# Qwen 4 是什麼？Qwen4-Max 基準測試、實際測試與 API 定價

[在 Offloop 閱讀本文](https://offloop.org/zh-TW/learn/qwen-4-max)

Yifei

比較 Qwen4-Max、Qwen3.8-Max、Claude Opus 5.5 與 Kimi K3.1 Pro。查看發布基準測試、三項實測與各地區 API 定價。

Qwen 4（Qwen4）是阿里巴巴 Qwen 團隊推出的新一代大型語言模型。 **Qwen4-Max 是 Qwen4 系列中首個正式發布的旗艦模型。** 於 2026 年 11 月 16 日發布，支援 100 萬 token 的上下文視窗，能理解文字、圖片與影片，並透過程式碼生成、工具呼叫和結構化輸出執行多步驟任務。

Qwen4-Max 採用混合專家（MoE）架構，總參數量約 2.4 兆，每個 token 啟用 710 億個參數。其預覽版本`qwen4-max-preview`於 11 月 11 日開放使用。正式版本以模型 ID `qwen4-max` 導入按用量計費的 API。阿里巴巴也宣布計畫發布較小型 Qwen4 模型的權重。

[Qwen 官方公告](https://qwen.ai/blog?id=qwen4-max) · [Alibaba Cloud Model Studio 文件](https://docs.modelstudio.console.alibabacloud.com/en/model-studio/qwen4-max)

**Qwen4-Max 的實力如何？它能與 Claude Opus 5.5 競爭嗎？**

根據發布時的基準測試，Qwen4-Max 在某些任務上具備與頂尖前沿模型競爭的實力，尤其是在網頁開發方面。不過，它的整體表現更接近 Kimi K3.1 Pro，而非 Claude Opus 5.5。現有結果不足以支持將它視為 Opus 5.5 的完整替代品。

在 Artificial Analysis 的獨立 Intelligence Index 中，Qwen4-Max 得分 **43**，高於 Qwen3.8-Max 的 34 分，接近 Kimi K3.1 Pro 的 46 分。Claude Opus 5.5 得分 59 分。

在網頁開發方面，差距較小。Qwen4-Max 達到 **1,750 Elo，在 WebDev Arena 初始排名第六**；Opus 5.5 則為 1,816 Elo，排名第二。

這些結果顯示，Qwen4-Max 值得用於前端開發評估。至於複雜的程式庫層級工程、長時間執行的終端機任務，或要求較高的專業推理，在取代 Opus 5.5、Kimi K3.1 Pro 和其他頂尖模型之前，仍應先進行測試。

[Artificial Analysis](https://artificialanalysis.ai/models/qwen4-max) · [WebDev Arena](https://arena.ai/leaderboard/code/webdev)

## Qwen4-Max 基準測試：它比 Qwen3.8-Max 好多少？

Qwen4-Max 的初步評估涵蓋網頁開發、軟體工程、代理程式工作流程、專業知識與多模態理解。

不同組織採用不同的基準測試套件與推理設定，因此不應直接比較它們的分數。

下表優先採用 Artificial Analysis、Arena 與 Vals AI 的獨立結果。這三個組織都發布了對正式版本的評估，主要使用 `xhigh` 推理設定。

