Qwen4-Max API 开放,输入输出降价约三成
Qwen4-Max 每百万 token 输入和输出分别收费 1.50 和 4.50 美元,较 Qwen3-Max 分别降低 32.8% 和 31%。该模型登顶 LMArena WebDev 榜,同系列另有三款开放权重模型发布。
AI 深度解读
阿里通义于 2026 年 11 月 16 日开放 Qwen4-Max API。新旗舰的输入和输出单价都比 Qwen3-Max 低了约三成,同时登上 LMArena WebDev 榜首。对前端和全栈团队来说,这两点放在一起,有理由把它加入编码模型的选型测试。
原文还给出了 100 万 token 上下文和每会话 2,000 次工具调用的上限。真正影响选型的是,换模型以后,同一张工单要花多少钱,生成的页面和代码又有多少能通过验收。
每百万 token 便宜了,单张工单能省多少
Qwen4-Max 按每百万 token 收费,输入 $1.50,输出 $4.50,较 Qwen3-Max 分别下降 32.8% 和 31%。输出单价是输入的 3 倍。对会反复生成代码、读取工具结果、失败后重试的编码代理,除了看报价,还得看完成任务一共用了多少输入和输出 token。
原文列出的容量是 1,000,000 token 上下文、每会话 2,000 次工具调用、512 个并发会话,以及每分钟 500,000 个输入 token。上下文窗口管一次请求能装多少内容,每分钟的输入额度管请求发得有多快。原文没有交代满窗口请求如何适用每分钟限额,也没给出并发压力测试。大仓库或长会话能否按预期跑起来,还要看实际请求。
5.6 万亿参数,为什么只用到 8% 的计算量
Qwen4-Max 把稀疏混合专家架构(MoE)和混合层设计放在一起。前者会为当前输入选用部分专家模块,让模型拥有很大的总参数量,同时只调用其中一部分。按原文的说法,这个 5.6 万亿参数模型的活跃计算量约为稠密模型的 8%。混合层设计则是每 8 层里有 1 层专门处理长期记忆,其余层采用注意力。
原文没有交代 8% 所用的稠密模型基准,也没有测端到端延迟。这个数字可以用来理解稀疏设计,API 调用的实际耗时仍要用自己的输入和输出长度来测。
WebDev 榜首和开放权重各能说明什么
原文列了两个外部评测结果。Qwen4-Max 在 LMArena WebDev 排名第一,2026 年 11 月 16 日的 Artificial Analysis Intelligence Index 得分为 78。前者适合用来筛选网页编码候选模型,后者提供综合能力的参考。原文只概括了它在编码和成本效率方面的表现,没有给出具体对照分数。
Hugging Face 上开放权重的是 Qwen4-2512、Qwen4-2512-Instruct 和 Qwen4-2512-Thinking。通义称同规模开放权重模型的输出质量可媲美专有旗舰,原文没有给出支撑这项说法的逐任务对照。Qwen4-Max 本身尚未开放权重,通义也未公布开放日期。
我的判断
单价下降最容易核对,WebDev 排名也和前端读者的工作有直接关系。但作者没有报告自己的实测,也没有用同一批任务比较 Qwen3-Max 和 Qwen4-Max 的通过率、重试次数和总费用。文中关于编码、浏览器操作和工具调用会省钱的判断,还是从报价和榜单推出来的。
100 万 token 对需要同时阅读多个包、长日志和历史对话的任务有吸引力。日常修复如果能先定位到相关组件、类型定义和测试,分批提供上下文更容易控制输入量。自托管则是另一笔账,开放权重提供了部署选项,能否替代旗舰 API 还要看内部任务质量、硬件和运维成本。
能拿来做什么
- 用同一批组件修改、样式修复和构建报错分别跑 Qwen3-Max、Qwen4-Max,固定测试和验收条件,比较每个通过任务的总费用、耗时和重试次数。
- 给跑测试或操作浏览器的编码代理记录每轮输入、输出和工具调用次数,把成功与失败的尝试都计入同一张工单的成本。
- 对确实需要跨包阅读的任务,对比一次传入长上下文与按相关文件分批传入,记录通过率、实际 token 用量和触发限流的情况。