# Qwen4-Max 正式版来了：从限时预览迁移，不能只删 -preview

> Qwen4-Max 11 月 16 日上架正式型号与 API 价目，限时预览仍在 11 月 25 日退役。逐项核对模型 ID、Token Plan 与按量 API 入口、思考档、输出预算和缓存计价；不将官方宣称当作本站实测。

- Published: 2026年11月17日
- Author: PiRouter Team, Engineering
- Tags: models, routing, cost
- Canonical: https://pirouter.ai/zh/blog/qwen4-max-preview-to-api-migration

---
*封面为 AI 生成的迁移概念图，非实际界面或官方素材。*

**Qwen4-Max 现在有正式型号 `qwen4-max`，但把两周预览用的 `qwen4-max-preview` 删掉后缀，并不等于完成迁移。** 11 月 16 日，阿里云把正式型号列进上架表与默认按量 API 价目；11 月 11 日开放的预览则仍是 Token Plan 专用入口，并定于 11 月 25 日结束。要决定是否切换，至少重新核对模型 ID、Key 与 Base URL、思考档、生成预算和缓存价格；以下是官方文档的逐条对读，不是本站已经调通或验过账的记录。

如果你上周按[此前的预览说明](/zh/blog/qwen4-max-preview-access/)给编码工具接入了短期型号，今天最容易做错的动作很简单：只改配置里的模型名，其余复制。这样做在五个层面都有可能产生误判。最明显的是价格：发布文里每百万输入 token **$0.075**，但它专指缓存命中；新加坡常规输入公开价是 **$1.50**。看起来同一张账单，实际不是同一栏。

## 11 月 16 日的正式型号，是给预览加了一个新名字吗？

不能按简单更名迁移：两个 ID 的入口与规则不同，底层 checkpoint 是否相同则尚无保证。阿里云[11 月 16 日的发布公告](https://www.alibabacloud.com/en/press-room/alibaba-unveils-qwen4-max?_p_lc=1)说 Qwen4-Max 可以通过 Token Plan 与 API 等入口使用；[新模型上架记录](https://www.alibabacloud.com/help/en/model-studio/newly-released-models)则把正式 ID 明确写为 `qwen4-max`。与此同时，[预览型号文档](https://www.alibabacloud.com/help/en/model-studio/qwen4-max-preview)仍列 `qwen4-max-preview`：从北京时间 11 月 11 日 10:00 到 11 月 25 日 24:00，随后退役。该文档现也直接推荐已经可用的正式版。这是两个并存但期限、入口和参数说明不同的 ID，不是一条模型名在 11 月 16 日自动改写成另一条。

旧稿记录的是当时“只准 Token Plan 试用、正式条件尚未公布”的状态，今天的新材料填上了此前缺的正式 ID 与价目。它并没有倒过来使上周的预览变成按量生产型号。若你的代码、团队配置或使用手册里还留着 `qwen4-max-preview`，需要计划它的退出；但也别把截止时间写成整个 Qwen4-Max 产品的退场时间。日期只约束**预览 ID**，正式版文档没有给出同一终止日。

这还留着一个重要空白：两个型号是否恰好对应同一 checkpoint、提示词行为能否保持一致？上述文档没有给出这样的等价保证。正式版有独立型号、规格与默认设置，因此在结果、延迟和费用上均应重新观察，而不是把旧测试结论复制粘贴过来。我们也没有调用任一型号做等任务复测。

## 换 ID 之前，Token Plan 的 Key 和 API Base URL 要怎么分开？

假设一个开发者曾在交互式编码工具中用预览型号试过几次，接下来想让自己的应用服务持续调用正式版。这里有两道分开的门：**拿哪个型号**，以及**从哪个账户、凭证和主机进入**。[预览文档](https://www.alibabacloud.com/help/en/model-studio/qwen4-max-preview)明确说，预览仅通过 Token Plan 访问，不支持按量。正式型号则同时出现在[Token Plan 个人版支持清单](https://www.alibabacloud.com/help/en/model-studio/token-plan-personal-overview)及[默认按量 API 价目表](https://www.alibabacloud.com/help/en/model-studio/model-pricing)。所以“正式型号”也不等于“旧订阅凭证突然拥有所有用途”。