Qwen4-Max 的獨立發布基準測試

| 基準測試                                   | Qwen4-Max                    | 比較結果                                        |
| -------------------------------------- | ---------------------------- | ------------------------------------------- |
| Artificial Analysis Intelligence Index | 43                           | Qwen3.8-Max：34；Kimi K3.1 Pro：46；Opus 5.5：59 |
| WebDev Arena                           | 1,750 Elo，第 6 名              | Qwen3.8-Max：1,676；Opus 5.5：1,816            |
| Image-to-WebDev                        | 1,674 Elo，第 6 名              | Qwen3.8-Max：1,639                           |
| Vals Index v2.2                        | 63.20%, #11/38               | Qwen3.8-Max：59.05%；Kimi K3.1 Pro：62.52%     |
| Vibe Code Bench v1.1                   | 86.66%；50 個應用程式中有 21 個通過所有測試 | Qwen3.8-Max：16/50                           |
| Terminal-Bench 4.0                     | 約 48.5%                      | Qwen3.8-Max：38.9%；Kimi K3.1 Pro：約 67%       |
| AA-Briefcase v1.1                      | 1,686 Elo                    | Qwen3.8-Max：1,604；Opus 5.5：1,801            |
| AutomationBench-AA                     | 約 73%                        | Qwen3.8-Max：56%；Opus 5.5：70%                |
| Finance Agent v2.1                     | 66.68%                       | 由 Vals AI 排名第 8                             |
| Tax Agent Bench                        | 40.35%                       | Qwen3.8-Max：49.7%                           |
| Legal Research Bench                   | 41.35%                       | Qwen3.8-Max：46.2%                           |

*Arena 排名是發布初期的結果，可能會隨著收集到更多票數而變動。Vals AI 排名反映當時可取得的模型頁面資料；排行榜規模可能隨時間改變。*

[Artificial Analysis 結果](https://artificialanalysis.ai/models/qwen4-max) · [Vals AI 模型頁面](https://www.vals.ai/models/alibaba_qwen4) · [WebDev Arena 排行榜](https://arena.ai/leaderboard/code/webdev)

### 網頁開發是它最強的領域之一

Qwen4-Max 在 WebDev Arena 上比前一代提升了 74 Elo。在 Image-to-WebDev 基準測試中，它的表現也更好；該測試評估模型將截圖轉換成可運作網頁的能力。

Vals AI 以 50 項網頁應用程式開發任務測試了兩代模型。Qwen4-Max 在 21 個應用程式中通過所有測試，相較之下 Qwen3.8-Max 為 16 個。

兩項評估都顯示，前端生成與互動式應用程式開發有明顯進步。

不過，Qwen4-Max 的 1,750 Elo 與 Opus 5.5 的 1,816 Elo 之間仍有足以影響結果的明顯差距。視覺品質、功能正確性，以及多次迭代修改現有專案的能力，也應分開評估。

### 複雜的程式設計與專業任務仍較弱

在 Terminal-Bench 4.0 上，Qwen4-Max 得分約 48.5%，高於 Qwen3.8-Max 的 38.9%，但仍低於 Kimi K3.1 Pro 約 67% 的成績。

在阿里巴巴發布的 ProgramBench 軟體複製基準測試中，Qwen4-Max 得分 31.5，相較之下 Opus 5.5 為 65.0。

雖然 Qwen4-Max 在部分軟體工程基準測試中具備競爭力，但這項結果顯示，它在複雜且長時間的程式設計任務上仍有顯著差距。

專業領域的基準測試也呈現混合結果。

Vals AI 回報 Finance Agent v2.1 的得分為 66.68%。不過，Tax Agent Bench 的得分從前一代的 49.7% 降至 40.35%，Legal Research Bench 也從 46.2% 降至 41.35%。

因此，評估金融、稅務或法律工作的公司，應優先參考特定任務的結果，而不是完全依賴整體智慧排名。

[Vals AI 詳細結果](https://www.vals.ai/models/alibaba_qwen4) · [Qwen 發布的基準比較](https://x.com/Alibaba_Qwen/status/2122148127520289151)

![Qwen 的發布基準測試圖表，比較 Qwen4-Max、Qwen3.8-Max、Claude Opus 5.5、GPT-6.1 Sol、GPT-6 Astra 與 Kimi K3.1。](https://assets.offloop.org/website/editorial/learn/qwen-4-max/benchmark-overview.d85e3a2ea810.jpg)

