Inilunsad ng Alibaba ang Qwen4-Max sa Mas Mababang Presyo ng API at May Kontekstong Isang Milyong Token

11 min. na pagbasa
Alibaba Opens Qwen4-Max With Lower API Prices and a Million-Token Context

Mas murang flagship para sa mas mahahabang gawain

Ginawang pangkalahatang magagamit ng Alibaba ang Qwen4-Max sa pamamagitan ng QwenCloud, na may kontekstong umaabot sa isang milyong token, mas mababang presyo at sinasabing humigit-kumulang 58% na bawas sa karaniwang gastos sa pagkumpleto ng mga gawain sa Work360 benchmark nito. Kasunod ito ng limitadong preview na inilunsad noong Nobyembre 11, 2026.

Mga Nilalaman
  1. Mas murang flagship para sa mas mahahabang gawain
  2. Mula sa preview na may subscription tungo sa mas malawak na access
  3. Ano ang kasya sa kontekstong isang milyong token?
  4. Paano gumagana ang pagbaba ng presyo
  5. Mas mura ang pagproseso ng mga paulit-ulit na dokumento
  6. Malaking modelo na mas maliit na bahagi ang ina-activate
  7. Ipinakikita ng mga benchmark ang pag-unlad, pero hindi pantay ang laban
  8. Mga serbisyong magagamit ng mga developer ngayon
  9. Nagkakaroon ng yugto ng rebisyon ang mga ahente
  10. Mahahalagang Punto

Gumagamit ang flagship model ng mixture-of-experts na arkitektura na may 2.4 trilyong parameter sa backbone. Tumatanggap ito ng teksto, mga larawan at video, at lumilikha ng teksto. Itinatampok ito ng Alibaba para sa coding, mga gawain sa opisina, frontend design at mga ahente, o software na gumagamit ng mga tool at nagsasagawa ng magkakasunod na hakbang tungo sa isang layunin.

Nakalista sa dokumentasyon ng Model Studio ng Alibaba, na binago noong Nobyembre 16, ang mga internasyonal na presyong $1.50 kada milyong input token at $4.50 kada milyong output token. Ang mga token ay maliliit na yunit ng impormasyong pinoproseso ng isang modelo. Sa teksto, maaaring salita, bahagi ng salita o bantas ang isang token.

Ayon sa Alibaba, mas kaunting token din ang kailangan ng Qwen4-Max kaysa Qwen3.8-Max para sa maihahambing na gawain. Dahil sa pinagsamang epekto ng mas mababang presyo at mas kaunting paggamit, bumaba ang karaniwang gastos sa bawat gawain sa Work360 mula RMB 26.58 tungong RMB 11.16, o nakatipid ng RMB 15.42. May isa pang inilathalang kalkulasyon sa dolyar na nagpapakita ng pagbaba mula $4.43 tungong $1.67, o humigit-kumulang 62%; batay naman sa mga bilang sa renminbi ang tinatayang 58% na bawas na binanggit sa ulat ng paglulunsad.

Para sa mga developer, kaakit-akit ang kombinasyon ng mga tampok: mas malawak na puwang para sa mga dokumento at kasaysayan ng usapan, kakayahang tumanggap ng biswal na materyal, at mas mababang singil sa bawat yunit ng pagproseso. Mag-iiba ang aktuwal na matitipid sa isang aplikasyon depende sa mga kahilingan nito, mga setting ng pangangatwiran at mga sagot na nalilikha.

Patalastas

Mula sa preview na may subscription tungo sa mas malawak na access

Unang inilabas ang Qwen4-Max sa pamamagitan ng subscription ng Token Plan ng Alibaba. Naging maagang magagamit din ito sa Qwen app, Qoder, QwenWork at QwenStudio. Pinalawak ng pangkalahatang availability ang access sa pamamagitan ng QwenCloud, habang nanatili ring magagamit ang modelo sa mga aplikasyon ng Alibaba para sa trabaho at development.

Maikli ang inilathalang tala ng mga petsa:

  • Nobyembre 11, 2026: Binuksan ng Alibaba ang limitadong preview, na may access para sa mga developer sa pamamagitan ng Token Plan at maagang paggamit sa mga aplikasyon nito.
  • Nobyembre 16, 2026: In-update ng Alibaba ang dokumentasyon ng Model Studio, kabilang ang mga kakayahan, presyo, limitasyon ng konteksto at detalye ng API.
  • Pangkalahatang availability: Binuksan ng Alibaba ang access sa QwenCloud matapos ang preview; walang ibinigay na eksaktong petsa ng paglulunsad.

