一张生成的标题卡,上面写着 Qwen 4 vs Qwen 3.8 Max,副标题是升级后你的账单实际会发生哪些变化,三张卡片分别写着每 100 万 token 价格 $1.50 输入 / $4.50 输出、AA Index 43 和每任务成本 $3.27,还有一段说明文字指出 Qwen3.8 Max 曾是 $2.00 / $6.00、指数 34、每任务 $10.02。
Guides & Insights

Qwen 4 与 Qwen 3.8 Max:升级后你的账单究竟会发生什么变化

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

从 Qwen3.8-Max 迁移到 Qwen4-Max,在旗舰升级中很不寻常,因为价格朝着有利于你的方向变化,同时能力也在提升。Qwen3.8-Max 自 2026 年 8 月 3 日起全面可用,每百万 token 输入 2.00 美元、输出 6.00 美元,上下文长度为 100 万 token。Qwen4-Max 于 2026 年 11 月 16 日在产品线顶端取代了它,在同样的上下文窗口下,输入和输出价格分别为 1.50 美元和 4.50 美元,在 Artificial Analysis Intelligence Index 上得分为 43,而 Qwen3.8-Max 为 34;每项指数任务成本为 3.27 美元,而 Qwen3.8-Max 为 10.02 美元。计费两端各降 25%,指数得分提高 9 分,每完成一项任务的成本降至三分之一——这类升级通常都会附带涨价。问题在于——同一供应商内部的迁移总会有这样一个问题——尽管其他一切都在变大,输出预算却变小了。

四个发生变化的数字,以及那个倒退的数字

同一供应商内部的升级比跨供应商对比更容易评估,因为分词器谱系、API 接口层面和工具调用约定都保持不变。变化的只是一份简短的清单,你花一个下午就能对照自己的实际使用情况逐项核查。

• 价格——每百万 token 从 $2.00/$6.00 降至 $1.50/$4.50,两端均下调 25%

• 缓存读取 — 从每百万 $0.25 降至 $0.075,降幅 70%

• 独立得分——在同一指数、同一评分板上,从 34 升至 43,两项均于 2026 年 11 月 17 日读取

• 每个索引任务的成本 — 从 10.02 美元降至 3.27 美元,降幅达 67%

• 共享的思考与回答预算——262,144 个 token,较 3.8 代的更大额度有所减少

激活参数——710亿,较950亿有所下降,且基于相同的2.4万亿参数主干网络

• 上下文 — 保持 1,000,000 个 token 不变

• 权重——两款旗舰模型均未发布任何权重,不过 Qwen3.8-Max 的开放权重同系列模型 Qwen3.8-27B 却发布了

其中两项值得多写几句。激活参数量的减少是支撑其余说法的架构性主张:Qwen4-Max 每个 token 激活 710 亿参数,而 Qwen3.8-Max 激活 950 亿参数;阿里巴巴将效率提升归因于新架构,而非剪枝——门控 DeltaNet 层与以微块粒度索引上下文的稀疏注意力机制交错,四条带动态读写门的并行残差分支,以及一张基于上下文的 3280 亿参数 N-gram 嵌入表,它在不增加每 token 计算量的情况下扩展容量。

共享预算才是真正会让人意外的地方。Qwen4-Max 把推理和回答合并进同一个 262,144 token 的总额度里。如果你之前在 Qwen3.8-Max 上开启思考模式、生成 150,000 token 的输出,那么现在你只剩 112,144 个 token 留给思考——而在难题上,思考会把这些额度吃光。这种失败看起来像是一段被截断的回答,而不是报错,而这是限制浮现出来的最糟糕方式。

为什么代币价格下降了四分之一,每任务成本却下降了三分之二

Token 价格只能解释节省额的四分之一。其余三分之二来自模型用更少的工作量得出相同答案,而这是此次发布中最难验证、同时对商业论证最重要的部分。

阿里巴巴自己的数据:在其 Work360 套件上,xhigh 推理强度下 token 用量下降约 24%,high 下下降 35%;在 Terminal-Bench 4.0 上,分别下降 48% 和 49%。Work360 上每项任务的平均成本从 4.43 美元降至 1.67 美元,降幅 62%。这些都是厂商数据,由厂商测量,对比的是厂商上一代模型,且没有独立复现——它们只是方向性证据,表明效率主张并非只是换了身衣服的降价。

