登录选套餐
博客 · 模型实测

Qwen4-Max 上手指南:16 项评测赢 4 项,缓存命中 0.5 元/百万

阿里发布闭源旗舰 Qwen4-Max:2.4T 参数每 token 激活 71B,官方 16 项评测拿到 4 项第一,国内缓存命中低至 0.5 元/百万 token。本文整理官方与第三方评测数据、国内与国际价格、两次真实运行的账单对比,以及思考档位与适用场景。

11 月 16 日,阿里发布新一代旗舰模型 Qwen4-Max。它基于新的 Qwen4 混合专家(MoE)架构,主干参数 2.4T,每 token 激活 71B,外加 328B 的 N-gram 词表参数,支持 100 万 token 上下文与原生视觉输入,仅通过云端 API 和官方应用提供。

此前一周,它的早期预览版先在编程工具 Qoder 里以匿名模型身份开放测试,随后升级为 Qwen4-Max-Preview;11 月 16 日官方正式公布完整基准测试、技术架构与 API 定价。下面整理官方评测、第三方榜单、价格和社区实测账单。

结论:Qwen4-Max 的优势在于长周期 Agent 任务、代码仓库修复(DeepSWE 75.7)和低廉的缓存单价(国内 0.5 元/百万、国际 $0.075/百万,Work360 单任务成本较上代降 62%);短板在于终端命令执行(Terminal-Bench 4.0 48.5)、黑盒软件复刻(ProgramBench 31.5)以及高思考档位下的响应速度(Artificial Analysis 每题平均 32.1 分钟)。它适合长上下文、多轮迭代的工程和文档任务;日常调用保持默认的 high 档,复杂全栈和终端编程切到 xhigh。

规格与架构

Qwen4-Max 对稀疏 MoE 架构做了三项调整,用来降低长序列推理开销并减少每步激活的参数量:

  • GDN + Qwen 稀疏注意力(QSA)按 3:1 交替:每 3 层 Gated DeltaNet(把历史上下文压缩进固定大小的状态)搭配 1 层 QSA。QSA 用轻量级索引器按微块(micro-block)粒度挑选相关上下文,降低长文本的注意力计算与索引成本。
  • Gated Residual(GR):用 4 条带动态读写门的并行残差分支替代传统残差流,改善跨层信息传递和训练稳定性。
  • N-gram Embedding:在第 2 层引入 328B 参数的上下文查表层,以较小的额外计算开销扩展局部词组模式的表征容量。
Qwen4-Max 架构图:底层为 Vocabulary Embedding 与第 2 层的 N-gram Embedding Layer,主体由 3 层 GDN Layer 与 1 层 QSA Layer 循环堆叠,内部采用四分支 Expanded Residual 与 GR Read/Write 门控
Qwen4-Max 架构示意图。来源:Qwen 官方博客。

在这套架构下,Qwen4-Max 每 token 激活 71B 参数,比上一代 Qwen3.8-Max(95B)减少约 25%,2.4T 规模预训练全程没有出现 loss 尖峰。在千问内部的知识(Knowledge)、代码(Code)、问答(QA)和 STEM 四类基座评测中,Qwen4-Max-Base 的每字节比特数(BPB,越低越好)在全部 5 个参评 checkpoint 里最低,比 Qwen3.8-Max-Base 下降约 5%–13%。官方脚注同时说明,同场对比的 GLM-5.3 和 Kimi-K3.1-Pro 是后训练 checkpoint,可能影响与 base 模型的直接比较。

正式发布前的一周时间线:11 月 6 日,千问官方 X 账号发帖预告 “The becoming begins.”;11 月 7 日,编程 IDE Qoder 上线匿名模型 Qoduck,个人用户限时免费,匿名的 4 天里每天更新一版;11 月 11 日,Qoder 揭晓该模型并升级为 Qwen4-Max-Preview(该帖浏览量超 540 万);11 月 16 日正式版上线。

