Qwen4 Max API 现在已经从 Token Plan 预览版走向按量付费:输入每 100 万 token 收费 $1.50,输出收费 $4.50,并支持 100 万 token 上下文。新项目应直接使用 qwen4-max,因为 qwen4-max-preview 将于 2026 年 11 月 25 日退役。
Qwen4-Max API 速览:2026 年 11 月 16 日正式上线
阿里巴巴于 2026 年 11 月 16 日在 Alibaba Cloud Model Studio 正式发布 Qwen4-Max,模型 ID 为 qwen4-max。此前,它曾于 11 月 11 日以仅支持 Token Plan 的预览版形式开放。@Alibaba_Qwen 将其介绍为采用全新 MoE 架构、原生支持视觉输入并拥有 100 万 token 上下文窗口的模型,API 已在 QwenCloud 上线。面向国际用户时,QwenCloud 文档与 Model Studio 基本对应,具体请使用所在区域的 Model Studio 接口(QwenCloud 文档)。
| 项目 | Qwen4-Max(qwen4-max) |
|---|---|
| 状态 | 2026 年 11 月 16 日起正式可用;预览版 qwen4-max-preview 运行时间为 2026 年 11 月 11 日至 11 月 25 日,之后退役 |
| 输入 / 输出 | 每 100 万 token $1.50 / $4.50(新加坡国际区域) |
| 缓存读取 | 每 100 万 token $0.075 |
| 其他区域 | 美国(弗吉尼亚)、法兰克福、东京、中国香港:每 100 万 token $1.413 / $4.24 |
| 上下文 | 100 万 token;文档列出的最大输入为 991K token |
| 最大输出 | 关闭思考时 131,072 token;开启思考时,思考过程与答案合计 262,144 token |
| 输入模式 | 文本、图片、视频 |
| API 形式 | 兼容 OpenAI 和 Anthropic;支持工具调用、结构化 JSON 输出、联网搜索、缓存、批处理和微调 |
| 区域 | 新加坡、美国(弗吉尼亚)、法兰克福、东京、中国香港、北京;批处理任务仅限北京 |
| 试用 | 新加坡新账号可获得 100 万免费 token,有效期 90 天 |
以上价格和限制来自 Alibaba Cloud Model Studio 文档,信息整理于 2026 年 11 月 16 日(价格文档和 QwenCloud 文档)。以新加坡区域为例,输入 100K token、输出 10K token 的费用约为 $0.15 + $0.045 = $0.195。
相比 Qwen3.8-Max,真正的变化在哪里
Qwen 官方引用 Artificial Analysis 的数据称,Qwen4-Max 的 Intelligence Index 达到 43,比 Qwen3.8-Max(xhigh)高 9 分,比 Kimi K3.1 Pro 低 3 分;它的单任务平均成本为 $3.27,约为 Qwen3.8-Max 的三分之一,同时输出 token 数减少 39%。
节省主要来自两方面:表中的单 token 价格更低,以及完成同一任务所需的 token 更少。Qwen 的内部评测显示,后者最多可减少约 50%。对于需要重复读取上下文的 100 万 token 级任务,收益尤其明显,因为隐式缓存读取价格为每 100 万 token $0.075,官方称这比 Qwen3.8-Max 的缓存价格低 70%。
在架构方面,Qwen4-Max 采用原生视觉 MoE 骨干网络,总参数量为 2.4T,激活参数量为 71B,N-gram embedding 参数量为 328B。虽然 Qwen 博客引用了 Artificial Analysis 的成绩,但 AI First Look 和 AICoder 指出,截至 11 月 16 日,完整基准测试表和公开的 AA 排行榜条目仍未上线。
前代产品可参考:Qwen3.8-Max API 价格和 Qwen3.8-Max 与 Kimi K3 对比。
真正影响账单的规格与限制
相比“100 万上下文”这个 headline,下面三个限制更值得关注。
上下文窗口不等于可用输入。上下文窗口虽然是 100 万 token,但 QwenCloud 列出的最大输入为 991K token。做检索密集型任务时,最好预留安全余量,并实际测试模型在上下文中段的信息召回能力。
输出与思考共用同一预算。关闭思考时,最大输出为 131,072 token。开启思考后,思考过程和最终答案共同占用 262,144 token,因此复杂推理可能会挤压答案长度。根据 XenoSpectrum 的预览版规格整理,预览版曾允许思考与答案共享 393,216 token;生产环境不要直接写死预览版限制。
思考默认值也变了。思考功能默认开启。正式版默认级别为 high,同时提供 low 和 xhigh;根据 AI First Look 的规格表,预览版默认使用 xhigh。如果延迟偏高,建议先把 reasoning_effort 调低到 low。
多模态输入支持文本、图片和视频。根据 XenoSpectrum 的预览版规格整理,预览版视频提交限制为单次 2 小时、2 GB、64 个视频。这些只是提交限制,并不代表模型一定能完整理解内容;长视频仍应使用自己的文件进行召回测试。