來源：Qwen 的發布資料。圖表顯示 Qwen 發布的比較結果。

## 三項實測：Qwen4-Max 實際能打造什麼？

除了基準測試分數，開發者也已發布使用正式模型的執行記錄與可運作範例。

以下三項測試展示網頁應用程式生成、模型之間的設計差異，以及推理設定對速度與 token 消耗的影響。

### 1. 相同網頁開發任務：Qwen4-Max 比 DeepSeek V4.1 Flash 提前 31 分 24 秒完成

開發者 Densitylucky 給 Qwen4-Max 與 DeepSeek V4.1 Flash 相同的任務：打造一座顯示在玻璃盒中的互動式迷你城市。

滑鼠游標就像一支「時間手電筒」。將游標移過場景，就能顯示城市不同區域在 1920 年、1980 年或 2080 年的樣貌。

建築物在不同年代之間必須保持對齊。使用者也必須能釘選多個時間視窗，並在同一張地圖上比較不同時期。

兩個模型都產生了可運作的展示，建築物會依照選定的年代變化。

Qwen4-Max 的展示還額外同時顯示了多個釘選的時間視窗。

開發者回報的完成時間如下：

相同互動式網站任務的完成時間

| 模型                  | 完成時間      |
| ------------------- | --------- |
| Qwen4-Max           | 13 分 31 秒 |
| DeepSeek V4.1 Flash | 44 分 55 秒 |

Qwen4-Max 提前 **31 分 24 秒** 完成這項特定測試。

不過，開發者沒有公開任一模型的完整推理設定、API 成本或逐項驗收測試結果。這些時間不應被解讀為整體相對速度的衡量。

[開發者的原始貼文與並排影片](https://x.com/Densitylucky/status/2122186925343920447)

![Qwen4-Max 與 DeepSeek V4.1 Flash 在相同互動式迷你城市任務中的並排比較。](https://assets.offloop.org/website/editorial/learn/qwen-4-max/time-flashlight-poster.a4c6739f4396.jpg)

[Qwen4-Max 與 DeepSeek V4.1 Flash 在相同互動式迷你城市任務中的並排比較。](https://assets.offloop.org/website/editorial/learn/qwen-4-max/time-flashlight.28f6ddbce50e.mp4)

來源：Densitylucky。上方是 Qwen4-Max，下方是 DeepSeek V4.1 Flash。

### 2. Arena 並排測試：Qwen4-Max、GPT 與 Claude 的設計差異

Arena 的 Peter Gostev 發布了一系列模型生成的專案，包括體素風格的羅馬城市、3D 場景、小型遊戲與互動式網站。

其中一個特別實用的範例是賽車活動儀表板。

Qwen4-Max 將賽道、比賽統計資料與車手清單安排在一個精簡且資訊密集的控制面板中。

GPT-6.1 Sol 為賽道視覺化配置更多空間，讓它成為主要的視覺元素。

兩種設計都滿足了主要要求，但版面配置決策有所不同。

這項比較無法證明任何一個模型在所有情況下都更好。不過，它能幫助開發者評估哪個模型的設計選擇更符合自己的需求。

若要直接查看結果，請先從影片中的 **13:36** 網站設計部分開始，接著繼續到 **15:47** 查看網頁易用性比較。

[Arena 模型並排比較](https://x.com/arena/status/2122157548057084062)

![Peter Gostev 在 Arena 上對 Qwen4-Max 執行網頁、遊戲與 3D 任務的比較。](https://assets.offloop.org/website/editorial/learn/qwen-4-max/arena-review-poster.78464bffded5.jpg)

[Peter Gostev 在 Arena 上對 Qwen4-Max 執行網頁、遊戲與 3D 任務的比較。](https://assets.offloop.org/website/editorial/learn/qwen-4-max/arena-review.6c41f4121eb4.mp4)

來源：Arena 與 Peter Gostev。網站比較從 13:36 開始。

### 3. Simon Willison 的測試：`xhigh` 比 `high` 多花了近 6 分鐘

開發者 Simon Willison 透過 OpenRouter 使用四種推理設定測試 Qwen4-Max，並採用相同的提示詞：

```
Generate an SVG of a pelican riding a bicycle
```