独立佐证的范围更窄,但结论一致。Artificial Analysis 测得 Qwen3.8-Max 每项指数任务为 $10.02,Qwen4-Max 为 $3.27。除 Alibaba 外,没有人公布过 $4.43 或 $1.67;$10.02 和 $3.27 是其他人基于其他人的工作负载算出的,且指向同一方向。

给你的工作算笔账。一条流水线每天处理 5,000 个任务,输入 30,000 个 token、输出 4,000 个 token,不使用缓存,按公布的美元费率计算:Qwen3.8-Max 每天输入计费 50 美元、输出计费 120 美元,合计 170 美元。Qwen4-Max 则为 37.50 美元和 90 美元——合计 127.50 美元。不使用缓存时,每月大约可节省 1,275 美元;如果稳定前缀让你能用上 0.075 美元的缓存读取费率,而不是 0.25 美元的费率,节省还会多得多。

效率叙事还有无人引用的后半段

每个任务的 token 更便宜,只是商业论证的一半。另一半是耗时,而在这方面,情况比价格表更加模糊。

Artificial Analysis 测得 Qwen3.8-Max 的输出速度为每秒 59 个 token,每个索引任务耗时 48 分钟——这很慢,而如果你要跑长周期的智能体任务,正是这个数字决定了你夜间窗口的时长。Qwen4-Max 则完全没有公布输出速度,也没有公布任何单任务耗时。在某些基准测试中,它使用的 token 大约只有一半,这暗示在吞吐量相同的情况下实际耗时也大约减半,但没有人公布过它的吞吐量。

所以,对这次升级的如实表述是:你肯定会在每个 token 上支付更少,几乎肯定会在每项任务上支付更少,并且很可能完成得更快。这三者中,只有第一点是今天就能写进合同的事实。第二点有独立测量支持。第三点是推断。

这一点对调度决策尤为关键。如果你的 48 分钟索引任务以每秒 59 个 token 的速度运行,已经逼近一夜之间能完成的上限,那么在迁移前,你需要用自己的提示词做一次试点——不是因为 Qwen4-Max 很可能会更慢,而是因为共享的 262,144 token 思考预算会改变长时间运行的形态,而这是基准测试平均值无法揭示的。

什么没有改变,以及为什么那才是这里最好的消息

上下文窗口同样是百万 token。模态范围相同——输入支持文本、图像和视频,输出为文本。API 接口面也相同,思考由 enable_thinking 控制,或由 reasoning.effort 在 Responses API 上控制,并且该模型以 OpenAI 兼容、Anthropic 兼容和原生格式在阿里各区域提供服务。

对于已经在使用 Qwen3.8-Max 的人来说,这正是升级成本低廉的原因:迁移只是更改模型标识符,而不是重写。无需重构提示词,无需重新协商工具调用 schema,也无需更改上下文管理。你必须重新测试的两件事正是数据所提示的——思考模式下的输出预算,以及你那些对延迟敏感的路径。

这也意味着,更合理的模式是影子流量,而不是直接切换:将一部分生产请求同时发送给两者,比较输出和 token 计数,并让共享的 262,144 token 预算先在长案例中暴露出来,而不是等到在客户面前才暴露。

A generated two-column scoreboard for Qwen3.8 Max and Qwen4-Max: Artificial Analysis Index 34 against 43, cost per task $10.02 against $3.27, input $2.00 against $1.50, output $6.00 against $4.50, cache read $0.25 against $0.075, and active parameters 95B against 71B.

你应该保留 0902 快照吗?