控制成本时,可以要求模型输出结构化 JSON,减少无关展开,并通过缓存读取复用长上下文(新加坡区域每 100 万 token $0.075)。AICoder 的发布记录还列出了在支持该功能的区域,显式创建 5 分钟缓存的价格为每 100 万 token $1.875。
使用 OpenAI SDK 调用 qwen4-max
根据 Alibaba Cloud 模型文档,Model Studio 支持 OpenAI Chat Completions、Responses,以及 Anthropic Messages API 的请求形式。按量付费后端请使用 qwen4-max;qwen4-max-preview 仅支持 Token Plan。
import os
from openai import OpenAI
client = OpenAI(
api_key=os.getenv("QWEN_API_KEY"),
# Singapore/international endpoint:
base_url="https://dashscope-intl.aliyuncs.com/compatible-mode/v1",
# China/Beijing endpoint: https://dashscope.aliyuncs.com/compatible-mode/v1
)
resp = client.chat.completions.create(
model="qwen4-max",
messages=[
{"role": "user", "content": "Summarize this release in 3 bullets."}
],
extra_body={"reasoning_effort": "high"},
)
print(resp.choices[0].message.content)API key 和 endpoint 必须对应同一个 Model Studio 区域。需要结构化输出时,可以请求 response_format={"type": "json_object"},或在支持的情况下使用 JSON Schema,并对大型结构化结果进行校验。
按量付费、Token Plan 和聊天应用:该选哪条路
| 方式 | 适合场景 | 主要限制 |
|---|---|---|
Model Studio 按量付费(qwen4-max) | 应用、后端、批处理 | 按 token 计费;需要确认区域 endpoint 和 API key |
Token Plan(qwen4-max-preview) | 在 Claude Code、Cline、Cursor、OpenCode 中进行交互式编程 | 仅限交互式使用;不得用于生产自动化、批处理脚本或嵌入后端;仅限新加坡区域;于 2026 年 11 月 25 日 24:00 UTC+8 结束 |
| Qwen Chat、QwenWork、QwenStudio、Qoder | 试用提示词、处理文档,或在无需配置 API key 的情况下使用 Agent IDE | 可用性和额度价格以应用内显示为准,不构成 API 合约 |
Token Plan 是面向交互式开发的月度额度池。Apidog 的 Token Plan 梳理列出了个人套餐:Lite 活动价 $3、标价 $8,包含 20,000 credits;Pro 活动价 $43、标价 $51,包含 200,000 credits,API key 以 sb-sp- 开头。共享 key、运行后台任务,或把 key 嵌入已发布的后端,都会违反使用条款。对于提示词级别的试用,Apidog 和 XenoSpectrum 将 Qwen Chat、QwenWork、QwenStudio 和 Qoder 列为评测入口;具体可用性由应用内显示,并且会因账号而异。
请在 2026 年 11 月 25 日之前完成迁移:
- 将模型字符串从
qwen4-max-preview改为qwen4-max。 - 从 Token Plan 的 base URL 和 key 切换到 Model Studio 的按量付费 key 及对应区域 endpoint。
- 重新测试思考默认值(从
xhigh变为high)。 - 重新评估输出预算(预览版共享上限 393K,对比正式版的 131K/262K 上限)。
早期用户反馈:新项目开发很快,Agent 表现不太稳定
AI First Look 汇总的小样本测试显示,Qwen4-Max 可以通过一次提示完成部分项目构建,其中一项测试在约 2.5 分钟内通过了 20 个隐藏测试;Qwen3.8-Max 则耗时 17 分钟。不过,同一份汇总也提到,在一项游戏测试中,Qwen4-Max 虽然完成得更快,但综合评价仍排名第二。
尝试让它生成代码时,我一直遇到这些错误。
— @bijanbowen,原帖(2026 年 11 月 16 日的真实用户初体验;配图显示代码生成反复报错)
一份早期中文测试者汇总(@weconomypistis)认为,价格和单任务成本是最大亮点,但在终端和 Agent 操作方面落后于 Kimi,响应速度也更慢。
常见问题
Qwen4-Max 是开放权重模型吗?
不是。截至 11 月 16 日,Qwen4-Max 仅提供托管服务,官方尚未公布模型权重,这是 AI First Look 的追踪记录给出的信息。Qwen 表示,后续会为更小的 Qwen4 模型开放权重,详见 Qwen4-Max 公告;但目前尚未公布具体日期、模型规模或许可证。