一張生成的標題卡寫著「Qwen4-Max 結束預覽」,副標題是「計量價格卡,以及變得更小的輸出預算」,還有四個標籤寫著「每 1M $1.50 輸入 / $4.50 輸出」、「1,000,000 token 上下文」、「262,144 共享預算」和「六個區域」。
Guides & Insights

Qwen4-Max 結束預覽:計量式價格卡,以及縮減的輸出預算

作者

jinhao.song

發佈日期

最新模型 · 20查看全部模型 →
基準測試:Artificial Analysis · 每日更新
返回全部文章

Qwen4-Max 於 2026 年 11 月 16 日從 token 方案預覽版轉為按用量計費的模型,而首先該看的數字不是基準測試分數,而是新加坡每百萬 token 輸入 1.50 美元、輸出 4.50 美元的價格,相較之下 Qwen3.8-Max 是 2.00 美元與 6.00 美元。這等於在計費的輸入與輸出兩端都直接降了 25%。但這次轉換公布了正式價目表,同時也把共用的思考加回答預算從預覽版的 393,216 個 token 縮減到正式版的 262,144 個,在六個區域把模型從點數方案改為按 token 計費,且恰好只在其中一個區域保留批次推論。如果你之前跑的是預覽版,還把 11 月 16 日當成例行公事,那麼真正會讓你吃苦頭的是規格差異,不是折扣。

11月16日的轉換實際上改變了什麼

預覽版很划算,但範圍很窄:僅限 Token Plan 額度、僅限新加坡,而且有明文記載將於 2026 年 11 月 25 日 24:00(UTC+8)終止。正式全面推出取代了這三項限制,還加上兩項沒人要求的限制。模型識別碼現在是單純的 qwen4-max;帶有到期日的是預覽版字串 qwen4-max-preview 和 qwen4.0-max-preview,因此設定若仍指向其中任一個,就只剩九天倒數。

• 計費 — 在六個地區按 token 計量,相較之下,Token Plan 點數僅適用於一個地區。新加坡卡上的 100 萬 token 免費額度,自啟用、模型發布或核准之日起 90 天內有效,以較晚發生者為準。

區域 — 北京(中國大陸)、新加坡(國際),以及法蘭克福、美國維吉尼亞、東京和香港,皆屬於 Global 範圍。預覽僅包含新加坡。

• 共享輸出預算——在 GA 階段,思考與最終答案合計為 262,144 個 token,相較於預覽卡上的 393,216 個。三分之一的餘裕已經不見了,而且消失的正是長時間代理執行消耗最快的那一部分。

• 非思考輸出——上限為 131,072 個 token,輸入上限為 991,808 個 token。在思考模式下,輸入上限降至 983,616,因為推理與答案都出自同一個 262,144 個 token 的額度。

• 批次推論——僅在北京支援,其他五個區域則不支援。預覽版完全沒有批次處理路徑,因此這是新增能力,而非功能退步;但它的區域限制,是行銷宣傳不會優先提及的。

• 協定介面:涵蓋 OpenAI Chat Completions、OpenAI Responses、Anthropic Messages 與 DashScope 四者,並支援結構化輸出、平行工具呼叫、前綴續寫、網路搜尋,以及明確與隱含兩種快取機制。輸入接受文字、圖片與影片;輸出僅限文字。

價格卡,依照帳單送達的方式排版

阿里巴巴為同一個模型發布了兩張不同的卡片,而當你在選擇部署範圍時,兩者的差異並非小到可以忽略。

• 新加坡,輸入與輸出 — 每百萬個 token $1.50 / $4.50,在完整的 1,000,000 個 token 視窗內均一費率,32K 或 128K 皆不分級。

• 在其他所有地區,輸入與輸出為每百萬個 token $1.413 / $4.24,於同一期間內維持不變。相同模型、相同限制,每個 token 比新加坡便宜 5.8%。

• 快取寫入,新加坡 — 5 分鐘寫入每百萬 $1.875,1 小時寫入 $3.00。其他地區:$1.767 與 $2.827。

• 快取讀取,新加坡 — 每百萬 $0.075。其他地區:$0.071。這是新加坡輸入費率的 5%,也是長上下文代理工作負載中單一最大的槓桿。

• Batch,僅限北京——Batch File 為每百萬 $0.707 / $2.12,Batch Chat 為 $1.413 / $4.24。只有 Batch File 享有 50% 批次折扣;Batch Chat 是以即時費率列出,因此端點名稱中的「batch」並不代表價格保證。

• 相較於 Qwen3.8-Max,同一頁面上——新加坡為 $2.00 / $6.00,全球區域為 $1.65 / $4.951。Qwen4-Max 在新加坡便宜 25%,在其他地區便宜 14.4%,因為較舊模型的非新加坡價格卡本身已有折扣。

如果你已經在法蘭克福或維吉尼亞運行,那麼 14.4% 這個數字才是關鍵:這兩地的跨世代降幅比新加坡的標題數字所暗示的來得小,而廠商「每項任務平均成本降低 62%」的說法,則承擔了單看每 token 價目表無法解釋的大量論證工作。

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.

