Qwen4-Max正式上线,预览版不再是唯一入口

|作者: QUASA 编辑团队|2 分钟阅读| 2
Qwen4-Max正式上线,预览版不再是唯一入口

据IT Post的上线报道,阿里通义千问于2026年11月16日正式推出Qwen4-Max;11月11日先行开放的预览版仍是独立入口,预览期将在11月25日24时(UTC+8)结束。此前只有Token Plan可用的开发者,现在还可以选择正式版的按量计费API。对已把预览版写入线上配置的团队,发布消息本身不会替换正在调用的模型。

QwenCloud模型说明把正式版ID列为qwen4-max,提供100万Token上下文,并列出北京、中国香港等可用地域;正式版可经Token Plan或按量计费API调用。预览版继续使用qwen4-max-preview,因此是否需要动代码,取决于应用现在指向哪个ID、使用哪类密钥与接口地址。需要改走按量API的项目,还要把新的计费方式纳入上线判断。

正式版入口与预览版入口并行

两个ID对应不同的调用目标。服务配置中的model若仍是qwen4-max-preview,请求就会继续走预览版;仅在控制台看到正式版可用,并不会改变已有请求。把model改为qwen4-max才是模型切换,但这一步也不能代替核对鉴权和账单归属。把配置散落在服务端环境变量、客户端代理和备用路由的应用,应先找全实际发出的请求,避免主链路已经切换、回退链路仍指向即将退出的入口。

Token Plan与按量API是两套用量路径:前者消耗套餐Credits,后者按调用产生的Token结算,所用API Key和Base URL也要与路径匹配。已有Token Plan用户可以在套餐支持范围内调用正式版;若改为按量计费,应使用对应地域的API Key与端点。对只想确认正式版能否调用的开发者,最短答案是使用qwen4-max,并在选定地域的接口或Token Plan中配置与之相符的凭据。

预览版的到期日给迁移安排划出了边界,但它与正式版并存期间,两个入口可以分别承接请求。把一部分真实流量送往正式版、保留原链路对照输出,属于团队可自行选择的回归方式;这不是对两版质量差异的实测结论。若项目仍依赖预览版,退出前至少应确认模型ID切换后的请求能够完成,并且异常时的回退路径不再引用旧ID。

百万上下文之外,还要重设输出预算

100万Token是上下文长度,不能直接当作每次请求可填满的输入额度。正式版在非思考模式下的最大输入为991808 Token、最大输出为131072 Token;思考模式下最大输入为983616 Token,思考过程与最终回答合计最多262144 Token。长文档、连续工具结果和多轮历史会一起占用输入空间;把旧配置中的最大输出值原样沿用,可能在临近边界时遇到截断或请求失败。

正式版默认开启思考,推理强度默认是high。OpenAI Chat Completions与DashScope用reasoning_effort,OpenAI Responses用reasoning.effort,Anthropic Messages用output_config.effort;可用档位为low、high和xhigh。旧配置里的minimal、medium、max需要分别映射为low、high、xhigh;Anthropic Messages只列出medium与max的对应映射。协议名称相似并不保证字段可以原封不动传递,尤其是把一个客户端的参数对象直接复用到另一个端点时。

在Chat Completions中,max_completion_tokens限制思考与最终回答的合计长度。程序若只按用户可见回答预留Token,切换后可能更早触及上限。多轮工具调用还应保留此前assistant消息中的推理内容;流式解析、函数调用参数和结构化输出则应使用现有请求样本核对。这些是由接口规格推导出的回归项目,并非声称正式版会在特定业务上表现更好。

北京和香港同档定价,缓存会改变实际费用

按阿里云百炼价格表的原价,北京和中国香港的qwen4-max均为每百万输入Token 1.413美元、每百万输出Token 4.24美元,单次请求的输入计费档为不超过100万Token;两地的服务部署范围标注不同。新加坡的相应原价是1.50美元与4.50美元,不能拿来估算北京或香港的账单。价目表列的是按量调用价格,套餐Credits的消耗应另按Token Plan规则核算。

同一价格表把缓存写入与命中单独列价:北京和香港每百万Token创建5分钟缓存为1.767美元,创建1小时缓存为2.827美元,显式或隐式缓存命中为0.071美元。命中价低于普通输入价,但能否命中取决于请求前缀是否一致、缓存是否仍有效;隐式缓存也不保证命中。正式版的显式缓存支持Chat Completions、Responses和Anthropic Messages,DashScope不支持这项新缓存能力,因而“同一个模型ID”并不足以预测缓存账单。

以下是按2026年11月17日核查的公开原价所作的条件计算,均假设北京或香港地域、按量计费、无活动折扣,也不把Token Plan费用混入。假设一批1000次请求,每次有10000个输入Token、2000个输出Token,全部输入按普通价计费,输入共1000万、输出共200万Token,费用为22.61美元。若输出包含思考Token,必须把它们一并计入这200万,而不能只数最终显示的文字。

第二种条件仍是1000次请求,但每次输入中有8000个Token命中5分钟显式缓存、2000个Token按普通输入计费,并假设共享前缀只创建一次且缓存一直有效;输出仍为每次2000个Token。按普通输入、缓存命中、首次缓存创建和输出分别计算,总额约11.89美元。这个差额来自假设的稳定命中,不代表线上流量必然获得同样折扣;前缀一变或缓存失效,费用就会向普通输入方案靠近。

第三种条件保持每次10000个普通输入Token,但把包含思考在内的输出增加到每次10000个Token,1000次请求的估算费用为56.53美元。它说明默认思考模式下,输出侧用量足以改变预算判断。正式版与预览版的访问方式不同,不能用预览期的套餐体验直接推断正式版的按量账单;实际成本还要以地域、协议、缓存命中与计费记录为准。

现有应用切换时该核对的项目

迁移的核心是确认线上请求实际到达正式版并按预期计费。对仍用预览版的服务,可把核对顺序压缩为四项:

  • 定位主请求、定时任务和回退路由中的qwen4-max-preview,确认它们何时改用qwen4-max。
  • 按Token Plan或按量API分别核对API Key、Base URL及目标地域,避免凭据与端点混用。
  • 用已有的长输入、图片或视频输入、工具调用和结构化输出样本检查返回结构、推理档位、输出上限与终止原因。
  • 按普通输入、缓存创建、缓存命中和含思考的输出拆开估算,再与切换后的实际用量记录对照。

如果项目原本调用的是其他千问模型,这次发布并不自动构成迁移要求。对预览版用户,真正有时间约束的是旧入口结束前完成路由替换;对按量API用户,真正有金额影响的是输出与缓存结构。两类团队可以使用同一个正式版ID,却因为协议、地域和计费路径不同,得到不同的运行与成本结果。

相关阅读:

分享:

订阅我们的新闻通讯

将最新 Web3、AI 和加密货币新闻直接发送到您的邮箱。

0