跳转到主要内容

核心要点

  • Qwen4 旗舰正式版:阿里 11 月 16 日发布 qwen4-max,2.4T 骨干参数、每 token 激活 71B,原生视觉与 1M 上下文
  • 任务成本继续下降:官方 Work360 平均任务成本由 $4.43 降至 $1.67,下降 62%
  • APIYI 官网同价:输入 $1.50、输出 $4.50、缓存读 $0.075 / 1M tokens,可叠加充值加赠
  • 三端点四分组:Chat Completions、Responses、Messages 均已开放,覆盖 Default、SVIP、CodexResponses、ClaudeCode
  • 实测不是转述:完成 325 次上架前调用与 15 次 Default 分组线上验收;951,498 tokens 实际输入的中部、尾部标识均准确召回
信息核验日期:2026-11-17 (UTC+8)。官方来源:Qwen 发布博客 qwen.ai/blog?id=qwen4-max、QwenCloud 模型页 qwencloud.com/models/qwen4-max。APIYI 价格来自公开 pricing 接口,实测数据来自同日调用日志。

背景介绍

Qwen4-Max 是 Qwen4 系列首先登场的旗舰模型,目标不只是提高单题推理分数,而是把模型放进持续数小时的专业工作流:读大型代码库、分析长文档、操作工具,再根据执行反馈继续迭代。 这代的两个关键词是原生多模态和长程执行。文本、图片、视频输入与 1M 上下文放在同一个模型里,官方还强调了 Live Delivery:长任务先交付可用版本,再按用户反馈持续扩展,而不是等整个任务结束后才一次性给结果。 APIYI 已于 11 月 17 日上架 qwen4-max。除了同步官方价格,我们也把长上下文、工具调用、结构化输出、缓存和三端点接入做了实测。

详细解析

新架构:在容量与推理成本之间重新平衡

GDN + QSA

Gated DeltaNet 将历史信息压缩为固定状态,Qwen Sparse Attention 再按微块选择相关上下文,降低长序列注意力与索引成本。

Gated Residual

四条并行残差分支通过动态读写门改善信息流动,提高模型容量与训练稳定性。

N-gram Embedding

以局部 token 模式查表补充表示,额外 328B 参数提升容量,但推理时只增加少量计算。
骨干总参数为 2.4T,每 token 激活 71B。官方训练曲线未出现 loss spike;在知识、代码、问答与 STEM 的内部评测中,Qwen4-Max-Base 的 BPB 相比 Qwen3.8-Max-Base 下降约 5%–13%,激活参数减少约 25%。

官方效率数据:省的不只是单价

这里最值得关注的是最后两行:模型是否便宜,不能只看每百万 token 单价,还要看完成任务需要多少 token。Qwen4-Max 同时降低单价和任务 token 消耗,才形成了官方给出的任务成本降幅。

官方技术规格

APIYI 实测:近 1M 上下文与三端点接入

我们在上架前执行了 325 次能力、参数与错误边界调用,随后用 Default 分组令牌完成 15 次线上验收。
  • 近 1M 召回:实际输入 951,498 tokens,92.3 秒返回,中部和尾部代号均准确召回
  • 长文覆盖:三端点的 8K、32K、128K 中部与尾部标识均召回;线上 32K 复测通过
  • 工具调用:单工具、并行、具名、流式增量与两轮结果回传通过;Responses 的 tool_choice="required" 存在兼容性例外,见下文
  • 多模态:图片 OCR、双图颜色与形状识别正确,视频内容描述正确
  • 结构化输出:Chat 与 Responses 的严格 JSON Schema 均通过,流式 JSON 也可解析
  • 稳定性:Chat 12 并发 12/12 成功;三端点长流式均正常终止

分组与端点怎么选

这些是客户端选组建议,不是对其他分组的调用限制。Default 分组令牌的三端点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。

实际应用

推荐场景

  • 代码库理解与编程 Agent:长上下文读取项目资料,工具结果可回传继续执行
  • 法律、金融、医疗文档分析:长文与图片混合输入,适合需要证据定位的专业工作流
  • 结构化数据抽取:使用 JSON Schema 约束字段,避免自由文本后处理
  • 长程研究与内容生产:先产出可用版本,再通过多轮反馈持续修订

快速调用

日常对话或结构化抽取可改为 reasoning_effort="none",减少思考 token;复杂推理再使用更高档位。

四个接入提醒

max_tokens 包含思考与可见输出。 预算太小可能全部耗在思考上,出现 HTTP 200 但正文为空。需要完整答案时提高预算,需要节省成本时调整 reasoning_effort。
  1. Responses 强制工具:原厂测试中 tool_choice="required" 被忽略,建议改用具名工具或 Chat Completions。
  2. Messages 结构化输出:OpenAI 风格 response_format 不生效,max_tokens 必填;严格结构请使用工具调用。
  3. 普通 JSON 模式:json_object 只保证可解析 JSON,不保证顶层对象或字段结构,严格场景使用 json_schema。
  4. 缓存核账:接口 usage 不等于账单,命中与优惠以控制台单条日志的计费详情为准。

价格与可用性

定价信息

每 1M tokens,折扣前定价: 价格与海外版 Qwen4-Max 官网对齐,可能调整,以模型价格为准。

叠加网站充值活动

充值阶梯加赠为 10%–20%,等效约 83–91 折。加赠比例按单次充值金额计算,不改变模型挂牌单价。

总结与建议

Qwen4-Max 适合作为长文档、多模态和工具型 Agent 的主力模型。它的升级重点不是单一榜单,而是架构效率、长程执行和专业交付;官方 62% 的平均任务成本下降,也说明评估时应同时看单价与任务 token 数。 接入上,通用业务先用 Chat Completions;Codex 选 CodexResponses,Claude Code 选 ClaudeCode。日常调用关闭思考,复杂推理提高档位,严格结构化使用 JSON Schema。完整参数与实测说明见 Qwen4-Max Overview。
资料来源:Qwen 官方发布博客 qwen.ai/blog?id=qwen4-max、QwenCloud 模型页 qwencloud.com/models/qwen4-max,获取日期 2026-11-17 (UTC+8)。APIYI 实测为 325 次上架前调用与 15 次 Default 分组线上验收;官方基准为厂商公布口径,未逐项独立复测。