Qwen 4 Max 测评
模型页:Qwen 4 Max API —— 价格、规格与在线体验
Qwen 4 Max 是阿里 Qwen 4 这一代的第一个模型。2026 年 11 月 11 日起限时预览,11 月 16 日正式开放,模型 ID 是 qwen4-max。阿里对它的定位是复杂推理、编码和 agent 任务,发布时把自己的数字和 Claude Opus 5.5、GPT-6.1 Sol、GPT-6 Astra、Kimi K3.1 并排列了出来。
这篇测评把发布一天后已知的信息放在一起:规格和价格、两家独立跑分、阿里自己的对比图、中英文评测者上手后的发现,以及我们自己用同样的提示词在 Qwen 4 Max 和四个对手上跑的七道题。
我们运营 apimodels.app,Qwen 4 Max 在我们这里按阿里的官方价出售,文中拿来对比的那些模型我们也都有。跑分不是我们跑的,来自各表里写明、页面末尾给出链接的出处。七道同题测试是我们自己做的:2026 年 11 月 17 日通过我们自己的 API 跑,所有模型都用默认的思考设置。
Qwen 4 Max 是什么:规格和价格
大家最先问的是价格。在阿里国际站,Qwen 4 Max 是输入每百万 token $1.50、输出 $4.50,缓存命中 $0.075,提示词再长也不加价。这比上一代 Qwen3.8-Max($2 / $6)低四分之一,不到 Claude Opus 5.5($4 / $20)的一半,也低于 GPT-6 Sol($2 / $10)。
思考默认是开的,并且按输出计费。可以按请求关掉,这对速度和花费都有影响,下面会细说。阿里两个区域的页面对输出上限的说法不一致:国际站写 131K token(含思考 262K),内地站写 393K。它不开源;阿里说过之后会开源更小的 Qwen 4 模型,但没有给日期。
| Qwen 4 Max | |
|---|---|
| 厂商 | 阿里(通义千问) |
| 发布 | 2026-11-11 预览;2026-11-16 正式开放 |
| 模型 ID | qwen4-max |
| 官方价,每百万 token | 输入 $1.50 / 输出 $4.50;缓存命中 $0.075 |
| 内地官方价 | 每百万 token 输入 ¥10 / 输出 ¥30 |
| 上下文 | 一百万 token,整个窗口内一个价 |
| 最大输出 | 国际站写 131K(含思考 262K) |
| 输入类型 | 文字、图片、视频 |
| 思考 | 默认开;可以按请求关掉 |
| 工具 | 函数调用、JSON Schema 输出、内置联网搜索 |
| 开源 | 否 |
第三方跑分:总分居中,金融和法律类靠前
Artificial Analysis 的智能指数给 Qwen 4 Max 43 分,在它跟踪的 81 个模型里排第 38,略高于 41 的中位数。这和 GPT-6 Sol(44)相当,明显低于 Claude Opus 5.5(59)和 Gemini 4 Carbon(60)。这个分数在 Hacker News 上引起了不小的反应:有人觉得这么大的模型应该更高;也有人指出 Artificial Analysis 目前只测了一个思考档位。
偏重专业任务的 Vals AI 给的评价更好:Vals Index 63.20%,38 个里排第 11;排名最靠前的是金融(Finance Index 和 Finance Agent 都是 41 个里第 8)和法律类 agent 测试 HLAB(39 个里第 7)。Terminal-Bench 4.0 是 48.48%,65 个里第 15。
有一个数字能解释后面的很多现象:跑完 Artificial Analysis 整个指数,Qwen 4 Max 输出了 1.27 亿 token,而模型的中位数是 7,860 万。它想得很多。
| 指标 | 谁跑的 | Qwen 4 Max | 排名 |
|---|---|---|---|
| 智能指数 v5.0.1 | Artificial Analysis | 43 | 81 个中第 38 |
| 每个指数任务的花费 | Artificial Analysis | $3.27 | — |
| 跑完指数输出的 token | Artificial Analysis | 1.27 亿(中位数 7,860 万) | 简洁度 80 个中第 65 |
| Vals Index v2.2 | Vals AI | 63.20% | 38 个中第 11 |
| Finance Agent v2.1 | Vals AI | 66.68% | 41 个中第 8 |
| Legal Index | Vals AI | 70.71% | 39 个中第 17 |
| HLAB-Vals-1.1(法律 agent) | Vals AI | 21.25% | 39 个中第 7 |
| Vibe Code Bench v1.1 | Vals AI | 86.66% | 129 个中第 15 |
| Terminal-Bench 4.0 | Vals AI | 48.48% | 65 个中第 15 |
| Code Arena WebDev(Elo,初步) | Arena | 1750 | 第 6 |
