一张生成的标题卡上写着 Qwen4-Max 退出预览,副标题是“按量计费价格卡,以及变得更小的输出预算”,还有四个小标签分别显示:每 1M $1.50 输入 / $4.50 输出、1,000,000 token 上下文、262,144 共享预算,以及六个区域。
Guides & Insights

Qwen4-Max 退出预览:按量计费价目卡,以及变得更小的输出预算

作者

jinhao.song

发布日期

最新模型 · 20查看全部模型 →
基准测试:Artificial Analysis · 每日更新
返回全部文章

Qwen4-Max 于 2026 年 11 月 16 日从 token 计划预览版转为按量计费模型,而首先该看的数字并不是基准测试分数——而是新加坡每百万 token 输入 1.50 美元、输出 4.50 美元,对比 Qwen3.8-Max 的 2.00 美元和 6.00 美元。也就是计费两端都直降 25%。但这次切换在公布真实价目表的同时,也将共享的思考加回答预算从预览版的 393,216 token 缩减到正式可用版的 262,144,并在六个区域将模型从信用额度计划转为按 token 计费,且只在其中一个区域保留批量推理可用。如果你一直在运行预览版,并把 11 月 16 日当作走个形式,那么真正会带来麻烦的是规格差异,而不是折扣。

11月16日的切换究竟改变了什么

预览版曾是一个划算但适用范围很窄的方案:仅限 Token Plan 额度、仅限新加坡,并且有明确记录的退役时间为 2026 年 11 月 25 日 24:00(UTC+8)。正式可用版取代了上述全部三项限制,同时还增加了两项没人要求的限制。模型标识符现在就是 qwen4-max;带到期日期的是预览字符串 qwen4-max-preview 和 qwen4.0-max-preview,因此仍指向其中任一字符串的配置已进入九天后截止的倒计时。

• 计费——六个区域按 token 计量,而 Token Plan 积分仅在一个区域提供。新加坡卡上的 100 万 token 免费额度自激活、模型发布或审批之日起 90 天内有效,以较晚者为准。

• 区域 — 北京(中国大陆)、新加坡(国际),以及法兰克福、美国弗吉尼亚、东京和香港均归属于全球范围。预览中仅显示新加坡。

• 共享输出预算——GA 时,思考过程和最终答案合计 262,144 个 token,而预览卡上为 393,216 个。三分之一的余量已经消失,而且减少的正是长时间智能体运行消耗最快的那部分。

非思考输出——上限为 131,072 个 token,输入上限为 991,808 个 token。在思考模式下,输入上限降至 983,616 个 token,因为推理和回答都出自同一个 262,144 个 token 的配额池。

• 批量推理——仅在北京支持,其他五个区域均不支持。预览版完全没有批量推理路径,因此这属于新增能力,而不是功能回退;但其区域性限制并不是营销宣传所重点强调的内容。

• 协议接口——OpenAI Chat Completions、OpenAI Responses、Anthropic Messages 和 DashScope,四者全部支持,并具备结构化输出、并行工具调用、前缀补全、网络搜索,以及显式和隐式缓存。输入接受文本、图像和视频;输出仅支持文本。

价格卡,按账单送达时的样式排布

阿里巴巴为同一个模型发布了两份不同的卡片,而在选择部署范围时,二者的差异并不小到可以忽略。

• 新加坡,输入与输出——每百万 token 1.50 美元 / 4.50 美元,在整个 1,000,000 token 窗口内统一计价,在 32K 或 128K 处不设分段定价。

• 在其他所有地区,输入与输出均为每百万 token $1.413 / $4.24,在同一时间段内保持不变。相同的模型、相同的限额,每 token 比新加坡便宜 5.8%。

• 缓存写入,新加坡 — 5 分钟写入每百万次 $1.875,1 小时写入 $3.00。其他地区:$1.767 和 $2.827。

• 缓存读取,新加坡 — 每百万 $0.075。其他地区:$0.071。这相当于新加坡输入费率的 5%,也是长上下文智能体工作负载中最大的单一杠杆。

Batch,仅限北京——Batch File 为每百万 $0.707 / $2.12,Batch Chat 为 $1.413 / $4.24。只有 Batch File 享有 50% 的批处理折扣;Batch Chat 按实时费率标价,因此端点名称中的“batch”并不构成价格保证。