Qoder 官方揭晓匿名模型 Qoduck 升级为 Qwen4-Max-Preview 的公告图
图:@qoder_ai_ide,2026-11-11。

目前 Qwen4-Max(模型 ID qwen4-max)已在中国内地的阿里云百炼、千问 AI 平台,以及国际站 QwenCloud 上开放按量 API,同时接入了新加坡区的订阅制 Token Plan;应用侧可在千问办公(QwenWork)、Qoder、千问 APP 和 Qwen Studio 中直接选用。

Qwen4-Max 本身不开源权重。官方博客仅在文末表示“Qwen4 系列的中小尺寸模型将陆续开源”,尚未公布具体参数规模和发布时间。社区在揭晓帖下密集刷屏 “Qwen-4 27B > GTA VI” 催更小模型。

大家盯着小模型,是因为 Qwen 的开源权重一直是本地和服务端部署用得最多的底座。Hugging Face 的 2026 夏季开源模型报告 统计,2026 年 1–8 月 Qwen 在 Hugging Face 上被下载 20.45 亿次(阿里披露的全平台累计数是超 30 亿次);基于 Qwen 的衍生模型有 151,448 个,是 Meta 的 2.6 倍,比 Google(82,506 个)和 Meta 加起来还多。

企业端也有人用。Airbnb CEO Brian Chesky 2025 年 10 月接受采访时说,Airbnb 的 AI 客服大量依赖 Qwen,“很好用,也快、便宜”。

Hugging Face 2026 夏季开源模型报告图表:按机构统计的衍生模型数量,Qwen 以约 15.1 万个衍生模型排第一,超过 Google(8.3 万)与 Meta(5.7 万)之和
Hugging Face 各机构衍生模型数量(截至 2026 年夏季)。来源:Hugging Face。

闭源超大杯也并非在所有任务上都优于自家的开源小模型。Hacker News 用户 chriddyp 实测了他们团队的短周期数据分析基准:Qwen4-Max 的得分比今年 8 月开源、可在桌面硬件运行的 Qwen3.8 27B 低了几分,单次成本还略高一点。

官方评测与第三方榜单

千问官方公布了涵盖编程、办公、科研与多模态的 16 项基准测试,同场对比 Qwen3.8-Max-0902、Claude Opus 5.5、GPT-6.1 Sol、GPT-6 Astra 和 Kimi K3.1。

千问官方 16 项核心评测对比图:对比 Qwen4-Max、Qwen3.8-Max-0902、Opus 5.5、GPT-6.1 Sol、GPT-6 Astra 和 Kimi K3.1 的各项得分
官方 16 项基准评测对比。来源:Qwen 官方博客。

图中 16 项评测的完整数据如下(加粗为该项参评模型最高分):

Qwen4-Max 官方 16 项基准评测完整成绩表
评测项目Qwen4-MaxQwen3.8-MaxOpus 5.5GPT-6.1 SolGPT-6 AstraKimi K3.1
DeepSWE v1.175.769.374.275.274.175.5
CodeArena (Elo)175016761816174217631686
Terminal-Bench 4.048.538.959.656.159.167.2
ProgramBench31.528.065.052.555.025.0
AA-Briefcase v1.1 (Elo)168616051801155515691674
Agents’ Last Exam v1.146.727.943.442.6(GPT,图中仅一项)—43.4
JobBench68.565.375.466.266.161.2
APEX-Agents v1.172.163.373.560.064.765.5
HLAB-Vals-1.121.315.49.26.37.111.7
AutomationBench-AA72.556.269.564.968.573.3
AgentArena (Net Improvement)7.5—18.211.813.93.9
BioMysteryBench85.084.181.984.478.980.6
HealthBench Professional60.039.659.965.166.057.2
Humanity’s Last Exam51.743.959.854.053.651.1
Chartography54.242.066.367.871.150.0
Video-Index68.163.274.873.876.763.2

千问团队把优势项和落后项画在同一张图里,没有只截取领先的榜单:

