阿里巴巴开放 Qwen4-Max,API 价格下调并支持百万 Token 上下文

阅读约需 7 分钟
Alibaba Opens Qwen4-Max With Lower API Prices and a Million-Token Context

更低价的旗舰模型,适用于更长的任务

阿里巴巴已通过 QwenCloud 正式开放 Qwen4-Max。该模型支持 100 万 Token 的上下文窗口,价格更低;据称,在 Work360 基准测试中,完成任务的平均成本降低了约 58%。此次发布是在 2026 年 11 月 11 日开启限量预览之后进行的。

目录
  1. 更低价的旗舰模型,适用于更长的任务
  2. 从订阅预览到更广泛开放
  3. 百万 Token 的上下文窗口能容纳什么?
  4. 价格下调如何影响成本
  5. 重复使用的文档可降低处理成本
  6. 激活参数占比较小的大型模型
  7. 基准测试表现有提升,竞争结果不一
  8. 开发者目前可接入的功能
  9. 智能体增加修订步骤
  10. 要点

这款旗舰模型采用混合专家架构,骨干网络拥有 2.4 万亿个参数。它支持输入文本、图像和视频,并生成文本。阿里巴巴将其定位于编程、办公、前端设计和智能体等用途;智能体是指能够使用工具并按步骤实现目标的软件。

阿里巴巴的Model Studio 文档于 11 月 16 日更新,列出的国际价格为每百万输入 Token 1.50 美元、每百万输出 Token 4.50 美元。Token 是模型处理的信息单元。对于文本,一个 Token 可以是一个词、词的一部分或标点符号。

阿里巴巴表示,完成可比任务时,Qwen4-Max 所需的 Token 也少于 Qwen3.8-Max。价格下降与用量减少共同作用,使 Work360 任务的平均成本从 26.58 元降至 11.16 元,节省 15.42 元。另一项已公布的美元计算显示,成本从 4.43 美元降至 1.67 美元,降幅约为 62%;发布说明中提到的约 58% 降幅,则是按人民币数据计算得出。

对开发者而言,实际优势在于几项能力的结合:能容纳更多文档和对话历史、可以处理视觉材料,而且每单位处理量的费用更低。实际应用能节省多少,取决于请求内容、推理设置和生成的答案。

广告

从订阅预览到更广泛开放

Qwen4-Max 最初通过阿里巴巴的 Token Plan 订阅服务推出。早期用户也可通过 Qwen app、Qoder、QwenWork 和 QwenStudio 使用。正式开放后,用户可通过 QwenCloud 访问该模型;阿里巴巴的办公和开发应用也继续提供该模型。

目前公布的时间线如下:

  • 2026 年 11 月 11 日:阿里巴巴开启限量预览,开发者可通过 Token Plan 访问,用户也可在其应用中提前体验。
  • 2026 年 11 月 16 日:阿里巴巴更新 Model Studio 文档,加入功能、价格、上下文限制和 API 详情。
  • 正式开放:预览结束后,阿里巴巴开放 QwenCloud 访问;官方未公布确切的开放日期。

开发者通过模型标识符 qwen4-max 调用该模型。Model Studio 还列出 100 万 Token 的免费额度,有效期为 90 天;起算时间以激活、模型发布或应用审批中较晚者为准。

百万 Token 的上下文窗口能容纳什么?

Qwen4-Max 的上下文窗口是处理请求时可用的信息空间。窗口越大,应用就能在同一任务中纳入更多文档、代码或对话历史,而不必将内容拆分成多个较小的请求。

阿里巴巴规定,非思考模式下的最大输入长度为 991,808 个 Token,思考模式下为 983,616 个 Token。两种模式处理任务的方式不同:思考模式会在生成答案前为模型提供推理额度。

文档列出的最大输出长度为:非思考模式下 131,072 个 Token;思考过程与最终答案合计最多 262,144 个 Token。已发布的一份发布说明给出的最大输出长度更高,约为 393,000 个 Token;阿里巴巴当前的服务文档则列出了开发者可据此配置的实际限制。