Ginagamit ng mga developer ang identifier na qwen4-max para tumawag sa modelo. Nakalista rin sa Model Studio ang libreng quota na isang milyong token, na may bisa sa loob ng 90 araw mula sa activation, paglalabas ng modelo o pag-apruba ng aplikasyon, alinman ang pinakahuli.

Ano ang kasya sa kontekstong isang milyong token?

Ang context window ng Qwen4-Max ang puwang para sa impormasyong kasama sa isang kahilingan. Dahil mas malaki ang puwang, maaaring magsama ang isang aplikasyon ng mas maraming dokumento, code o kasaysayan ng usapan sa iisang gawain, sa halip na hati-hatiin ang lahat sa mas maliliit na kahilingan.

Itinatakda ng Alibaba ang pinakamahabang input sa 991,808 token sa non-thinking mode at 983,616 token sa thinking mode. Magkaiba ang paraan ng dalawang mode sa pagproseso ng gawain: naglalaan ang thinking mode ng budget para sa pangangatwiran bago ibigay ng modelo ang sagot nito.

Nakalista sa dokumentasyon ang pinakamahabang output na 131,072 token sa non-thinking mode at pinagsamang limitasyong 262,144 token para sa pangangatwiran at panghuling sagot. Mas mataas na pinakamahabang output, na humigit-kumulang 393,000 token, ang binanggit sa isang inilathalang ulat ng paglulunsad; inilalahad naman sa kasalukuyang dokumentasyon ng serbisyo ng Alibaba ang mga limitasyong maaaring gamitin ng mga developer sa pagsasaayos.

Pinalalawak ng mga input na teksto, larawan at video ang mga uri ng materyal na maaaring isumite ng aplikasyon. Halimbawa, maaaring magsama sa isang kahilingan sa trabaho ang nakasulat na mga tagubilin at mga screenshot o video. Teksto ang dokumentadong format ng output, kabilang ang code at structured data.

Patalastas

Paano gumagana ang pagbaba ng presyo

Bumaba ang mga internasyonal na presyo ng API mula sa iniulat na mga singil ng Qwen3.8-Max na $2 kada milyong input token at $6 kada milyong output token, tungo sa $1.50 at $4.50. Tig-25% ang ibinaba ng dalawang presyo. Hiwalay namang nakalista sa dokumentasyon ng Alibaba ang mga presyo para sa global deployment: $1.413 kada milyong input token at $4.24 kada milyong output token.

Ang kahilingang gumagamit ng 100,000 input token at lumilikha ng 10,000 output token ay nagkakahalaga ng $0.195 batay sa mga internasyonal na presyo, bago isaalang-alang ang matitipid sa cache o iba pang naaangkop na singil. Sa parehong dami, $0.26 ang gastos batay sa dating presyong $2 at $6. Hindi binabago ng kalkulasyong ito ang dami ng paggamit upang maipakita lamang ang epekto ng pagbabago sa presyo.

Nakasalalay rin sa mas kaunting paggamit ng token ang mas malaking matitipid sa gawain na inaangkin ng Alibaba. Sa Work360, iniulat na bumaba nang humigit-kumulang 24% ang konsumo ng token sa Xhigh reasoning setting at 35% sa High. Sa Terminal-Bench 4.0, iniulat na humigit-kumulang 48% at 49% ang ibinaba nito.

Bahagi ng singil ang pangangatwiran: sinasabi sa talahanayan ng presyo na saklaw ng singil sa output ang chain of thought at ang sagot. Kaya maaaring gumastos nang higit ang isang aplikasyon na humihingi ng malawak na pangangatwiran kaysa sa isang humihingi ng maikling tugon, kahit magkahawig ang ikli ng pinal na sagot na nakikita ng user.

Mas mura ang pagproseso ng mga paulit-ulit na dokumento

Sinusuportahan ng Qwen4-Max ang tahasan at di-tahasang pag-cache. Sa pamamagitan ng cache, maaaring muling gamitin ng isang serbisyo ang naunang naprosesong input, gaya ng karaniwang tagubilin, paglalarawan ng tool o sangguniang dokumento, sa halip na singilin ang karaniwang presyo ng input sa bawat paggamit ng parehong materyal.

Ayon sa dokumentasyon ng Alibaba, gumagana ang tahasang pag-cache sa mga interface ng OpenAI Chat Completions, OpenAI Responses at Anthropic Messages. Nakalista rito ang mga tagal ng cache na limang minuto at isang oras. Iniulat na bumaba nang 70%, mula $0.25 tungong $0.075 kada milyong token, ang presyo ng pagbasa mula sa implicit cache.

