Qwen4-Max 預覽解讀：百萬 Token、限時退役與選型的證據界線（2026）

2026 年 11 月 11 日，QwenCloud 在官方模型更新中公布 Qwen4-Max 預覽，並以〈Latest model: Qwen4-Max-Preview〉交代規格與存取條件。這次值得讀的，是百萬 Token、多模態與工具能力之外的一行安排：預覽結束後，這個版本會退役。

先把原文承諾與限制讀完整，再看哪些能力仍待證據，最後決定這段預覽期值得拿來做什麼。本文分析官方文件與公開研究，未呼叫此模型取得自測成績。

一、Qwen4-Max 預覽開放了什麼？先分清規格與成績

官方模型更新紀錄把這次發布列在 11 月 11 日。原文將它定位為新一代旗艦多模態模型，面向程式、辦公、前端與複雜 Agent 工作；這是供應商對用途的定位，尚不能替任何人的實際任務打分。

官方列出的項目	文件內容	評估時還要問
輸入／輸出	文字、圖片、影片輸入；文字輸出	是否讀對表格、畫面與時間關係？
上下文	1M Token	相關證據放在不同位置，答案仍一致嗎？
最大輸出	393,216 Token，推理與答案共用	完成一件工作，實際耗多少與等多久？
工具與格式	Function Calling、搜尋與內建工具、JSON Object／JSON Schema	參數、工具回填及最後資料狀態是否正確？
協定相容	Chat Completions、Responses、Anthropic Messages	既有客戶端的參數語意與歷史回填是否對得上？

上表可在官方模型規格表交叉核對。「多模態」在這裡首先描述可讀哪些輸入；別直接把理解圖片與影片，延伸為這個模型也能生成圖片與影片。選模型前，先寫出你真正要交付的產物。

原文的核心訴求，是把看圖、讀長材料、推理與工具操作放進同一條工作鏈。這有吸引力：例如根據介面截圖與需求文件修改前端，再核對結果。但能力清單仍只是起點；每一段都接得上，最後才有一份可交付的作品。

二、11 月 25 日不是一般促銷截止：預覽版會退役

Pay-as-you-go access is not supported.

中文：不支援按量付費存取。

QwenCloud，Qwen4-Max-Preview 文件

截至 2026 年 11 月 12 日查閱，原文與Token Plan 個人版文件一致列出：預覽自 11 月 11 日 10:00 至 11 月 25 日 24:00（UTC+8）；期間模型不變，結束後退役。24:00 指的是 25 日當天結束，也就是 26 日 00:00，別讀成 25 日剛開始。

期間不變，有助於把同一版模型的多輪結果放在一起比較；退役，則代表你得把退出安排一起寫進試驗。不能從這份預覽條款，推定它之後會自動換成某個正式版、沿用相同價格，或保住相同輸出。

更直接的邊界藏在使用範圍。官方相容工具說明明列，個人與團隊 Token Plan 支援的範圍是 AI 程式工具及相容 Agent，排除自動化工作流平台、API 測試工具、自訂自動化腳本與應用後端。兩版方案的條款也都限定工具內的互動使用。有 API 協定與金鑰，不代表取得了任意後端或排程呼叫的使用資格。

因此，這次適合安排在合規工具內、由使用者互動發起的模型比較。團隊方案的席次與管理功能，可以到團隊版文件核對；它不會自動解除上述用途限制。若你的需求本來就是無人批次服務，先解決可用服務與授權範圍，別照著一般相容 API 範例就開跑。

三、百萬 Token 是容量；讀懂長材料，要另交一張考卷

把長上下文想成一張很大的桌子：能攤開更多頁，對程式庫、多份文件和跨畫面工作很有幫助。但桌子大，不等於每條註腳都被用對。你真正需要的，可能是找出兩份規格的矛盾、追到某項需求的例外，或拒絕採用已作廢的版本。

這個區分有獨立研究背景。Nelson F. Liu 等人的〈Lost in the Middle〉研究在多文件問答與鍵值檢索中，觀察到受測模型表現會隨相關資訊的位置改變，中段材料尤其容易造成退步。那是 2023 年研究中那些模型與任務的結果，不是 Qwen4-Max 的測試，也不能推論新模型一定重犯相同錯誤。它提供的是一個值得保留的考題。

評估時可以手動準備三份內容相同、證據位置不同的自有材料，把關鍵條款放在前段、中段與後段。請模型給出結論及可回查的原文位置，再加入一份舊版或相似但不適用的段落，觀察它是否能分辨。這是建議的測試設計，並非本文已執行的實驗。

還要比較「交出相同合格答案」所需的用量與時間。一次塞入全部材料、先整理相關段落，可能有不同取捨；不要先把容量用滿，再拿一個正確答案證明容量划算。需要建立評分規則，可接著看 AI Evals 入門；理解多題共享材料的另一種效率問題，則可讀 Flide 的工作負載比較。

四、Qwen4-Max 預覽的細節：思考和答案共用輸出預算

Both limit the combined tokens for thinking and the final answer.

