为OpenCode Go内关于Qwen4 Max的新闻报道生成的主视觉卡片,标题为“10美元编程套餐中的Qwen4 Max”,标签显示2026年11月16日、每月15美元额度、2,310次请求以及每次请求66,000个缓存token,底部页脚显示“OpenCode Go文档和Alibaba Model Studio,查阅于2026年11月17日”。
Guides & Insights

Qwen4 Max 登陆 OpenCode Go:15 美元额度能换来什么,一次缓存未命中又要付出什么代价

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

OpenCode 于 2026 年 11 月 16 日将Qwen4 Max纳入其 Go 订阅,同日该模型从预览版转为按量计费的正式可用版;而决定这是否划算的数字并不是 $1.50 的输入价格。这个数字是 66,000——OpenCode 在推算你的额度能用多久时,为一次典型编程请求假定的缓存 token 数。正是这一假定,使得每月 $15 的预算被标称为在 Qwen4 Max 上约 2,310 次请求,以及在Qwen3.8-Max,而它正是 Qwen4 Max 在同一列表顶部所取代的模型;也正是这一假定,使得同样的 $15 在你的运行框架始终无法命中缓存时,可能缩水到约 149 次请求。下面所有内容都是你可以根据 OpenCode 公布的两个页面重新算一遍的算术,外加一行独立基准测试结果,它说明该模型能力强、速度慢且话多。

OpenCode 实际发布了什么,以及没有发布什么

两个界面都展示了该条目,并且在所有关键信息上保持一致。opencode.ai/go 的 Go 营销页面显示了一行“Qwen4 Max — New”,其中 $10 的 Go 套餐每五小时预计有 463 次请求,$40 的 Go Plus 套餐为 1,850 次,对应的每月使用额度分别为 $15 和 $60。opencode.ai/docs/console/go 的文档为同一模型给出了 id qwen4-max、端点 https://opencode.ai/inference/go/anthropic/v1/messages、AI SDK 包 @ai-sdk/anthropic,以及每百万 token 输入 $1.50、输出 $4.50、缓存读取 $0.075、缓存写入 $1.875 的价格行。其用量表列出每五小时 460 次请求、每周 1,160 次和每月 2,310 次。

两个页面上 463 与 460 之间相差三个请求,这并不是什么丑闻;当一个界面由条形图生成、另一个由表格生成时,就会出现这种情况。以较低的那个数字为准。更重要的是,价格行与新加坡价目表精确到分完全一致,且其下方没有应用任何订阅折扣。

那份文档中有三个细节比标价更能说明问题:

• 模型通过 Messages 协议提供服务,而不是一条兼容 chat-completions 的路径。这正是 OpenCode 用于 Qwen3.8-Max 和 Qwen3.7 Plus 的同一条路由,也是为什么已经支持 Messages 的 harness 无需 shim 即可指向 Go。

• 隐私信息按模型逐一列出。Qwen4 Max 被记录为“训练:未使用”和“保留:0 天”——属于零保留那一列,而不是 Grok 4.7 和 Luna 系列模型所在的 30 天那一列。Go 的默认设置还会屏蔽那些会利用请求数据进行训练的付费端点。

• 每个响应都会将其成本通过 opencode.allowance 回报,该额度以美元按标价计价,并划分为多个时间窗口:五小时内 20%、一周内 50%、一个月内 100%。

OpenCode 没有公布的是这些 token 来自哪里。文档解释说,一些模型能获得较大的额度,是因为 OpenCode 谈下了批量折扣或预留了 GPU 容量;而另一些模型的额度较小,“要么是因为该模型是新的,要么是因为其公开定价已经打过折”——在这种情况下,“你仍然会比直接向模型提供商付费得到稍多一点。”Qwen4 Max 属于第二类,价格为 1.50 美元和 4.50 美元,正是 Qwen4 Max 在各处适用的费率。这究竟是新加坡端点的转售,还是 OpenCode 自行提供这个 2.4 万亿参数模型的服务,文档中没有任何说明;任何告诉你究竟是哪一种的人,都是在猜。