  • 拿到第一的共 4 项:代码仓库级修复 DeepSWE v1.1(75.7,比 Kimi K3.1 的 75.5 和 GPT-6.1 Sol 的 75.2 高 0.2–0.5 分)、长周期任务 Agents’ Last Exam v1.1(46.7 vs Opus 5.5 的 43.4)、法律实务 HLAB-Vals-1.1(21.3 vs Kimi K3.1 的 11.7、Opus 5.5 的 9.2)以及生物信息学 BioMysteryBench(85.0)。
  • 没拿第一的 12 项里,差距明显的几项:测终端命令行编程的 Terminal-Bench 4.0 只拿到 48.5,在同场 5 个对比模型里最低(Kimi K3.1 为 67.2,Opus 5.5 为 59.6);黑盒软件复刻 ProgramBench 为 31.5,不到 Opus 5.5(65.0)的一半;临床推理 HealthBench Professional(60.0 vs GPT-6 Astra 66.0)、多学科推理 Humanity’s Last Exam(51.7 vs Opus 5.5 59.8)、视觉图表 Chartography(54.2 vs GPT-6 Astra 71.1)和视频理解 Video-Index(68.1 vs GPT-6 Astra 76.7)也存在明显差距。

在前端双盲评测 CodeArena: WebDev 榜上(2026-11-14 数据,共 159 个模型、超 100 万票),Qwen4-Max (xHigh) 以 1,750 分排在全球第 6,是榜上排名最高的中国模型(下一个中国模型是第 13 名的 Kimi K3.1 Pro,1,686 分)。它排在 GPT-6 Astra(1,763)之后、Claude Fable 5.1(1,743)和 GPT-6.1 Sol(1,742)之前,也高于开 High 档的 Claude Sonnet 5.5(第 10,1,716 分)。同时需要注意两点:一是 Sonnet 5.5 开到 xHigh 档拿到 1,772 分排在第 3;二是 Qwen4-Max 目前只有 1,814 票,榜上标注为 Preliminary(初步成绩),误差区间 ±15,对应名次区间为 3–9。

CodeArena WebDev 全球前端盲测榜前十名:Claude Fable 5.2 第一(1826),Claude Opus 5.5 第二(1816),Claude Sonnet 5.5 xHigh 第三(1772),Gemini 4 Carbon 第四(1768),GPT-6 Astra 第五(1763),Qwen4-Max xHigh 第六(1750 ±15,Preliminary)
CodeArena WebDev 榜,2026-11-14。
CodeArena WebDev 榜单前 8 名及对比模型分数(2026-11-14)
名次模型Elo 分数备注
1Claude Fable 5.2 (xHigh)1826 ±19—
2Claude Opus 5.5 (Max)1816 ±12—
3Claude Sonnet 5.5 (xHigh)1772 ±10—
4Gemini 4 Carbon (High)1768 ±15Preliminary
5GPT-6 Astra (Max)1763 ±8—
6Qwen4-Max (xHigh)1750 ±15Preliminary;名次区间 3–9;1,814 票;每任务 P50 $4.18
7Claude Fable 5.1 (Max)1743 ±8—
8GPT-6.1 Sol (Max)1742 ±10—
10Claude Sonnet 5.5 (High)1716 ±8—
13Kimi K3.1 Pro (Max)1686 ±9下一个中国模型
16Qwen3.8-Max (0902)1676 ±6上一代
19DeepSeek-V4.1-Flash-20261017 (Max)1661 ±7下文 token 用量对比模型

第三方独立评测机构 Artificial Analysis 的数据(2026-11-17 抓取)显示:在汇总 9 项测试的 Intelligence Index v5.0.1 中,Qwen4-Max 得分为 43,在 81 个模型里排第 38(可比模型中位数 41)。同场对比里,GPT-6.1 Sol(max)拿到 55 分,平均每道题成本仅 $1.27,比 Qwen4-Max($3.27)高出 12 分且单题便宜 61%;Kimi K3.1 Pro 拿到 46 分,每题成本 $3.68。

