Qwen4-Max adalah model multimodal unggulan generasi baru dari Tongyi Qianwen yang mengintegrasikan pembuatan teks, pemahaman gambar dan video, serta kemampuan berpikir mendalam, dan cocok untuk pengembangan pemrograman, pekerjaan kantor, desain front-end, serta tugas agen yang kompleks. Model ini mendukung pencarian web, pemanggilan alat, dan keluaran terstruktur, serta kompatibel dengan API OpenAI dan Anthropic, membantu pengembang membangun aplikasi cerdas dengan kemampuan pemahaman multimodal dan eksekusi tugas.
model): qwen4-max
Penyedia inferensi
Alibaba Cloud Model Studio
Kemampuan model
- China (Beijing)
- Singapura
- Jerman (Frankfurt)
- AS (Virginia)
- Jepang (Tokyo)
- Hong Kong (China)
Kemampuan | Dukungan | Kemampuan | Dukungan |
|---|---|---|---|
Modalitas input | Teks, gambar, video | Modalitas output | Teks |
Streaming | Didukung | penalaran mendalam | Didukung |
pemanggilan alat paralel | Didukung | pencarian web | Didukung |
pelengkapan prefiks | Didukung | Function Calling | Didukung |
Ringkasan dan enkripsi penalaran | Didukung | OpenAI Chat Completions, Responses, Anthropic Messages, DashScope | Didukung |
Output terstruktur (JSON Object, JSON Schema) | Didukung | Cache eksplisit, cache implisit | Didukung |
Inferensi batch | Didukung | fine-tuning | Tidak didukung |
deployment model | Tidak didukung |
Batas laju model dan konteks
Parameter | Token | Parameter | Token |
|---|---|---|---|
Panjang input maksimum | 991,808 | Panjang output maksimum | 131,072 |
Panjang input maksimum (mode berpikir) | 983,616 | Panjang output maksimum (mode berpikir) | 262,144 |
Panjang konteks | 1,000,000 | Panjang chain-of-thought maksimum | 262,144 |
Parameter default
Parameter | Default |
|---|---|
temperature | 1.0 dalam mode penalaran; 0.7 dalam mode nonpenalaran. |
top_p | 0.95 dalam mode penalaran; 0.8 dalam mode nonpenalaran. |
top_k | 20 |
repetition_penalty | 1.0 |
presence_penalty | 0.0 (Penalaran); 1.5 (Nonpenalaran) |
logprobs | false |
enable_thinking | true |
preserve_thinking | true |
reasoning_effort | high |
thinking_budget | 131072 |
max_completion_tokens | 262144 (Penalaran); 131072 (Nonpenalaran) |
reasoning_effort dan thinking_budget tidak dikirim, nilai default adalah reasoning_effort=high dan thinking_budget=131072.
Intensitas penalaran
| Protokol | Parameter | Nilai yang didukung | Default | Pemetaan |
|---|---|---|---|---|
| OpenAI Chat Completions / DashScope | reasoning_effort | low, high, xhigh | high | minimal → low; medium → high; max → xhigh |
| OpenAI Responses | reasoning.effort | low, high, xhigh | high | minimal → low; medium → high; max → xhigh |
| Anthropic Messages | output_config.effort | low, high, xhigh | high | medium → high; max → xhigh |
Harga model
- Singapura
- China (Beijing)
- Hong Kong (China)
- Jerman (Frankfurt)
- AS (Virginia)
- Jepang (Tokyo)
| Model ID | Cakupan Penyebaran | Mode | Token input per permintaan | Harga input (per 1 juta token) | Harga output (per 1 juta token)Rantai pemikiran + jawaban | Kuota gratis(Catatan)Berlaku selama 90 hari sejak tanggal aktivasi Model Studio, rilis model, atau persetujuan aplikasi, mana yang paling akhir |
|---|---|---|---|---|---|---|
qwen4-maxHarga cache (per satu juta token) | Internasional | Mode Non-Thinking dan Thinking | 0<Token≤1M | $1.5 | $4.5 | 1 juta token |
Batas laju
- Singapura
- China (Beijing)
- AS (Virginia)
- Jerman (Frankfurt)
- Hong Kong (China)
- Jepang (Tokyo)
Pengeluaran bulanan Model Studio: | Tier 1 (saat ini) ≤$8.000 | Tier 2 $8.000~$140.000 | Tier 3 >$140.000 |
|---|---|---|---|
Model yang didukung | Tier batas laju TPM | ||
qwen4-max | 5,000,000 | 10,000,000 | 20,000,000 |
Metode pemanggilan
- OpenAI Chat Completions
- OpenAI Responses
- Anthropic Messages
- DashScope
- Kemampuan model
- CoT Summary
- Prompt Cache
Panduan penggunaan
Cache eksplisit
Gunakan kembali prefiks input bersama, seperti prompt sistem, deskripsi alat, dan dokumen referensi, untuk mengurangi biaya input berulang. Mendukung OpenAI Chat Completions, Responses, dan Anthropic Messages dengan TTL 5m dan 1h. Untuk konfigurasi dan penagihan, lihat Cache eksplisit.