Qwen4-Max 正式發表:2.4 兆參數、百萬上下文,評測與價格怎麼看?

Qwen4-Max 在 2026 年 11 月 16 日正式發表。本文整理它與預覽版的差異、官方與兩家第三方評測、API 價格與快取,以及較小 Qwen4 模型的開源預告和權重現況。

Share
Qwen 官方部落格頁首影片的封面圖:白底,左側是 Qwen 標誌與「Qwen 4 Is Now Available」字樣,右側是一座多層圓形建築的線稿圖塊,旁邊有 DNA 螺旋圖示。
Qwen 官方部落格〈Qwen4-Max: Your New Teammate Has Arrived〉頁首影片的封面圖,畫面為「Qwen 4 Is Now Available」字樣與 Qwen 標誌,未經修改。 圖片來源:官方原文。

Qwen4-Max 在 2026 年 11 月 16 日正式發表。Qwen 官方稱它建立在新的 Qwen4 架構上,主幹有 2.4 兆參數,原生支援視覺,上下文長度為 100 萬 Token。

上下文長度是模型一次能讀入的材料量,Token 是計算這個量的單位,所以 100 萬 Token 不等於 100 萬個中文字。

這是 11 月 11 日限時預覽之後的正式版。預覽版只能透過 Token Plan 呼叫,並訂於 11 月 25 日下線,所以長期使用要看正式版,模型代號是 qwen4-max。

發表當天的數字來自不同機構。Qwen 稱自家 Work360 測試的單題成本降 62%,Artificial Analysis 說智慧指數比 Qwen3.8-Max 高 9 分,Vals AI 則把它排在自家指數第 11 名。

三組數字量的任務、推理強度和成本口徑都不同,所以不能當成彼此的驗證。讀者要看的是每個數字回答了什麼問題,以及能不能搬到自己的工作上。

權重是另一個要分開看的問題。兩家評測機構都把它列為不公開權重,Qwen 公告只預告較小的 Qwen4 模型將開源。

我會把這次發表看成價格與長任務效率的更新,而不是排名翻盤。原因要從正式版和預覽版的差別開始看。

Qwen4-Max 正式版和預覽版差在哪?

正式版和預覽版的差別,主要在取得方式與幾項參數預設,但能力有沒有變動,官方文件沒有逐項說明。

Alibaba Cloud 的預覽版文件標示 2026 年 11 月 16 日更新,寫明正式版已提供並建議使用。預覽版仍限 Token Plan,不支援隨用隨付,也就是按用量計費的一般帳號不能直接呼叫。

預覽版會在 11 月 25 日 24:00(文件標 UTC+8,等同台北時間)後下線。

Token Plan 是 Alibaba Cloud Model Studio 以 Credits 計費的訂閱服務,供相容的 AI 工具使用,正式版文件則列出每百萬 Token 的價格。

正式版部署區域含新加坡、北京、香港、法蘭克福、美國維吉尼亞與東京。輸入支援文字、圖片與影片,輸出為文字,但批次推論、微調與模型部署列為不支援。

輸出上限不同。預覽版最大輸出 393,216 Token,由思考與答案共用,正式版則寫思考加答案合計 262,144 Token,不思考時最大輸出 131,072 Token。

因為思考會佔用同一份額度,預覽版文件提醒,原本只按答案長度設定上限的程式,可能被提早截斷,並說明既有 Qwen 模型維持原本行為。

從預覽版換到正式版時,本文建議依正式版的 262,144 上限重新確認這項設定。

預設推理強度也不同。推理強度是模型回答前投入多少思考的檔位,預覽版可選 low、medium、xhigh,預設 xhigh。

正式版可選 low、high、xhigh,預設 high,OpenAI 介面的 medium 會對應到 high。另外,正式版文件列出明確快取、隱含快取與思考摘要,預覽版文件沒有列出。

這些差異文件都沒有說明原因。因為兩者預設檔位不同,沿用預設值跑出的結果未必能互相比較,這是本文依兩份文件做的推論。

後面的第三方評測都用 xhigh,這點會再回頭看。正式版規格背後,是官方公布的新架構。

Qwen 官方部落格頁首影片的封面圖:白底,左側是 Qwen 標誌與「Qwen 4 Is Now Available」字樣,右側是一座多層圓形建築的線稿圖塊,旁邊有 DNA 螺旋圖示。
Qwen 官方部落格〈Qwen4-Max: Your New Teammate Has Arrived〉頁首影片的封面圖,畫面為「Qwen 4 Is Now Available」字樣與 Qwen 標誌,未經修改。 圖片來源:官方原文。
Qwen 官方部落格頁首的 31 秒介紹影片(1280×720),畫面出現 AI4Anything、AI4Finance 等字樣,來源:Qwen 官方部落格。 來源:官方原文。

2.4 兆參數與 710 億啟用參數是什麼意思?

