Qwen4-Max 与 Hy4 flash 同日发布:两条降本路线怎么选
阿里和腾讯 11 月 16 日同天发布新模型:Qwen4-Max 用 2.4T 稀疏架构把单任务费用降 58%,Hy4 flash 用 12B 激活把成本压到 Hy4 的 1/20。三条价格口径怎么对齐、按任务怎么分工,逐项算清。
11 月 16 日,阿里和腾讯在同一天发了新模型,但两家给的答案不一样:Qwen4-Max 用 2.4 万亿参数把旗舰的单任务费用压了 58%,Hy4 flash 把激活参数砍到 12B,把单任务成本做到 Hy4 的 1/20。同一天、同一个方向、两种做法,这篇把两者放在一起算一遍,并给出按任务分工的选型结论。
一、两者不是同一档产品
| 项目 | Qwen4-Max(阿里) | Hy4 flash(腾讯) |
|---|---|---|
| 发布日 | 2026-11-16 | 2026-11-16 |
| 总参数 | 2.4T,另有 328B N-gram Embedding | 224B,其中 64B 为 Engram 参数 |
| 激活参数 | 71B | 12B |
| 上下文 | 1M tokens | 1M tokens |
| 模态 | 原生视觉 | 多模态 |
| 定位 | 旗舰,长程 Agent 与编程 | 轻量档,高频日常任务 |
| 许可 | 闭源,中小尺寸将陆续开源 | 闭源,官方称计划开源 |
| 主要入口 | 千问 AI 平台、Token Plan、千问办公、Qoder、千问 App | 腾讯云 TokenHub、WorkBuddy、元宝、企业微信、QQ、ima、Marvis |
激活参数的差距是 5.9 倍(自算:71 ÷ 12),这是后面所有价格差异的起点。把两款当同档竞品对比,从第一行就错了。
二、三个价格维度不能混着比
价格要拆成三层:输入单价、输出单价、缓存命中价。混成一句「谁更便宜」,结论一定失真。
- 缓存命中价:Qwen4-Max 0.5 元/百万 tokens,Hy4 flash 0.02 元/百万 tokens,差 25 倍(自算:0.5 ÷ 0.02)。
- 输入输出单价:Hy4 flash 给全了,输入 0.5 元、输出 2 元。Qwen4-Max 的公开报道只给了缓存命中价与单任务费用,完整价目表要去千问 AI 平台查,新闻稿里没有这个数字。
- 单任务成本:阿里给的是 26.58 元降到 11.16 元(Work360 口径),腾讯给的是「Hy4 的 1/20」(WorkIndex 口径)。
最难对齐的是第三层。两家用的都是自家内测集:阿里的 Work360、腾讯的 WorkIndex(覆盖 PPT 制作、文档编辑、表格修复、音视频处理等 WorkBuddy 典型任务)。题库不一样,「降 58%」和「降到 1/20」不能摆在同一根柱子上。真正可比的只有各自相对自家上一代的比值,而不是两家之间的绝对差。

价格口径还会随时间变。站内 11 月大模型 API 价格表 是按公开价目表整理的横比,等两家把完整价格挂上去,那张表比本文更快过时——做预算前建议以官方价目表为准。
三、Qwen4-Max:降本来自 token 效率
架构层面三个改动:Qwen 稀疏注意力(QSA)降低长序列注意力开销,Gated Residual 把残差流扩成四条并行分支,N-gram Embedding 用较低计算开销扩容量。落到数字上是这样的:
- Terminal-Bench 4.0 在同为 Xhigh 思考档位时,每次尝试的平均 token 用量从 289K 降到 151K,减少约 48%,得分从 38.9 升至 48.5(自算:token 降 47.8%,得分升 24.7%)。
- Work360 综合分从 47.74 提升到 52.69。
- CodeArena 全球前端编程盲测,Qwen4 排第六。
这里有一处口径不一致值得记下来:阿里云开发者社区的文章写上一代 Terminal-Bench 得分是 37.9,多家媒体转述为 38.9,对应「提升 28%」和「提升 25%」两种说法。新版的 48.5 是一致的,差异在基线。