• 与 Qwen3.8-Max 对比,同一页面上——新加坡为 $2.00 / $6.00,全球地区为 $1.65 / $4.951。Qwen4-Max 在新加坡便宜 25%,在其他地区便宜 14.4%,因为旧模型的非新加坡价格卡本身已有折扣。

如果你已经在法兰克福或弗吉尼亚运行,那真正要紧的是 14.4% 这个数字:当地的代际降幅比新加坡那个头条数字所暗示的要小,而厂商宣称的 62% 单任务平均成本降幅承担了很重的说服任务,光靠每 token 的价目表是撑不起来的。

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.

一个完整的示例,让缓存行不再抽象

取一个 400,000 token 的文档前缀,分三遍审阅,每遍 8,000 个输出 token,非思考模式,新加坡费率。这是基于已公布标价进行的算术计算,并非实测运行。

• 第一遍——前缀按每百万 $1.875 写入缓存,$0.75,加上 8,000 个输出 token 按每百万 $4.50 计,$0.036。总计 $0.786。

• 第二遍和第三遍——前缀读取价格为每百万 $0.075,每遍 $0.03,再加上相同的 $0.036 输出费用。每遍 $0.066。

带缓存的三轮处理——$0.918。同样的三轮处理,每次按完整输入计费——$1.908。前缀被读取两次,费用却低于一次全新处理的价格。

• 第四遍——每当你重新读取一次,缓存的优势就会以更大的幅度领先,而这恰恰就是长时间智能体运行的典型形态:固定的系统提示词、工具 schema 和文档集,始终摆在不断变化的问题面前。

盈亏平衡几乎立刻就能实现:在新加坡,缓存写入相对正常输入费率的溢价是每百万 $0.375,因此缓存前缀在第一次重读时就能回本。失效的情形是前缀每一轮都会变化——你支付了写入溢价却永远收不回来,而且默认 5 分钟的写入窗口短到一次缓慢的工具调用就可能让它过期。

在你的提示词之前就替发票做决定的三个默认设置

Qwen4-Max 出厂时已开启推理并设为高。对旗舰模型来说这是合理的默认设置,但对分类器来说则代价高昂。

• 努力程度默认是 high——reasoning_effort 接受 low、high 和 xhigh,省略它则默认为 high。thinking_budget 同样默认为 131,072,而在思考模式下 max_completion_tokens 默认为 262,144。一个什么都不设置的请求,所预留的输出预算已经超过大多数任务的用量了。

• 不存在 medium —— Chat Completions 和 DashScope 会将 minimal 映射为 low,将 medium 映射为 high,将 max 映射为 xhigh。在 Anthropic Messages 路径上,该参数是 output_config.effort,映射方式相同。请求 medium 的费用与 high 相同。

• preserve_thinking 默认值为 true——在多轮调用中,先前的推理会被带入上下文。这会增大每次后续调用的输入侧,同时提高前缀仍与缓存匹配的概率。在长时间的代理循环中,这两种效应会部分抵消;在短对话中则不会,而你还要为重新读取永远不会用到的思考内容付费。

• 采样默认值:thinking 模式下,temperature、top_p 和 top_k 分别为 1.0 / 0.95 / 20;non-thinking 模式下分别为 0.7 / 0.8 / 20。在 thinking 模式之外,presence_penalty 为 1.5。在不调整 effort 的情况下显式设置 temperature 只会改变输出形态,不会改变账单。

厂商声称的改进,以及无人核实之处

本节中的每个数字都来自阿里巴巴自身,尚未在实验室之外得到复现。截至11月16日,Qwen4-Max 尚无独立的指数条目,因此请将这一比较视为一项主张,而非一次测量。

• Work360 — 52.69,对比 Qwen3.8-Max 的 47.74,基于供应商自建的分类体系:26 个一级领域、182 个二级领域、721 个三级领域。

• Token 效率——在 Work360 上,xhigh 努力级别下 token 数约减少 24%,high 级别下约减少 35%;在 Terminal-Bench 4.0 上分别约减少 48% 和 49%。这一优势会与降价叠加放大,也是最应该先在你自己的调用轨迹上验证的一点,因为 token 节省情况取决于工作负载形态。