Qwen3.8-Max 有一个带日期的快照 qwen3.8-max-0902,固定为 2026 年 9 月 2 日,其能力和定价与基础模型相同。快照的存在是为了可复现性,而保留快照的理由恰恰在你即将更改底层模型时最为充分。

如果你有一套自己信得过的评测套件,就在退役该别名之前,先用它跑一遍快照。快照是你的对照组;这个别名在设计上从来就不保证稳定,而 Qwen4-Max 是另一个模型,不是同一模型的版本升级。那次运行中有两个细节值得检查:你的长输出用例能否在更小的共享预算下存活,以及你的单任务成本是否真的按价格表预测的幅度发生了变化。如果没有,那么 token 效率这一说法在你的工作负载上就不成立,迁移的理由也就收窄到只剩降价这一条——仍然值得做,但收益是四分之一,而不是三分之二。

旗舰对比往往掩盖了另一个选项:Qwen3.8-27B 采用 Apache-2.0 许可开放权重,并可自托管,而且我们以 qwen/qwen3.8-27b 提供它。对于高吞吐量、低复杂度的工作负载,成本计算与两款旗舰都完全不同,而且“从 3.8-Max 升级到 Qwen4-Max”并不是唯一可选的举措。如果你的工作负载是分类、抽取或短文本生成,一个你可以自行运行的 27B 稠密模型可能在单位成本上胜过两者——而且它是这个系列中唯一可以固定到某个版本并进行审计的选项。

迁移,按顺序

首先,盘点你的输出。任何在启用思考时请求超过约 120,000 个输出 token 的路径,在共享的 262,144 预算下都有风险。那只是对你调用点的 grep,而不是基准测试。

其次,选取有代表性的一周,分别在两个模型上测量你每个任务的 token 消耗量。已公布的效率数据在 24% 到 49% 之间,具体取决于基准测试和投入程度,这是一个很宽的区间——宽到你自己测得的数字可能落在区间之外。

第三,测量你的 p95 延迟。Qwen4-Max 没有公布吞吐量,因此你测出的第一个延迟数值,就会是阿里巴巴之外任何人拿到的第一个延迟数值。

第四,确定开放权重档位。如果部分流量可以转移到 qwen/qwen3.8-27b,那么旗舰迁移只需承载困难案例,混合成本会比任一单模型方案所显示的下降得更多。

将两个旗舰模型放在同一个端点后面,是这件事的省力做法:qwen/qwen3.8-max 保持 $2.00/$6.00,而 Qwen4-Max 请求只是一条路由规则,而不是一份新合同,因此你可以逐步迁移流量,并在共享预算吃紧时立刻回退。需要直说:Qwen4-Max 本身并不在我们目前服务的 215 个标识符之中——升级后的模型通过 Alibaba 自己的 API 路由——所以你今天从我们这里得到的是现有模型,按标价计费,没有任何加价。

这一判决非同寻常。

迁移吧,除非你要生成非常长的输出。同一供应商的升级将价格降低四分之一,将缓存价格降低 70%,并增加九个指数点,这几乎相当于免费午餐;而且来自供应商和独立委员会的逐任务证据都表明,实际节省比 token 价格所暗示的更大。

例外情形狭窄且具体:那些在开启思考功能时输出经常超过约 120,000 个 token 的工作负载。对这些工作负载而言,共享的 262,144-token 预算不过是被包装成效率提升的能力回退,正确的做法是继续使用 3.8 代,或者拆分请求。

接下来要看的,是那个缺失的数字,而不是已经公布的那些数字。一个每任务成本低三分之二、却没有实测吞吐量的模型,是一场风险未被量化的高胜算押注;而 Qwen4-Max 的首次独立计时,将比任何进一步的基准分数更能了结这场争论。

Artificial Analysis page for Qwen3.8 Max (0902), captured 17 November 2026 in English, showing a deprecated-model banner pointing to Qwen4 Max, Intelligence #51 of 81, 59 output tokens per second, $2.00 input and $6.00 output per 1M tokens and an 88 per cent cache discount.

这个家族中你可以自行运行的那部分

同厂商升级有一个优势,而两个旗舰模型都不具备:它们之下的层级是开放且可移植的。Qwen3.8-27B 以 Apache-2.0 许可发布,支持文本、图像和视频输入,上下文窗口为 262,144 个 token;我们以 qwen/qwen3.8-27b 提供该模型——运行在我们自己的基础设施上,按标价提供且不加价,并且可以固定版本,而两个旗舰模型都无法做到这一点。对于一场主要风险在于共享输出预算无法审计的迁移来说,同一系列中有一个带版本号的开放权重后备方案,是现有最便宜的保险。

OrcaRouter model page for Qwen3.8 27B, captured 17 November 2026 in English, showing the identifier qwen/qwen3.8-27b, text, image and video input, a 262K-token context and a pricing panel.

本文中的对比1

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