另外,11 月 12 日那篇 Qwen4-Max 预览版拆解 里有两个空白,正式版补掉了一个:参数规模从「未公布」变成了 2.4T 总参 / 71B 激活。第二个空白——第三方独立评测——仍然存在,目前的分数字段都来自官方口径。
四、Hy4 flash:降本来自蒸馏与小激活
224B 总参里 64B 是 Engram 参数,真正参与每次推理的只有 12B。KV cache 压到 Hy3 的 1/24、Hy4 的 1/6;后训练阶段自蒸馏 Hy4 拿能力,再用强化学习把端到端输出长度压掉 50%;推理侧用 megakernel、4bit 量化、DFly,解码速度超过 150 tps。
几组官方数字:
- 综合效果略优于 Hy4 preview(总参 770B、激活 49B),但成本显著更低。
- 按 WorkIndex 测算,单任务成本为 Hy4 preview 的 1/13、Hy4 的 1/20、DeepSeek-V4.1-Flash-1017(Max 档、忙时价)的 1/8。
- 内部 85 位 WorkBuddy 用户盲测,27 类共 259 个任务:满意度接近 Claude Haiku 5.5,单任务成本 0.26 元,端到端时长中位数 6.7 分钟。
按单价自己算一遍,会发现「1/20」不是单价能解释的。取 2,000 输入 + 500 输出、1,000 次请求:Hy4 flash 是 2 元(输入 1 元 + 输出 1 元);对照 Hy4 的 0.417 / 1.2505 美元定价,同样用量约 1.46 美元,按 7.2 折算约 10.5 元。倍差约 5.3 倍,离 1/20 还差近 4 倍——这部分由输出长度压缩 50% 和缓存命中价 0.02 元补上。
这条推算的实用价值在于:如果你的场景缓存命中率低、输出又长,实际省下的比例会明显低于官方数字,落到 5 倍这个量级更现实。
五、按任务分工,而不是按跑分
混元自己给的分工口径很直接:深度搜索、文档处理、PPT 生成、简单前端展示、Computer Use 这类日常任务用 Hy4 flash;长程软件工程等复杂任务用智能上限更高的 Hy4。这套划分对 Qwen4-Max 同样适用——它补的是长周期、多工具、要原生视觉理解的旗舰位。
实际选型看三个变量:
- 任务长度。单轮几分钟能收尾的,flash 的单价优势直接兑现;跨几十轮、要维持状态的长程任务,12B 激活的模型会在中途丢上下文,省下的钱要用重试补回去。
- 缓存命中率。flash 的缓存价是输入价的 1/25(0.02 对 0.5),命中率高的批处理才吃得到这层红利;命中率低时,2 元的输出价才是主导项。
- 是否要原生视觉。Qwen4-Max 的原生视觉面向截图分析、界面理解这类任务;如果只是读文档里的图,多模态轻量模型够用。
不建议用新闻稿里的单任务成本做预算。拿自己 20 条真实任务跑一遍,记 token 账单,比任何官方比值都准。
六、接下来看什么
- 11 月 18 日、19 日:阿里、腾讯 Q3 财报。模型发布卡在财报窗口前,两家的算力投入与 API 收入口径会在这两份财报里第一次对上。
- 调用量:按 OpenRouter 上周(11 月 9—15 日)数据,Hy4 以 18.1 万亿 token 升至全球第二,环比增长 42%。flash 上线后会不会把这部分量再往下压一档,两周内能看出来。
- 开源时间表:Qwen4 系列中小尺寸、Hy4 flash 都在「将开源/计划开源」阶段,权重真正放出来之前,本地部署的成本模型都还是未知数。
- 完整价目表:Qwen4-Max 的输入输出单价目前只有缓存命中价是明确的,这张表补齐之后,本文的成本推算才有校准依据。
参考来源:阿里云开发者社区 Qwen4-Max 发布说明、财联社 2026-11-16 报道、腾讯混元 Hy4 flash 发布信息、环球网 2026-11-16 报道。
登录后可点赞、收藏与反馈。