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。
调用示例
Python(OpenAI SDK 兼容)
图片输入
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。
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。
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。
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
为什么 HTTP 200 但没有正文?
为什么 HTTP 200 但没有正文?
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。Responses 或 Claude Code 能直接用吗?
Responses 或 Claude Code 能直接用吗?
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。如何降低日常调用成本?
如何降低日常调用成本?
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。可以直接宣传最大输出为 200K 吗?
可以直接宣传最大输出为 200K 吗?
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
- 模型价格 — 最新价格、分组与端点
- 充值优惠活动 — 阶梯加赠规则与等效折扣
- Qwen3.8-Max 概览 — 上一代模型
- API 使用手册 — 通用鉴权、调用与错误处理
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。