任務是生成一幅鵜鶘騎自行車的 SVG 插圖。

結果如下：

相同提示詞的四種推理設定

| 推理設定  | 時間       | 輸出 token（含推理） |
| ----- | -------- | ------------- |
| 停用    | 1 分 01 秒 | 3,766         |
| low   | 1 分 31 秒 | 5,702         |
| high  | 1 分 37 秒 | 6,362         |
| xhigh | 7 分 23 秒 | 26,295        |

這次 `xhigh` 輸出包含更多視覺細節，例如藍綠色自行車、紅色圍巾，以及一條尾巴露在外面的魚。

不過，所需時間約為 `high` 的 4.5 倍，輸出 token 數量也約為 4.1 倍。

Willison 也使用相同的提示詞測試了 Qwen3.8-Max。

他整體而言更偏好 Qwen4-Max 的結果，但若只比較`xhigh`輸出，他更喜歡前一代模型產生的插圖。

這項測試說明，較高的推理設定不一定更好。增加推理 token 可能改善細節，但也會提高延遲與成本，且不保證每次都能帶來更好的結果。

[原始執行記錄](https://gist.github.com/simonw/ff451620c173ea21e21b97b8cd46805b) · [SVG 輸出預覽](https://tools.simonwillison.net/markdown-svg-renderer?url=https://gist.github.com/simonw/ff451620c173ea21e21b97b8cd46805b) · [Willison 的比較](https://news.ycombinator.com/item?id=50513215)

## Qwen4-Max 比 Qwen3.8-Max 便宜多少？

除了效能提升之外，Qwen4-Max 也大幅降低了完成基準測試任務的平均成本。

Artificial Analysis 使用`xhigh`推理設定評估兩代模型，並公布了以下結果：

Artificial Analysis 對兩代模型的比較

| 指標                 | Qwen3.8-Max | Qwen4-Max |
| ------------------ | ----------- | --------- |
| Intelligence Index | 34          | 43        |
| 每項任務的平均成本          | US$10.02    | US$3.27   |
| 每項任務的平均輸出 token 數量 | 約 171,000   | 約 105,000 |

在這項基準測試中，每項任務的平均成本約下降了**67%**。

API 價格較低，是成本下降的部分原因。新模型完成相同的基準測試套件時，平均使用的輸出 token 也較少。

[Artificial Analysis 成本明細](https://x.com/ArtificialAnlys/status/2122161637595738416)

Alibaba 在內部的 Work360 評估中也觀察到類似趨勢。

Qwen4-Max 將分數從 47.74 提升至 52.69；每項任務的平均成本則從**US$4.43 降至 US$1.67**，約減少 62%。

不過，Work360 是由供應商公布的評估。它的任務、設定與定價假設都不同於 Artificial Analysis 所採用的條件，因此不應將這兩個成本數字合併比較。

[Qwen Work360 成本結果](https://x.com/Alibaba_Qwen/status/2122148131982946642) · [Work360 基準測試分數](https://x.com/Alibaba_Qwen/status/2122148135623647368)

![比較 Qwen4-Max 與 Qwen3.8-Max 在 Work360 和 Terminal-Bench 4.0 上每項任務分數與 token 數量的 Qwen 圖表。](https://assets.offloop.org/website/editorial/learn/qwen-4-max/token-efficiency.563bc6e3eca8.jpg)