支持输入文本、图像和视频,意味着应用可以提交更多类型的材料。例如,办公请求可以同时包含文字说明、截图或视频。文档列出的输出格式为文本,包括代码和结构化数据。

广告

价格下调如何影响成本

据报道,国际 API 价格从 Qwen3.8-Max 的每百万输入 Token 2 美元、每百万输出 Token 6 美元,降至 1.50 美元和 4.50 美元,降幅均为 25%。阿里巴巴的文档还单独列出全球部署价格:每百万输入 Token 1.413 美元、每百万输出 Token 4.24 美元。

一个请求如果使用 100,000 个输入 Token 并生成 10,000 个输出 Token,按国际价格计算,费用为 0.195 美元,不计缓存节省或其他适用费用。按此前每百万输入 Token 2 美元、每百万输出 Token 6 美元的价格计算,相同用量的费用为 0.26 美元。此处保持用量不变,仅展示价格调整带来的影响。

阿里巴巴声称任务成本降幅更大,部分原因是 Token 用量减少。在 Work360 测试中,Xhigh 推理设置下的 Token 消耗据报减少约 24%,High 设置下减少约 35%。在 Terminal-Bench 4.0 测试中,两种设置下的降幅分别约为 48% 和 49%。

推理也计入费用:价格表说明,输出费用涵盖思维链和答案。因此,即使用户看到的最终答案同样简短,要求模型进行大量推理的应用也可能比只请求简短回答的应用花费更多。

重复使用的文档可降低处理成本

Qwen4-Max 支持显式和隐式缓存。缓存可让服务重复使用先前处理过的输入,例如标准指令、工具说明或参考文档,从而避免每次处理相同内容时都按普通输入价格收费。

阿里巴巴文档称,显式缓存支持 OpenAI Chat Completions、OpenAI Responses 和 Anthropic Messages 接口。文档列出的缓存有效期为 5 分钟和 1 小时。据报,隐式缓存读取价格从每百万 Token 0.25 美元降至 0.075 美元,降幅为 70%。

对于智能体来说,重复使用很重要,因为它们可能会在多个步骤中查阅相同的指令和文档。更低的 Token 单价、更少的生成 Token,以及对常用输入的重复利用,都可能降低完成任务的成本。具体影响取决于应用重复提供信息的频率,以及模型执行的工作量。

广告

激活参数占比较小的大型模型

据报,Qwen4-Max 拥有 2.4 万亿个骨干网络参数,这些参数是模型在训练过程中学习到的数值设置。其混合专家设计将部分能力分配给多个专业组件,并在处理每个 Token 时选取其中一部分。

架构信息显示,每个 Token 激活的参数为 710 亿个,约占 2.4 万亿个骨干网络参数的 3%。此外,模型还使用 3,280 亿个参数处理 N-gram 嵌入,用于存储短距离局部 Token 模式的表示。

阿里巴巴的设计结合了 Qwen Sparse Attention 和 Gated DeltaNet 层。简单来说,部分层会将较早的信息压缩为紧凑状态,同时由索引机制从较长的上下文中选取相关内容。此设计旨在减少处理长序列所需的计算量。

Gated Residuals 提供四条并行的信息通路,并通过门控机制控制信息的读取和写入。阿里巴巴称,模型训练过程稳定,没有出现损失突增;其基础模型在激活参数减少 25% 的情况下,bits per byte 指标比 Qwen3.8-Max-Base 低 5% 至 13%。Bits per byte 用于衡量评估过程中的预测效率;数值越低,表示模型对测试文本的预测效率越高。

基准测试表现有提升,竞争结果不一

阿里巴巴的对比图表显示,Qwen4-Max 在 16 项基准测试中的 4 项排名第一。它的最大领先优势出现在 HLAB-Vals-1.1 法律智能体评测中,得分为 21.3,高于 Kimi K3.1 的 11.7 和 Claude Opus 5.5 的 9.2。

