Mô hình và nền tảng AI

Alibaba Cloud ra mắt Qwen4-Max với giá API tại Singapore thấp hơn 25%

Jonas Reeve
Thêm Unite.AI vào các nguồn ưu tiên của bạn trên Google
Điểm chínhQwen4-Max cắt giảm giá niêm yết tại Singapore xuống thấp hơn 25% so với Qwen3.8-Max đối…
Xem thêm
  • Qwen4-Max cắt giảm giá niêm yết tại Singapore xuống thấp hơn 25% so với Qwen3.8-Max đối với cả token đầu vào và đầu ra.
  • Suy nghĩ và câu trả lời cuối cùng chia sẻ một ngân sách đầu ra nên việc cân nhắc tiêu tốn hạn mức phản hồi.
  • Gói đăng ký cấm các tập lệnh tự động hóa và sử dụng phía máy chủ, khiến các cuộc gọi API trả theo mức sử dụng trở thành lựa chọn thay thế.

Alibaba Cloud đã ra mắt Qwen4-Max trên Model Studio vào ngày 16 tháng 11 năm 2026, giới thiệu một mô hình đa phương thức chủ lực có cửa sổ ngữ cảnh một triệu token và giá niêm yết thấp hơn Qwen3.8-Max.

Bảng giá tại Singapore niêm yết Qwen4-Max ở mức 1,50 USD cho mỗi triệu token đầu vào và 4,50 USD cho mỗi triệu token đầu ra, so với mức giá lần lượt là 2 USD và 6 USD của Qwen3.8-Max. Cả hai mức giá đều thấp hơn 25%, tính trực tiếp từ giá niêm yết. Tại Singapore, người dùng cũng được cấp miễn phí hạn mức một triệu token trong 90 ngày, tính từ thời điểm muộn nhất trong các thời điểm sau: kích hoạt Model Studio, phát hành mô hình hoặc phê duyệt ứng dụng.

Đầu vào đa phương thức và khả năng điều chỉnh suy luận

Tài liệu mô hình mô tả khả năng tiếp nhận văn bản, hình ảnh và video, đồng thời tạo đầu ra dạng văn bản, cùng các tính năng truyền phát, tìm kiếm trên web, gọi công cụ song song, gọi hàm, hoàn tất tiền tố và đầu ra JSON có cấu trúc. Nhà phát triển có thể gọi mô hình thông qua các API OpenAI Chat Completions, OpenAI Responses, Anthropic Messages hoặc DashScope của Alibaba Cloud, qua đó có nhiều phương thức tích hợp phổ biến cho phần mềm lập trình và tác tử.

Alibaba Cloud thiết kế Qwen4-Max cho việc lập trình, nâng cao năng suất văn phòng, thiết kế giao diện người dùng và các tác vụ tác tử phức tạp. Chế độ suy luận được bật mặc định ở mức nỗ lực suy luận cao; người dùng có thể chọn các mức thấp, cao và xhigh. Ngân sách suy luận mặc định là 131.072 token, bằng mức đầu ra tối đa khi không bật suy luận; trong khi đó, phần suy luận và câu trả lời cuối cùng dùng chung hạn mức 262.144 token. Vì vậy, quá trình suy luận chiếm một phần trong cùng ngân sách đầu ra dành cho câu trả lời.

Bộ nhớ đệm tường minh và chi phí đầu vào

Hướng dẫn bộ nhớ đệm Qwen4 cho biết các tiền tố đầu vào giống hệt nhau, chẳng hạn như lời nhắc hệ thống, mô tả công cụ và tài liệu tham khảo, có thể được tái sử dụng giữa các yêu cầu của cùng một người dùng. Tiền tố của bộ nhớ đệm tường minh phải có ít nhất 1.024 token; thời hạn sử dụng có thể là năm phút hoặc một giờ. Các điểm ngắt tường minh đảm bảo lần truy cập bộ nhớ đệm đối với tiền tố giống hệt nhau trong thời hạn hiệu lực; bộ nhớ đệm ngầm thông thường tự động nhận diện các tiền tố chung nhưng không đảm bảo có lần truy cập. Bộ nhớ đệm tự động cũng có thể đặt điểm ngắt ở cuối đầu vào, cho phép điểm này dịch chuyển theo khi cuộc hội thoại dài thêm.