新架構是稀疏混合專家(MoE)模型,2.4 兆是主幹的總參數,但每處理一個 Token 只啟用其中 710 億。

混合專家模型把參數分成許多專家,每次只呼叫一部分,所以總參數量和實際運算量不是同一個數字。Qwen 部落格另列 3,280 億個 N-gram 嵌入參數,也就是額外的一組參數。

官方說明,新架構在三處改動原有設計,但以下都是官方描述,本站沒有看過模型程式碼。

第一處是注意力機制,也就是模型決定回頭參考前文哪些部分的方式。官方稱為 GDN 加 Qwen Sparse Attention(QSA),其中 GDN 指 Gated DeltaNet。

每層 QSA 搭配三層 GDN,把歷史壓縮成固定大小的狀態。

QSA 再用輕量索引器挑出相關上下文,官方稱因此可降低長序列的注意力與索引成本。

另外兩處改的是各層之間傳遞資訊的方式,也就是 Gated Residual,以及詞組的表示方式,也就是 N-gram Embedding。官方稱三處合起來是為了提升運算效率、模型容量與訓練穩定性。

Artificial Analysis 的頁面寫 Alibaba 未揭露參數量,但 Qwen 部落格有公布。本文以 Qwen 自己的公告為準,並把這些數字視為官方自測。

官方自測看不出跨模型的位置,所以要回到評測榜單。

Qwen4-Max 的官方圖表與兩家第三方榜單,各量到什麼?

官方圖表、Artificial Analysis 與 Vals 各用不同的測試,所以分數不能直接互換。

Qwen 在發表文中放了一張 16 格的長條圖,比較 Qwen3.8-Max-0902、Opus5.5、GPT6.1-Sol、GPT6-Astra 與 Kimi K3.1。這些名稱照原圖圖例沿用,圖與腳註都沒有逐項註明各模型的推理強度。

官方稱新模型在幾乎所有受評能力上都比 Qwen3.8-Max 進步。

本文逐格讀圖:有 Qwen3.8-Max-0902 長條的 15 格裡,新模型全部較高,例如 DeepSWE v1.1 是 75.7 對 69.3。但 AgentArena 一格沒有畫出 Qwen3.8 的長條。

和其他廠商相比,結果參差。DeepSWE v1.1 的 75.7 是六個模型中最高,Kimi K3.1 為 75.5。

但 Terminal-Bench 4.0 的 48.5,低於 Opus5.5 的 59.6 與 Kimi K3.1 的 67.2。

16 格裡,高於 Opus5.5 的有 6 格、低於的有 10 格,這是本文的逐格統計。所以官方強調的是對自家上一代的進步,不是超過所有對手。

腳註說明,部分分數引自外部榜單,包括 Mercor、Artificial Analysis、Arena 與 Vals Index。

例如 HLAB-Vals-1.1 的 21.3,與 Vals 頁面的 21.25% 四捨五入後一致,應是同一組數字,所以不是兩次獨立驗證。

Artificial Analysis:智慧指數 43 分,比 Qwen3.8-Max 高 9 分

Artificial Analysis 的智慧指數 v5.0.1 由 9 項評測組成。該站頁面列出,Qwen4 Max 在 xhigh 推理強度下得 43 分,Qwen3.8 Max(0902)為 34 分。

這 9 分的差距與 Qwen 貼文引用的數字一致,但該站貼文另稱,它仍落後 Kimi K3.1 Pro 3 分,單題成本則比 Kimi K3.1 Pro 約低 11%。

截至 2026 年 11 月 16 日晚間 7 點前後,頁面顯示它在 81 個模型中排第 38 名。

Vals AI:自家指數排第 11 名,金融與程式較強

Vals AI 的頁面列出,Qwen 4 Max 在 Vals Index v2.2 得 63.20%(誤差 ±1.01),排 38 個模型中的第 11 名,高於 Qwen 3.8 Max 0902 的 59.05%。

Vals 稱它是得分最高的中國模型,領先 Kimi K3.1 Pro 的 62.52%。

細項中,Finance Agent v2.1 為 66.68%,排 41 個模型第 8,Vibe Code Bench v1.1 為 86.66%,排 129 個模型第 15。

但 Vals 也點名較弱的項目:EMB v1.1 為 70.83%,Legal Research Bench 為 41.35%。所以金融與程式較強,不代表每個領域都強,這些排名也只在 Vals 自己評測過的模型範圍內成立。

兩家評測都用 xhigh,但 Alibaba Cloud 文件寫正式版預設是 high。官方效率圖也顯示,Work360 上 High 的分數低於 Xhigh,圖上約 48 對 52.7,這是本文判讀。

所以如果用預設值,成績可能比榜單低,這是本文推論。分數之外,官方更常強調成本,所以那一組數字要另外拆開看。

Qwen 稱 Qwen4-Max 少用 Token、單題成本降 62%,是怎麼算的?

