Qwen4-Max 怎么用:2.4 万亿参数与 10 元每百万 token 定价

一句话结论:Qwen4-Max 是 2026 年 11 月 16 日上线千问 AI 平台的旗舰 API 模型,2.4 万亿主干参数、每 token 激活 710 亿、百万 token 上下文,官方定价输入 10 元、输出 30 元每百万 token,缓存命中低至 0.5 元,Work360 单任务平均费用从前代 26.58 元降到 11.16 元,降幅 58%。

如果只看一个数字,这次升级最值得记住的是激活参数:同样 2.4 万亿的总参数下,每 token 真正参与计算的参数从上代的 950 亿降到 710 亿,瘦身约四分之一。架构改了,单价也降了,这两件事叠在一起才解释得通为什么长任务能便宜一半。Max 只是 Qwen4 系列第一款模型,官方已经预告同代的小尺寸模型会陆续开源权重。

模型规格与架构:GDN 加 QSA 的四层节奏

Qwen4-Max 属于稀疏 MoE,主干参数 2.4T,每 token 激活 71B,另有 328B 的 N-gram Embedding 作为附加查表模块,官方口径是原生视觉能力与 1M token 上下文窗口(百炼模型页列出 Max Input 991K、Max Output 393K)。

注意力层做了混合设计。每四层里三层是 Gated DeltaNet,把历史信息压缩成固定大小的状态;剩下一层是 Qwen Sparse Attention,也就是 QSA,通过轻量 Indexer 以 block 为粒度挑选相关上下文参与计算,同时压低长序列的 Attention 与索引开销。残差流从单路扩成四条并行的 Gated Residual 分支,由动态读写门控决定跨层信息的传递方式,官方称这直接换来了训练稳定性的提升。

训练结果印证了这个说法。2.4T 规模下预训练全程没有出现 loss spike。在知识、代码、问答、STEM 四类内部评测里,Qwen4-Max-Base 的 BPB(bits per byte,越低越好)在五个参评模型中全部最低,相比同为 2.4T 的 Qwen3.8-Max-Base 各领域下降约 5% 到 13%。

这里有个容易读错的地方。官方那张 BPB 对比图里同时列了 GLM-5.3 和 Kimi-K3.1-Pro,但这两家给出的是后训练过的 checkpoint,把基座模型和后训练模型排在同一列会掩盖训练阶段的差异。看趋势可以,看绝对排名要留个心眼。

官方定价:qwen4-max 单价与缓存档位

下面这张表来自阿里云百炼模型调用计费页,华北 2(北京)地域,数据核对于 2026 年 11 月 16 日。

模型 ID 输入单价 输出单价 创建缓存 5 分钟 创建缓存 1 小时 缓存命中 免费额度
qwen4-max 10 元 30 元 12.5 元 20 元 0.5 元 100 万 Token
qwen3.8-max 12 元 36 元 上下文缓存折扣 上下文缓存折扣 上下文缓存折扣 100 万 Token

单价全部按每百万 token 计,qwen4-max 的输入输出都下调了一档,缓存命中更是压到 0.5 元。百炼的上下文缓存分两种模式:显式缓存需要主动加 cache_control 标记,创建按输入单价 125% 计费,命中只付 10%,有效期 5 分钟;隐式缓存全自动、按输入单价 20% 计费但命中率不确定。两种模式互斥,单次请求最多 4 个缓存标记,最少 1024 token 才具备命中条件。

对长任务来说,缓存比单价本身更重要。一个 Agent 反复回看同一份底稿或代码库时,命中部分的实际成本只有五分之一。百炼的 Token Plan 套餐与此配合得更紧,具体档位可以参考阿里云 Token Plan 四档对比一文。

跑分:三榜国产第一,但偏科也很明显

发布当天 Qwen4-Max 在第三方榜单上同时拿下三个国产第一:Agent Arena 智能体榜首次收录即列全球第 14,前代 Qwen3.8-Max 只排第 39;Code Arena 前端编程盲测得分 1750 列全球第 6,比前代高 74 分;Vals AI 的 Vals Index 综合榜拿到 63.2%,在 38 个模型中列第 11。

评测 Qwen4-Max Qwen3.8-Max 对照模型
Work360(阿里自建行业基准) 52.69 47.74 无官方对照
Agents’ Last Exam 46.7 27.9 Claude Opus 5.5 为 43.4
Terminal-Bench 4.0 48.5 37.9 Kimi K3.1 为 67.2
Chartography 54.2 42.0 无官方对照
JobBench 67.3 未披露 低于 Claude Opus 5.5
ProgramBench 31.5 未披露 Claude Opus 5.5 为 65.0
HLAB-Vals 1.1(法律智能体) 21.3 未披露 对比图中最高 15.4
Agent Arena 排名 全球第 14 全球第 39 Claude Opus 5.5、GPT-6.1 Sol

