一张生成的 16:9 标题卡,标题为“Qwen4-Max vs Kimi K4”,副标题为“一个本周已发布;另一个则从未发布过”,并带有两张圆角卡片:一张是有文档的 GA 模型,覆盖六个区域并采用按需付费定价;另一张则是一个没有模型卡、没有 API 标识符、也没有发布公告的名字。OrcaRouter 标志位于右下角。
Guides & Insights

Qwen4-Max 对比 Kimi K4:一个本周已发布,另一个则从未发布过

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

搜索 K​imi K4,你会发现大量关于一个并不存在的模型的文字。搜索 Qwen4-Max,截至 2026 年 11 月 16 日,你会发现一个可以调用的模型:它有已公布的价目表、六个区域,以及一个时间戳为当天上午 09:46 的文档页面。这两种情况不可相提并论,而把它们当作一场对决的两方,是这一市场领域中最常见的错误。因此,本页面承担两项任务:首先厘清 K​imi K4 是什么——一个背后没有模型卡、没有 API 标识符、没有权重、没有价格、也没有公告的名称——然后进行读者真正可以据此行动的比较:在 Qwen4-Max 与 Kimi K3.1 Pro 之间展开,后者是 Moonshot AI 目前交付的模型,也是在 Artificial Analysis Intelligence Index 上得分最高的开放权重模型。

第二个对比比你输入的那个更有意思,因为这是 Qwen4-Max 唯一一次遇到一个在实测能力上胜过它、但在价格上输给它的模型。这个对比也说明了为什么缺失的 Qwen4-Max 基准数据代价高昂:在与 Kimi K3.1 Pro 对比时,表格一边是真实数字,另一边却是空白。

A generated two-column scoreboard titled 'Qwen4-Max vs Kimi K3.1 Pro - the scoreboard', comparing $1.50 and $4.50 per million tokens against $2.00 and $10.00, a 1,000,000-token context against 1,048,576, a 131,072 maximum output against a 1,000,000-token ceiling, no independent score against 46.5, and no weights against an open parent under a custom licence, over a footer reading 'Qwen4-Max per Alibaba; Kimi figures per Moonshot and Artificial Analysis Index v5.0.1.' OrcaRouter logo bottom-right.

对 K​imi K4 的检验,公开进行

“某物尚未发布”之类的说法会逐渐失效,所以这里给出的是证据,而不是结论。Moonshot AI 面向开发者的 Kimi API 定价文档将 kimi-k3.1-pro 和 kimi-k3 列为 K3 系列模型,上下文窗口为 1,048,576 个 token;同一页面还列出了 K2 系列,并称该系列将在 2026 年 12 月底前全面退役。文档中没有出现 kimi-k4 标识。该平台的模型列表未收录该标识。该实验室自己的博客索引中没有 K4 文章。在 moonshotai 组织下进行仓库搜索,未返回任何高于 K3.1 Pro 的结果。

为该名称浮现出来的唯一一件产物,是 Hugging Face 上一个第三方重新上传的文件,创建于2026年7月,下载量寥寥,没有任何文档,标签集是从 Kimi K3 原样照搬过来的。它不是 Moonshot 的产物,本页也不将其视为 Moonshot 的产物。一款正式发布的 Moonshot 旗舰模型会在几天之内留下可核查的痕迹——一份标注了参数数量的模型卡、价目表上的一行、一个 API 标识符、一条排行榜记录。一个没有留下上述任何痕迹的名称,并不是一次低调的发布;它只是一个名称。

值得直说,因为本页的表述可能被误读:K4 尚未发布,并不能说明 Moonshot 的发展轨迹。该实验室在四个月内已发布两次,其中第二次是 2026 年 10 月 24 日的 K3.1 Pro,它是当前榜单上最好的开放权重结果。下一款模型只是何时发布的问题,而不是是否发布的问题。它只是不在现在。

Qwen4-Max 本周变成了什么

截至11月16日,Qwen4-Max 仅以 qwen4-max-preview 的形式存在:这是一个仅限 Token Plan 的租赁服务,于11月11日 UTC+8 10:00 开放,已公布将于11月25日 24:00 退役,且任何地方都没有按 Token 计费的价格。GA 模型是另一个标识符,qwen4-max,采用按量付费费率,覆盖六个区域——新加坡、北京、香港、法兰克福、弗吉尼亚和东京——且没有到期日期。