來源：Qwen。圖中的資料點採用了不同的推理設定。

對實際開發流程而言，更有參考價值的指標，是達到可接受結果所需的總成本，包括初次生成、重試、除錯，以及必要的人工介入。

## 如何使用 Qwen4-Max：可以在哪裡試用？

Alibaba 列出 Qwen Studio、QwenWork 和 Qoder，作為存取 Qwen4 的方式。

如果你只是想試用它的文字生成或程式設計能力，可以先從其中一項官方產品開始。

需要將模型整合至應用程式或代理程式系統的開發者，可以使用 Alibaba Cloud Model Studio 或 OpenRouter。

* [Qwen Studio](https://chat.qwen.ai/) · 線上試用 Qwen 模型
* [QwenWork](https://qwenwork.ai/) · Qwen 面向工作的 AI 體驗
* [Qoder](https://qoder.com/) · AI 驅動的軟體開發
* [Alibaba Cloud Model Studio](https://docs.modelstudio.console.alibabacloud.com/en/model-studio/qwen4-max) · API 模型 ID：`qwen4-max`
* [OpenRouter](https://openrouter.ai/qwen/qwen4-max) · API 模型 ID：`qwen/qwen4-max`

Qwen4-Max 官方版本支援 OpenAI Chat Completions、Responses、Anthropic Messages 和 DashScope 介面。

它也支援工具呼叫、平行工具呼叫，以及結構化 JSON 輸出。

較早的`qwen4-max-preview`模型曾透過 Token Plan 提供。官方`qwen4-max`模型現在支援按用量計費的 API。

整合模型時，請確認選取的是正式版本，而不是預覽模型。

[Alibaba Cloud 文件](https://docs.modelstudio.console.alibabacloud.com/en/model-studio/qwen4-max) · [預覽模型文件](https://docs.qwencloud.com/developer-guides/getting-started/latest-model)

### Qwen4-Max API 定價

Alibaba Cloud Model Studio 的價格會因部署區域而異。

下表顯示截至 2026 年 11 月 16 日查詢到的公布標準費率。所有價格均以每百萬 token 計算。

Model Studio 每百萬 token 的定價

| 區域與部署範圍        | 輸入       | 輸出      | 快取命中     |
| -------------- | -------- | ------- | -------- |
| 美國維吉尼亞州 — 全球部署 | US$1.413 | US$4.24 | US$0.071 |
| 新加坡 — 國際部署     | US$1.50  | US$4.50 | US$0.075 |
| 北京 — 中國大陸部署    | ¥10      | ¥30     | ¥0.50    |

推理 token 會按照輸出 token 計費。

上方顯示的快取命中價格，與快取建立價格不同。明確建立快取可能會另外計費。

與相同部署區域的 Qwen3.8-Max 相比，Qwen4-Max 的標準輸入與輸出 token 價格，在維吉尼亞州約低 14.4%，在新加坡約低 25%。

[Alibaba Cloud 國際定價](https://docs.modelstudio.console.alibabacloud.com/en/model-studio/model-pricing) · [中國大陸定價](https://help.aliyun.com/zh/model-studio/model-pricing)

### 開發者在使用 API 前應該了解什麼？

Qwen4-Max 支援最高 100 萬 token 的上下文視窗，適合處理長篇文件或大量專案上下文的任務。

不過，能夠接受長上下文，不代表模型就能準確擷取或參照其中的每一項細節。

推理設定也會影響輸出 token 用量、延遲與成本。開發者不應在每項任務中都自動使用`xhigh`推理設定。

若要透過 Alibaba Cloud Model Studio 整合 Qwen4-Max，請為適用的區域建立 API 金鑰、設定相應的 API 端點，並將模型 ID 設為`qwen4-max`。

使用 OpenRouter 時，模型 ID 為`qwen/qwen4-max`。其模型頁面也提供推理設定與定價資訊。

[OpenRouter 上的 Qwen4-Max](https://openrouter.ai/qwen/qwen4-max)

