Qwen4-Max 价格、API 接入和 1M 上下文
阿里云在 2026 年 11 月 16 日发布 Qwen4-Max,总参数 2.4T,每 token 激活 71B,支持原生视觉和 1M token 上下文。
本页内容
Qwen4-Max 已经可以用了。阿里云在 2026 年 11 月 16 日发布该模型。QwenCloud 以 qwen4-max 的名称通过 Token Plan 和按量付费 API 出售,新加坡输入价为每百万 token $1.50。发布信息列出总参数 2.4 万亿、每 token 激活 710 亿。它支持原生视觉和 1M token 上下文(阿里云,2026 年 11 月 16 日;QwenCloud 最新模型;QwenCloud 价格)。
简要回答
- Qwen4-Max 已在 QwenCloud 上线,模型 ID 是
qwen4-max,可以走 Token Plan Personal、Token Plan Team 或按量付费 API(QwenCloud)。 - 新加坡按量付费价格为每百万输入 token $1.50、每百万输出 token $4.50;北京和 Global 区域为 $1.413和 $4.24(价格)。
- 上下文窗口为 1M token,思考和最终回答合计最多 262,144 token。
- Qwen4-Max 没有开放权重下载。阿里云表示更小的 Qwen4 开源模型会“很快”推出(发布信息)。
Qwen4-Max 现在能用吗?
能用。阿里云于 2026 年 11 月 16 日在杭州发布该模型。它已通过 Token Plan 和 API 在 QwenCloud 上线,同时接入自家的 QwenWork 和 QwenStudio 应用(发布信息)。QwenCloud 文档列出三种付费方式(QwenCloud)。可选 Token Plan Personal、Token Plan Team 或按量付费。阿里云百炼的模型索引在“复杂推理与编程”和“视觉理解”下列出 qwen4-max。页面更新时间为 2026 年 11 月 16 日(百炼)。
部署区域包括新加坡(国际)、北京的中国北部 2 区,以及法兰克福、香港、东京和美国弗吉尼亚的 Global 区域。新加坡的 Base URL 是 https://ap-southeast-1.maas.qwencloudapi.com/compatible-mode/v1(QwenCloud)。新加坡的按量付费调用包含 100 万免费 token(QwenCloud 价格)。这部分额度与 Token Plan 分开计算。
编程工具方面,QwenCloud 明确列出 Claude Code、Codex 和 OpenCode(QwenCloud)。这些工具需要自定义端点,步骤见 Claude Code 设置指南。想看更多工具,可以读 编程 Agent 对比。
状态核对时间:2026 年 11 月 16 日。
相比 Qwen3.8-Max 改了什么?
Qwen4-Max 是稀疏混合专家(MoE)模型。它保持 Qwen3.8-Max 的 2.4 万亿总参数规模。激活参数减少 25%,降到每 token 710 亿(发布信息)。阿里云说 MoE 的改动覆盖注意力、残差连接和嵌入层。QwenCloud 称它是 Qwen4 家族的第一个模型,并用一句话概括推理、原生视觉和长时间任务执行(QwenCloud)。
两个模型的总参数规模都是 2.4T。总参数和激活参数描述的是每 token 的计算量,Work360 则是阿里云单独公布的厂商任务结果。
阿里云称 Qwen4-Max 在第三方编程榜单 Code Arena 上排名第六。在 Work360 的 High 档下,它比 Qwen3.8-Max 少用 35% 的 token,平均每任务成本降低约 60%(发布信息)。Work360 是阿里云自有的测试集,覆盖 721 个专业领域。同一份发布信息还提到 Agents' Last Exam、Vals Index、JobBench 和 Chartography。四个项目都没有公布分数。
这些数字都来自阿里云,本次核对的来源里没有出现独立评测。Code Arena 的排名应按阿里云对第三方榜单的说法来读,Work360 的数字则是衡量阿里云自家任务的厂商测试。
Qwen4-Max 的规格和模型 ID
正式模型 ID 是 qwen4-max(QwenCloud)。qwen4-max-preview 是另一个条目,有自己的 ID、计费方式和下线日期(百炼)。输入支持文本、图片和视频,输出为文本(QwenCloud 模型表)。