已发布的规格为:1,000,000 token 上下文;非思考模式下最大输出 131,072 token;思考与回答共享 262,144 token 预算;支持文本、图像和视频输入;仅输出文本。Thinking 默认启用,预算为 131,072 token,推理强度设为 high。该 API 支持 OpenAI Chat Completions、OpenAI Responses、Anthropic Messages 和 DashScope,这意味着现有的 Anthropic SDK 只需指向新的 base URL 即可工作,无需重写。文档标明不支持微调和模型部署,且未发布任何权重。

A screenshot of Alibaba Cloud Model Studio's 'Model releases and updates' changelog, dated 2026-11-16 and headed qwen4-max, with the 2026-11-11 qwen4-max-preview entry visible below and the documentation timestamp at the top of the page.

Qwen4-Max 对比你实际能调用的 Kimi

Kimi K3.1 Pro 是一个后训练版本,而非新架构:Moonshot 将其描述为用大幅增加的后续训练算力重新训练的 Kimi K3,包括跨数百个下游领域的大规模联合强化学习。上下文窗口保持不变,仍为 1,048,576 个 token;视觉和视频输入保持不变;输出上限保持不变,仍为 1M 个 token。最具实质影响的变化是价格:每百万输入 token 2.00 美元,每百万输出 token 10.00 美元,低于 K3 的 3.00 美元和 15.00 美元。

• 输入价格——Qwen4-Max 在新加坡为每 100 万 token 1.50 美元,其他地区为 1.413 美元,而 Kimi K3.1 Pro 为 2.00 美元

输出价格 — Qwen4-Max 在新加坡为 4.50 美元,其他地区为 4.24 美元,相比之下 Kimi K3.1 Pro 为 10.00 美元

• 缓存读取 — Qwen4-Max 为 $0.075(五分钟写入费用为 $1.875 后),相比之下 Kimi K3.1 Pro 为 $0.20(写入费用为 $2.00 后)

• 背景:Qwen4-Max 为 1,000,000 个 token,Kimi K3.1 Pro 为 1,048,576 个 token;Kimi 比 Qwen4-Max 多 4.6% 个 token。

• 最大输出 — Qwen4-Max 为 131,072(非思考模式),而 Kimi K3.1 Pro 的上限为 100 万 token,Kimi 优势明显

• 独立评分——Qwen4-Max 尚未公布,对比 Kimi K3.1 Pro 在 Artificial Analysis Intelligence Index v5.0.1 上获得的 46.5 分,这是该榜单上开放权重模型的最高成绩

• 权重 — Qwen4-Max 未公布任何权重,相比之下,Kimi K3.1 Pro 的母模型 K3 以自定义许可证开放

• 厂商基准测试——Qwen4-Max 无数据,对比 Kimi K3.1 Pro 在 Terminal-Bench 4.0 上的 65.7%,为厂商报告数据

输出价格这一行正是会重塑预算的一行。在新加坡,Qwen4-Max 以 $4.50 对 $10.00 的价格,在输出上便宜 55%;在其他地区则便宜 58%。一条每月生成 5000 万个输出 token 的流水线,在 Qwen4-Max 上花费 $225,在 Kimi K3.1 Pro 上花费 $500。这是一个实实在在的差距,也是支持较新模型的最有力单一论据。

输出上限这一行才是可能将其抵消的那一行。Kimi K3.1 Pro 单次响应可输出一百万个 token;Qwen4-Max 在非思考模式下上限为 131,072 个 token,与思考模式共享的上限为 262,144 个 token。如果你的工作负载包括在单次调用中生成长文档、整文件重写或扩展推理轨迹,那么更便宜的模型可能无论花多少钱都无法完成这项工作;而对于一个必须拆成八次调用的请求来说,55% 的折扣并不是折扣。

为什么记分栏里的空白才是关键所在

本博客发布的每一次模型对比,在遇到阿里巴巴的新旗舰模型时都会撞上同一堵墙:文档对机制描述得异常精确,对质量却完全只字不提。Qwen4-Max 的页面明确列出了各模式下的默认温度、top-p 和 top-k 取值、思考预算、各模式精确的输入与输出 token 上限,以及六个区域及其部署范围。它没有发布任何基准测试表——无论是否由厂商提供——而且 Artificial Analysis 模型索引中也没有 Qwen4 条目:其按模型访问的 URL 返回 404。