## Qwen4-Max 值得使用嗎？

如果你的工作涉及前端原型、互動式網站，或具有明確驗收標準的開發任務，**Qwen4-Max 值得測試**。

一種實用的評估方式，是從你熟悉的專案中擷取一張螢幕截圖，讓 Qwen4-Max 和你目前使用的模型執行相同任務。

先從`high`推理設定開始，並定義幾項具體的驗收標準：

* 版面配置應與參考畫面高度相似。
* 必要的互動功能必須正常運作。
* 頁面在窄螢幕上仍必須保持可用。

接著記錄通過這些檢查所需的總時間、token 用量、重試次數與手動修改。

只有在額外成本帶來有意義的改善時，才提高推理設定。

如果你的團隊目前依賴 Opus 5.5 或 Kimi K3.1 Pro 進行儲存庫維護、複雜的終端機操作，或長時間執行的代理程式工作流程，請先用最常見的實際任務測試 Qwen4-Max，再考慮遷移。

它在終端機程式設計與專業工作流程中的獨立基準測試結果，尚不足以證明它能完全取代這些模型。

發布結果顯示，Qwen4-Max 在多個面向都較 Qwen3.8-Max 有大幅改善，尤其是在網頁開發方面。API 價格與每項任務的平均成本也有所下降。

Qwen4-Max 是否應取代現有的前沿模型，最終取決於你實際工作負載下的任務完成率、延遲與總成本。

*注意：本文整理了官方 Qwen4-Max 於 2026 年 11 月 16 日發布前後公布的初步結果。Arena 排名會動態變化，部分結果仍屬初步資料。Artificial Analysis 和 Vals AI 提供獨立評估；Work360、ProgramBench 以及 Alibaba 公布的其他結果，均標示為供應商公布的基準測試。個別開發者測試只展示模型在特定任務上的效能，不應視為完整的模型評估。*

## 參考資料

* [\[1\] Qwen 官方公告](https://qwen.ai/blog?id=qwen4-max)
* [\[2\] Alibaba Cloud Model Studio 文件](https://docs.modelstudio.console.alibabacloud.com/en/model-studio/qwen4-max)
* [\[3\] Artificial Analysis](https://artificialanalysis.ai/models/qwen4-max)
* [\[4\] WebDev Arena](https://arena.ai/leaderboard/code/webdev)
* [\[5\] Vals AI 模型頁面](https://www.vals.ai/models/alibaba_qwen4)

- [\[6\] Qwen 公布的基準測試比較](https://x.com/Alibaba_Qwen/status/2122148127520289151)
- [\[7\] 開發者的原始貼文與並排影片](https://x.com/Densitylucky/status/2122186925343920447)
- [\[8\] Arena 並排模型比較](https://x.com/arena/status/2122157548057084062)
- [\[9\] 原始執行記錄](https://gist.github.com/simonw/ff451620c173ea21e21b97b8cd46805b)
- [\[10\] SVG 輸出預覽](https://tools.simonwillison.net/markdown-svg-renderer?url=https://gist.github.com/simonw/ff451620c173ea21e21b97b8cd46805b)
- [\[11\] Willison 的比較](https://news.ycombinator.com/item?id=50513215)
- [\[12\] Artificial Analysis 成本明細](https://x.com/ArtificialAnlys/status/2122161637595738416)
- [\[13\] Qwen Work360 成本結果](https://x.com/Alibaba_Qwen/status/2122148131982946642)
- [\[14\] Work360 基準測試分數](https://x.com/Alibaba_Qwen/status/2122148135623647368)
- [\[15\] Qwen Studio](https://chat.qwen.ai/)
- [\[16\] QwenWork](https://qwenwork.ai/)
- [\[17\] Qoder](https://qoder.com/)
- [\[18\] OpenRouter](https://openrouter.ai/qwen/qwen4-max)
- [\[19\] 預覽模型文件](https://docs.qwencloud.com/developer-guides/getting-started/latest-model)
- [\[20\] Alibaba Cloud 國際定價](https://docs.modelstudio.console.alibabacloud.com/en/model-studio/model-pricing)
- [\[21\] 中國大陸定價](https://help.aliyun.com/zh/model-studio/model-pricing)

## 延伸閱讀

* [Qwen4-Max Preview 評測](https://offloop.org/zh-TW/learn/qwen-4-max-preview-test)

更新於 2026 年 11 月 16 日
