 token cho phần suy nghĩ cộng với câu trả lời, trong đó 131.072 token khả dụng khi tắt suy nghĩ. Một bản niêm yết được công bố nhanh đến vậy sao chép giá đáng tin cậy hơn là sao chép mức trần.
Gạch đầu dòng cuối cùng đó mới là điểm thực tế. Nếu bạn đang ước lượng quy mô cho một tác vụ ngữ cảnh dài — một kho mã 400K token, một trace agent kéo dài nhiều giờ — thì một nền tảng giới hạn đầu ra ở 128K sẽ cắt bớt công việc mà chính mô hình lẽ ra đã hoàn thành. Ngang giá không phải là ngang thông số, và với một mô hình mới như thế này, không có nguồn thứ hai nào để đối chiếu một giới hạn ngoài trang mô hình của chính nhà cung cấp.
Benchmark độc lập đầu tiên đã có. Phép đo tốc độ độc lập đầu tiên thì chưa.
Đây là phần của câu chuyện quan trọng hơn cả thông tin niêm yết. Artificial Analysis đã thêm Qwen4-Max vào bảng xếp hạng của mình với một dòng Intelligence Index đầy đủ — 42,9, được làm tròn thành 43 trên trang công khai, với chi phí đo được là 3,27 USD cho mỗi tác vụ chỉ số, sau khi đã tạo ra 127 triệu token đầu ra trong lần chạy, mà công cụ theo dõi xếp thứ 65 trong số 80 trên thang độ dài dòng của nó. 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 khi ai đó đưa cho bạn một biểu đồ của nhà cung cấp.
Điều mà cùng trang đó không có là một hàng tốc độ. Không có token đầu ra mỗi giây, không có thời gian đến token đầu tiên, không có thời gian đến token trả lời đầu tiên. Mọi mô hình cấp flagship khác trên bảng đó đều có ba con số này; Qwen4-Max có giá trị null. Đó không phải là lời chỉ trích bảng theo dõi — một phép đo thông lượng cần gọi lặp lại vào một endpoint ổn định, và vào ngày 17 tháng 11 không có endpoint ổn định nào để gọi lặp lại. Đó là lời cảnh báo về những bài đánh giá mà bạn sẽ đọc trong tuần này: bất kỳ bài viết nào trích dẫn con số token mỗi giây cho Qwen4-Max trong vài ngày tới thì hoặc là đang đo một yêu cầu duy nhất một lần, hoặc là đang bịa ra con số đó. Nhà cung cấp cũng chưa công bố con số nào.

Một lần chạy agent thực sự tốn bao nhiêu, với các mức giá này
Giá token là đơn vị sai đối với một mô hình tầm xa, nên đây là phép tính trên một dạng mà Qwen4-Max được bán rõ ràng để phục vụ — một tác nhân lập trình mang ngữ cảnh 200.000 token qua 40 lượt và viết 30.000 token lý luận cùng bản vá mỗi lượt. Mọi con số đều là giá niêm yết, không phải hóa đơn đã đo đạc.
• Ngữ cảnh được lưu trong bộ nhớ đệm, mỗi lượt — 200.000 token với mức $0,075 mỗi triệu, tức $0,015. Qua 40 lượt, $0,60.
• Đầu ra, mỗi lượt — 30.000 token với 4,50 USD mỗi triệu là 0,135 USD. Qua 40 lượt, 5,40 USD.
• Tỷ lệ — chi phí đầu ra gấp chín lần chi phí ngữ cảnh được lưu trong bộ nhớ đệm, tính theo mỗi lượt, ngay cả sau khi đã được giảm giá 95% nhờ bộ nhớ đệm. Một khi đầu ra dài, ưu đãi bộ nhớ đệm không còn là đòn bẩy như người ta vẫn tưởng.
• Đầu vào mới — mỗi lượt bị trượt bộ nhớ đệm phải trả $1.50 mỗi triệu thay vì $0.075, mức tăng gấp 20 lần. Bốn triệu token bị trượt bộ nhớ đệm trong suốt lần chạy cộng thêm $6.00, nhiều hơn toàn bộ hóa đơn đầu ra.
Điều này đảo ngược lời khuyên thông thường. Trên Qwen4-Max, thứ cần đo là tỷ lệ trúng bộ nhớ đệm, không phải độ dài đầu ra: một vòng lặp 40 lượt giữ ngữ cảnh luôn ấm sẽ tốn khoảng $6.00, còn cùng vòng lặp đó gửi lại ngữ cảnh ở trạng thái lạnh sẽ tốn khoảng $12.00. Con số nổi bật do chính nhà cung cấp đưa ra — chi phí trung bình mỗi tác vụ trên benchmark Work360 của họ giảm từ $4.43 xuống $1.67 — là một tuyên bố về cơ cấu token của benchmark đó, chứ không phải lời hứa về benchmark của bạn. Đây cũng là một con số của nhà cung cấp trên một benchmark của nhà cung cấp, và ở đây nó được ghi nhãn như vậy vì chưa có bên độc lập nào tái lập được nó.

