Qwen4-Max đáng để đánh giá nếu bạn đang dùng Qwen3.8-Max: giá đầu vào và đầu ra thông thường thấp hơn 25% theo bảng giá Singapore của Alibaba Cloud. Cửa sổ ngữ cảnh vẫn là một triệu token, và cả hai đều nhận văn bản, hình ảnh và video. Vì vậy, giá là lý do rõ ràng nhất được ghi nhận để thử nâng cấp. Điều này không chứng minh rằng mô hình mới xử lý tác vụ của bạn tốt hơn hay dùng ít token hơn.
Việc di chuyển cũng làm thay đổi hợp đồng tích hợp. Giới hạn đầu ra chỉ dành cho câu trả lời giờ đây có thể giới hạn cả phần suy luận lẫn câu trả lời, còn mức độ nỗ lực mặc định chuyển từ xhigh sang high. Hãy tính đến thay đổi này trước khi thay model ID đang chạy trong môi trường production.
Điều gì giữ nguyên và điều gì thay đổi
Trang mô hình Qwen4-Max và tài liệu Qwen3.8-Max của Alibaba mô tả hai mô hình đám mây có cùng kích thước cửa sổ ngữ cảnh và phương thức đầu vào. Cần đọc kỹ hơn về giới hạn đầu ra:
| Hạng mục | Qwen3.8-Max | Qwen4-Max |
|---|---|---|
| Ngữ cảnh | 1,000,000 | 1,000,000 |
| Đầu vào | Văn bản, hình ảnh, video | Văn bản, hình ảnh, video |
| Đầu ra không bật chế độ suy luận | 131,072 | 131,072 |
| Đã bật chế độ suy luận | Mặc định | Mặc định |
| Mức độ nỗ lực mặc định | xhigh | high |
| Các mức độ nỗ lực gốc | low, medium, xhigh | low, high, xhigh |
Qwen4-Max cho phép tối đa 262,144 token cho tổng phần suy luận và câu trả lời. Giới hạn đầu ra được ghi trong tài liệu của Qwen3.8-Max là 131,072 token cho câu trả lời, kể cả khi bật chế độ suy luận, cùng với độ dài chuỗi suy luận tối đa riêng là 262,144. Các con số này áp dụng cho những phạm vi khác nhau; chúng không chứng minh rằng dung lượng đầu ra đơn giản là đã tăng gấp đôi.
Cả hai mô hình đều có thể nhận đầu vào hình ảnh, vì vậy ứng dụng vốn đã gửi ảnh chụp màn hình hoặc ảnh tài liệu sẽ không có thêm loại đầu vào mới chỉ nhờ nâng cấp. Muốn biết khả năng trích xuất hoặc suy luận hình ảnh có cải thiện hay không, cần so sánh trên các tệp tiêu biểu.
Chênh lệch giá trên một khối lượng công việc cố định
Bảng giá chính thức liệt kê các mức giá USD tại Singapore sau đây cho cả chế độ suy luận và không suy luận, với đầu vào tối đa một triệu token cho mỗi yêu cầu:
| Mỗi triệu token | Qwen3.8-Max | Qwen4-Max |
|---|---|---|
| Đầu vào thông thường | $2.00 | $1.50 |
| Đầu ra, bao gồm cả phần suy luận | $6.00 | $4.50 |
Hãy xét tổng mức sử dụng tích lũy qua nhiều yêu cầu: một triệu token đầu vào chưa được lưu trong bộ nhớ đệm và 100,000 token đầu ra, bao gồm cả phần suy luận. Đây là tổng cộng, không phải cho một yêu cầu duy nhất. Qwen3.8-Max có giá $2 + $0.60 = $2.60; Qwen4-Max có giá $1.50 + $0.45 = $1.95. Với mức sử dụng giống hệt nhau, chi phí thấp hơn 25%. Đây là ước tính, không phải kết quả tác vụ được đo lường, và chưa tính bộ nhớ đệm, công cụ, các lần thử lại hay thuế. Giá ở các khu vực khác nhau sẽ khác.
Mức tiết kiệm thực tế phụ thuộc vào cách mô hình tạo câu trả lời. Suy luận nhiều hơn, thử lại nhiều lần hoặc lịch sử dài hơn có thể bù trừ cho đơn giá thấp hơn. Hãy so sánh hóa đơn cho một kết quả được chấp nhận cùng với độ chính xác của kết quả, thay vì cho rằng mỗi tác vụ sẽ rẻ hơn 25%.
Kiểm tra giới hạn đầu ra và cài đặt suy luận
Tài liệu Chat Completions cho biết Qwen4-Max xem max_tokens tương đương với max_completion_tokens: cả hai đều bao gồm phần suy luận và câu trả lời. Với Qwen3.8-Max, max_tokens chỉ giới hạn câu trả lời. Vì vậy, giới hạn nhỏ được kế thừa có thể khiến mô hình mới dừng lại trước khi đưa ra được câu trả lời hữu ích. Hãy kiểm tra finish_reason; length có nghĩa là đã dùng hết ngân sách. Bài viết này không báo cáo thử nghiệm suy luận mới nào.
Khi tích hợp Qwen4-Max mới, hãy ưu tiên max_completion_tokens và chọn mức đủ rộng cho cả hai loại đầu ra. Các giá trị mức độ nỗ lực gốc của mô hình là low, high và xhigh; medium được ánh xạ sang high. Trên Qwen3.8-Max, high được ánh xạ sang xhigh. Dùng lại một enum không nhất thiết có nghĩa là giữ nguyên ý nghĩa của nó.
