跳转到主要内容
Qwen4-Max(qwen4-max)是阿里通义千问 Qwen4 系列的旗舰模型,采用 2.4 万亿参数骨干架构,原生支持文本、图片和视频输入,面向复杂推理、编程 Agent、长文档分析与专业工作流。APIYI 已上架该模型,价格与海外版官网对齐,并完成 325 次上架前实测与 15 次 Default 分组线上验收。
模型名:qwen4-max。公开分组为 Default、SVIP、CodexResponses、ClaudeCode,开放 Chat Completions、Responses、Messages 三端点。默认开启思考;日常对话建议显式设置 reasoning_effort="none",减少思考 token 消耗。

核心优势

官网同价,可加赠

输入 $1.50、输出 $4.50、缓存读 $0.075 / 1M tokens。叠加充值阶梯加赠 10%–20%,等效约 83–91 折。

近 1M 上下文实测

实际输入 951,498 tokens,中部与尾部标识均准确召回,单次耗时 92.3 秒。接口返回的输入上限为 991,808 tokens。

原生多模态输入

文本、图片、视频均已实测。三端点图片 OCR 与双图识别通过;Chat 视频理解可正确描述测试素材。

完整 Agent 工具链

单工具、并行工具、强制与具名工具、流式增量及两轮工具结果回传均通过实测。

端点与分组

三端点均已开放,上表是按客户端选择分组的建议,并非对其他分组的调用限制。Default 分组令牌的 Responses、Messages 最小线上请求也已通过;实际可用分组以控制台令牌配置为准。

模型定价

每 1M tokens,折扣前挂牌价: 价格与海外版 Qwen4-Max 官网对齐,可能调整,以顶部「模型价格」栏目为准。充值活动采用余额加赠,等效折扣约 83–91 折,详见充值优惠活动。

技术规格与实测

上述性能和长上下文数据来自 2026-11-17 (UTC+8) 的上架前测试窗口,不作为长期 SLA。

思考控制与输出预算

reasoning_effort 支持 none、off、minimal、low、medium、high、xhigh、max。非法值会返回 400 并列出合法值。
  • none / off:关闭思考,适合日常对话、数据抽取和高频调用。
  • minimal / low / medium:保留一定推理量;简单任务上各档差异不一定单调。
  • high / xhigh / max:实测思考量更高,适合复杂推理与长程任务。
  • reasoning_effort 与 thinking_budget 不可同时传入,同传返回 400。
Qwen4-Max 的 max_tokens 会覆盖思考与可见输出的总预算。 较小的上限可能全部耗在思考上,得到 HTTP 200 但正文为空,终止原因为 length。需要控制成本时使用 reasoning_effort;需要完整答案时同时给足 max_tokens。

调用示例

Python(OpenAI SDK 兼容)

图片输入

base64 与远程图片 URL 均已通过原厂渠道测试。视频可使用 video_url 的 base64 data URL,或 {"type": "video", "video": [...]} 帧序列;帧序列要求 4–80 帧。

cURL

工具调用

Chat Completions 的单工具、并行工具、parallel_tool_calls=false、tool_choice="required"、具名工具、禁止工具、流式工具增量及完整两轮 round-trip 均已通过上架前实测。
需要多个候选答案时,n > 1 应与 reasoning_effort="none" 同用;思考开启时 n > 1 返回 400。

结构化输出

response_format={"type": "json_schema"} 的嵌套对象、数组、枚举和 additionalProperties: false 均通过实测,流式输出也能得到合法 JSON。
严格数据抽取优先使用 json_schema,并设置 reasoning_effort="none"。普通 json_object 只保证返回可解析 JSON,实测仍可能返回顶层数组,不能代替 Schema 约束。

上下文缓存

  • 约 170 tokens 的短前缀未命中;更长的固定前缀可观察到缓存读取。
  • Chat 显式 cache_control 在上架前测试中连续命中 1,657 tokens;APIYI Default 分组线上复测第二轮同样命中 1,657 tokens。隐式缓存命中不够稳定。
  • 缓存读挂牌价为 $0.075 / 1M tokens。
usage 中的缓存字段不等于实际账单。 是否命中、缓存 token 数与最终优惠请以控制台单条日志的计费详情为准,不要只凭接口回显判断。

参数兼容性

max_tokens=131072 和 200000 曾被渠道接受并返回短答案,但这只证明参数未被拒绝,不代表已验证对应长度的实际生成能力。

常见问题

默认思考可能耗尽较小的 max_tokens,响应终止原因为 length。请关闭思考或提高输出预算,并检查 reasoning_content 与 finish_reason。
可以。Responses 客户端推荐 CodexResponses 分组,Claude Code 推荐 ClaudeCode 分组;Default 分组令牌的三端点最小请求也已通过。Responses 的 tool_choice="required" 在原厂测试中被忽略,强制结构化场景建议使用具名工具或 Chat;Messages 不支持 OpenAI 风格的 response_format,且 max_tokens 必填,结构化输出请改用工具调用。Claude Code 的复杂 Agent 工作流建议按客户端版本先灰度验证。
日常对话和结构化抽取显式设置 reasoning_effort="none",长文复用固定前缀并核对控制台缓存计费详情;符合档位时叠加充值加赠。
不建议。渠道接受 max_tokens=200000 不等于完成过 200K 实际生成。本页不据此标注最大输出长度。

相关文档

本页实测依据为 2026-11-17 (UTC+8) 的 325 次上架前调用,以及同日在 APIYI Default 分组完成的 15 次线上验收;线上验收覆盖 Chat、Responses、Messages、流式、工具、JSON Schema、图片、视频、缓存和 32K 上下文。官方资料:https://qwen.ai/blog?id=qwen4-max。模型与渠道行为可能调整,以实际调用和控制台计费详情为准。