Dùng thử mà không cần chuyển đổi nền tảng
OrcaRouter không định tuyến Qwen4-Max. Điều này đáng nói thẳng ra thay vì giấu đi: danh mục có qwen/qwen3.8-max, anthropic/claude-fable-5.2 và openai/gpt-6.1-sol, và một yêu cầu với mã định danh qwen4 hiện trả về not-found. Nếu bạn muốn mẫu flagship Qwen mới trên key của chúng tôi, thì bạn cũng đang chờ như mọi người.
Điều mà tình huống này thực sự ủng hộ không phải là chuyển toàn bộ stack của bạn sang một mô hình mới hai ngày tuổi để thử nghiệm nó. Một quá trình chuyển từ preview sang GA đồng thời cắt ngân sách đầu ra dùng chung từ 393.216 token xuống 262.144 và chuyển cách tính phí từ tín dụng sang tính theo token chính là kiểu thay đổi phá vỡ một luồng production ngay tuần thứ hai. Đó là lý do để giữ thử nghiệm phía sau một endpoint được định tuyến thay vì một endpoint hardcode — mô hình mới trên một route, mô hình hiện hành trên route dự phòng, một hóa đơn duy nhất dù theo cách nào. Khi Qwen4-Max có mặt trong danh mục, nó sẽ được niêm yết theo giá của nhà cung cấp với mức markup 0%, nghĩa là chính cơ chế pass-through khiến card bên thứ ba giống hệt card của Alibaba cũng chính là thứ khiến việc nhà cung cấp giảm giá hiển thị ở phía chúng ta ngay ngày nó xảy ra.

Phần chữ nhỏ có ghi một ngày.
Hai định danh đang đếm ngược. qwen4-max-preview và qwen4.0-max-preview sẽ ngừng hoạt động lúc 24:00 ngày 25 tháng 11 năm 2026, UTC+8 — chín ngày sau khi ra mắt chính thức, và định danh mô hình còn trụ lại là qwen4-max. Bất kỳ cấu hình, giá trị mặc định trong SDK, notebook hay bộ khung đánh giá nào vẫn trỏ tới một trong hai chuỗi preview sẽ thất bại với lỗi model-not-found thay vì cảnh báo ngừng hỗ trợ, đây là cách tệ nhất để phát hiện ra.
Vậy nên câu chuyện nhỏ hơn — và hữu ích hơn — so với câu “giờ đây nó đã có mặt ở khắp mọi nơi”. Một mô hình đã được phát hành, một card của bên thứ ba xuất hiện trong vòng một ngày với mức giá Global của chính nhà cung cấp, và các giới hạn gắn với card đó không phải là giới hạn của nhà cung cấp. Điểm trí tuệ độc lập đến trong vòng một ngày; điểm tốc độ độc lập thì hoàn toàn chưa đến. Hãy xem mức giá đó là giá chuyển tiếp, đọc mức trần từ trang của nhà cung cấp, và đặt nhắc nhở lịch vào ngày 25 tháng 11 cho các định danh bản xem trước — đó là toàn bộ những gì ngày 16 tháng 11 thực sự cho bạn biết.