一個具體範例,讓快取線不再抽象

一份 400,000 個 token 的文件前綴,分三輪審閱,每輪輸出 8,000 個 token、非思考模式、新加坡費率。這是根據公布的定價表所做的算術計算,並非實測執行。

• 第一遍 — 前綴以每百萬 $1.875 寫入快取,費用 $0.75,加上 8,000 個輸出 token,每百萬 $4.50,費用 $0.036。總計 $0.786。

• 第二遍與第三遍——前綴讀取費用為每百萬 $0.075,每遍 $0.03,再加上相同的 $0.036 輸出費用。每遍 $0.066。

• 三次使用快取的處理 — $0.918。同樣三次處理但每次支付完整輸入費用 — $1.908。前綴被讀取兩次,成本低於一次全新處理的價格。

• 第四次遍歷——每當你重新讀取時,快取勝出的幅度都會更寬,而這正是長時間 agent 執行的典型樣貌:固定的系統提示、工具結構定義與文件集,始終擺在不斷變動的問題之前。

收支平衡幾乎是立即的:在新加坡,快取寫入相對於一般輸入費率的溢價是每百萬 $0.375,因此快取的前綴在第一次重新讀取時就已回本。這種做法開始失效的地方,是每一輪都會變動的前綴——你付了寫入溢價卻永遠收不回來,而預設的 5 分鐘寫入時窗短到一次緩慢的工具呼叫就可能讓它過期。

三個預設設定,會在你的提示詞之前就先決定帳單

Qwen4-Max 出廠時即開啟推理功能,並設為高強度。對旗艦機型而言,這是合理的預設;但對分類器來說,這代價高昂。

• 強度預設為 high —— reasoning_effort 接受 low、high 與 xhigh,省略不填就會得到 high。thinking_budget 同樣預設為 131,072,而在思考模式下 max_completion_tokens 則預設為 262,144。一個什麼都沒設定的請求,所保留的輸出預算已超過大多數作業實際會用到的量。

• 沒有 medium —— Chat Completions 與 DashScope 會將 minimal 對應為 low、medium 對應為 high、max 對應為 xhigh。在 Anthropic Messages 路徑上,該參數是 output_config.effort,對應方式相同。要求 medium 的成本與 high 相同。

• preserve_thinking 預設為 true——在多輪呼叫中,先前的推理會被帶入上下文。這會膨脹每次後續呼叫的輸入端,同時提高前綴仍與快取相符的機率。在長時間的代理迴圈中,這兩種效果會部分抵銷;在短對話中則不會,而你正付費重新讀取永遠不會用到的思考內容。

取樣預設值在思考模式下為 temperature、top_p、top_k 分別是 1.0 / 0.95 / 20,非思考模式下為 0.7 / 0.8 / 20;在思考模式之外,presence_penalty 為 1.5。若不調整 effort 而明確設定 temperature,會改變輸出的形態,但不會改變帳單。

廠商聲稱已改善的部分,以及沒有人查證過的部分

本節中的每個數字都是阿里巴巴自家的,尚未在實驗室外被重現。截至11月16日,Qwen4-Max 尚無獨立的指數條目,因此請將這項比較視為一項主張,而非測量結果。

• Work360 — 52.69,對比 Qwen3.8-Max 的 47.74;評測採用廠商自建的分類體系:26 個 Tier-1 領域、182 個 Tier-2、721 個 Tier-3。

Token 效率——在 Work360 上,xhigh 強度約少 24% 的 token,high 強度約少 35%;在 Terminal-Bench 4.0 上則分別約少 48% 與 49%。這項說法會與降價相互疊加,也是你應該先用自己的 trace 驗證的項目,因為 token 節省幅度會隨工作負載型態而異。

