Qwen4 Max 是什么?
Qwen4 Max 在 Together AI 上:原价与限时折扣、100 万 token 上下文、仅支持流式请求、思考默认开启、图片输入、工具调用与缓存限制。
最近更新 ·
Qwen4 Max 在 Together AI 上:价格、100 万上下文、流式与思考模式
资料对应公告日期:
Qwen4 Max 是阿里巴巴 Qwen 系列的旗舰模型,在 Together AI 上通过 Serverless Inference 提供,上下文窗口为 100 万 token。上手前需要知道的几个关键点:请求必须使用流式;思考模式默认开启且按输出 token 计费;提示缓存自动生效但只是尽力而为;模型目前仅支持 serverless,不能微调。原价为每 100 万输入 token 1.50 美元、每 100 万输出 token 4.50 美元、每 100 万缓存输入 token 0.075 美元,另有截至 2026 年 11 月 22 日的 30% 上线折扣。

Qwen4 Max 是什么
Qwen4 Max 是阿里巴巴 Qwen 系列的旗舰模型,于 2026 年 11 月 16 日发布,阿里称其为迄今能力最强的 Qwen 模型。它采用稀疏混合专家(MoE)架构,总参数 2.4 万亿,每个 token 激活 71 亿参数。
在 Together AI 上,它通过 Together Serverless Inference 提供,上下文窗口为 100 万 token,适合长文档分析、大型代码库和多轮智能体循环这类受上下文长度限制的场景。
- Qwen 系列旗舰模型,2026 年 11 月 16 日发布
- 稀疏 MoE:总参数 2.4 万亿,每 token 激活 71 亿
- Together Serverless Inference 上提供 100 万 token 上下文
- 支持文本与图片输入,输出文本
价格与 30% 上线折扣
Together AI 对 Qwen4 Max 的标价为每 100 万输入 token 1.50 美元、每 100 万输出 token 4.50 美元、每 100 万缓存输入 token 0.075 美元。上线促销截至 2026 年 11 月 22 日,期间三项价格均下调 30%,分别为 1.05 美元、3.15 美元和 0.0525 美元。
由于思考 token 计入输出 token,在推理密集型任务中,输出价格是对成本影响最大的数字。如果希望支出可预测,可以限制输出长度,或在不需要推理的任务上关闭思考。来源没有说明折扣是否在 2026 年 11 月 22 日之后延续,做预算前请先核对当前价格。
- 原价:每 100 万 token 输入 1.50 美元 / 输出 4.50 美元 / 缓存输入 0.075 美元
- 促销(截至 2026 年 11 月 22 日):每 100 万 token 1.05 / 3.15 / 0.0525 美元
- 思考 token 按输出价格计费
- 折扣是否延期:未知
必须使用流式请求
Together AI 上的 Qwen4 Max 只接受流式请求。如果请求中没有 "stream": true,接口会返回 400 错误,错误码为 streaming_required。这是硬性要求而非性能偏好,因此模型前面的任何客户端、SDK 封装或网关都必须配置为流式。
实际使用中,这意味着你需要从流式分块中收集内容并自行拼装最终文本,同时确保代理、serverless 函数和日志等中间层不会缓冲或丢弃数据流。
- 请求体中始终设置 "stream": true
- 非流式调用会失败,返回 400 与 streaming_required
- 确认代理和函数运行时转发分块而不是缓冲
- 在客户端从流式增量中拼装最终回答
思考模式:默认开启,按输出计费
Qwen4 Max 默认开启思考,思考 token 计入输出 token。对推理密集型工作,这个默认值通常正合适;但对分类、抽取或短改写任务,它会增加延迟和成本而收益有限。
关闭思考的方式:在 Python SDK 中传入 reasoning={"enabled": False},或在原始请求体中写 "reasoning": {"enabled": false}。建议把它当作按请求设置的开关,有选择地使用,把推理留给真正需要它的任务。
- 默认:思考开启,token 按输出计费
- Python SDK:reasoning={"enabled": False}
- 原始请求体:"reasoning": {"enabled": false}
- 短小、确定性的任务可考虑关闭
图片输入、工具调用与提示缓存
Qwen4 Max 在 Together AI 上接受文本和图片输入,返回文本。每张图片以 image_url 块的形式放在消息内容中,遵循常见的多模态消息结构。
工具调用通过标准 tools 参数实现,模型可以在同一轮返回多个调用,因此工具执行循环应能处理并行调用,而不是假设每次响应只有一个调用。提示缓存自动生效,但只是尽力而为:重复的前缀通常会被缓存,但并不保证,所以不要按“每次重复都命中缓存”来估算成本。
- 多模态输入:文本加图片,图片以 image_url 块传入
- 通过标准 tools 参数进行工具调用
- 一轮中可能返回多个工具调用
- 提示缓存自动生效,但为尽力而为
可用性限制与上手建议
Qwen4 Max 目前在 Together AI 上仅支持 serverless,不能微调,因此该模型暂时没有专用端点或自定义权重路径。请按 serverless 接口来规划,而不是按预置部署规划。
建议的第一步是发一个开启思考的小型流式请求,确认客户端能正确处理流式输出和推理字段;然后测试一轮带两个可用工具的工具调用,再测试一次带图片块的请求,之后再把真实流量切过来。阿里表示后续会推出 Qwen4 系列更小的开源权重模型,届时部署选项可能会变化。
- 仅 serverless;Qwen4 Max 不支持微调
- 该模型没有文档化的专用端点选项
- 先做流式冒烟测试,再测工具调用,最后测图片输入
- 预计后续会有更小的 Qwen4 开源权重模型
常见问题
Qwen4 Max 在 Together AI 上的价格是多少?30% 折扣还有效吗?
原价为每 100 万输入 token 1.50 美元、每 100 万输出 token 4.50 美元、每 100 万缓存输入 token 0.075 美元。30% 上线折扣截至 2026 年 11 月 22 日,期间价格分别为 1.05、3.15 和 0.0525 美元。来源未说明折扣是否延期,做预算前请核对当前价格。
为什么在 Together AI 上调用 Qwen4 Max 会返回 400 streaming_required 错误?
Together AI 上的 Qwen4 Max 只接受流式请求。请求中没有 "stream": true 时会被拒绝,返回 400 错误,错误码为 streaming_required。请在请求体中开启流式,并确保代理或封装层转发分块。
如何关闭 Qwen4 Max 的思考模式?思考 token 是否按输出计费?
是的,思考 token 计入输出 token。思考默认开启;可在单次请求中关闭:Python SDK 使用 reasoning={"enabled": False},请求体使用 "reasoning": {"enabled": false}。
Qwen4 Max 能否在 Together AI 上微调或部署为专用端点?
不能。Qwen4 Max 目前在 Together AI 上仅支持 serverless,不支持微调,也没有文档化的自定义权重或专用部署路径。阿里表示后续会推出更小的 Qwen4 开源权重模型。
原始资料
工具信息
工具信息有变化? 帮助我们更新
Qwen4 Max 的评价
正在加载评价…