中文：兩者都限制思考與最終答案的 Token 合計。

QwenCloud，原文 Usage notes

這裡的「兩者」是 max_tokens 與 max_completion_tokens。官方 API 相容性更新通知在 11 月 2 日已寫出規則：從這個新模型開始，Chat Completions 的兩個參數等價，計入推理加答案；較早模型保留原行為。

想像你把一個請求的合計上限設為 8,000 Token，而該次推理用了 6,000；留給答案的空間就至多約 2,000。這是說明預算如何分配的假設算例，不是模型的典型用量。若舊設定原本只替答案留空間，換模型後便可能提早用盡預算。

同理，393,216 的最大輸出規格，也不能讀成「另外還能寫這麼長的最終答案」。原文把思考預設為開啟，列出 low、medium、xhigh，預設 xhigh；並提醒不要同設 reasoning_effort 與 thinking_budget。比較時若只記模型名，漏掉推理檔位，就可能拿不同投入的結果互比。

原文還特別要求多輪 Chat Completions 的歷史思考放回 reasoning_content，不要串進 content。這提醒我們：相容協定降低了接線門檻，但參數、回傳欄位與歷史訊息的處理仍要逐項核對。

五、工具、JSON 與影片理解，各自需要自己的驗收

工具呼叫可分成三件事：模型選出工具，程式執行工具，模型根據回傳繼續工作。第一步輸出一份看似合理的參數，不能替後兩步作保。以根據截圖修正網頁為例，應同時看它讀到哪個按鈕、改了哪些檔案、測試是否通過，以及最後畫面是否符合需求。

JSON 也是如此。一份可以解析的物件，只先過了格式關；日期、數量、引用與要寫入的目的地仍要逐項檢查。比較模型時，把「格式正確」「內容正確」「工具動作正確」分欄，才看得出新能力改善哪一段。

影片題則要分清單幀辨識與跨時間理解。可以用自有短片詢問事件順序、某個動作發生前後的狀態，再回看原片。先確認工具真的把影片交給模型，而非只截了一張代表圖。若要理解模型與執行層各自負責什麼，Agent Harness 的白話介紹與最小 Harness 拆解可以補足這層分工。

截至本次查核，本文取得的材料足以核對官方開放與規格聲明，但未取得可據以判定 Qwen4-Max 相對其他旗艦模型優劣的獨立公開實測。因而不給它「最強」名次，也不把使用者的展示轉寫為普遍成功率；本文同樣不從這次雲端預覽推定可下載權重或本機部署資格。

六、AlphaLab 的判讀：把短期開放，換成能帶走的證據

我同意：把多種能力放在同一個真實問題上比較

這次值得關注的，是多模態、長材料與工具操作能否在同一項工作互相補足。對需要看介面、查文件再修改程式的人，分段各有能力，未必等於整段能交件。預覽提供了一次評估機會，最有用的成果是一份自己的工作紀錄。

我存疑：旗艦定位能否直接變成選型結論

供應商想把模型定位到高價值任務，有清楚商業動機；這不會讓規格自動失真，也不會替能力提供外部驗證。我會先問：同一份材料、相同交付要求下，它少犯了哪一類錯、用了多少資源、需要多少人工返工？能回答這三題，才比一句「更會推理」接近決策。

預覽期限反而讓試驗目標更清楚：保留可以搬走的東西

不要把試驗成果綁在預覽 ID 上。保留去識別的輸入、明確答案本、推理設定、工具回傳與失敗類型；未來出現正式版或其他候選，都可再用同一份考卷比較。這些東西比一段漂亮回答更耐用，也讓退役不至於變成整個工作方法歸零。

下一步：在相容工具內，手動完成一個小型對照

選一件你有權處理、能回查對錯的工作，例如根據三頁自有規格與一張介面截圖，整理出五項修改要求。先寫答案本，再由你在合規工具內分別發起現用模型與預覽版的互動任務；固定材料與驗收，記下遺漏、錯引、工具失敗、時間與實際用量。別因為預覽快結束，就省略對照。

準備資料時也要先看跨境傳輸與用途。Token Plan 個人及團隊文件都列出新加坡區域與 Global 部署，推論會在全球執行；「選到新加坡」不能直接推成「資料只在新加坡處理」。先用可公開或獲准的測試材料，把個人資料與正式金鑰留在模型輸入之外；Agent 密鑰安全可接著檢查這條資料路徑。

Qwen4-Max 預覽最值得帶走的，是一份足以判斷下一個版本的考卷。11 月 25 日之前，先讓它證明一件小事；之後無論模型名稱怎麼換，你仍知道什麼才算完成。