Artificial Analysis 的 Qwen4-Max 摘要卡片:Intelligence Index 43 分(第 38/81),每题耗时 32.1 分钟(第 74/79),每题成本 $3.27(第 44/80),跑完指数共输出 127M token(第 65/80)
Artificial Analysis,2026-11-17。
Artificial Analysis 智能指数、每题耗时与每题成本对比(2026-11-17)
模型智能指数每题耗时(分钟)每题成本
Claude Fable 5.2 (max)6540.8$26.54
Gemini 4 Carbon (high)6031.1$5.48
Claude Opus 5.5 (max)5924.6$10.04
GPT-6 Astra (max)5720.4$6.24
GPT-6.1 Sol (max)5523.0$1.27
Kimi K3.1 Pro4638.8$3.68
Qwen4-Max4332.1$3.27
Grok 4.7 (xhigh)3524.6$7.77

token 用量

对比上一代 Qwen3.8-Max,官方给出的数据是:在 Work360 评测上,Qwen4-Max 在 xhigh 和 high 档的每任务 token 用量分别下降约 24% 和 35%;在 Terminal-Bench 4.0 上,xhigh 档平均每题消耗从约 289K 降到约 151K(减少约 48%),得分从 38.9 升至 48.5,high 档用量也减少约 49%。

Qwen4-Max 与 Qwen3.8-Max-0902 在 Work360 和 Terminal-Bench 4.0 上不同思考档位(Low、High、Xhigh)的得分与每任务 token 消耗曲线
Work360 与 Terminal-Bench 4.0 上各思考档位的分数与每任务 token 消耗。来源:Qwen 官方博客。

预览版期间,海外开发者也发布了两组同题对比数据:

  • 开发者 @loktar00 用同一段提示词单次生成 3D 雪夜圣诞村,当时还是匿名预览的 Qwen 4 用的 token 约为对照组 DeepSeek Flash 的一半。@loktar00 在同帖回复里也说,DeepSeek 生成得更快。
  • 开发者 @ItsmeAjayKV 跑了 103 道相同的 Three.js 生成题,对比 Qwen4-Max-Preview 与 DeepSeek-v4.1-flash-1017:Qwen 在 87 道题中消耗更少,平均每题约 77K token,DeepSeek 约 115K,少约 33%。
X · @loktar00Qwen 4 vs Deepseek Flash one shot Christmas Village在 X 上观看
同一提示词单次生成 3D 雪夜圣诞村对比:Qwen 4 预览版所用的 token 约为 DeepSeek Flash 的一半。链接会打开 X;点击之前,页面不会加载任何外部内容。
103 道 Three.js 生成任务的 token 消耗对比图:DeepSeek V4.1 Flash 平均每题 115,306 token,Qwen 4 Max Preview 平均每题 77,469 token,在 103 题中的 87 题里更省,平均减少 33%
图:@ItsmeAjayKV,2026-11-11。

这两组社区测试的对照组都是 DeepSeek V4.1 Flash,且测的都是预览版。虽然 Qwen 每题少用了三分之一到一半的 token,但 DeepSeek V4.1 Flash 的 API 单价只有 $0.15 / $0.60(每百万输入 / 输出 token),输入价是 Qwen4-Max($1.50 / $4.50)的十分之一,输出价约七分之一。@ItsmeAjayKV 在原帖里也写了,算上单价和模型体积,占优的是 deepseek-v4.1-flash。

而在 Artificial Analysis 的横向评测中,Qwen4-Max 跑完整个智能指数共输出了 1.27 亿个 token,高于可比模型的中位数(7,860 万),被标注为 “very verbose”;平均每题耗时 32.1 分钟(中位数 13.3 分钟),首个答案 token 等待时间达 147.63 秒,输出吞吐为 54 tok/s。

Qwen4-Max 在不同参照系下的 token 消耗与耗时表现
测试场景对照组Qwen4-Max对照组数据说明
Work360(xHigh / High)Qwen3.8-Max-0902≈127K / ≈96K≈166K / ≈148K比上一代少用约 24% / 35%
Terminal-Bench 4.0(xHigh / High)Qwen3.8-Max-0902≈151K / ≈129K≈289K / ≈250K比上一代少用约 48% / 49%
103 道 Three.js 生成(预览版)DeepSeek V4.1 Flash77.5K / 题115.3K / 题token 少用 33%,但 DeepSeek 单价低一个量级
AA 智能指数总输出与每题耗时同档前沿模型中位数127M / 32.1 分钟78.6M / 13.3 分钟AA 标注 “very verbose”,耗时约为中位数的 2.4 倍