与 Kimi K3.1 Pro 相比,这种不对称有一个具体后果。Kimi 一方有一个所有人都能看到的第一方数值,以及同一指数版本上的独立数值,而且两者都位居开放权重排行榜榜首。Qwen 一方则只有价格和一份规格表。买家在比较二者时,并不是在比较两个模型;而是在把一个经过实测的模型与一个仅有文档说明的模型作比较,而缩小这一差距的唯一方式,就是由他们自己进行实测。

这做起来比听起来要便宜。从你自己的流量中抽取一百条提示词,在两者上分别运行,按这些费率计算,只需几美元。这就是把 Qwen4-Max 从你工作负载中的一个未知量变成已知量所需的全部评估预算——而且它比在输出价格上猜错一周的成本还要低。

这两个设计分歧最显著的一处

Moonshot 的 K3 架构在 92 个稀疏层中的 69 个层上采用了 Kimi Delta Attention——一种带有固定大小循环状态的线性注意力机制。正是这一设计,使得 100 万 token 的上下文在服务成本上变得可以承受;也正是这一原因,独立评估者对整个行业中各家自报的长上下文宣称都打了折扣:相较于全注意力,线性注意力混合架构在“大海捞针”检索任务上往往会低几个百分点。Qwen 对 Qwen4-Max 的注意力设计没有公布任何信息,因此无从得知它站在这场权衡的哪一侧。

Qwen 确实发布了一种提示缓存实现,具有显式和隐式模式:五分钟缓存写入为每百万 $1.875,而读取为 $0.075——读取享受 96% 的折扣。Kimi 的对应价格是写入 $2.00、读取 $0.20,折扣为 90%。两种设计都奖励稳定的前缀,惩罚每轮都会变化的提示,而且二者都不会改变一次性请求的算术。

对于长上下文文档工作——也就是两家厂商都在推销的这类工作负载——无论用哪个模型,实际测试方法都一样:在信任宣传中的上下文窗口之前,先在你自己的语料库上构建一个大海捞针测试。一个在你的数据上能在 900K tokens 时正确回答的模型,比一个能在合成基准测试中于 1M 时正确回答的模型更有价值,而这两个数字中,只有一个能在没有你自己的测试框架的情况下得知。

将它们并排调用

OrcaRouter 将 Kimi K3.1 Pro 作为 kimi/kimi-k3.1-pro 提供,按 Moonshot 的标价——每百万输入 $2.00、输出 $10.00——零加价原样透传,并与 215 个标识符 的目录中其余项使用相同的 OpenAI 兼容基础 URL,同时支持 /v1/chat/completions 和 /v1/responses 端点。Qwen4-Max 目前不在该目录中;它可通过 A​libaba 自有 API 使用,适用上述区域价目表。

A screenshot of the OrcaRouter model page for Kimi K3.1 Pro, showing the identifier kimi/kimi-k3.1-pro, $2.00 input and $10.00 output per million tokens, the 1,048,576-token context window, the large maximum output figure, text, image and video input, and the 2026-10-24 vendor date.

保留两者都可访问而不是二选一的原因是,它们之间的取舍取决于工作负载形态,而不是模型形态。长生成任务需要 K​imi 的输出上限。响应较短的高并发生成需要 Qwen4-Max 的输出价格。任何错误答案代价高昂的场景,都应选择已有评分的模型,直到你为另一个模型也生成评分。路由策略将这一点表达为规则,而不是架构决策,而自动故障转移会在你仍在收集证据期间,避免两者中较新的那个成为单点故障。

这让你最初开始的那次搜索处于何种境地

如果你是为 K​imi K4 而来,答案是:它尚未发布,关于它的一切都还未公布,而今天值得评估的模型是 Kimi K3.1 Pro——在当前的排行榜上,它是任何人都能获得的最强开放权重模型。要留意的是模型卡,而不是传闻:一份同时载明参数量、上下文、价格和 API 标识符的文档,正是本博客这一年来用来区分已发布模型与流传中的名字的信号。

如果你是冲着 Qwen4-Max 这一边来的,答案是:它真实存在,有明确标价,而且恰好在唯一真正重要的维度——输出 token——上很便宜;但它的上限仅为 K​imi 模型单次响应可输出量的一小部分,并且完全不附带任何质量衡量。在输出量占主导且响应较短的场景中购买它。在从其他任何渠道购买之前,先测试它。并且把 4.50 美元到 10.00 美元之间的差距视为邀请你运行自己的评估,因为这是当前这项比较中唯一免费的数字。

本文中的对比2

根据本文内容识别 · 基准测试:Artificial Analysis · 每日更新