這組數字來自 Qwen 自己設計的測試,加上 Alibaba Cloud 的價格表。本文沒有查到第三方重跑 Work360,能對照的只有價格,以及 Artificial Analysis 另一套任務的成本。

Qwen 部落格寫,Work360 的 Token 用量在 Xhigh 與 High 兩個檔位分別降約 24% 與 35%,Terminal-Bench 4.0 則降約 48% 與 49%。

Work360 的平均單題成本從 4.43 美元降到 1.67 美元,也就是降 62%。

Work360 是 Qwen 自行建立的評測,分類含 26 個一級領域、182 個二級子領域與 721 個三級專業領域。官方稱新模型得 52.69 分,Qwen3.8-Max 為 47.74 分。

官方也提到降價。Alibaba Cloud 價格頁列出,國際區(新加坡)每百萬 Token 輸入 1.5 美元、輸出 4.5 美元,qwen3.8-max 為 2 美元與 6 美元,所以兩項都低 25%,這是本文換算。

Vercel 的貼文也稱比 Qwen3.8-Max 便宜 25%,與價格頁一致。但北京、香港、德國、美國與日本區的價格頁列 1.413 美元與 4.24 美元,所以不同區域的價格不同。

官方稱快取輸入價的降幅特別大。快取是把重複出現的前段輸入存起來,之後讀取時用較低的價格計費。價格頁列快取讀取每百萬 Token 0.075 美元,約為輸入價的 5%,這是本文換算。

但 Alibaba Cloud 文件寫,快取寫入約為輸入價的 125%(5 分鐘)與 200%(1 小時),前段至少要有 1,024 個 Token 才會建立快取。

所以重複送出長前段的代理與長文件問答,較能受益,這是本文推論。

Artificial Analysis 的頁面給了獨立的成本口徑。每個智慧指數任務的成本,Qwen4 Max 為 3.27 美元,Qwen3.8 Max(0902)為 10.02 美元,本文換算降約 67%。

同一頁顯示,輸出 Token 為 1.27 億對 1.5 億,輸入 Token 為 99 億對 145 億,本文換算分別降約 15% 與 32%。快取折扣則是 95% 對 88%。

所以成本下降同時來自用量、牌價與快取折扣,這是本文推論。但該站也寫,1.27 億個輸出 Token 仍高於同價位模型的中位數 7,860 萬。

成本數字要放進任務才有意義,所以接著看官方展示的案例。

官方展示的案例,哪些只能當示範看?

官方部落格的案例由 Qwen 與合作方提供,本站沒有重現,也沒有查到第三方獨立驗證,所以只能當作能力示範。

專業工作與科學案例

法務案例中,客戶分批提供 198 份命名與格式不一的工作底稿,模型分到 14 個資料夾,並產出 86 頁的報告。官方稱每項結論都附工作底稿出處,如果屬實,審閱者就能回頭核對。

重症醫療案例的病歷含 1,433 張原始影像,官方稱模型提出的四項處置建議,與主治醫師當天的醫囑逐點對應。官方的倫理聲明另寫,Qwen 的定位是輔助工作,不取代高影響情境中的專業判斷,所以這類案例不能當成臨床證據。

科學案例有兩個。一個與 Deep Principle 的 Mira 平台合作,官方稱模型連續執行 48 小時,經四輪迭代取得一個經實驗驗證的新冷卻劑分子。

另一個與 DP Technology 的 PharmMaster 平台合作,針對阿茲海默症相關的 NLRP3 標靶,設計 24 個候選分子,最終分子的名義結合親和力,依相對結合自由能計算約為參考分子的 3.6 倍。

但這是計算結果,官方稱 DP Technology 的專家認為值得進一步做濕式實驗驗證,意思是官方文中沒有提到這個分子的實驗結果。

Live Delivery 外掛與安全評估

官方說 Live Delivery 讓代理先交付可用的第一版,再逐版改進。外掛在 GitHub 以 Apache-2.0 授權開源,版本 0.1.0,發表時支援 Codex CLI。

安全評估也是官方自測。Qwen 稱在 Last Secure Code Bench 上,同時符合功能與安全的函式層級通過率,從 Qwen3.8-Max 的 22.0% 升到 31.8%。

在函式、檔案與儲存庫三個層級都安全的比例,則從 8% 升到 14.7%。官方並稱內部專家審查未發現具大規模網路安全風險的能力,也未發現模型能把化生放核知識轉成使用者能力的顯著提升。

這些審查由 Qwen 內部專家進行,但本文沒有查到外部機構的對應報告,所以讀者能自己驗證的,是平台上的版本與價格。

在哪裡可以用?較小的 Qwen4 模型呢?