对新加坡区域，[官方 Base URL 清单](https://www.alibabacloud.com/help/en/model-studio/base-url)给普通 API 与 Token Plan 两个不同主机：前者是 `dashscope-intl.aliyuncs.com`，后者是 `token-plan.ap-southeast-1.maas.aliyuncs.com`。OpenAI 兼容协议在各自主机后加 `/compatible-mode/v1`；Anthropic Messages 兼容协议则加 `/apps/anthropic`。主机选择来自**账号的计费入口**，协议路径来自**客户端实际发送的请求格式**。单单把 URL 的 `token-plan` 字样删掉不会替你换 Key，也不会核对你的客户端到底用的是 Chat Completions、Responses 还是 Messages。

Token Plan 的个人版条款把用途限定为兼容编码或 agent 工具的**交互式使用**，明确排除自动化脚本、非交互批处理和自定义应用后端；[团队版条款](https://www.alibabacloud.com/help/en/model-studio/token-plan-team-overview)也有同类限制。如果想让后端承接应用流量，不能因为订阅清单也列有 `qwen4-max` 就沿用订阅 Key。反过来，不能把**订阅**用途限制误写成**普通按量 API**禁止应用后端；那是两份服务入口、两套条件，须按自己的账号和场景分别审。

需要区分服务地域。新加坡文档的普通 API 与 Token Plan 示例只服务于在那里开通的对应入口；北京、香港及其他部署地点有各自的范围与设置，不要为了照抄示例跨区送请求。尤其已有数据驻留要求时，先确认账户、区域和部署范围，再谈同一个模型 ID。上周在订阅工具里能返回一个答案，只证明那个配置在当时的资格范围内工作，不能作为新主机、新 Key 和应用调用合规性的验收。

## 思考档位和输出预算，哪些旧配置不能直接沿用？

两个型号都有 1,000,000 token 的**上下文长度**，但这不足以推出“请求能输入整整一百万”，也不足以推出可见答案一样长。正式版的[模型规格页](https://www.alibabacloud.com/help/en/model-studio/qwen4-max)进一步列出，思考模式最大输入 **983,616 token**，非思考最大输入 **991,808 token**。这是技术上限，不是建议把文档尽量塞满的目标。实际请求还要给生成和工具回合留空间；价目表的“单次输入 0–1M”是**计价区间**，不是对输入技术上限的新承诺。

![正式版上下文限制表：非思考最大输入991808，思考最大输入983616，思考与回答共享262144 token。](/blog/images/qwen4-max-preview-to-api-migration-context.png "1M 上下文、输入上限与共享生成上限是不同预算；不能把它们都叫最长回复。来源：[Qwen4-Max Context limits](https://www.alibabacloud.com/help/en/model-studio/qwen4-max)")

预览版的[规格页](https://www.alibabacloud.com/help/en/model-studio/qwen4-max-preview)曾写：思考与最终回答共享的最大生成预算为 **393,216 token**，`reasoning_effort` 可选 `low`、`medium`、`xhigh`，默认 `xhigh`。正式版的[Thinking effort 表](https://www.alibabacloud.com/help/en/model-studio/qwen4-max)列主档 `low`、`high`、`xhigh`，默认 `high`；但它**并非简单拒绝旧档值**：OpenAI Chat Completions / DashScope 的 `reasoning_effort` 与 OpenAI Responses 的 `reasoning.effort` 均将 `minimal` 映射为 `low`、`medium` 映射为 `high`、`max` 映射为 `xhigh`；Anthropic Messages 的 `output_config.effort` 将 `medium` 映射为 `high`、`max` 映射为 `xhigh`。因此迁移时重点是显式核对**映射后实际档位与默认值**，而非宣称 `medium` 一定报错。在思考模式，**262,144 token 是思考加最终回答的合计上限**，文档列出的默认思考预算为 **131,072**；非思考模式最大输出 **131,072 token**。这些数字不能都叫“最长回复”：它们有不同模式和预算分配含义。

| 核对点 | 预览 `qwen4-max-preview` | 正式 `qwen4-max` |
|---|---|---|
| 上下文 | 1,000,000 token | 1,000,000 token；思考/非思考最大输入另有上述上限 |
| 思考强度 | `low` / `medium` / `xhigh`，默认 `xhigh` | 主档 `low` / `high` / `xhigh`，默认 `high`；官方将 `medium` 映射为 `high`，不是拒绝 |
| 生成预算 | 思考+回答最大合计 393,216 | 思考+回答最大合计 262,144；非思考输出最大 131,072 |
| 这意味着 | 旧工具若依赖默认档，需记录旧行为 | 显式 `medium` 的语义按协议映射为 `high`；没传参数时，默认档也已改变 |

