Skip to main content

qwen4-max (modelo mais recente)

O Qwen4-Max é o modelo multimodal de ponta da nova geração da família Qwen, que combina geração de texto, compreensão de imagens e vídeos e raciocínio profundo. Ele foi projetado para programação, produtividade de escritório, design de frontend e tarefas complexas de agentes. Com suporte a pesquisa na web, chamadas de ferramentas e saídas estruturadas, além de compatibilidade com as APIs OpenAI e Anthropic, ele permite criar aplicações inteligentes com compreensão multimodal e execução de tarefas.

ID de invocação do modelo (parâmetro model): qwen4-max

Provedor de inferência

Alibaba Cloud Model Studio

Recursos do modelo

  • China (Beijing)
  • Singapore
  • Germany (Frankfurt)
  • Estados Unidos (Virgínia)
  • Japan (Tokyo)
  • Hong Kong (China)

Recurso

Compatibilidade

Recurso

Compatibilidade

Modalidades de entrada

Texto, imagem, vídeo

Modalidade de saída

Texto

Streaming

Compatível

raciocínio profundo

Compatível

chamadas paralelas de ferramentas

Compatível

pesquisa na web

Compatível

conclusão de prefixo

Compatível

Function Calling

Compatível

Resumo e criptografia do raciocínio

Compatível

OpenAI Chat Completions, Responses, Anthropic Messages, DashScope

Compatível

Saída estruturada (JSON Object, JSON Schema)

Compatível

Cache explícito, cache implícito

Compatível

Inferência em lote

Compatível

ajuste fino

Não compatível

implantação de modelo

Não compatível

Limites de taxa e contexto do modelo

Parâmetro

Token

Parâmetro

Token

Comprimento máximo de entrada

991,808

Comprimento máximo de saída

131,072

Comprimento máximo de entrada (modo de raciocínio)

983,616

Comprimento máximo de saída (modo de raciocínio)

262,144

Comprimento do contexto

1,000,000

Comprimento máximo da cadeia de pensamento

262,144

Parâmetros padrão

Parâmetro

Valor padrão

temperature

1.0 no modo de raciocínio; 0.7 sem raciocínio.

top_p

0.95 no modo de raciocínio; 0.8 sem raciocínio.

top_k

20

repetition_penalty

1.0

presence_penalty

0.0 (Raciocínio); 1.5 (Sem raciocínio)

logprobs

false

enable_thinking

true

preserve_thinking

true

reasoning_effort

high

thinking_budget

131072

max_completion_tokens

262144 (Raciocínio); 131072 (Sem raciocínio)

Quando reasoning_effort e thinking_budget são omitidos, os padrões são reasoning_effort=high e thinking_budget=131072.

Intensidade de raciocínio

ProtocoloParâmetroValores aceitosPadrãoMapeamento
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

Preços do modelo

  • Singapore
  • China (Beijing)
  • Hong Kong (China)
  • Germany (Frankfurt)
  • Estados Unidos (Virgínia)
  • Japan (Tokyo)
ID do modeloEscopo de implantaçãoModoTokens de entrada por solicitaçãoPreço de entrada (por 1 milhão de tokens)Preço de saída (por 1 milhão de tokens)
Cadeia de pensamento + resposta
Cota gratuita(Nota)Válido por 90 dias a partir da data de ativação do Model Studio, lançamento do modelo ou aprovação do aplicativo, o que ocorrer mais tarde
qwen4-max
Preço do cache (por milhão de tokens)
InternacionalModos Non-Thinking e Thinking0<Token≤1M$1.5$4.51 milhão de tokens
Para preços e cotas gratuitas, consulte Preços do modelo.

Limites de taxa

  • Singapore
  • China (Beijing)
  • Estados Unidos (Virgínia)
  • Germany (Frankfurt)
  • Hong Kong (China)
  • Japan (Tokyo)

Gasto mensal do Model Studio:

Faixa 1 (atual) ≤$8.000

Faixa 2 $8.000~$140.000

Faixa 3 >$140.000

Modelos suportados

Faixas de limite de TPM

qwen4-max

5,000,000

10,000,000

20,000,000

Para limites de taxa e níveis de AutoTPM, consulte Limites de taxa.

Acesso à API

Uso

Cache explícito

Reutilize prefixos de entrada comuns, como prompts de sistema, descrições de ferramentas e documentos de referência, para reduzir o custo de entradas repetidas. Compatível com OpenAI Chat Completions, Responses e Anthropic Messages, com TTL de 5m e 1h. Para configuração e cobrança, consulte Cache explícito.

Resumo e criptografia da cadeia de pensamento

Retorna um resumo do raciocínio para exibição e o raciocínio criptografado para recuperar o pensamento anterior nas próximas interações. Em conversas com vários turnos, reenvie o conteúdo criptografado anterior sem alterações. Para configuração, respostas em streaming e exemplos completos, consulte Resumo e criptografia da cadeia de pensamento.