有一点值得先纠正,因为围绕这个模型的措辞一直不够严谨:Qwen4 Max 并非未公布或泄露的发布。此次发布附带一篇题为“Qwen4-Max: Your New Teammate Has Arrived”的文章,该模型的 Model Studio 文档已于11月17日更新,而且没有可检查的权重——Artificial Analysis 将该模型记录为专有模型,也不存在可供查看的代码仓库。不声不响的部分是 OpenCode 的收录,那是一个编码平台在接入别人的发布,而不是它自己的发布。

Headless-browser screenshot of the OpenCode Go usage-limits documentation page in English, showing the per-model token price table with a Qwen4 Max row reading $1.50 input, $4.50 output, $0.075 cached read, $1.875 cached write and a $15 monthly limit, above the Estimated requests table where Qwen4 Max reads 460 requests per five hours, 1,160 per week and 2,310 per month, and Qwen3.8 Max reads 160, 400 and 810.

$15 是一个美元计价器,所以算式如下

以美元计的额度,只有在与它所假设的请求形态并列时才有意义,而 OpenCode 公布了这一形态:每次请求包含 420 个全新输入 token、66,000 个缓存 token 和 200 个输出 token。用这三个数字去对照 Qwen4 Max 的价格行:

• 全新输入 — 420 个 token,按每百万 $1.50 计算,为 $0.00063。

• 缓存输入 — 66,000 个 token,按每百万 $0.075 计算,为 $0.00495。

• 输出 — 200 个 token 按每百万 $4.50 计算为 $0.00090。

按请求计——每次 $0.00648,$15 恰好可以除尽 2,315 次。OpenCode 公布的每月 2,310 次估计值就是将该数字向下取整的结果。

对 Qwen3.8-Max 做同样的计算——Go 价目表仍以每百万输入 $2.00、输出 $6.00、缓存读取 $0.25 的价格出售——得出每次请求 $0.01854,$15 可发 809 次请求——而 OpenCode 公布的是 810 次。因此,切换到 Qwen4 Max 后,在相同额度下可多获得 2.9 倍的请求数,而其中三分之二的增益来自一行:缓存读取价格从每百万 $0.25 降至 $0.075,降幅 70%。明面上的输入价格只变动了 25%。缓存价格改变了结果。

五小时窗口是你实际会碰到的限制。在月度额度的 20% 下,Go 套餐中滚动的一个五小时区块可以在 Qwen4 Max 上花掉 3 美元——按建模形态计算是 463 次请求;如果你不加注意,这大致相当于一个下午高强度的智能体轮次。Go Plus 将其提升到 12 美元和 1,850 次请求。Go Teams 将每位成员的额度设为每月 20 美元,也就是每位成员 20 美元;这高于 Go 的 15 美元,低于 Plus 的 60 美元。

Generated single-column card titled The $15 allowance at Qwen4 Max list price, with rows reading Go plan: $10 per month, Monthly allowance: $15, Cached read: $0.075 per 1M, Fresh input: $1.50 per 1M, Warm request: $0.00648, Cold request: $0.10, and Requests for $15: 2,315 warm versus 149 cold.

66,000 个缓存 token 从何而来,以及为什么这就是事情的全貌

六万六千个缓存 token 并不是随意选定的整数:对于每轮都会发送系统提示、工具定义和中等规模文件集的编码智能体来说,这是一个合理的前缀,也正是这个建模请求整体上如此便宜的原因。按每百万 $0.075 计算,这 66,000 个 token 的前缀成本不到半美分。若按 $1.50 的非缓存输入费率计算,则需花费 $0.099——高出二十倍,并且是整个请求其余部分成本的十五倍以上。