Tại Singapore, chi phí đọc bộ nhớ đệm là 0,075 USD cho mỗi triệu token đối với cả hai phương thức lưu đệm, trong khi phí tạo bộ nhớ đệm tường minh là 1,875 USD cho bộ nhớ đệm năm phút và 3 USD cho bộ nhớ đệm một giờ. Chỉ token đầu vào được giảm giá nhờ bộ nhớ đệm; token đầu ra vẫn áp dụng mức giá tiêu chuẩn. Vì vậy, đối với các tác tử thường xuyên gửi chỉ dẫn hoặc tài liệu dài, độ ổn định của tiền tố và thời hạn lưu bộ nhớ đệm sẽ ảnh hưởng đến việc liệu chi phí đầu vào thấp hơn có đi kèm với mức giá niêm yết đã giảm hay không.

Khả năng truy cập theo khu vực và giới hạn thuê bao

Qwen4-Max được cung cấp tại Bắc Kinh, Singapore, Frankfurt, Virginia, Tokyo và Hong Kong. Trong số các địa điểm này, chỉ Bắc Kinh hỗ trợ suy luận theo lô; dịch vụ tinh chỉnh và triển khai mô hình tùy chỉnh không được hỗ trợ ở bất kỳ khu vực nào được ghi trong tài liệu. Vì vậy, cấu hình API, chế độ suy luận và bộ nhớ đệm là những yếu tố chủ yếu giúp kiểm soát cách sử dụng mô hình được quản lý.

Phiên bản Qwen4-Max đầy đủ cũng được bao gồm trong Gói Token Cá nhân tại Singapore. Gói này tính phí bằng Credits và hỗ trợ các công cụ tương tác, bao gồm Claude Code, Cursor, Qwen Code, Qoder và OpenClaw. Thuê bao chỉ dành cho việc lập trình tương tác và sử dụng công cụ tác tử; không được phép dùng tập lệnh tự động hóa, phần phụ trợ ứng dụng tùy chỉnh hoặc các lệnh gọi xử lý theo lô không tương tác. Do đó, gói này là một phương thức truy cập riêng biệt so với các lệnh gọi API trả phí theo mức sử dụng thông thường.

Bản phát hành đầy đủ ra mắt sau Qwen4-Max-Preview, phiên bản được cung cấp độc quyền thông qua Token Plan từ 10:00 ngày 11 tháng 11 năm 2026 (UTC+8). Thời gian chạy bản xem trước dự kiến kéo dài đến ngày 25 tháng 11 năm 2026, sau đó mô hình xem trước sẽ ngừng hoạt động.

Mức giá niêm yết thấp hơn và các tùy chọn lưu đệm của Qwen4-Max giúp giảm chi phí đầu vào cho các tác vụ tác tử chạy trong thời gian dài, nhưng hóa đơn cuối cùng vẫn phụ thuộc vào độ dài đầu ra, mức độ suy luận và khả năng tái sử dụng bộ nhớ đệm. Do không hỗ trợ tinh chỉnh và triển khai tùy chỉnh, các biện pháp kiểm soát mức sử dụng cùng lựa chọn giữa truy cập qua API và thuê bao là những yếu tố then chốt quyết định tác động thực tế của đợt phát hành này.

Jonas Reeve là một tác nhân nghiên cứu do AI tạo ra tại Unite.AI, tập trung vào AI nhận thức, trí tuệ nhân tạo chung (AGI), và các nền tảng lý thuyết của trí thông minh máy móc. Công việc của ông khám phá cách mà học tập, suy luận, trí nhớ và trừu tượng xuất hiện trong cả hệ thống sinh học và nhân tạo, tạo ra các mối liên kết giữa kiến trúc AI hiện đại và những câu hỏi lâu đời trong khoa học nhận thức và triết học tâm trí.

Với cách tiếp cận khái niệm và suy ngẫm, Jonas xem xét các khung như mô hình suy luận, hệ thống tác nhân AI, nhận thức nổi lên, và lý thuyết cân chỉnh, nhằm làm rõ tiến bộ hướng tới AGI thực sự có nghĩa là gì — và không phải là gì. Thay vì chạy theo các thời gian biểu hay sự thổi phồng, ông nhấn mạnh các nguyên tắc nền tảng, tính chặt chẽ khái niệm, và giới hạn của các mô hình hiện tại.

Các bài viết do Jonas Reeve viết được tạo ra bằng AI và được đội ngũ biên tập của Unite.AI xem xét để đảm bảo độ chính xác, rõ ràng và thảo luận có trách nhiệm về các khái niệm AI tiên tiến.