我们觉得,Qwen4-Max 的 token 缩减是相对自家上一代 Qwen3.8-Max 和 DeepSeek V4.1 Flash 而言;放到全行业前沿模型里横向对比,它在高思考强度下依然偏慢、输出偏长。

思考档位

根据阿里云百炼文档,Qwen4-Max 的思考强度参数 reasoning_effort 提供 low、high、xhigh 三档(默认 high,默认最大思维链预算 thinking_budget=131072;传入 minimal、medium、max 会分别映射为 low、high、xhigh)。

官方效率图里三个档位在 Work360 和 Terminal-Bench 4.0 上的得分与每题 token 消耗如下:

Qwen4-Max 在 Work360 与 Terminal-Bench 4.0 上三个思考档位的得分与 token 消耗(读图约数)
评测基准LowHigh(正式版默认)XhighHigh 与 Xhigh 差距
Work360(综合办公与行业任务)≈46.6 分(≈91K)≈48.0 分(≈96K)52.69 分(≈127K)High 低约 4.7 分,省约 24% token
Terminal-Bench 4.0(终端编程)≈29.5 分(≈122K)≈31.5 分(≈129K)48.5 分(≈151K)High 低约 17.0 分,仅省约 15% token

预览版刚上线时默认档位固定在 xhigh,直接拉长了简单任务的响应时间。@SrinivasValekar 转述过一次村庄生成测试:都开 xhigh,Gemini 4 Hydrogen 12 分钟跑完、花了约 $1.7,Qwen4-Max 跑了 1 小时 15 分钟、花了约 $0.9。单次测试,但时间差得很远。

YouTube 频道 The Dark Factory 在 Claude Code 里用 Token Plan 实测 qwen4-max-preview 时,对比了同一道预算 App 题目在不同档位下的表现:把思考强度从默认的 xhigh 直接调到 low 重跑,耗时从 24 分钟降到 9 分钟,上下文读取量从 4.4M 降到 1.1M(减少 75%),输出从 83K 降到 31K(减少 63%),由 Codex(GPT-6.1 Sol)盲评的分数从 8/10 升到 9/10。

视频 · The Dark FactoryI Tested Qwen 4 to See What My Mac Gets Next在 YouTube 观看
作者在 Claude Code 中用 Token Plan 测试 Qwen4-Max-Preview,并在 6:23–6:55 对比同一预算 App 在默认 xHigh 与 low 思考档位下的耗时、token 消耗和盲评得分。链接会打开 YouTube;点击之前,页面不会加载任何内容。
The Dark Factory 预算 App 单题测试:默认 xHigh 与 low 档位对比
思考档位输出 token读取 token耗时盲评得分(GPT-6.1 Sol 裁判)
默认(xHigh)83K4.4M24 分钟8 / 10
low31K(-63%)1.1M(-75%)9 分钟9 / 10

The Dark Factory 这组结果来自单次、一道前端应用题、单一 AI 裁判。结合上面的官方曲线,我们觉得正式版默认的 high 档够日常办公、常规前端和问答用;涉及复杂全栈开发或终端命令行 Agent 任务(如 Terminal-Bench 这类场景)时,high 和 xhigh 之间有 17 分的差距,仍需手动切到 xhigh。

在国际站 QwenCloud 的 OpenAI 兼容接口(Responses API)中指定思考档位的最小示例:

qwen4_max_example.py
from openai import OpenAIimport os client = OpenAI(    api_key=os.getenv("DASHSCOPE_API_KEY"),    base_url="https://ap-southeast-1.maas.qwencloudapi.com/compatible-mode/v1",) resp = client.responses.create(    model="qwen4-max",    input="给这个函数补单元测试",    reasoning={"effort": "high"},  # low / high / xhigh,默认 high)print(resp.output_text)

价格与账单

官方 API 定价分中国内地(阿里云百炼)与国际(QwenCloud 新加坡)两套。国内标准输入 10 元/百万 token、输出 30 元/百万 token,比上一代 qwen3.8-max(12 / 36 元)下调约 16.7%;缓存命中单价下调至 0.5 元/百万 token(国际站为 $0.075/百万),为标准输入价的 5%。配合单任务 token 消耗的下降,官方 Work360 评测里的单任务平均总成本从上一代的 $4.43 降到了 $1.67,降幅 62%。