顺着这个思路算下去。前缀未命中缓存的请求费用是 $0.1005,而不是 $0.00648,所以同样的 $15 大约只能买到 149 次请求,而不是 2,315 次。你的用量其他方面完全不必改变,额度就会下降 94%;只要前缀不再可复用即可。发生这种情况的三种方式都很平常:系统提示中包含时间戳或不断变化的工具列表,运行框架在轮次之间重排其上下文,或者会话不断重写最早的消息,导致可缓存前缀始终无法稳定下来。

还有第二项更不显眼的成本。OpenCode 将缓存写入定价为每百万 $1.875,比全新输入费率高出 25%——你要支付溢价来建立一个前缀,之后读取该前缀时可享受 95% 的折扣。写入这个 66,000 token 的前缀需花费 $0.124,大约是一次热请求的十九倍。一个不断使其缓存失效的会话会反复支付写入费用,却永远拿不到折扣。

这就是为什么额度值得去理解,而不只是观察。在这样定价的模型上,缓存命中率不是你可以以后再做的优化;它是两种截然不同的订阅之间的差别。

你所放弃的,经过衡量

独立榜单现在已经填满,而且它没有价格卡那么好看。Artificial Analysis 在其 Intelligence Index 上给 Qwen4 Max 打了 43 分——高于其标称的中位数 41,在榜单的 81 个模型中排名第 38——每个指数任务的实测成本为 3.27 美元。该模型首次上榜时仍为空白的性能面板,现在已有真实数据:输出速度为每秒 54 个 token,首个回答 token 耗时 159 秒,完成一个 Intelligence Index 任务耗时 32.1 分钟,而中位数为 13.3 分钟。按照该追踪器自身的排名,其在首个回答 token 耗时方面在 79 个模型中排名第 75。

• 能力 — 在 Intelligence Index 上为 43,在 81 项中排名第 38,每项测量任务 3.27 美元。

性能 — 每秒 54 个输出 token,首个回答 token 用时 159 秒,每个索引任务耗时 32.1 分钟,而中位数为 13.3 分钟,在首个回答 token 时间上排名第 75(共 79)。

• 冗长程度——完成索引运行用了 1.27 亿个输出 token,而中位数为 7860 万;在追踪器自身的冗长程度量表上,80 个中排名第 65。

• 上下文——按跟踪器测量为 984k token,而文档记载的窗口为 1,000,000 token,非思考模式下输入上限为 991,808 token。

对于交互式编码循环来说,首个答案 token 的指标才是最要命的。推理模型在思考结束前不会输出任何内容,因此 159 秒是从按下回车到看到答案第一个字符之间的间隔,而较长的思考预算只会让这个数字上下浮动,并不会让它消失。对于批处理工作——一队重构任务、一次夜间扫描——它无关紧要,而每任务 3.27 美元的每美元能力相对那些收费高出数倍的前沿模型来说还算可观。

冗长度指标值得单独用一句话说明,因为它会与美元额度相互作用。在同样一组任务上,中位数模型生成 7860 万个 token,而某个模型生成 1.27 亿个 token,后者大约多消耗 60% 的输出 token;在 Qwen4 Max 上,输出是请求中最贵的项目,每百万 token 收费 4.50 美元。你的 15 美元额度以美元计价,因此在相同的每 token 价格下,一个话多的模型只会更早耗尽额度。

Headless-browser screenshot of the Artificial Analysis model page for Qwen4 Max in English, showing the Alibaba vendor label, Released November 2026, a Proprietary model tag, an Intelligence Index of 43 ranked 38 of 81, and a stats row reading 43, 38 of 81, $3.27, $1,129.59 and 32.1 min, beside summary cards for Intelligence Index 43 at 35K tokens to complete, Cost to Run Index $3.27, Output Tokens Used 35M and Total Response Time 32.1 min.

