TellWorldAI 世界档案
问档案English

首页›实践›实践

实践

Qwen4-Max API 怎么调用:思考模式、上下文和计费

Qwen4-Max 的模型名是 qwen4-max,支持思考模式、四种接口协议和 100 万 token 上下文。输出价格含思维链,思考越长花费越多。

这篇适合谁,读完能做到什么

这篇写给想在自己代码里调用 Qwen4-Max 的开发者。内容包括模型名怎么填、支持哪些接口协议、思考模式和推理强度怎么设、上下文与输出上限多大,以及价格和限速怎么算。读完你应该能跑通第一次调用,并估算一个任务大致的花费。

Qwen4-Max 是什么

阿里云把 Qwen4-Max 描述为通义千问的新一代旗舰多模态模型,它整合了文本生成、图像和视频理解以及深度思考[1]。阿里云称它适合编程开发、办公、前端设计和复杂的智能体任务[1]。调用时,model 参数的值填 qwen4-max[1]。

支持的接口和输入输出

可以通过 OpenAI Chat Completions、OpenAI Responses、Anthropic Messages 和 DashScope 四种方式调用[1]。输入支持文本、图像和视频,输出只有文本[1]。

流式输出、深度思考、并行工具调用、联网搜索、函数调用和前缀续写都支持。结构化输出同时支持 JSON Object 和 JSON Schema 两种形式[1]。

思考模式和推理强度

深度思考默认开启,enable_thinking 的默认值是 true[1]。如果既没设 reasoning_effort,也没设 thinking_budget,系统默认使用 high 推理强度,思考预算为 131072 个 token[1]。

不同接口的取值写法略有差别。OpenAI Chat Completions 和 DashScope 用 reasoning_effort,可选 low、high 和 xhigh;传 minimal 会映射为 low,medium 映射为 high,max 映射为 xhigh[1]。OpenAI Responses 用 reasoning.effort,取值相同[1]。Anthropic Messages 用 output_config.effort,可选 low、high 和 xhigh,medium 映射为 high,max 映射为 xhigh[1]。

上下文和输出上限

上下文长度为 1,000,000 个 token[1]。非思考模式下,最大输入 991,808 个 token,最大输出 131,072 个 token;思考模式下,最大输入 983,616 个 token,最大输出 262,144 个 token。思维链最长 262,144 个 token[1]。

默认的 max_completion_tokens 在思考模式下是 262144,非思考模式下是 131072[1]。采样参数的默认值也随模式变化:思考模式下 temperature 为 1.0、top_p 为 0.95、presence_penalty 为 0.0;非思考模式下分别为 0.7、0.8 和 1.5[1]。top_k 默认为 20,repetition_penalty 默认为 1.0,logprobs 默认关闭[1]。

思维链摘要与多轮对话

开启思维链摘要和加密后,返回的内容包括两部分:一段摘要,供展示使用;一段密文,用于在后续轮次恢复模型之前的推理[1]。多轮对话里,历史密文要按返回时的原样传回去[1]。

显式缓存

很多请求共享同一段长前缀时,比如系统提示、工具描述或参考文档,显式缓存可以降低重复输入的成本[1]。它支持 OpenAI Chat Completions、OpenAI Responses 和 Anthropic Messages,缓存时长(TTL)可选 5 分钟(5m)或 1 小时(1h)[1]。

价格和免费额度

国际部署(International)的标价是每百万输入 token 1.5 美元、每百万输出 token 4.5 美元,思考和非思考模式相同[1]。Global 部署的标价是每百万输入 token 1.413 美元、每百万输出 token 4.24 美元[1]。输出价格按思维链加回答一起计算,所以思考越长,账单越高[1]。

新用户的免费额度从开通 Model Studio、模型上线或应用获批之日起算,有效期 90 天,以较晚的时间为准[1]。

通过 Batch File 接口调用,批量价格是每百万输入 token 0.707 美元、输出 2.12 美元。Batch Chat 限时五折,原价为输入 1.413 美元、输出 4.24 美元[1]。能力表里只有中国(北京)部署标注支持批量推理,其他列出的部署都标为不支持[1]。

限速

限速档位由每月的消费额决定。当前的 Level 1 适用于每月不超过 8000 美元的消费;Level 2 为 8000 到 140000 美元;Level 3 为超过 140000 美元[1]。qwen4-max 的每分钟 token 数(TPM)上限,三档分别是 500 万、1000 万和 2000 万[1]。

Global 部署的单分钟限制是 3 万次请求和 500 万 token,token 按输入加输出合计计算[1]。系统还可能按每秒请求数(RPM/60)和每秒 token 数(TPM/60)限流[1]。

需要留意的限制

不支持模型微调,也不支持模型部署[1]。

下一步

各接口协议的完整说明,以及显式缓存和思维链摘要的细节,可以在 Model Studio 的文档里继续查阅[1]。

来源

  1. 1
    qwen4-max (latest model)Alibaba Cloud Model Studio docs

引用本页: Qwen4-Max API 怎么调用:思考模式、上下文和计费. TellWorld, https://www.tellworld.net/zh/practice/practice-qwen4-max-api. 更新于 2026-11-18

相关动态