Mahalaga ang paulit-ulit na paggamit sa mga ahente dahil maaari nilang konsultahin ang parehong mga tagubilin at dokumento sa ilang magkakasunod na hakbang. Maaaring makatulong sa pagbawas ng gastos sa pagkumpleto ng gawain ang mas mababang presyo ng token, mas kaunting nalilikhang token at muling paggamit ng karaniwang input. Mag-iiba ang ambag ng mga ito depende sa dalas ng pag-uulit ng impormasyon sa aplikasyon at sa dami ng trabahong ginagawa ng modelo.

Patalastas

Malaking modelo na mas maliit na bahagi ang ina-activate

Tumutukoy ang iniulat na 2.4 trilyong parameter sa backbone ng Qwen4-Max sa mga numerikal na setting na natutuhan nito habang sinasanay. Hinahati ng disenyo nitong mixture-of-experts ang bahagi ng kapasidad sa mga espesyalistang bahagi at pumipili ng ilan sa mga ito habang pinoproseso ang bawat token.

Itinatakda ng mga detalye ng arkitektura sa 71 bilyon kada token ang mga aktibong parameter, o humigit-kumulang 3% ng 2.4 trilyong parameter ng backbone. Binabanggit din dito ang 328 bilyong parameter na ginagamit para sa N-gram embeddings, na nag-iimbak ng mga representasyon ng maiikling lokal na padron ng token.

Pinagsasama ng disenyo ng Alibaba ang Qwen Sparse Attention at mga Gated DeltaNet layer. Sa payak na paliwanag, pinaiikli ng ilang layer ang naunang impormasyon at iniimbak ito sa isang siksik na estado, habang pumipili naman ang isang mekanismo ng pag-iindeks ng mahahalagang bahagi ng mas mahabang konteksto. Layunin nitong bawasan ang kailangang pagproseso sa mahahabang pagkakasunod-sunod.

Nagbibigay ang Gated Residuals ng apat na magkasabay na daluyan ng impormasyon, at kinokontrol ng mga gate ang pagbasa at pagsusulat. Iniulat ng Alibaba na naging matatag ang pagsasanay nang walang biglaang pagtaas ng loss, at sinabing nakamit ng base model nito ang 5% hanggang 13% na mas mababang bits per byte kaysa Qwen3.8-Max-Base habang nag-a-activate ng 25% na mas kaunting parameter. Sinusukat ng bits per byte ang kahusayan sa paghula habang sinusuri ang modelo; nangangahulugan ang mas mababang halaga na mas mahusay na nahuhulaan nito ang tekstong sinusuri.

Ipinakikita ng mga benchmark ang pag-unlad, pero hindi pantay ang laban

Inilalagay ng tsart ng paghahambing ng Alibaba ang Qwen4-Max sa unang puwesto sa apat sa 16 na benchmark. Pinakamalaki ang ipinapakitang lamang nito sa HLAB-Vals-1.1, isang pagsusuri sa mga legal na ahente, kung saan nakakuha ito ng 21.3 kumpara sa 11.7 ng Kimi K3.1 at 9.2 ng Claude Opus 5.5.

Nangunguna rin ang modelo sa tsart sa Agents' Last Exam v1.1, na may 46.7; BioMysteryBench, na may 85.0; at DeepSWE v1.1, na may 75.7. Maliit ang lamang nito sa huling dalawa: nakakuha ang GPT-6.1 Sol ng 84.4 sa BioMysteryBench, habang 75.5 naman ang nakuha ng Kimi K3.1 sa DeepSWE.

Tumaas ang resulta ng Alibaba sa Work360 mula 47.74 para sa Qwen3.8-Max tungong 52.69 para sa Qwen4-Max, o 4.95 puntos ang itinaas. Saklaw ng Work360 ang 26 pangunahing larangan at 721 espesyalisadong disiplina. Iniuugnay nito ang mga pahayag ng kumpanya tungkol sa performance at gastos sa malawak na koleksiyon ng mga gawain sa trabaho.

Mas malaki naman ang agwat sa likod ng mga kakompetensiya sa iba pang resulta. Nakakuha ang Qwen4-Max ng 31.5 sa ProgramBench kumpara sa 65.0 ng Claude Opus 5.5, at 54.2 sa Chartography kumpara sa 71.1 ng GPT-6 Astra. Nanguna ang Claude Opus 5.5 sa pito sa 16 na pagsusuring nasa tsart. Pinagsasama ng mga paghahambing sa paglulunsad ang mga resulta ng Alibaba at ilang puntos mula sa mga panlabas na leaderboard, nang walang independiyenteng pagpapatunay noong inilunsad ito.