表中的 393,216 和 262,144 都**不是**保证最终读者能看到的字数。一项工具任务如果需要大量内部推理、工具调用和长篇答复，更大的规格也不能替你证明中途不会截断。把预览时期设置的高 `max_tokens` 或长回复期待值挪到正式版时，先核客户端所用协议对应的字段说明，再用可回退的小样本观察响应、截止原因和账单。官方列出 OpenAI Chat Completions、Responses 与 Anthropic Messages 等入口，但列出兼容接口不意味着所有参数名、思考块和错误响应逐字段等价。

还有一种更安静的变化：如果原来没有显式设置 effort，预览的默认 `xhigh` 与正式版的默认 `high` 就已经不一样。任务成本或表现若随之变化，不能单凭新版号说是模型本身变快或变差；先固定档位，记录生成 token、耗时及可接受结果，再决定要不要调整。若原配置显式写 `medium`，**官方映射就是 `high`**；它不是“字段不被接受”的故障，但原先按预览语义判断表现的脚本仍应复核。尤其三类协议的参数路径不同：Chat Completions / DashScope 用 `reasoning_effort`，Responses 用 `reasoning.effort`，Messages 用 `output_config.effort`。跨协议迁移时，不应只搬运字段值。

![Qwen4-Max官方文档的三协议思考档表：默认high，medium映射为high，各协议参数路径不同。](/blog/images/qwen4-max-preview-to-api-migration-effort.png "官方表把 medium 映射为 high，而非拒绝该值；协议之间参数路径不同。来源：[Qwen4-Max Thinking effort](https://www.alibabacloud.com/help/en/model-studio/qwen4-max)")

## Qwen4-Max 的 $0.075 为何不能写成“普通 API 输入价”？

答案藏在发布文的括号里：**“Input (Implicit Cache Hit)”**。[11 月 16 日官方价目表](https://www.alibabacloud.com/help/en/model-studio/model-pricing)把新加坡 International 的正式 `qwen4-max` 放在单次输入 0–1M token 一档，美元／百万 token 的常规输入 **$1.50**、输出（包括思考与最终答复）**$4.50**。隐式或显式缓存**读取命中**的输入才是 **$0.075**。若使用显式缓存，创建缓存还有写入价格：5 分钟 **$1.875**、1 小时 **$3.00**／百万写入 token。所有价格都要先写清地区、服务入口和 token 类别，再讨论“便宜”。

[上下文缓存说明](https://www.alibabacloud.com/help/en/model-studio/context-cache)写得更像一份条件合同：支持的请求上，隐式缓存自动工作，不能关闭；共享前缀至少 **1,024 token** 才有资格尝试命中，但达到长度不保证命中。没命中的部分仍按常规输入价；输出照输出价收。显式与隐式模式也不能在同一请求里混用。Qwen4-Max 的缓存价格是通用折扣比例的**例外**，因此用另一款 Qwen 或缓存文档中的一般百分比去反推它，会得到错误预算。

如果选择显式缓存，还要分清**写入与读取**。例如把一个常用长前缀标为 5 分钟缓存，首次创建不应按“读取命中 $0.075”给这部分输入做预算；新加坡价目另列 5 分钟写入 **$1.875**／百万、1 小时写入 **$3.00**／百万。此后是否命中，要看请求前缀及缓存有效期，不能只因客户端传了缓存标记就把每次都计成读取价。这里也不是建议所有团队都改用显式缓存：既然显式与隐式互斥，切换策略会改变费用构成，先核自己真实负载是否有足够稳定且重复的前缀，再比较包含创建费用的**每次完成任务成本**。缓存命中率的分母应是实际发送的对应输入 token，不是“用了多少次 API”。