这张表要连着读才完整。Agents’ Last Exam 考的是耗时长、有实际价值的智能体任务,Qwen4-Max 拿 46.7 分超过 Claude Opus 5.5 的 43.4 分,这是它最强的一格。但 Terminal-Bench 4.0 只有 48.5 分,Kimi K3.1 是 67.2;ProgramBench 31.5 分,Claude Opus 5.5 是 65.0。拆到 Agent Arena 的单科信号看,它的 Bash 可靠性只排第 29 名。

结论很直接。重 Bash、重命令行运维的重活,单独靠 Qwen4-Max 目前顶不住,配 Claude 或 Kimi 更稳。而做长流程 Agent、研究型任务、图表与专业文档处理,它的优势是真实的。Qwen4-Max 与前代的整体对比可以参照本站此前那篇Qwen4 登顶 GameFeel 榜的分析。

成本账:降 58% 的构成拆解

官方给出的单任务对比是:Work360 评测中,Qwen3.8-Max 平均每任务 26.58 元,Qwen4-Max 为 11.16 元,下降 58%。官方英文材料写的是 4.43 美元降到 1.67 美元、降幅 62%。两个版本的数字并不对应同一次汇率换算,引用时最好注明出处版本。

降幅不只来自单价。官方分基准、分推理档位给出了 token 用量降幅。

基准 推理档位 相对 Qwen3.8-Max 的 token 降幅
Work360 Xhigh 约 24%
Work360 High 约 35%
Terminal-Bench 4.0 Xhigh 约 48%
Terminal-Bench 4.0 High 约 49%

Terminal-Bench 4.0 上给了更直观的一组数:同为 Xhigh 档,每次尝试的平均 token 用量由 289K 降到 151K,得分同时从 37.9 升到 48.5。少用近一半 token 反而分数更高,这是激活参数减少 25% 带来的直接结果。

不过评估真实 Agent 成本时别只算对话。一个带搜索、带工具调用、带失败重试的任务,费用里还包括工具本身的开销。官方给的 10.42%(数据标注多模型调用调度成本下降)、4.62%(GPU 在线分配相对基线的整机空闲容量时长提升)、14.61 倍(CPU 离线重调度求解速度提升)这三项,是模型反过来优化阿里云自身调度系统的结果。

落地案例:从 475 分钟到 24 分钟的加工编程

官方这次给的案例不再是玩具演示,每个都带了可核对的数字。

汽车制造是其中工程化程度最高的一条。在三丰智能装备与统联精密的实际产线里,模型根据二维布局图和工艺参数调用既有设备库构建三维产线,做节拍仿真与 PLC 虚拟调试;零件层面完成车门总成、摩擦轮的建模与加工工艺规划,生成刀路并在仿真中核验,在上机前发现过切与少切。展示案例中,单个工件的加工编程人工投入从约 475 分钟降到 24 分钟,降幅约 95%。

其余几个案例的量级也值得记:金融投研一次调用 90 个 MCP 工具拉取 A 股、港美股、债券、基金与衍生品数据,交付 Excel 底稿与可编辑 PPT,图表与底稿逐一对齐可回溯;IPO 法律尽调处理 198 份命名混乱的底稿,按实质内容归为 14 个目录,交叉核验工商、知识产权与司法信息,交付 86 页、6 万余字报告并对全部结论标注底稿引用;危重症临床场景单次对话通读几十份检验单、上万字病程记录与 1,433 张原始影像,定位到双肺背侧实变,与主管医生诊断一致。

科研侧是两个长程闭环。冷却液分子任务在 Mira 一体化干湿实验环境中连续自主运行 48 小时,构建 270 万个分子的候选空间,经过 4 轮设计、合成测试与主动学习迭代,拿到实验验证过的实体样品。阿尔茨海默病方向围绕 NLRP3 靶点,在深势科技 PharmMaster 平台上累计调用工具 454 次、完成 3,239 项计算指标评估、设计优化 24 个候选分子,优选分子的相对结合自由能估计显示名义结合亲和力约为专利起点的 3.6 倍。

Live Delivery 插件:长任务边做边交付怎么装

长程 Agent 最怕的是闷头跑完才交卷,前面几步方向错了全白烧。Qwen4-Max 的对策是 Live Delivery 能力,先交付一个可用首版,再逐版迭代,用户随时能介入纠偏。官方同步开源了配套插件 Qwen-Live-Delivery-Plugin。

