Skip to main content

qwen4-max (modèle le plus récent)

Qwen4-Max est le modèle multimodal phare de nouvelle génération de Tongyi Qianwen, qui intègre la génération de texte, la compréhension d’images et de vidéos et des capacités de raisonnement approfondi, et qui convient au développement logiciel, au travail bureautique, à la conception frontend et aux tâches complexes d’agents. Le modèle prend en charge la recherche Web, les appels d’outils et la sortie structurée, et est compatible avec les API OpenAI et Anthropic, ce qui aide les développeurs à créer des applications intelligentes dotées de compréhension multimodale et de capacités d’exécution de tâches

ID d’appel du modèle (valeur du paramètre model) : qwen4-max

Fournisseur du service d’inférence

Alibaba Cloud Model Studio

Fonctionnalités du modèle

  • Chine (Pékin)
  • Singapour
  • Allemagne (Francfort)
  • États-Unis (Virginie)
  • Japon (Tokyo)
  • Hong Kong (Chine)

Fonctionnalité

Prise en charge

Fonctionnalité

Prise en charge

Modalités d’entrée

Texte, image, vidéo

Modalité de sortie

Texte

Sortie en streaming

Pris en charge

Raisonnement approfondi

Pris en charge

Appels d’outils parallèles

Pris en charge

Recherche Web

Pris en charge

Complétion de préfixe

Pris en charge

Function Calling

Pris en charge

Résumé et chiffrement de la chaîne de pensée

Pris en charge

OpenAI Chat Completions, Responses, Anthropic Messages, DashScope

Pris en charge

Sortie structurée (JSON Object, JSON Schema)

Pris en charge

Cache explicite, cache implicite

Pris en charge

Inférence par lots

Pris en charge

Ajustement fin du modèle

Non pris en charge

Déploiement de modèle

Non pris en charge

Limites de débit et contexte

Paramètre

Token

Paramètre

Token

Entrée maximale

991,808

Sortie maximale

131,072

Entrée maximale (mode réflexion)

983,616

Sortie maximale (mode réflexion)

262,144

Longueur du contexte

1,000,000

Chaîne de pensée maximale

262,144

Paramètres par défaut

Paramètre

Valeur par défaut

temperature

1.0 en mode réflexion et 0.7 en mode non-réflexion.

top_p

0.95 en mode réflexion et 0.8 en mode non-réflexion.

top_k

20

repetition_penalty

1.0

presence_penalty

0.0 (réflexion) ; 1.5 (non-réflexion)

logprobs

false

enable_thinking

true

preserve_thinking

true

reasoning_effort

high

thinking_budget

131072

max_completion_tokens

262144 (réflexion) ; 131072 (non-réflexion)

Lorsque reasoning_effort et thinking_budget ne sont pas spécifiés, les valeurs par défaut reasoning_effort=high et thinking_budget=131072 sont appliquées.

Intensité de raisonnement

ProtocoleParamètreValeurs disponiblesValeur par défautCorrespondance
OpenAI Chat Completions / DashScopereasoning_effortlow, high, xhighhighminimal → low; medium → high; max → xhigh
OpenAI Responsesreasoning.effortlow, high, xhighhighminimal → low; medium → high; max → xhigh
Anthropic Messagesoutput_config.effortlow, high, xhighhighmedium → high; max → xhigh

Tarification du modèle

  • Singapour
  • Chine (Pékin)
  • Hong Kong (Chine)
  • Allemagne (Francfort)
  • États-Unis (Virginie)
  • Japon (Tokyo)
ID de modèlePérimètre de déploiement du serviceModeTokens d’entrée par requêtePrix unitaire d’entrée (par million de tokens)Prix unitaire de sortie (par million de tokens)
Chaîne de pensée + réponse
Quota gratuit(Remarque)Validité : dans les 90 jours suivant la date d’activation de Model Studio, de mise à disposition du modèle ou d’approbation de la demande (la plus tardive de ces dates)
qwen4-max
Prix unitaire du cache (par million de tokens)
InternationalModes non-réflexion et réflexion0<Token≤1M$1.5$4.51 million de tokens
Pour la tarification et les quotas gratuits, consultez Facturation des appels de modèles.

Limites de débit

  • Singapour
  • Chine (Pékin)
  • États-Unis (Virginie)
  • Allemagne (Francfort)
  • Hong Kong (Chine)
  • Japon (Tokyo)

Dépenses mensuelles Model Studio :

Palier 1 (actuel) ≤$8,000

Palier 2 $8,000~$140,000

Palier 3 >$140,000

Modèles pris en charge

Paliers de limite de débit TPM

qwen4-max

5,000,000

10,000,000

20,000,000

Pour les valeurs des limites de débit et les paliers AutoTPM, consultez Limites de débit.

Méthode d’appel

Instructions d’utilisation

Cache explicite

Réutilisez les préfixes d’entrée communs, comme les instructions système, les descriptions d’outils et les documents de référence, afin de réduire le coût des entrées répétées. Pris en charge avec OpenAI Chat Completions, Responses et Anthropic Messages, avec des options de TTL de 5m et 1h. Pour la configuration et la facturation, consultez Cache explicite.

Résumé et chiffrement de la chaîne de pensée

Renvoie un résumé de la chaîne de pensée et un texte chiffré : le résumé est destiné à l’affichage et le texte chiffré sert à restaurer le raisonnement historique lors des tours suivants. Dans les conversations multi-tours, le texte chiffré historique doit être renvoyé tel quel. Pour l’activation dans chaque protocole, les réponses en streaming et des exemples complets, consultez Résumé et chiffrement de la chaîne de pensée.