在 Token Plan 一侧，订阅文档说消耗的是 **Credits**，用量受型号、token 数、思考档和工具调用影响；没有给你一条“每美元等于固定 Credits”的通用换算。将按量 API 的 $1.50/$0.075/$4.50 直接填进团队订阅成本表，或者把订阅剩余额度当成按量账户余额，都会把两份合同算到一张纸上。预览版只在前一份合同里；正式版能进入两种入口，究竟哪种对你可用，先看 Key、账单与使用范围。对管理员来说，同一位成员在订阅里试了多少 Credits，和应用后端的普通 API Key 在另一账单里花了多少美元，都是需要分别记录的数；不能因为两条记录显示同一型号就把它们当成一种折扣套餐。

该价目是**新加坡的公开标准价**，不是所有地区、所有账户的承诺价。官方列表另列北京、香港、法兰克福、弗吉尼亚与东京等地点，区域范围和价格行有区别；登录后的活动优惠或账号结算条件也可能不同。已经在某个区域采购的团队，应拿自己的区域价目和账单做最终复核，不拿新加坡的三列数推算人民币或跨区成本。

## 一笔假设账单，为什么比“任务成本降 60%”更适合迁移决策？

假设某类请求每次有 **40,000 个输入 token**，其中 **36,000 个**确实命中隐式缓存、**4,000 个**按常规价计，另产生 **1,500 个输出 token**，其中的思考也算在输出里。仅按上述**新加坡标准按量价**计算，单次费用为 `36,000×0.075/1,000,000 + 4,000×1.50/1,000,000 + 1,500×4.50/1,000,000 = $0.01545`。若同样长度的输入**全部未命中**，在输出仍恰为 1,500 token 的纯算术假设下是 `$0.06675`。一千次分别为 **$15.45** 和 **$66.75**。这不是我们的实际账单，也不是承诺任何请求会有九成命中。

为何给出两个端点而不是只展示便宜的一边？36,000 token 的共享前缀超过最低门槛，但缓存文档明确说**不保证命中**；多轮工具调用中，如果前缀、工具定义或历史发生变化，命中结构也可能变。这组简算没有显式缓存写入、额外工具回合、失败重试、税费或优惠，且将两种情形的输出 token 固定不变。真实任务要从自己的 usage、账单和结果可接受率回算。若你没有大量可重用前缀，不应让一个“命中价”占据预算表全部输入栏。

阿里云在[发布公告的 Work360 段落](https://www.alibabacloud.com/en/press-room/alibaba-unveils-qwen4-max?_p_lc=1)称，该厂商自有测试涵盖 **721 个**专业领域，Qwen4-Max 与 Qwen3.8-Max 对照，在 High 推理描述下使用的 token 少 **35%**、平均每任务成本低约 **60%**。这是**厂商在其任务集上的声明**，不是我们对这两款的复测，更不是“你迁移后账单必降六成”。公告没有说清对照端是否采用同一推理档，也没交代平均成本计算纳入多少缓存命中。不同任务的输出长度、重试和质量门槛都可能不同；把这组百分比直接乘在自己的账单上，没有证据。

下面这张官方图只展示 WORK360 的任务得分：Qwen4-Max 为 52.69，Qwen3.8-Max 为 47.74。它不包含 token 消耗或费用测量，不能当作前述降本百分比的图证。

![厂商WORK360图对照Qwen4-Max与Qwen3.8-Max，总分分别52.69与47.74；不是独立测试。](/blog/images/qwen4-max-preview-to-api-migration-work360.png "WORK360 是厂商自有评测，图中总分与分类分布不是本站实测，也不能据此承诺实际任务成本。来源：[Alibaba Cloud 发布公告](https://www.alibabacloud.com/en/press-room/alibaba-unveils-qwen4-max?_p_lc=1)")

## 真要迁移，怎样在改动最小的前提下核验？

先把目标说清：如果仍然只是个人在兼容工具中交互试用，正式 ID 同样列于 Token Plan 支持清单；无需为了“正式”二字就把每个用户都迁到普通 API。若是自定义应用后端，订阅条款不覆盖这个用途，便需要单独确认普通 API 账号、地区、Key、权限与结算。**这不是一份“只需改五行配置便已能上线”的保证**，而是防止把已有验证边界悄悄延伸到未验证环境的检查顺序。