Qwen4-Max 国内(阿里云百炼)与国际(QwenCloud)官方 API 价格表
计费项国内(百炼,中国内地)国际(QwenCloud,新加坡)
标准输入(0 < token ≤ 1M,思考 / 非思考同价)10 元 / 百万$1.5 / 百万
输出(思维链 + 回答)30 元 / 百万$4.5 / 百万
缓存命中(显式 / 隐式)0.5 元 / 百万$0.075 / 百万
创建显式缓存(5 分钟 TTL)12.5 元 / 百万$1.875 / 百万
创建显式缓存(1 小时 TTL)20 元 / 百万$3 / 百万
新用户免费额度100 万 token(90 天)—

按阿里云百炼计费文档,缓存规则如下:隐式缓存默认开启、无需改代码,但不保证每次请求都命中;显式缓存要求前缀至少 1,024 token,有效期(TTL)可选 5 分钟(默认)或 1 小时,命中后自动续期;缓存仅在同一用户账号的请求之间复用;输出 token(含思维链)一律按原价计费。

拿开发者 @superalesha 公布的 Blender 东京雨夜拉面摊实测用量做重算:他在预览版 xhigh 档下用同一条提示词分别跑了 DeepSeek Harness(DSH)和 Qwen Code 两个框架,按正式版公开单价(费用 = 未命中输入 × 输入单价 + 缓存命中 × 缓存单价 + 输出 × 输出单价)折算如下:

Blender 东京雨夜拉面摊两次实测运行按正式版单价重算的账单对比
运行框架(同题,xHigh)总输入(缓存命中 / 未命中)输出国内整单(含缓存)国内(假设 0 缓存)国际整单(含缓存)国际(假设 0 缓存)
DeepSeek Harness11.96M(11.59M / 0.37M)130K3.70 + 5.80 + 3.90 = 13.40 元123.50 元$2.01$18.53
Qwen Code3.02M(2.85M / 0.17M)62K1.70 + 1.43 + 1.86 = 4.99 元32.06 元$0.75$4.81

这张账单反映出三点:

  1. 5.80 元只是缓存命中的部分,整单为 13.40 元。在 DeepSeek Harness 这一次运行中,1,159 万缓存命中 token(占总输入 96.9%)按 0.5 元/百万计费为 5.80 元;加上 37 万未命中输入(3.70 元)和 13 万输出(3.90 元),整单总费用为 13.40 元(国际站 $2.01),其中缓存占 43%,输出占 29%。
  2. 缓存命中与否,账单相差近 10 倍。假设完全不命中缓存,DeepSeek Harness 这一单在国内会涨到 123.50 元。隐式缓存不承诺命中,长流程要稳定压账单,可以配显式缓存,代价是创建时按 1.25 倍(5 分钟)或 2 倍(1 小时)输入价计费。
  3. 不同 Agent 框架的输入量相差近 4 倍。同一个模型、同一条提示词,在 Qwen Code 下跑总输入只有 302 万 token,国内整单降到 4.99 元(国际 $0.75)。我们觉得,harness 怎么管上下文,对账单的影响不比模型单价小。

官方展示的案例

围绕百万上下文、原生视觉和工具调用,官方博客和社区展示了一批长链路任务。

在 3D 与游戏开发上,@superalesha 让模型只通过 Blender MCP 写 Python、不导入任何外部资产,搭一个东京雨夜的拉面摊微缩场景。提示词里列了布帘、纸灯笼、热汤碗、自动售货机、倒映霓虹的积水,要求用 Cycles 渲染,并让模型看渲染图自己找问题返工。千问官方则展示了它在 Unity、Unreal Engine 和 Godot 中从自然语言需求直接搭建场景、编写玩法逻辑、整合外部资产并看着运行画面调优镜头与打击感,做出了 Unreal Engine 下的 3D 猫法师冒险游戏《喵出法随》(Meow of Magic)、御剑穿云的奇幻冒险 Yun Guan Xing,以及 Unity 6 下的安卓赛车手游《Flying Racer》。