{{1}}每項任務平均成本{{/1}} — 在 {{3}}Work360{{/3}} 上從 {{2}}4.43 美元降至 1.67 美元{{/2}},降幅達{{4}}62%{{/4}}。這個數字是把降價幅度乘以節省 token 的說法所得出的;這兩個因素都未經獨立驗證。

• 基礎模型品質——相較於 {{1}}Qwen3.8-Max-Base{{/1}},在啟用參數少 25% 的情況下,每個位元組的位元數低 5% 至 13%,此為內部橫跨知識、程式碼、問答與 STEM 領域的測量結果。廠商指出,所比較的檢查點中有兩個已經過後訓練,這削弱了以基礎模型為論述框架的力道。

• 安全程式設計 — Secure Code Bench 最近一次函式層級通過率從 22.0% 提升至 31.8%,而同時在函式、檔案與儲存庫粒度上皆安全的程式碼則從 8% 提升至 14.7%。

這項效率主張背後的架構,是一個 2.4 兆參數的稀疏混合專家主幹,每個 token 啟用 710 億個參數,另有 3,280 億個 N-gram 嵌入參數,是透過查表取得而非相乘。三層 Gated DeltaNet 會為每個 Qwen Sparse Attention 層將歷史壓縮成固定大小的狀態,而後者透過輕量級索引器以微區塊粒度選取上下文;四個具有動態讀取與寫入閘的平行殘差分支則穩定深層堆疊。這是一個關於長上下文成本為何下降的合理說法。但它仍然只是一種說法。

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.

在不把生產路徑移轉到它上面的情況下試用它

這次發布的尷尬之處在於:這個模型確實是全新的、基準測試未經稽核,而價目表又夠吸引人,以至於有人會想在本週就把它推上生產環境。這三項事實指向的是預備環境策略,而不是一次遷移。

Qwen4-Max 可透過阿里巴巴自家的 Model Studio API 及數個第三方平台使用;截至 11 月 16 日,它尚未收錄於 OrcaRouter 目錄中。Qwen3.8-Max 則是在新加坡每百萬個 token 輸入 $2.00、輸出 $6.00——廠商定價以 0% 加成原樣傳遞,因此與 Qwen4-Max 之間 25% 的差距是實質差距,而非路由利潤。這讓誠實的測試變得很便宜:讓現行模型留在你已有的金鑰上,透過廠商將一小部分影子流量導向新模型,並比較每完成一項任務的成本,而不是每個 token 的成本。廠商自己的說法——$4.43 到 $1.67——是每項任務成本數字,而每項任務成本是唯一能讓 token 效率主張與降價落在同一比較軸上的比較。

對於已經透過 OrcaRouter 路由的團隊而言,通常會阻礙這類評估的切換成本,就是第二份合約和第二個 SDK。一套 API 支援 200 多個模型、跨供應商自動容錯移轉,以及可將多個模型組合為單次呼叫的路由 DSL,意味著混合狀態——由現有模型處理主要流量、候選模型處理一小部分——只是設定變更,而不是一項整合工作。對尚未經過驗證的模型來說,這正是兩週驗證與兩天驗證之間的差別;而當候選模型某個下午狀況不佳時,容錯移轉正是防止驗證變成服務中斷的關鍵。

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日前該做什麼

如果你使用的是預覽版,這個截止期限並非軟性期限:qwen4-max-preview 已記錄將於 2026 年 11 月 25 日 UTC+8 24:00 退役,而 GA 識別碼是 qwen4-max,限制不同。請遷移該字串,然後重新檢查兩件出錯時不會拋出錯誤的事——任何假設有 393,216 個權杖共用預算的程式碼,現在只有 262,144 個權杖;任何依賴 Token Plan 額度的作業,現在都按權杖計量。

如果你正在決定是否採用,等待的理由比一週前更站不住腳了,因為計量卡與快取定價現已公布,而且在每個地區,價格都確實低於上一代。該謹慎的理由則是共用輸出額度、僅限北京的批次路徑,以及一套由廠商自己撰寫的基準測試。先跑影子切片,按每個完成的任務計價,再讓接下來兩週你自己的追蹤紀錄來決定——那些證據的價值,會高過在一個我們誰都無法稽核的分類框架上拿到 52.69。

還有一件事即將發生,會再次改變這筆算盤:阿里巴巴表示,較小型的 Qwen4 模型將在同一系列下開源,而從歷史來看,這意味著這一層級的價格下限會在一季內變動。你以今日費率做出的任何承諾,都應該是你能夠隨時抽身的承諾。