Alibaba Cloud đã phát hành Qwen4-Max thông qua nền tảng Model Studio vào ngày 16 tháng 11 năm 2026, công bố một mô hình đa phương thức hàng đầu kết hợp cửa sổ bối cảnh một triệu mã thông báo với giá niêm yết thấp hơn 25% so với phiên bản tiền nhiệm, theo tài liệu định giá tại Singapore của công ty do Unite.AI báo cáo. Bloomberg coi buổi ra mắt này là đòn trả đũa mới nhất của Alibaba đối với các đối thủ Mỹ, diễn ra khi các phòng thí nghiệm của Trung Quốc và Mỹ cạnh tranh về cả năng lực mô hình và tính kinh tế của việc phục vụ suy luận ở quy mô biên giới.
Bản phát hành diễn ra sau khoảng thời gian xem trước kéo dài hai tuần và đến vào thời điểm các nhà phát triển mô hình Trung Quốc đang cạnh tranh gay gắt về giá cũng như điểm chuẩn. Để biết phần còn lại của ngành đang phản ứng như thế nào với các bản phát hành trong tuần này, tin tức AI mới nhất của chúng tôi theo dõi quá trình ra mắt mô hình, biến động về giá và những thay đổi chính sách đang định hình thị trường.
Giá: Thấp hơn 25% so với Qwen3.8-Max
Bảng giá của Singapore đặt Qwen4-Max ở mức 1,50 USD trên một triệu token đầu vào và 4,50 USD trên một triệu token đầu ra, so với 2 USD và 6 USD tương ứng cho Qwen3.8-Max — cả hai đều có mức giá thấp hơn 25%, được tính trực tiếp từ giá niêm yết trước đó, theo phân tích tài liệu của Unite.AI. Alibaba Cloud cũng đang cung cấp hạn ngạch miễn phí một triệu mã thông báo tại Singapore trong 90 ngày, bắt đầu từ lần kích hoạt Model Studio, phát hành mô hình hoặc phê duyệt ứng dụng mới nhất.
Tech in Asia còn đi xa hơn khi báo cáo rằng mô hình này cắt giảm 60% chi phí nhiệm vụ khi tính toán cách lập hóa đơn cho các token lý luận. Tài liệu riêng của công ty hỗ trợ một phần số học đó: mã thông báo suy nghĩ và câu trả lời cuối cùng được rút ra từ ngân sách đầu ra được chia sẻ duy nhất, do đó, mức giá hiệu quả của một nhiệm vụ đã hoàn thành phụ thuộc rất nhiều vào mức độ cân nhắc mà một truy vấn yêu cầu.
Lý do có thể điều chỉnh với ngân sách đầu ra được chia sẻ
Qwen4-Max cho phép suy nghĩ theo mặc định với nỗ lực suy luận cao, với các cài đặt thấp, cao và xhigh có sẵn cho các nhà phát triển. Tài liệu chỉ định ngân sách suy nghĩ mặc định là 131.072 mã thông báo, phù hợp với kết quả đầu ra không cần suy nghĩ tối đa, trong khi suy nghĩ và câu trả lời cuối cùng cùng nhau chia sẻ khoản trợ cấp 262.144 mã thông báo. Do đó, việc cân nhắc chiếm một phần ngân sách đầu ra giống như chính phản hồi - một thiết kế giúp chi phí đầu ra dễ dự đoán hơn nhưng yêu cầu các nhà phát triển phải lập ngân sách cho các mã thông báo lý luận trong các ứng dụng nhạy cảm với độ trễ và chi phí.
Bề mặt dành cho nhà phát triển được xây dựng cho đại lý
Theo tài liệu mô hình, Alibaba Cloud đã thiết kế Qwen4-Max để mã hóa, năng suất văn phòng, thiết kế giao diện người dùng và các tác vụ tác nhân phức tạp. Mô hình này chấp nhận đầu vào văn bản, hình ảnh và video với đầu ra văn bản và hỗ trợ phát trực tuyến, tìm kiếm trên web, gọi công cụ song song, gọi hàm, hoàn thành tiền tố và đầu ra JSON có cấu trúc.
Các lộ trình tích hợp rất rộng: các nhà phát triển có thể gọi Qwen4-Max thông qua API hoàn thành trò chuyện OpenAI, API phản hồi OpenAI, API tin nhắn nhân loại hoặc API DashScope của riêng Alibaba Cloud. Khả năng tương thích đó cho phép các tác nhân mã hóa và công cụ phát triển được xây dựng xung quanh API của nhà cung cấp khác cắm vào mô hình mà không cần viết lại - một cách chơi ngày càng phổ biến giữa các phòng thí nghiệm Trung Quốc đang thu hút cùng hệ sinh thái công cụ dành cho nhà phát triển như các nhà cung cấp Hoa Kỳ.