| 限制 | 数值 |
|---|---|
| 上下文窗口 | 1,000,000 token |
| 最大输入(非思考) | 991,808 token |
| 最大输入(思考) | 983,616 token |
| 最大输出(非思考) | 131,072 token |
| 思考加回答 | 262,144 token |
| 默认思考预算 | 131,072 token |
思考默认开启,reasoning_effort=high,思考预算为 131,072 token(QwenCloud)。档位可选 low、high 或 xhigh,QwenCloud 会把 minimal、medium 和 max 映射到这三个值。在 Chat Completions 里,enable_thinking=false 可以关闭思考。max_completion_tokens 同时限制思考和最终回答,所以一次思考请求最多把 262,144 token 分给两部分。
qwen4-max 不支持批量推理(QwenCloud;模型表),也不支持微调和模型部署。可用 API 包括 Chat Completions、Responses、Anthropic Messages 和 DashScope。纯文本请求仍然走 DashScope 的多模态端点。
媒体限制为每张图片 1600 万像素。每次请求最多 2,048 个图片 URL、250 张 base64 图片和 64 个视频。视频最长 2 小时或 2GB(QwenCloud 模型表)。这些上限说明端点接受什么,实际一次调用能放多少,仍由 991,808 token 的输入上限决定。
Qwen4-Max 各地区的 API 价格
QwenCloud 价格页(2026 年 11 月 16 日核对)列出以下按量付费价格,单位为美元/百万 token。思考和普通模式价格相同,Qwen4-Max 没有按输入长度分档(QwenCloud 价格)。
| 计费项 | 新加坡 | 北京 / Global |
|---|---|---|
| 输入 | $1.50 | $1.413 |
| 输出(思考加回答) | $4.50 | $4.24 |
| 缓存写入 5 分钟 | $1.875 | $1.767 |
| 缓存写入 1 小时 | $3 | $2.827 |
| 缓存读取 | $0.075 | $0.071 |
有两个细节会影响算账。思考 token 按输出 token 计费(QwenCloud 价格),缓存写入和读取按上表价格计算。显式缓存的有效期为 5 分钟或 1 小时,默认 5 分钟。新的 Qwen4 显式缓存暂不支持 DashScope(QwenCloud)。
以新加坡为例:10 万输入 token × $1.50/百万 = $0.15。2 万(20,000)输出 token × $4.50/百万 = $0.09。一次请求约 $0.24。同样一次请求在北京或 Global 约 $0.23。
批量价格是实时价格的 50%,但不适用于 Qwen4-Max,因为该模型不支持批量推理(价格)。内置工具另行计费。新加坡的联网搜索为每 1,000 次 $10,北京和 Global 为 $0.573411。函数调用和 MCP 不收工具费。Token Plan 的额度价格和单模型速率限制没有出现在本次核对的价格页上。
Qwen4-Max 的视觉和工具能力
图片和视频理解都列在支持能力里,并且同一款模型享有 1M token 上下文(QwenCloud)。输入为文本、图片和视频,输出为文本(模型表)。
工具支持包括函数调用、并行工具调用、联网搜索、网页抓取和代码解释器。它也支持以文搜图、以图搜图、PDF 理解和 MCP(QwenCloud)。代码解释器需要开启思考。结构化输出支持 JSON Object 和 JSON Schema,流式输出、前缀补全和隐式缓存也都支持。CoT Summary 会返回可读摘要,完整推理内容保持加密。
preserve_thinking 在多轮工具调用中默认开启。这个设置影响 Agent 循环:之前轮次的推理会保留给后续轮次,除非你主动关闭。
阿里云的发布信息还给了客户和内部案例。一个云调度测试把数据标注的模型调用成本降低了 9%,离线 CPU 重调度速度提升 14 倍以上。一家汽车客户把人工工件编程时间从约 475 分钟缩短到 24 分钟。一个科学工作流连续运行 48 小时,完成四轮闭环迭代。一项阿尔茨海默研究执行了 454 次工具调用和 3,239 次指标评估,产出 24 个候选分子(发布信息)。这些结果都由阿里云自己公布。
Qwen4-Max 开源吗?
