APIMODELSAPIMODELS

Qwen 4 Max 测评

TL;DR Qwen 4 Max 是一款靠得住的中等价位旗舰:日常工作做得和贵两到四倍的模型一样好,最难的活上落在它们后面。阿里在 2026 年 11 月 16 日开放按量计费,每百万 token $1.50 / $4.50,上下文一百万 token,可输入文字、图片和视频。Artificial Analysis 给它 43 分,81 个模型里排第 38;Vals 给 63.20%,38 个里排第 11。单个问题的代码修复它和 Claude Opus 5.5 持平,法律类 agent 任务领先,但仓库级编码的分数只有后者的一半左右。我们的七道同题测试里它 93 项检查全对(Opus 5.5 和 GPT-6 Sol 也是),花费 $0.21。主要短板是出第一个字慢、思考输出量大。在 apimodels.app 上的调用名是 qwen4-max。

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 IDqwen4-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 v5.0.1Artificial Analysis4381 个中第 38
每个指数任务的花费Artificial Analysis$3.27—
跑完指数输出的 tokenArtificial Analysis1.27 亿(中位数 7,860 万)简洁度 80 个中第 65
Vals Index v2.2Vals AI63.20%38 个中第 11
Finance Agent v2.1Vals AI66.68%41 个中第 8
Legal IndexVals AI70.71%39 个中第 17
HLAB-Vals-1.1(法律 agent)Vals AI21.25%39 个中第 7
Vibe Code Bench v1.1Vals AI86.66%129 个中第 15
Terminal-Bench 4.0Vals AI48.48%65 个中第 15
Code Arena WebDev(Elo,初步)Arena1750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 MaxClaude Opus 5.5GPT-6.1 SolGPT-6 AstraKimi K3.1
DeepSWE v1.175.774.275.274.175.5
HLAB-Vals-1.1(法律)21.39.26.37.111.7
Agents’ Last Exam v1.146.743.442.643.4—
BioMysteryBench-1.185.081.984.478.980.6
AutomationBench-AA72.569.564.968.573.3
APEX-Agents v1.172.173.560.064.765.5
CodeArena(Elo)17501816174217631686
Humanity’s Last Exam51.759.854.053.651.1
Terminal-Bench 4.048.559.656.159.167.2
ProgramBench31.565.052.555.025.0
Chartography(图表)54.266.367.871.150.0
Video-Index(视频)68.174.873.876.763.2

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 AI8 个 SWE-bench Verified 问题各 2 次,对比 Opus 5.516 次解决 9 次(Opus 11 次);431 秒对 86 秒;$4.42 对 $18.65
Kingy AI18 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 Max93 / 93415 秒2.21 万$0.21
Claude Opus 5.593 / 93341 秒3.77 万$0.64
GPT-6 Sol93 / 93189 秒4,350$0.09
GPT-6.1 Sol93 / 93197 秒3,680$0.09
Gemini 4 Carbon89 / 931,501 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。

相关阅读

收录于
APIMODELS on Product HuntAPIMODELS featured on ToolifyAPIMODELS featured on There's An AI For That