该模型在 Agents' Last Exam v1.1、BioMysteryBench 和 DeepSWE v1.1 上也位居图表首位,得分分别为 46.7、85.0 和 75.7。后两项测试中的领先幅度很小:GPT-6.1 Sol 在 BioMysteryBench 上得分为 84.4,Kimi K3.1 在 DeepSWE 上得分为 75.5。

阿里巴巴的 Work360 得分从 Qwen3.8-Max 的 47.74 升至 Qwen4-Max 的 52.69,提高了 4.95 分。Work360 涵盖 26 个一级领域和 721 个专业领域,将阿里巴巴关于性能和成本的说法与广泛的工作任务联系起来。

其他结果显示,该模型与竞争对手之间仍存在较大差距。Qwen4-Max 在 ProgramBench 上得分为 31.5,低于 Claude Opus 5.5 的 65.0;在 Chartography 上得分为 54.2,低于 GPT-6 Astra 的 71.1。Claude Opus 5.5 在图表列出的 16 项评测中有 7 项领先。发布时的对比结果既包括阿里巴巴自己的测试,也包括来自外部排行榜的部分分数,尚未经过独立复现。

广告

开发者目前可接入的功能

阿里巴巴支持 OpenAI Chat Completions、OpenAI Responses、Anthropic Messages 和 DashScope API。这些接口兼容性为开发者提供了熟悉的请求发送和结果接收方式,不过应用仍需针对新模型进行配置和测试。

文档列出的功能包括流式传输、网页搜索、并行工具调用,以及使用 JSON 对象或 JSON Schema 的结构化输出。流式传输会在答案生成过程中逐步返回内容。并行工具调用让模型可以同时请求多个操作;结构化输出则有助于软件以可预测的格式接收信息。

思考模式默认开启,推理强度设为 High,思考预算为 131,072 个 Token。支持的推理强度包括 Low、High 和 Xhigh。开发者可根据不同任务对速度、成本和推理能力的要求调整这些设置。

阿里巴巴官方功能表将批量推理、微调和模型部署标为不支持。这些服务规格比一份已发布的发布说明所列功能范围更窄;后者将批处理和微调列为支持功能。全球调用限制包括每分钟 30,000 次请求,以及每分钟 500 万个输入和输出 Token;任一限制都可能成为流量瓶颈。

智能体增加修订步骤

阿里巴巴还发布了一款插件,允许智能体先交付初稿,再根据用户反馈进行修改。这为原本可能试图一次完成任务的工作流程增加了审核环节。

用户可以先评估初稿,再要求智能体修改。对于办公、编程和设计任务,这提供了一个明确的调整方向的节点,而不必等到一连串操作全部完成后才提出修改意见。

Qwen4-Max 本身是专有模型,通过托管服务提供,且不提供可下载的模型权重,无法在客户自己的硬件上运行。阿里巴巴计划将较小的 Qwen4 模型开源。目前,旗舰模型只能通过阿里巴巴的云服务和应用产品访问。

要点

  • Qwen4-Max 在 2026 年 11 月 11 日开始预览后,已通过 QwenCloud 正式开放。
  • 该模型支持输入文本、图像和视频,上下文窗口为 100 万 Token。
  • 国际 API 价格为每百万输入 Token 1.50 美元、每百万输出 Token 4.50 美元,比据报的上一代价格低 25%。
  • 阿里巴巴称,Work360 任务的平均成本从 26.58 元降至 11.16 元,降幅约为 58%。
  • 官方文档列出的非思考模式最大输出长度为 131,072 个 Token;思考过程与答案合计最多 262,144 个 Token。
  • 阿里巴巴的图表显示,该模型在 16 项基准测试中的 4 项排名第一,但在部分编程和视觉任务中的表现较弱。
  • 这款旗舰模型仍为专有托管服务;阿里巴巴计划开源较小的 Qwen4 模型。
分享本文

猜你喜欢