Tabbit博客

Qwen4 Max 对比 Qwen3.8 Max:该选哪款?

从官方结果、API 费率、上下文和证据限制比较两款 Qwen Max,并用重复试点决定是否迁移。

本文目录
  1. 要点
  2. 两款 Qwen Max 对比
  3. 单价低 25% 不等于任务省 25%
  4. 能力证据倾向 Qwen4,但有边界
  5. 按工作负载选择
  6. 怎样做公平迁移测试
  7. 结论:先试 Qwen4,不自动替换

目前公开证据更支持优先试用 Qwen4 Max,但不应据此自动迁移。阿里云报告 Work360 得分提高、token 用量下降;Artificial Analysis 报告综合指数更高;新加坡 API 标价也更低。这些测试并非都独立,口径也不能互换,实际工作负载可能不同。发布讨论中,一名用户说自己用一些任务试后觉得“pretty meh, compared to Sonnet”(“和 Sonnet 比一般”),但没有提供任务、版本或设置。这提醒我们要看场景,不是受控对比结论(Reddit 原帖)。

费用详见Qwen4 Max 定价,证据梳理见Qwen4 Max 评测。本文回答 2026 年 11 月 16 日 Qwen4 Max 正式可用后,是否应保留或替换 Qwen3.8 Max。

要点

  • 阿里云 Work360:Qwen4 Max 为 52.69,Qwen3.8 Max 为 47.74;厂商称 high 档 token 减少 35%。

  • Artificial Analysis 一次 Intelligence Index 快照是 43 对 34。综合指数不是任务完成率。

  • 新加坡 API 输入/输出费率:Qwen4 Max 每百万 $1.50/$4.50,Qwen3.8 Max $2/$6。

  • 相同未缓存 token 数时,Qwen4 Max 便宜 25%;相对 Qwen4 Max,Qwen3.8 Max 贵 33⅓%。

  • 只有重复同任务测试证明通过成本、质量或可靠性更好,才迁移。

两款 Qwen Max 对比

官方资料核验于 2026 年 11 月 17 日。下表分数来自不同评测,不能当成同一套测试中的横向排名。

维度Qwen4 MaxQwen3.8 Max含义
总参数 / 每 token 激活参数2.4T / 71B2.4T / 95B总规模相近;Qwen4 报告的激活参数较少
阿里云 Work36052.6947.74阿里云自建基准中更高;任务抽样披露有限
Work360 high 档 token 用量相对前代少 35%基准厂商报告,不是通用用量保证
Artificial Analysis 指数快照4334第三方综合快照,不是直接胜率
新加坡 API 输入/输出每百万 $1.50 / $4.50每百万 $2 / $6当前标价;缓存与工具另算
上下文最多 1M token最多 1M token上下文容量不保证整段都准确

单价低 25% 不等于任务省 25%

相同的未缓存输入和输出数量下,Qwen4 Max 费率低 25%:(1.50 × 输入 + 4.50 × 输出) / 1M;Qwen3.8 Max 为 (2 × 输入 + 6 × 输出) / 1M。换成 Qwen4 Max 作基准时,Qwen3.8 Max 贵 33⅓%。两个比例使用不同分母,都不代表按质量调整后的任务成本。

阿里云费率页把缓存计费单独列出。两款模型的缓存命中价都依地域而异;Qwen4 Max 新加坡读取为每百万 $0.075,写入为 5 分钟 $1.875、1 小时 $3。缓存说明解释命中条件。不要只用基础单价估算。

能力证据倾向 Qwen4,但有边界

阿里云11 月 16 日发布说明称 Qwen4 Max 在 Work360 得分 52.69,Qwen3.8 Max 为 47.74;high 档 token 少 35%,xhigh 少 24%,平均任务成本从人民币 26.58 元降到 11.16 元。该基准由厂商构建,公告未提供完整任务抽样、运行轨迹或误差区间。应作为厂商证据,而非自己的 API 账单预测。