Patalastas

Mga serbisyong magagamit ng mga developer ngayon

Sinusuportahan ng Alibaba ang mga API ng OpenAI Chat Completions, OpenAI Responses, Anthropic Messages at DashScope. Dahil tugma ito sa mga interface na ito, may pamilyar na paraan ang mga developer para magpadala ng mga kahilingan at tumanggap ng mga resulta, bagaman kailangan pa ring isaayos at subukan ang mga aplikasyon para sa bagong modelo.

Kabilang sa mga dokumentadong tampok ang streaming, paghahanap sa web, sabayang pagtawag sa mga tool at structured output gamit ang mga JSON object o JSON Schema. Ipinapadala ng streaming ang sagot habang nililikha ito. Pinahihintulutan ng sabayang pagtawag sa mga tool ang modelo na humiling ng ilang operasyon nang minsanan, habang nakatutulong naman ang structured output upang makatanggap ang software ng impormasyong nasa mahuhulaang format.

Naka-enable bilang default ang thinking mode, at nakatakda sa High ang reasoning effort, na may budget na 131,072 token para sa pangangatwiran. Kabilang sa mga sinusuportahang antas ng effort ang Low, High at Xhigh. Maaaring baguhin ng mga developer ang mga kontrol na ito ayon sa bilis, gastos at pangangatwirang kailangan ng iba-ibang gawain.

Minamarkahan ng opisyal na talahanayan ng kakayahan ng Alibaba bilang hindi suportado ang batch inference, fine-tuning at deployment ng modelo. Mas makitid ang mga espesipikasyon ng serbisyo kaysa sa isang inilathalang paglalarawan ng paglulunsad na nagsasabing suportado ang batch processing at fine-tuning. Kabilang sa mga global limit ang 30,000 tawag at limang milyong input at output token kada minuto; maaaring maging salik na naglilimita sa trapiko ang alinman sa mga ito.

Nagkakaroon ng yugto ng rebisyon ang mga ahente

Naglabas din ang Alibaba ng plugin na nagbibigay-daan sa mga ahente na maghatid ng unang bersiyon ng kanilang gawain at baguhin ito batay sa puna ng user. Nagdaragdag ito ng yugto ng pagsusuri sa workflow na kung hindi ay maaaring maglayong tapusin ang gawain sa iisang takbo.

Maaaring suriin ng user ang unang resulta bago hilingin sa ahente na baguhin ito. Sa mga gawain sa opisina, coding at disenyo, nagbibigay ito ng tiyak na pagkakataong itama ang direksiyon sa halip na maghintay na matapos ang mas mahabang sunod-sunod na mga hakbang.

Proprietary ang Qwen4-Max at makukuha ito sa mga naka-host na serbisyo; walang mada-download na model weights para patakbuhin ito sa sariling hardware ng customer. Plano ng Alibaba na ilabas bilang open source ang mas maliliit na modelo ng Qwen4. Sa ngayon, sa mga cloud at aplikasyon ng kumpanya makukuha ang flagship model.

Mahahalagang Punto

  • Karaniwan nang magagamit ang Qwen4-Max sa QwenCloud matapos magsimula ang preview noong Nobyembre 11, 2026.
  • Tumatanggap ang modelo ng teksto, mga larawan at video at sumusuporta sa kontekstong isang milyong token.
  • Ang mga internasyonal na presyo ng API ay $1.50 kada milyong input token at $4.50 kada milyong output token, 25% na mas mababa kaysa sa iniulat na mga presyo ng naunang modelo.
  • Ayon sa Alibaba, bumaba mula RMB 26.58 tungong RMB 11.16 ang karaniwang gastos sa bawat gawain sa Work360, o humigit-kumulang 58%.
  • Nakalista sa opisyal na dokumentasyon ang pinakamahabang output na 131,072 token nang walang thinking mode at pinagsamang limitasyong 262,144 token para sa pangangatwiran at sagot.
  • Ayon sa tsart ng Alibaba, nangunguna ang modelo sa apat sa 16 na benchmark, ngunit mas mahina ang mga resulta nito sa ilang coding at biswal na gawain.
  • Nananatiling naka-host at proprietary ang flagship model; planong ilabas bilang open source ang mas maliliit na modelo ng Qwen4.
Ibahagi ang artikulong ito

Baka magustuhan mo rin