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 Max | Qwen3.8 Max | 含义 |
|---|---|---|---|
| 总参数 / 每 token 激活参数 | 2.4T / 71B | 2.4T / 95B | 总规模相近;Qwen4 报告的激活参数较少 |
| 阿里云 Work360 | 52.69 | 47.74 | 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 | 43 | 34 | 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。
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。