這個模型以雲端服務與第三方平台提供,權重沒有開放,但較小的 Qwen4 模型有預告。

Qwen 部落格的使用說明寫,它已在 QwenCloud 上線,可選 Token Plan 或 API,也能在 QwenWork、Qoder 與 QwenStudio 使用。

Qwen 的 X 貼文另列 OpenCode Go 與 Vercel AI Gateway 兩個第三方平台。

OpenCode Go 是 OpenCode 的選用訂閱服務,文件列出的 Go 方案為每月 10 美元,Qwen4 Max 在模型清單中。

Vercel AI Gateway 的模型代號是 alibaba/qwen4-max,頁面列出每百萬 Token 輸入 1.5 美元、輸出 4.5 美元,上下文 100 萬 Token。

Vercel 頁面寫最大輸出 384,000 Token,但 Alibaba Cloud 正式版文件寫 262,144,兩者不同。

輸入模態也有出入:Alibaba Cloud 列文字、圖片與影片,Artificial Analysis 只列文字與圖片,Vals 寫不支援影片。

所以要用影片或長輸出的團隊,應在自己使用的平台實測。

較小的 Qwen4 模型:發表文只有一句預告

Qwen 部落格結尾寫:「Smaller models in the family are coming to open source」,意思是該系列較小的模型將開源,這是本文翻譯。但公告沒有寫型號、參數量、授權或日期。

截至 2026 年 11 月 16 日晚間 7 點(台北時間),Hugging Face 的 Qwen 組織下查不到任何 Qwen4 模型。

Qwen 組織中建立時間最晚的模型,是 10 月 9 日建立的 Qwen-Image-2.1-Turbo,所以至少在 Hugging Face 上,沒有官方的 Qwen4 權重。

Qwen4-27B 這個名稱,本站 2026 年 9 月的報導指出,雲棲大會 9 月 22 日的投影片列過,並標示 Coming Soon。

Unsloth AI 的 X 貼文稱它可在 16GB RAM 的環境執行,但 Qwen 部落格沒有出現 27B,也沒有寫記憶體需求,所以這項說法尚未獲 Qwen 公告證實。

Qwen4-Max 常見問題

它的權重開放嗎?

Qwen 官方公告沒有說 Max 會開放權重,只預告較小模型將開源。Artificial Analysis 列為專有模型,Vals 列為私有權重。

API 價格是多少?

依 Alibaba Cloud 價格頁,國際區每百萬 Token 輸入 1.5 美元、輸出 4.5 美元,快取讀取 0.075 美元。但其他區域與各平台的價格不同,應以購買頁面為準。

Qwen4-27B 什麼時候發表?

截至 2026 年 11 月 16 日,Qwen 這次的發表公告沒有寫 Qwen4-27B 的規格或日期。本站 2026 年 9 月的報導指出,雲棲大會 9 月 22 日的投影片列過這個名稱,並標示 Coming Soon。

16GB RAM 的說法來自 Unsloth AI 貼文,不是 Qwen 公告。

Hugging Face 上名稱含 Qwen4-27B 的第三方儲存庫,也不能視為官方模型。

延伸閱讀:Qwen4-Max-Preview 預覽開放:Token Plan、百萬上下文與下線日期怎麼看?

結語:價格與長任務效率的更新,不是榜單翻盤

這次發表適合正在用 Qwen3.8-Max、成本壓力大的團隊,以及需要長上下文與代理式編碼的開發者。因為牌價與快取價都降了,Artificial Analysis 與 Vals 也都量到對上一代的進步。

不適合需要自己部署、微調或取得權重的人,因為 Max 沒有開放權重。也不適合只靠一張榜單決定採購的人,因為官方圖中 16 格有 10 格低於 Opus5.5,第三方名次也只在各自的比較範圍內有效。

至於醫療、法務與科學案例,只能當官方示範。如果沒有第三方重現,就不能當作已驗證的成果。

我會先挑自己最耗 Token 的一項任務,分別用 high 與 xhigh 跑一次,記錄成本、完成度與人工修改量,再決定要不要把工作從 Qwen3.8-Max 或預覽版搬過來。

較小的 Qwen4 模型值得另外追蹤,因為這次發表文只給了預告,沒有給參數量與日期。等 Hugging Face 的 Qwen 組織出現模型卡,再看授權與規格。

延伸閱讀:Qwen4 首度曝光:Max、Plus、Flash、27B 四條產品線公開,何時發布與 5–10T 傳聞一次看

資料來源