阿里自己的图:和四个对手的对比
阿里公布了十六项跑分,旁边列了四个对手。这些是厂商自报的数字,但相当坦率:大多数行里 Qwen 4 Max 都不是最高分。对 Claude Opus 5.5 它十六项里领先六项,对 GPT-6.1 Sol 领先九项。
把各行连起来看,能看出它的轮廓。单个、定义清楚的软件问题上,它和所有对手持平(DeepSWE 75.7)。法律类 agent 任务上它远超四个对手(HLAB 21.3,第二名是 11.7)。围绕业务任务设计的 agent 跑分上,它在最前面或接近最前面。然后是弱项:要求写出完整程序的 ProgramBench 是 31.5,Opus 5.5 是 65.0;Terminal-Bench 4.0 是 48.5,五个里最低;图表和视频理解上,它落后于两个 OpenAI 模型和 Opus。
阿里还说,在它内部的 Work360 测试集上,每个任务的花费从 Qwen3.8-Max 的 $4.43 降到了 $1.67,分数反而更高(52.69 对 47.74)。这个数字我们无法核实。
| 评测(阿里公布) | Qwen 4 Max | Claude Opus 5.5 | GPT-6.1 Sol | GPT-6 Astra | Kimi K3.1 |
|---|---|---|---|---|---|
| DeepSWE v1.1 | 75.7 | 74.2 | 75.2 | 74.1 | 75.5 |
| HLAB-Vals-1.1(法律) | 21.3 | 9.2 | 6.3 | 7.1 | 11.7 |
| Agents’ Last Exam v1.1 | 46.7 | 43.4 | 42.6 | 43.4 | — |
| BioMysteryBench-1.1 | 85.0 | 81.9 | 84.4 | 78.9 | 80.6 |
| AutomationBench-AA | 72.5 | 69.5 | 64.9 | 68.5 | 73.3 |
| APEX-Agents v1.1 | 72.1 | 73.5 | 60.0 | 64.7 | 65.5 |
| CodeArena(Elo) | 1750 | 1816 | 1742 | 1763 | 1686 |
| Humanity’s Last Exam | 51.7 | 59.8 | 54.0 | 53.6 | 51.1 |
| Terminal-Bench 4.0 | 48.5 | 59.6 | 56.1 | 59.1 | 67.2 |
| ProgramBench | 31.5 | 65.0 | 52.5 | 55.0 | 25.0 |
| Chartography(图表) | 54.2 | 66.3 | 67.8 | 71.1 | 50.0 |
| Video-Index(视频) | 68.1 | 74.8 | 73.8 | 76.7 | 63.2 |
评测者上手后的发现
各家报告的共识多于分歧:Qwen 4 Max 处理文档和范围清楚的代码时细致、准确,同时它很慢。中文评测大多测的是预览版,其中的耗时数字应当看作早期数据。
文档方面:ZPedia 让它读一份财报,8 分钟读完,抽查的 6 个数字全对;在 1,600 条工单里做「大海捞针」,5 道题全对;把一张 44 行的表格清洗成 35 行,汇总单元格里是真公式。同一轮测试里,它也在招股书摘要里漏了一笔 12 个月内到期的债务,在 PPT 里漏了一条产品线,还在要求纯 SVG 的时候交付了一个网页。
代码方面:目前最严谨的是 Kingy AI 拿它和 Claude Opus 5.5 做的同题对比。真实 GitHub 问题上 Qwen 16 次解决 9 次,Opus 是 11 次;18 个简单任务的检查它全部通过;小仓库任务里它丢了一次,原因是抛错了异常类型。每个问题的活跃时间中位数是 431 秒,Opus 是 86 秒;花费 $4.42 对 $18.65。一位中文评测者把同一个构建任务交给七个编程工具,预览版用时 75 分钟,是最慢的(最快的 8 分钟),但它用的 token 是七个里最少的。
审美方面:这是中文评测里最一致的批评。硅星人和智东西的评测者都发现,它生成的界面和 3D 场景能用但粗糙,光影生硬、模型粗,不如 Kimi K3.1 Pro,和 Claude Fable 5.2 差距更大。Hacker News 上,Simon Willison 那道固定的 SVG 测试只有在最高思考档才画对,用了 7 分 23 秒、26,295 个输出 token。
| 谁测的 | 测了什么 | 结果 |
|---|---|---|
| Kingy AI | 8 个 SWE-bench Verified 问题各 2 次,对比 Opus 5.5 | 16 次解决 9 次(Opus 11 次);431 秒对 86 秒;$4.42 对 $18.65 |
| Kingy AI | 18 个简单任务 | 48 项检查全过,和 Opus 5.5 一样 |
| ZPedia(预览版) | 12 项办公和编码任务 | 财报数字 6 个全对;工单检索 5 题全对;漏了一笔债务和一条产品线 |