Qwen4-Max 在 Unreal Engine 中构建的 3D 猫法师冒险游戏《喵出法随》(Meow of Magic)实机画面:戴巫师帽、手持木法杖的猫咪法师站在魔法工坊大厅中,周围有长老猫、药水架、彩绘玻璃窗和悬浮卷轴
Qwen4-Max 在 Unreal Engine 中构建的 3D 游戏《喵出法随》(Meow of Magic)。来源:Qwen 官方博客。

针对长周期 Agent 任务容易中途跑偏、等到跑完才发现难以返工的问题,Qwen4-Max 推出了 Live Delivery(持续交付) 机制,并同步开源了配套插件 Qwen-Live-Delivery-Plugin:模型接手复杂任务后先快速交付一个可运行的首版,随后基于执行反馈和用户指令逐版迭代扩展,方便开发者随时介入修正方向。

在工业、金融、法律、医疗与科研领域,官方披露了 6 个合作案例:

Qwen4-Max 官方披露的 6 个行业与科研落地案例
场景工作内容关键数字
汽车制造(SANF、Pacific Union 产线)用 2D 布局图和工艺参数建 3D 产线并做 PLC 虚拟调试;零件级设计车门总成与摩擦轮,生成加工刀路并在上机前仿真排查过切与少切单个工件编程人工投入从约 475 分钟降到 24 分钟(减少约 95%)
企业 IPO 法律尽调清洗客户分批提供的命名混乱底稿,按实质内容重命名归入目录并编索引;交叉核查工商、知识产权、司法与征信记录,识别对赌协议(VAM)中的“恢复条款”隐患整理 198 份底稿归入 14 个目录,交付 86 页、超 6 万字报告,覆盖 12 个审查领域与 14 个法律问题,每条结论带底稿引用
金融投研(沪深 300 股指期货)拉取 A 股、港美股、债券、基金与衍生品数据,结合融资成本、分红率与到期日计算理论期现基差与波动率价差,输出双重溯源的 Excel 与可编辑 PPT调用 90 个 MCP 工具;点击 Excel 单元格直达原始数据源,PPT 图表与工作表一一对应
危重症临床辅助单次对话内通读数十份化验单、万字病程与多组医嘱,将原始影像分为 6 个序列,调度多个子 Agent 并行审阅数百张胸部 CT 切片处理超 1 万字病程与 1,433 张影像,识别双肺背侧实变(与主治医生诊断一致),4 条处置建议与当日医嘱逐条对应
干湿闭环科研(Deep Principle Mira 平台)针对高功率芯片数据中心散热,自主完成结构筛选、MPA 性质预测、第一性原理计算与逆合成分析,直接调度自动化湿实验台配料合成、纯化与测试连续运行 48 小时,筛选 270 万个候选分子,经 4 轮闭环迭代做出经实验验证的新型冷却液实物样品
云计算资源调度(阿里云 + MindOpt)针对数据标注多模型调用调度、GPU 在线分配和 CPU 离线重调度,自主生成候选算法并与阿里自研求解器 MindOpt 协同验证迭代数据标注调度成本平均降 10.42%,在线 GPU 整机空闲时长增加 4.62%,离线 CPU 重调度最优求解速度提升超 14.61 倍

以上案例均为阿里与合作方挑选的官方展示场景,目前尚无独立第三方复现,其中的时间缩减和加速比应作为特定工作流打通后的上限参考。

写前端的用法

只给一句话直接出静态页面时,社区对比普遍认为 Qwen4-Max 的视觉质感比前沿模型差一截,例如在一组和 GPT-6 Astra、DeepSeek V4.1 Flash 同题的生肖生成对比里,预览版的作品框架完整,但光影和细节质感不足,整体偏平。