• 每任务平均成本——在 Work360 上从 4.43 美元降至 1.67 美元,降幅达 62%。这一数字是将一项降价与一项节省 token 的说法相乘所得;两个因素均未经过独立验证。

基础模型质量——在知识、代码、问答和 STEM 方面的内部测评中,每字节比特数(bits per byte)比 Qwen3.8-Max-Base 低 5% 到 13%,同时激活的参数少 25%。厂商指出,参与对比的检查点中有两个经过后训练,这削弱了"基础模型"这一表述的严谨性。

• 安全编码——Last Secure Code Bench 的函数级通过率从 22.0% 提升至 31.8%,同时在函数、文件和仓库粒度上均保持安全的代码占比从 8% 提升至 14.7%。

这一效率主张背后的架构,是一个 2.4 万亿参数的稀疏混合专家主干,每个 token 激活 710 亿参数,另有 3280 亿 N-gram 嵌入参数通过查找而非乘法来使用。三个 Gated DeltaNet 层将历史压缩为固定大小的状态,供每个 Qwen 稀疏注意力层使用;后者通过轻量级索引器以微块粒度选择上下文;四个带有动态读写门的并行残差分支则稳定了深层堆栈。这是对长上下文成本为何下降的一个合理说明。但它仍然只是一种说明。

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.

在不把生产路径迁移到它上面的情况下试用它

这次发布尴尬的地方在于:模型确实是全新的,基准测试未经审核,而价格表又足够有吸引力,以至于有人会想本周就把它投入生产。这三点表明应采取分阶段上线策略,而不是一次迁移。

Qwen4-Max 可通过阿里自有的 Model Studio API 以及多个第三方平台访问;截至 11 月 16 日,它尚未被收录进 OrcaRouter 的目录。Qwen3.8-Max 则是每百万 token 输入 2.00 美元、输出 6.00 美元(新加坡)——这是供应商的挂牌价原样透传、加价 0%,因此它与 Qwen4-Max 之间 25% 的差距是真实价差,而不是路由利润。这样一来,诚实的测试成本很低:让现有模型继续用你手上已有的密钥,把一小部分流量以影子方式经由供应商发给新模型,然后比较每个已完成任务的成本,而不是每个 token 的成本。供应商自己的说法——从 4.43 美元降至 1.67 美元——就是单任务成本数字,而单任务成本是唯一能让 token 效率主张与降价落在同一坐标轴上的比较维度。

对于已经通过 OrcaRouter 进行路由的团队来说,通常阻碍这类评估的切换成本在于第二份合同和第二个 SDK。一个 API 支持 200 多个模型、跨提供商自动故障转移,以及可将多个模型组合成一次调用的路由 DSL,意味着混合状态——现有模型承担主要流量,候选模型处理一小部分——只需更改配置,而无需进行集成。对于尚未经过验证的模型,这决定了验证需要两周还是两天;而故障转移能防止在候选模型某个下午表现不佳时,验证演变成服务中断。

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.

11月25日之前要做什么

如果你使用的是预览版,请注意截止期限并非软性要求:qwen4-max-preview 的文档中已注明将于 2026 年 11 月 25 日 24:00(UTC+8)退役,而正式版(GA)标识符为 qwen4-max,其限额有所不同。请迁移该字符串,然后重新检查两处即使出错也不会抛出异常的地方——任何假设共享预算为 393,216 个 token 的代码,现在的预算已变为 262,144 个 token;任何依赖 Token Plan 额度的作业,现在都按 token 计量。

如果你们正在决定是否采用,那么等待的理由比一周前更站不住脚了,因为按量计费卡和缓存定价现已公布,而且在每个地区,价格都确实低于上一代。需要谨慎的理由在于共享输出预算、仅限北京的批处理路径,以及一套由厂商自己编写的基准测试套件。先运行影子流量切片,按每个已完成任务计价,然后让你们自己接下来两周的追踪数据来决定——这些证据会比一个我们都无法审计的分类体系上的 52.69 分更有价值。

还有一件事即将发生,会再次改变这笔账:Alibaba 表示,较小的 Qwen4 模型将在同一产品谱系上开源,而从历史上看,这意味着这一层级的价格下限会在一个季度内发生变动。你今天按当前费率做出的任何承诺,都应该是你可以随时退出的承诺。