| MindStudio | 全栈找 bug 和几个构建任务 | 找到了差一的边界 bug;草图转模拟约 15 分钟 |
| Ai学习的老章(预览版) | 同一个构建任务交给 7 个编程工具 | 75 分钟,最慢;用的 token 最少 |
| 硅星人(预览版) | 网页和 3D 生成 | 代码有提升;光影和建模粗糙 |
| Simon Willison,Hacker News | 四个思考档各画一次 SVG | 只有最高档画对,用了 7 分 23 秒 |
我们的七道同题:和四个对手一起跑
我们按开发者最常通过我们 API 发的几类请求,写了七道题:写一个函数、修一个有 bug 的类、一个要调工具并遵守退款政策的客服 agent、针对 1,500 行生产日志的提问、把一段中文群聊整理成 JSON、三道计数推理题,以及带硬约束的中文商品文案。每道题都有自动判分,一共 93 项检查;开跑之前先用参考答案验证过判分脚本。参加的有 Qwen 4 Max、Claude Opus 5.5、Gemini 4 Carbon、GPT-6 Sol 和 GPT-6.1 Sol。
Qwen 4 Max 93 项检查全对。Opus 5.5 和两个 Sol 也是;Gemini 4 Carbon 对了 89 项。Qwen 写的函数通过了全部 50 组隐藏用例;我们在缓存类里埋的五处 bug 它全找到了;退款题它只退了有故障的键盘,拒绝了一笔超出政策期限 16 天的退货;日志里的 8 次支付超时它数对了,也找到了那个横跨三个服务的请求;群聊里的「周五前」它换算成 11 月 20 日,「下周三」换算成 25 日。
所以在答得对不对这件事上,它和这组里最好的并列。在时间上不是。整套题 Qwen 用了 415 秒,GPT-6 Sol 189 秒,Opus 5.5 341 秒。它在显示任何内容之前等得也比别人久(不算推理题是 15 到 62 秒),因为它要先想完。
花费上它在中间:七道题 $0.21,约为 Opus 5.5($0.64)的三分之一,是两个 Sol($0.09)的两倍多一点,因为 Sol 用的思考 token 少得多。整套题 Qwen 输出了 2.21 万 token,GPT-6 Sol 是 4,350。
有一个习惯需要知道:写商品文案时它编了我们没给过的参数——「整机约 250 克」「骨传导拾音」「快充十分钟」。Opus 5.5 也编了一些。文案读起来不错,约束也全满足,但真要写商品页,必须把参数表给它,并且要求它只用表里的内容。
| 模型 | 通过的检查 | 总耗时 | 输出 token | 按 apimodels.app 价格的花费 |
|---|---|---|---|---|
| Qwen 4 Max | 93 / 93 | 415 秒 | 2.21 万 | $0.21 |
| Claude Opus 5.5 | 93 / 93 | 341 秒 | 3.77 万 | $0.64 |
| GPT-6 Sol | 93 / 93 | 189 秒 | 4,350 | $0.09 |
| GPT-6.1 Sol | 93 / 93 | 197 秒 | 3,680 | $0.09 |
| Gemini 4 Carbon | 89 / 93 | 1,501 秒 | 1.53 万 | $0.17 |
实际用起来花多少钱
有三个数要分开看。每 token 的单价低:$1.50 / $4.50。每个任务的花费中等,因为思考按输出计费,而 Qwen 4 Max 想得多:Artificial Analysis 测得每个指数任务 $3.27,高于 GPT-6 Sol($2.47)和 GPT-6.1 Sol($1.27),远低于 Opus 5.5($10.04)和 Gemini 4 Carbon($5.48)。至于「每个做成的任务」花多少,要看你的活有多难,因为在它最终做不成的任务上,它可能先耗掉很长时间。
按官方价算两笔账。一次请求输入 1 万 token、输出 2,000 token(含思考):10,000 × $1.50 / 1M + 2,000 × $4.50 / 1M = $0.024。一次长文档请求输入 20 万 token、输出 3,000 token 是 $0.3135;文档命中缓存后再问一次约 $0.03,因为缓存命中按每百万 $0.075 计费。
以上价格是 2026 年 11 月 17 日核对的。在 apimodels.app 上 Qwen 4 Max 就是按这个官方价出售;通过 Responses 接口使用内置联网搜索时,在 token 费用之外每次搜索另收 $0.012。
速度,以及怎么让它快一点
慢是最常见的抱怨,公开数字也印证了这一点。OpenRouter 的实时中位数约每秒 30 个输出 token;测过预览版的评测者量到的是 33 到 53。Artificial Analysis 测得 Claude Opus 5.5 和 GPT-6 Sol 分别是 116 和 125;Qwen 4 Max 的数字它还没有公布。