Artificial Analysis 的Intelligence Index 页面在 11 月 17 日核验的快照中给 Qwen4 Max 43 分、Qwen3.8 Max 34 分。指数合并多种任务和分数类型,不能说明你的工作流成功概率提高 9 个百分点。

社区看法并不一致。同一 Reddit 讨论中,有人希望更小的模型在推理时少用“50–65% less tokens”,也有人质疑指数可信度(讨论串)。这反映用户的关注点和质疑,不是 Qwen4 Max 的实测结论。

按工作负载选择

工作负载先试谁原因要核对什么
新代码或 Agent 试点Qwen4 Max新的公开证据更好,标价更低通过的修改、重试、总耗时和总成本
稳定运行的 Qwen3.8 生产流程保留 Qwen3.8,再做影子测试没有本地基线时减少迁移风险相同提示、工具、权限和验收测试
重复长提示对比两者实际缓存效果缓存规则独立于基础费率实际命中、写入费用与地域
长文档任务用同一组文档试两者两款均宣称支持最多 1M 上下文检索准确性、遗漏、复核耗时与费用

Qwen3.8 Max 评测与浏览器使用证据可作前代背景。Qwen4 Max 预览说明记录过渡期;目前官方已列出 API 和 Token Plan 可用。客户端是否提供是另一个问题。

怎样做公平迁移测试

选择三项代表性任务:带出处的网页研究简报、带测试的代码修改、长文档对比。固定提示词、工具、材料、地域和验收标准。条件允许时每个模型、每项任务至少运行三次。记录模型 ID、推理档位、输入/缓存/输出 token、工具调用、重试、是否完成、耗时、费用和人工修改。计算:

每个通过任务的成本 = 所有尝试的总费用 ÷ 通过验收的任务数

不要只看生成质量,还要计算事实核对和返工时间。Tabbit Browser可以整理来源并在浏览器中对照资料。可参考Tabbit 浏览器指南和Agent 推理说明。

结论:先试 Qwen4,不自动替换

新评测可优先把 Qwen4 Max 纳入试点:两项公开对比得分更高,按 token 标价也更低。已验证的 Qwen3.8 Max 线上流程则应保留,直到同任务重复结果证明能带来用户看得见的改进。质量、通过任务成本和运行稳定性要一起比较。Qwen4 模型页整理了试点所需资料。

更详细的证据分析见Qwen4 Max 评测,费用算例见Qwen4 Max 定价。

Tabbit 浏览器已提供 Qwen4-Max。下载并打开 Tabbit,在对话的模型列表中选择 Qwen4-Max,即可开始使用。

Tabbit Browser

常见问题

Qwen4 Max 一定比 Qwen3.8 Max 好吗?

Qwen4 Max 在阿里云 Work360 和 Artificial Analysis 的一次 Intelligence Index 快照中得分更高。两项结果口径不同,不能证明它在所有任务中都更好。

Qwen4 Max 更便宜吗?

按新加坡 API 标价,相同的未缓存输入与输出 token 数下低 25%。任务成本还取决于 token 用量、缓存、重试、工具和成功率。

我应该从 Qwen3.8 Max 迁移吗?

让两者完成相同的代表性任务和验收测试。如果现有模型达标,可继续使用;只有重复测试证明值得时再迁移。

能在 Tabbit 使用 Qwen4 Max 吗?

Tabbit 浏览器已提供 Qwen4-Max。下载并打开 Tabbit,在对话的模型列表中选择 Qwen4-Max,即可开始使用。

Work360 是独立评测吗?

不是。Work360 是阿里云报告的基准。Artificial Analysis 提供另一项第三方指数快照,但都不能证明模型适合每种任务。

下一步

让 Tabbit 与你并肩工作。

跨标签页调研、自动化重复的浏览器工作,让每一处上下文都触手可及。