不开源。发布信息、QwenCloud 文档和百炼页面都没有提供 Qwen4-Max 的权重、下载链接或许可证。阿里云表示,Qwen4 系列中更小规模的开源权重模型“很快就会向全球开发者发布”(发布信息)。在这些模型出现之前,qwen4-max 只能通过 QwenCloud、阿里云应用和百炼使用的托管模型。
Qwen4-Max 还是 Qwen4-Max-Preview?
新项目直接用 qwen4-max。预览条目 qwen4-max-preview 只能走 Token Plan,没有按量付费入口(百炼)。预览期从 2026 年 11 月 11 日 10:00 到 2026 年 11 月 25 日 24:00(UTC+8)。之后模型下线。预览版输出上限为 393,216 token,由思考和回答共用;正式版在思考模式下为 262,144 token。阿里云建议使用正式版。
有一个编号细节要继续注意:从 qwen4-max-preview 开始,max_tokens 的含义与 max_completion_tokens 相同。按旧版 Qwen 模型写的代码如果仍按以前的含义理解,可能会花掉比预期更多的 token。
qwen4-max。预览版的 Token Plan Base URL 是 https://token-plan.cn-beijing.maas.aliyuncs.com(百炼);正式模型使用 QwenCloud 对应区域的端点。预览版的接入档位和 Qoder 细节,见 Qwen4-Max-Preview 接入指南。
今天怎么选接入方式
| 情况 | 做法 |
|---|---|
| 新集成 | 新加坡按量付费,含 100 万免费 token |
| Token Plan 团队 | 把模型 ID 换成 qwen4-max |
| 任务里还有预览 key | 11 月 25 日前迁移 |
| 批量任务 | 继续用当前模型 |
| 一个 key 用多个模型 | 见下面的 OmniaKey 方式 |
OmniaKey 的目录里有 Qwen3.8-Max。它是阿里云用来对比 Qwen4-Max 的模型,目录里目前没有 Qwen4-Max。今天想用一个 key 调用 Qwen 模型,目录里的选择是 Qwen3.8-Max。价格页 有当前费率。
把长任务交给任何一个 ID 之前,先在自己的账号里核对模型列表。报价时用自己的 token 数量算一次真实请求,不要用平均 token 数。
常见问题
Qwen4-Max 能在 Claude Code 里用吗?
可以。QwenCloud 文档在 qwen4-max 的编程工具下列出 Claude Code、Codex 和 OpenCode(QwenCloud)。使用 QwenCloud 的 key 和对应区域的端点。通用的自定义端点步骤见 Claude Code 设置指南。
Qwen4-Max 支持批量推理吗?
不支持。QwenCloud 把批量推理列为 qwen4-max 不支持的功能,所以价格页上的 50% 批量费率不适用(模型表;价格)。大批量任务可以拆成单独请求,或继续放在支持批量调用的模型上。
Qwen4-Max 的最大输出是多少?
非思考模式为 131,072 token;开启思考后,思考和回答合计 262,144 token(QwenCloud)。max_completion_tokens 同时限制这两部分。
qwen4-max-preview 在 11 月 25 日之后会怎样?
预览版于 2026 年 11 月 25 日 24:00(UTC+8)下线,阿里云引导用户改用正式的 qwen4-max(百炼)。仍在使用预览 ID 的任务需要改名。
现在能通过 OmniaKey 用 Qwen4-Max 吗?
OmniaKey 目前还没有 Qwen4-Max。目录里的 Qwen 模型是 Qwen3.8-Max,用一个 OmniaKey key 就能调用。当前费率见 价格页。
来源核对
相关文章
Qwen4-Max-Preview 怎么用?Qoder 与 Token Plan 入口
Qwen4-Max-Preview 可通过 Qoder 原生选择器和官方公布的 Token Plan 接入;Token Plan 预览到 11 月 25 日结束,Qoder 原生入口的到期时间尚未说明。
Qwen 4 什么时候发布?阿里官方目前确认了什么
Qwen4-Max-Preview 已在 11 月 11 日通过 Qoder 和 Token Plan 开放。公开的预览在 11 月 25 日 24:00(UTC+8)结束,Qwen 4 家族整体的发布时间尚未公布。
在 Claude Code 中使用 OmniaKey
把 Claude Code 指向 OmniaKey 的 Anthropic 原生端点——两个环境变量,Claude 模型绝不被偷换,按 token 计费、没有月费。