Khi không chỉ định cả mức độ nỗ lực lẫn ngân sách suy luận, Qwen4-Max mặc định dùng high và 131,072 token suy luận. Không gửi đồng thời reasoning_effort và thinking_budget. Ngân sách suy luận được chỉ định phải là số dương; để tắt chế độ suy luận, hãy dùng công tắc suy luận được tài liệu hướng dẫn thay vì đặt ngân sách bằng không. Lưu giữ phần suy luận trong trường riêng, thay vì nối vào văn bản câu trả lời.
Những gì gateway xác nhận
Hướng dẫn Qwen4-Max của AIHubMix liệt kê qwen4-max trên Chat Completions nhưng đánh dấu các cờ tính năng là chưa được xác minh. Việc Alibaba hỗ trợ công cụ, đầu ra có cấu trúc, Responses và Messages không chứng minh rằng mọi đường tích hợp đều hoạt động qua gateway này.
Alibaba cũng tài liệu hóa cơ chế bộ nhớ đệm tường minh của Qwen4, bao gồm các điểm ngắt tự động và TTL 5 phút hoặc 1 giờ. Phụ phí ghi và khoản phí đọc riêng cần được hạch toán riêng. Tóm tắt suy luận tùy chọn đòi hỏi phải giữ lại lịch sử đã mã hóa. Hãy xác minh các tùy chọn này trên tuyến bạn định dùng trước khi dựa vào chúng để tiết kiệm chi phí hoặc duy trì hành vi nhiều lượt.
Hãy bắt đầu với một nhóm nhỏ tác vụ thực tế: một thay đổi trong kho mã, một câu hỏi về tài liệu dài và một trường hợp hình ảnh nếu ứng dụng của bạn dùng hình ảnh. Giữ nguyên prompt, công cụ và tiêu chí chấp nhận. Ghi lại kết quả được chấp nhận, tổng số token kể cả các lần thử lại và những lần thất bại. Tiếp tục giữ Qwen3.8-Max cho đến khi mô hình thay thế vượt qua kiểm thử. Trang so sánh của AIHubMix giúp bạn đối chiếu thông số và giá được niêm yết; quyết định nâng cấp phụ thuộc vào các bài kiểm thử chấp nhận của bạn.
Câu hỏi thường gặp
Qwen4-Max có rẻ hơn Qwen3.8-Max không?
Theo giá chính thức tại Singapore, đầu vào và đầu ra thông thường đều thấp hơn 25%. Mức tiết kiệm thực tế cho từng tác vụ phụ thuộc vào lượng token sử dụng và số lần thử lại.
Cửa sổ ngữ cảnh có tăng không?
Không. Cả hai đều có cửa sổ ngữ cảnh 1,000,000 token.
Qwen4-Max có tăng gấp đôi giới hạn đầu ra không?
Các giới hạn được công bố áp dụng cho những phạm vi khác nhau. Qwen4-Max giới hạn tổng phần suy luận và câu trả lời ở mức 262,144; con số 131,072 của Qwen3.8-Max là giới hạn cho câu trả lời.
Có thể giữ nguyên cài đặt max_tokens cũ không?
Trước tiên hãy kiểm tra lại. Qwen4-Max tính cả phần suy luận vào giới hạn này, nên mức giới hạn được đặt cho câu trả lời có thể không đủ.
Mức suy luận mặc định có thay đổi không?
Có: xhigh trên Qwen3.8-Max chuyển thành high trên Qwen4-Max. Một số ánh xạ tương thích cũng khác nhau.
Có nên chuyển toàn bộ lưu lượng production ngay lập tức không?
Chỉ chuyển sau khi các tác vụ tiêu biểu và những tính năng gateway cần thiết vượt qua kiểm thử. Mức giảm giá được ghi nhận không chứng minh chất lượng đã cải thiện.
Đọc tiếp: loạt bài về Qwen4-Max
- Để tìm hiểu các thay đổi cấu hình liên quan đến quyết định này, hãy đọc Di chuyển sang Qwen4-Max: giới hạn đầu ra, chế độ suy luận và thiết lập agent.
- Để so sánh một mô hình hàng đầu khác trên cùng tác vụ với kho mã, hãy đọc Qwen4-Max vs Kimi K3.1 Pro: nên dùng agent lập trình nào?.
Nguồn
- Alibaba Cloud: Qwen4-Max và Qwen3.8-Max, giới hạn và cài đặt mặc định của mô hình.
- Alibaba Cloud: giá mô hình, mức giá USD tại Singapore; phép tính giả định mức sử dụng chưa được lưu trong bộ nhớ đệm và giống hệt nhau.
- Alibaba Cloud: tài liệu tham khảo Chat Completions, phạm vi giới hạn đầu ra và các tham số suy luận.
- Alibaba Cloud: bộ nhớ đệm Qwen4 và tóm tắt suy luận và mã hóa, các tính năng của nhà cung cấp.
- AIHubMix: hướng dẫn Qwen4-Max và hướng dẫn Qwen3.8-Max, danh sách trên gateway. Nguồn được kiểm tra ngày 17 tháng 11 năm 2026, 02:33 UTC; không có thử nghiệm suy luận mới.