Bộ nhớ đệm rõ ràng cho khối lượng công việc có ngữ cảnh dài
Bộ nhớ đệm tiền tố nhận được mức giá riêng. Tiền tố đầu vào giống hệt nhau — lời nhắc hệ thống, mô tả công cụ, tài liệu tham khảo — có thể được sử dụng lại cho các yêu cầu từ cùng một người dùng. Việc đọc bộ nhớ đệm có giá 0,075 USD trên một triệu mã thông báo ở Singapore và chỉ các mã thông báo đầu vào mới được giảm giá. Bộ nhớ đệm rõ ràng yêu cầu tiền tố ít nhất 1.024 mã thông báo và có thể được tạo với thời gian tồn tại là 5 phút ($ 1,875) hoặc một giờ ($ 3), trong khi bộ nhớ đệm ẩn tự động xác định các tiền tố phổ biến mà không đảm bảo lượt truy cập.
Đối với khối lượng công việc của tổng đài viên liên tục gửi các lệnh dài hoặc tài liệu lớn, hướng dẫn của tài liệu đóng vai trò quan trọng trong thực tế: độ ổn định của tiền tố và thời gian tồn tại của bộ nhớ đệm xác định xem liệu tỷ lệ danh sách giảm có thực sự chuyển thành hóa đơn thấp hơn hay không.
Tính khả dụng và giới hạn theo khu vực
Qwen4-Max được liệt kê ở sáu khu vực – Bắc Kinh, Singapore, Frankfurt, Virginia, Tokyo và Hồng Kông. Theo đánh giá của Unite.AI, suy luận hàng loạt chỉ được hỗ trợ ở Bắc Kinh và việc tinh chỉnh cùng với việc triển khai mô hình tùy chỉnh không được hỗ trợ trên tất cả các khu vực được ghi lại. Do đó, Alibaba Cloud đang hướng khách hàng tới suy luận có quản lý bằng các biện pháp kiểm soát cấu hình — cài đặt lý luận, bộ nhớ đệm và lựa chọn API — thay vì tùy chỉnh cấp độ trọng số.
Làn đăng ký chặn tự động hóa
Bên cạnh quyền truy cập API trả tiền khi sử dụng, Qwen4-Max đầy đủ còn được bao gồm trong Gói mã thông báo phiên bản cá nhân của Singapore, tính phí thông qua tín dụng và hỗ trợ các công cụ tương tác bao gồm Mã Claude, Con trỏ, Mã Qwen, Qoder và OpenClaw. Việc đăng ký bị giới hạn rõ ràng đối với việc sử dụng mã hóa tương tác và công cụ tác nhân: tập lệnh tự động hóa, chương trình phụ trợ ứng dụng tùy chỉnh và lệnh gọi hàng loạt không tương tác đều bị cấm. Điều đó làm cho kế hoạch trở thành một lộ trình truy cập rõ ràng hướng đến người tiêu dùng và người sản xuất, tách biệt với việc tiêu thụ API sản xuất.
Từ bản xem trước đến bản đầu bảng sau hai tuần
Bản phát hành đầy đủ tuân theo Qwen4-Max-Preview, được phát hành độc quyền vào ngày 11 tháng 11 năm 2026 thông qua Kế hoạch mã thông báo và dự kiến kéo dài đến ngày 25 tháng 11, sau đó mô hình xem trước sẽ ngừng hoạt động. Nhịp độ nhanh chóng từ bản xem trước đến tính khả dụng rộng rãi phản ánh nhịp độ phát hành mà Alibaba đã áp dụng trên gia đình Qwen, vốn đã tích lũy hàng tỷ lượt tải xuống trên các biến thể trọng lượng mở.
Bối cảnh chiến lược khó có thể bỏ lỡ. Bloomberg mô tả sự ra mắt này là câu trả lời của Alibaba trước các đối thủ Mỹ vào thời điểm mà Anthropic và OpenAI đang thống trị cuộc trò chuyện biên giới ở các thị trường phương Tây, trong khi các phòng thí nghiệm của Trung Quốc cạnh tranh về giá cả, độ dài bối cảnh và tính sẵn có của trọng lượng mở. Liệu sự kết hợp của Qwen4-Max với cửa sổ một triệu mã thông báo, định giá niêm yết linh hoạt và khả năng tương thích API rộng rãi có làm thay đổi hành vi của nhà phát triển bên ngoài Trung Quốc hay không sẽ phụ thuộc vào kết quả điểm chuẩn độc lập và vào cách ngân sách tư duy và đầu ra được chia sẻ thực hiện theo khối lượng công việc thực tế.
---
Đi trước AINhận tin tức, phân tích và đột phá mới nhất về AI — tất cả ở cùng một nơi.
Đọc thêm tin tức về AI →