等待的时间大部分花在思考上。我们的测试里,凡是能看到拆分的题,思考 token 都比答案 token 多;三道推理题它想了 10,777 个 token,最后给出的答案只有 24 个 token。如果你的任务用不着这么想,就在请求里把思考关掉:回答开始得更早,输出的费用也跟着降。需要多步推理的任务再开着,那种场合要的就是准确。
什么情况下别用它
仓库级编码和终端 agent。ProgramBench 31.5(Opus 5.5 是 65.0)和 Terminal-Bench 4.0 48.5 是它公开成绩里最弱的两项,Kingy AI 的实测也发现它在真实问题上比 Opus 慢、也不如 Opus 稳。
有人在等回复的场景,除非把思考关掉。开着思考时,第一个字要等几十秒。
看重设计感的前端和 3D 工作。好几位评测者都觉得它的视觉效果比 Kimi K3.1 Pro 和 Claude Fable 5.2 粗糙。
读图表和截图。Chartography 上它落后于两个 OpenAI 模型和 Opus 5.5;另外它不能直接输入音频和 PDF 文件。
和同类怎么选,各一句
对 Claude Opus 5.5:难题和多步任务 Opus 更强,日常任务 Qwen 打平,花费约三分之一。完整对比见下方链接的「Qwen 4 Max 和 Claude Opus 5.5 怎么选」。
对 GPT-6 Sol:整体水平相当;Sol 快一倍左右,用的 token 少得多;Qwen 在 agent 和法律类测试上更强,超过 272K token 也不加价。
对 Gemini 4 Carbon:Carbon 的跑分高得多,还能输入音频和 PDF;在我们的测试里 Qwen 正确执行了一条书面政策而 Carbon 没有,而且 Qwen 的价格 12 月 1 日不会翻倍。
在 apimodels.app 上调用它:用你调其它模型的同一把 key,向兼容 OpenAI 的 chat completions 接口发送模型名 qwen4-max 即可;思考开关和联网搜索的用法见下方链接的语言模型文档。
出处
规格和价格来自阿里 QwenCloud 国际站和内地站的模型页以及预览版文档(2026 年 11 月 17 日查阅);第三方跑分来自 Artificial Analysis 和 Vals AI(同日查阅),实时速度来自 OpenRouter;阿里的对比图取自 DataCamp 的转载;实测报告来自 Kingy AI、MindStudio、腾讯新闻上的 ZPedia、网易号上的「Ai学习的老章」和硅星人,以及 Hacker News 的讨论,其中中文报告测的是预览版。七道同题测试是我们自己在 2026 年 11 月 17 日跑的。
调用示例
cURL
curl https://api.apimodels.app/v1/chat/completions \
-H "Authorization: Bearer $APIMODELS_API_KEY" \
-H "Content-Type: application/json" \
-d '{
"model": "qwen4-max",
"messages": [{"role": "user", "content": "Review this contract clause for conflicts with the policy below: ..."}]
}'常见问题
Qwen 4 Max 好用吗?
做日常工作是好用的。我们的七道同题测试里 Qwen 4 Max 93 项检查全对,和 Claude Opus 5.5、GPT-6 Sol 一样;评测者也认为它处理文档和范围清楚的代码很准确。它在仓库级编码、图表和视觉设计上偏弱,而且慢:Artificial Analysis 给它 43 分,81 个模型里排第 38。
Qwen 4 Max 多少钱?
Qwen 4 Max 在阿里国际站是输入每百万 token $1.50、输出 $4.50,缓存命中 $0.075,提示词再长也不加价。内地价是 ¥10 和 ¥30。思考 token 按输出计费。apimodels.app 上同样是 $1.50 / $4.50。
Qwen 4 Max 开源了吗?
没有。Qwen 4 Max 只能通过 API 使用。阿里说过 Qwen 4 家族里更小的模型之后会开源,但没有给出日期。
Qwen 4 Max 的上下文有多大?
Qwen 4 Max 的上下文是一百万 token。阿里国际站写的最大输出是 131K token(含思考 262K),内地站写的是 393K,请以你所用区域的页面为准。
Qwen 4 Max 为什么慢?能调快吗?
等待的时间大部分花在思考上:Qwen 4 Max 默认开思考,而且是想完才写,所以第一个字可能要等几十秒。可以按请求把思考关掉,这样回答开始得更早,输出费用也更低。它的输出速度在公开测量里约每秒 30 到 53 个 token,也低于 Claude Opus 5.5 和 GPT-6 Sol。
在中国以外怎么用 Qwen 4 Max?
Qwen 4 Max 在阿里云的国际区域有提供;也可以通过 apimodels.app 用一把 API key 调用:POST https://api.apimodels.app/v1/chat/completions,model 填 qwen4-max。走这条路不需要阿里云账号。