此型号上的力度拨盘并非可选。

Qwen4 Max 自己的文档规定,当你同时省略两者时,会将 reasoning_effort 设为 high,并将 thinking_budget 设为 131,072;它会把大多数 SDK 使用的五值词汇表映射到三个实际设置:minimal 变为 low,medium 变为 high,max 变为 xhigh。在 Messages 协议上——也就是 OpenCode 暴露的路由——这个参数是 output_config.effort,具有相同的三个值。

由此产生两个后果。第一,请求“medium”推理强度并不会得到中间档设置——你会得到高,也就是默认值。如果你想让模型少思考,就必须请求 low。第二,输出上限与思考共用额度:在思考模式下,262,144 个 token 同时涵盖思维链和答案;关闭思考时,答案为 131,072 个 token;而开启思考时,输入上限为 983,616 个 token。一个将 max_completion_tokens 固定为 262,144 并选择 xhigh 的智能体,在写出第一行代码之前,就已经决定把额度花在推理 token 上。

对于按用量计费订阅上的交互式编码会话,实用的设置是:编辑和小型重构用低档,模型必须同时处理多个文件的轮次用高档,只有那些否则你会交给真人处理的任务才用 xhigh。这是对你预算的判断,而不是基准测试结论——没有人公布过这个模型按努力等级划分的成本曲线,而且厂商自己的 token 削减数字也只是厂商数字。

无需迁移你的技术栈即可试用

OrcaRouter 目前不路由 Qwen4 Max。这一点应当直说,而不是绕着含糊暗示:目录收录了 215 个模型,而请求 qwen4 标识符会返回未找到,所以如果你想要的是通过 OrcaRouter 密钥使用这款新旗舰,那你只能等。目录确实有的是 qwen/qwen3.8-max,输入 $2.00/百万、输出 $6.00/百万,缓存读取 $0.25——与 OpenCode 及该模型第一方 API 公布的价格相同——按0% 加价透传,因此供应商降价当天就会落到我们这边,和落到他们那边是同一天。

这就使得那个明智的测试变得便宜,而非免费。如果你正在权衡 Qwen4 Max 与现有运行方案,首先要回答的问题不是“43 分算不算好”,而是“我的测试框架能否让 66,000 token 的前缀保持热缓存”——而这个问题,你今天就可以在同一账号上、以你早已熟悉的价格,用 Qwen3.8-Max 来回答,不必先花一笔订阅费去换答案。把它与自动故障转移搭配起来,一个未经证实的模型就变成了路由决策,而非迁移:把工作负载发给新模型,保留旧模型作为回退,让错误率来做决定。

谁现在应该行动,谁应该等待

如果你已经为 OpenCode Go 付费,那么这次变更的尝试成本为零,而配额正是值得你刻意尝试、而非随意一试的理由。在相同套餐下,Qwen4 Max 让你 15 美元所购买的请求数比 Qwen3.8-Max 多出一倍以上,但它依赖一个你的工具链必须自己挣得的缓存假设,而且该模型的首 token 延迟可测量地偏高,在默认 effort 下也明显啰嗦。从低 effort 档开始,在前二十次响应中观察 opencode.allowance 字段,并将消耗速率与这些会话在你原本使用的模型上会产生多少成本进行对比。如果消耗速率让你意外,原因几乎肯定在你的前缀,而不在价目表。

如果你不在 Go 上,这个上架信息不会改变你的选择——Qwen4 Max 可通过第一方 API 在六个区域使用,新加坡为 $1.50 和 $4.50,全球区域为 $1.413 和 $4.24;以标价转售它的订阅是一种便利,而不是折扣。如果你的工作对延迟敏感且具有交互性,那么对独立数据的诚实解读是:这是一个适合把工作排入队列的模型,而不是一个适合坐着盯着看的模型。

接下来要关注的不是又一个基准测试,而是 OpenCode 为 Qwen4 Max 提供的 $15 额度能否经受真实使用的考验:文档称限额“可能会随着我们从早期使用和反馈中学习而发生变化”,这正是平台在改动数字之前会写下的那句话。一个如此新、计量如此严格、额度又如此小的模型,最有可能成为那一页上最先被修订的那一行。

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