用它做前端和交互开发,需要在提示词里把完成标准写清楚,初稿生成后再针对具体配色或动效多轮追改。可以在需求末尾附上这份前端验收清单:

frontend-checklist.txt
交付前端页面前请逐项自查:1. 视觉层级:排版留白、字号对比和色彩主次清晰,不直接输出未加样式的默认表单控件。2. 交互与状态:所有按钮、筛选、弹窗和表单均能正常触发,补齐悬停反馈、加载态与空数据状态(Empty State)。3. 薄弱点返工:交付前先审视整体完成度,挑出视觉或交互最薄弱的一块再单独打磨一轮。4. 渲染检查:确认页面完整渲染,不留未闭合标签、布局溢出或浏览器控制台报错。

适用场景

按上文的跑分、耗时和账单数据,不同工作负载的选型建议如下:

Qwen4-Max 适用场景与选型建议
工作负载 / 场景建议理由与代价
多轮长上下文 Agent / 文档与尽调重活适合直接用支持 1M 上下文;ALE(46.7)与法律 HLAB-Vals(21.3)排第一;国内缓存命中仅 0.5 元/百万,Work360 单任务成本降 62%($1.67)。生产环境建议配显式缓存
真实仓库代码修复与常规全栈开发可用,按难度切档DeepSWE v1.1 拿 75.7 分;日常改代码用默认 high 档,遇到复杂全栈或命令行任务需切 xhigh(Terminal-Bench 上两档差 17 分)
重度终端命令执行 / 黑盒软件复刻优先选 Claude 或 KimiTerminal-Bench 4.0 仅 48.5(Kimi K3.1 为 67.2,Opus 5.5 为 59.6);ProgramBench 仅 31.5(Opus 5.5 为 65.0)
追求高智能指数且控制单题成本优先看 GPT-6.1 Sol在 Artificial Analysis 上,GPT-6.1 Sol (max) 智能指数 55、每题 $1.27;Qwen4-Max 指数 43、每题 $3.27
一句话生成前端页面需配详细验收清单CodeArena WebDev 排第 6(1,750 ±15),但社区对比里一句话直出的作品光影和细节偏平,要写明视觉层级与空状态要求并多轮迭代
对首字延迟和总耗时敏感 / 需本地部署不适合AA 测得首个答案 token 需 147.63 秒、每题平均 32.1 分钟;Max 仅提供闭源 API,开源中小模型尚未公布尺寸与发布日期

常见问题

Qwen4-Max 能接进 Claude Code 用吗?

可以。QwenCloud 的 Token Plan 兼容 OpenAI 和 Anthropic Messages 协议,官方支持列表包含 Claude Code、Cursor、Qwen Code、Codex、Qoder 和 OpenClaw(上文 The Dark Factory 的测试就是在 Claude Code 里跑的)。走 Anthropic Messages 接口时,思考档位用 output_config.effort 传递,medium 会映射为 high,max 映射为 xhigh。需要注意 Token Plan 使用独立接口 token-plan.maas.qwencloudapi.com 和 sk-sp- 开头的专用 Key,不能和按量付费 Key 混用。

国内价和国际价差多少?

国内(阿里云百炼,中国内地)标准输入 10 元/百万 token、输出 30 元/百万、缓存命中 0.5 元/百万,另有 100 万 token 免费额度(90 天内有效);国际站(QwenCloud,新加坡)标准输入 $1.5/百万、输出 $4.5/百万、缓存命中 $0.075/百万(百炼的国际部署范围另有一档 10.938 元 / 32.813 元)。按汇率折算两边单价接近,订阅制的 Token Plan 目前只能在新加坡区购买和使用。

Qwen4-Max 会开源权重吗?

Qwen4-Max 本身不开源,只提供云端 API 和官方应用。千问团队在发布博客中表示,基于同一代架构与训练技术的 Qwen4 系列中小尺寸模型后续会开源,但目前尚未公布具体尺寸和发布日期。

出发

在一个通行证里,调用主流前沿模型。

CodingPass 提供 Claude、GPT、Gemini 以及 Qwen3.8 Flash 等多款模型,按官方 API 价计量。不会意外扣费,随时取消。

  • 每个响应都带请求 ID
  • 用量不超过 5% 可全额退款
  • 不会意外扣费
选 Go查看全部模型

每月 $10,直到你取消。