1. **冻结旧状态**：记录目前实际使用的是 `qwen4-max-preview` 还是其他回退型号，属于哪个账户区域、哪种协议、哪个 Key 类型。不要在源代码或公开截图里留下密钥；如果只是 Token Plan 交互试用，遵守原来的用途限制。
2. **选新入口与 ID**：在对应地区选 Token Plan 或普通 API 的 Key 和主机，再填 `qwen4-max`；OpenAI 兼容客户端用其协议基础路径，Anthropic Messages 客户端用另一条。不能用“接口支持三种协议”替代真实客户端的请求与响应检查。
3. **核参数再核输出**：确认客户端在所用协议上把 `medium` 映射为 `high`，以及无显式参数时默认由 `xhigh` 变为 `high`；若希望其他档位，应按对应协议写明值。不要在未固定实际档位的情况下比较新旧 token 数；用真实任务检查是否被共享生成预算截断，也检查非思考模式是不是你的预期。
4. **核用量再核账单**：同一组可重复任务分别记录未命中输入、缓存命中输入、输出（含思考）、是否发生显式缓存写入，以及 Token Plan 的 Credits 或普通 API 账单归属。不要把缓存“可能命中”当作 usage 的“已经命中”。
5. **最后才决定切换与回退**：应用负载用可回退的小流量验证请求、结果和收费后再评估生产切换；假如新路不满足要求，应回到**已经验过且生命周期清楚的生产路径**，而不是在 11 月 25 日后依赖会退役的预览 ID。

这些步骤适合留成一份由执行人填写的迁移记录：旧入口、目标入口、所用协议、所设 effort、最大生成预算、同一批任务的命中和未命中 token、首次请求与后续请求的费用，以及失败时切回哪条已验证路径。尤其别只拿单轮“你好”做通路验证：它看不出长前缀缓存、工具回合或思考预算在真实工作中的边界。用少量**经许可且能人工核对**的代表性任务，比把线上用户请求直接投向新模型更适合发现计费和截断问题；这一建议是测试设计，不是阿里云给出的上线验收承诺。

以上是核验顺序，不是本站完成这些步骤的纪要。尤其我们没有持真实 Key 调用两版型号，没有覆盖各地区、各协议的全部参数，也没有拿到厂商内部 checkpoint 信息。“文档给出正式版价格”与“某个团队已经具备可用资格并完成迁移”之间，还有实际请求、usage 与账单这三道需要他们自己过的门。

## 最后该等什么证据，才值得扩大使用？

至少要看到三件来自**自己环境**的东西：选定地区与凭证的正式请求成功、选定任务在明确 effort 和生成预算下的可接受结果、账单里的缓存与输出分栏和预期相符。应用团队还要复核协议字段、额度、失败回退及订阅条款是否与用途匹配。若其中任何一项未知，就把上线决策留在试点阶段；不靠厂商测试图或推理出的“预览=正式同一模型”填空。

[独立报道](https://thenextweb.com/news/alibaba-launches-qwen4-max-flagship-ai-model-without-open-weights)指出这次旗舰权重没有开放，并明确没有独立验证阿里云的基准数字；公告只提到未来将开放**较小型号**的 Qwen4 权重。想本地部署旗舰的读者，不能把 API 已开放写成权重已发布。对已经从预览走来的开发者，真正的新消息也不是“模型变强了多少”——那还缺自己的任务证据——而是**你现在有正式 ID 与公开价格，可以把入口、参数和账单重新对齐**。先让这五项对齐，再考虑迁移流量。

---

## Sources

### alibabacloud.com

- [11 月 16 日的发布公告](https://www.alibabacloud.com/en/press-room/alibaba-unveils-qwen4-max?_p_lc=1)
- [新模型上架记录](https://www.alibabacloud.com/help/en/model-studio/newly-released-models)
- [预览型号文档](https://www.alibabacloud.com/help/en/model-studio/qwen4-max-preview)
- [Token Plan 个人版支持清单](https://www.alibabacloud.com/help/en/model-studio/token-plan-personal-overview)
- [默认按量 API 价目表](https://www.alibabacloud.com/help/en/model-studio/model-pricing)
- [官方 Base URL 清单](https://www.alibabacloud.com/help/en/model-studio/base-url)
- [团队版条款](https://www.alibabacloud.com/help/en/model-studio/token-plan-team-overview)
- [模型规格页](https://www.alibabacloud.com/help/en/model-studio/qwen4-max)
- [上下文缓存说明](https://www.alibabacloud.com/help/en/model-studio/context-cache)

### thenextweb.com

- [独立报道](https://thenextweb.com/news/alibaba-launches-qwen4-max-flagship-ai-model-without-open-weights)