插件由三块组成:Live Delivery Skill 引导 Agent 挑最小可用首版并按实际结果规划下一版;Live Delivery MCP 用 ld_begin、ld_publish、ld_status、ld_done 四个工具管理交付计划与状态、保留完整版本快照;Lifecycle Hooks 把用户反馈在恢复轮次或工具调用后带回上下文,任务未完成且预算未耗尽时阻止过早结束。

安装步骤是官方 README 里的原样写法,插件版本 0.1.0,测试环境为 Codex 0.166.0 与 0.167.1。

cd /path/to/Qwen-Live-Delivery-Plugin
./live-delivery/install.sh --workspace /path/to/project

装好后进项目目录起任务,时间预算用环境变量控制,最长支持 7 天。

cd /path/to/project
QWEN_LD_TIME_BUDGET=12m codex

在 Codex 里输入 $ld:go 加一句需求,命令行会打印一个本地工作台地址,可以预览每一版交付的成果、下载文件、追加要求或直接停任务。诊断用 ./live-delivery/install.sh –doctor,卸载用 codex plugin remove ld@live-delivery-local –json。远程服务器上跑要设 QWEN_LD_BIND_HOST=127.0.0.1 走 SSH 转发,工作台链接本身等同于访问凭证,别外传。

API 接入与安全边界

调用侧完全兼容 OpenAI 协议,改一下 base_url 与模型名就能接进来,下面是百炼文档给出的写法。

from openai import OpenAI

client = OpenAI(
    base_url="https://{WorkspaceId}.cn-beijing.maas.aliyuncs.com/compatible-mode/v1",
    api_key=os.getenv("DASHSCOPE_API_KEY"),
)
resp = client.chat.completions.create(
    model="qwen4-max",
    messages=[{"role": "user", "content": "你是谁?"}],
)

华北 2(北京)地域需要把 {WorkspaceId} 换成自己的业务空间 ID,其他地域的接入域名也不同。模型页同时列了千问 App、千问办公、Qoder 与 Qwen Studio 的入口,以及 Token Plan 调用方式。国内百炼还提供 100 万 token 免费额度,开通后 90 天内有效。

安全侧官方给了可量化的改善:在 Last Secure Code Bench 的无安全提示代码重建与功能漏洞双重检验中,函数级的功能与安全双通过率从前代 22.0% 提升到 31.8%;函数、文件、仓库三个粒度同时生成安全代码的比例从 8% 提升到 14.7%,接近翻倍,注入、内存安全与越权访问这三类风险上的表现提升最明显。

FAQ

Qwen4-Max 能本地部署吗?不能。Max 目前只有云端 API,官方只预告 Qwen4 系列中更小的模型会陆续开源权重,没有给时间表,也没有承诺 Max 权重开放。2.4T 主干与 71B 激活参数描述的是模型规模结构,不等于存在一个 71B 的可下载模型,本地部署要等后续小尺寸版本。

qwen4-max 和 qwen4-max-preview 有什么区别?11 月 11 日开放过限时预览版,11 月 16 日是正式版上线并对外提供 API,两者不是同一个模型 ID。预览文档里写的 Token Plan 专享与 11 月 25 日截止属于旧页信息,不能用来判断正式版的可用范围,现在对应的模型 ID 就是 qwen4-max。

为什么单任务费用能降 58%,是单纯降价吗?不是。三块因素叠加:API 单价本身下调(输入 12 元降到 10 元,输出 36 元降到 30 元)、激活参数减少 25% 带来更少 token 消耗(Terminal-Bench 4.0 上 Xhigh 档少用约 48%)、以及缓存命中价降到 0.5 元。真实 Agent 的总费用还要算上工具调用与失败重试。

小结

Qwen4-Max 这次的重点不在参数规模继续往上堆,总参数跟前代持平,架构上用 GDN 加 QSA 的混合注意力把激活参数压下去四分之一,再叠加单价下调与缓存降价,把长任务的单次成本压到接近一半。第三方榜单上它拿到三个国产第一,Agents’ Last Exam 甚至反超 Claude Opus 5.5,但 Terminal-Bench 与 ProgramBench 的短板同样清晰。

对已经在用云端模型的团队,接口换一行模型名就能试跑,建议先挑几项已有验收标准的任务,记下完成质量、失败重试次数、总 token 与总费用,再看每个成功任务花了多少钱。对想在自己显卡上跑的人,只能等 Qwen4 系列的中小尺寸开源版本。

相关阅读

全部文章归档与模型专题