Qwen3.7 Plus API-priser 2026: Omkostninger, cache & batch

**TL;**DR Qwen3.7 Plus starter ved $0.40/M input og $1.60/M output på Alibabas US-local rute, mens Global-ruten starter ved $0.276/M og $1.101/M. Til sammenligning angiver CometAPI i øjeblikket modellen til $0.32/M input og $1.28/M output. Den primære omkostningsrisiko er Alibabas 256K-tærskel: når en anmodning overskrider den, gælder det højere niveau for hele anmodningen.

Qwen3.7 Plus API-priser i overblik

Qwen3.7 Plus har ikke én universel API-pris. Den endelige omkostning afhænger af rutevalg, anmodningslængde, midlertidige rabatter, cache-brug, thinking-output, Web Search-kald og regional funktionsdækning.

Alibaba dokumenterer et 1,000,000-token kontekstvindue for qwen3.7-plus.

Kilder:**Alibaba Cloud Model Studio-priser

Bemærkning om midlertidige Alibaba-rabatter

Alibabas aktuelle pristabel mærker den globale qwen3.7-plus med en tidsbegrænset 20% dagsrabat og 60% natrabat.

Det offentliggjorte nattevindue er 22:00–08:00 UTC**+8**, baseret på faktureringstidspunktet. International-ruten viser i øjeblikket en tidsbegrænset 20% rabat.

Da disse kampagner kan ændre sig eller udløbe, bruger beregningerne nedenfor standard listepriser, medmindre andet er angivet. For en live produktionsprognose, tjek Model Studio-konsollen og prissiden den dag, du sender trafik.

Alibaba US-local vs Global-priser

Den vigtigste forskel for amerikanske udviklere er, at Alibabas US-local og Global ruter ikke bruger den samme prisliste-række.

US-local model-ID’et er:

qwen3.7-plus-us

Dens listepris starter ved:

• $0.40 pr. 1M input-tokens
• $1.60 pr. 1M output-tokens

Global model-ID’et er:

qwen3.7-plus

Dens listepris starter ved:

• $0.276 pr. 1M input-tokens
• $1.101 pr. 1M output-tokens

Global-ruten er billigere baseret på den offentliggjorte listepris, men prisen bør ikke være den eneste rutefaktor.

Teams bør også overveje:

• Dataresidenskrav
• Regional tilgængelighed
• Latens
• Værktøjsunderstøttelse
• Compliance-krav
• Servicestabilitet
• Midlertidige udbyderrabatter

En billigere global rute er muligvis ikke egnet til workloads, der kræver behandling i en bestemt region.

Sådan fungerer 256K pristrinnet

Alibaba Cloud bruger det samlede antal input-tokens i en enkelt anmodning til at vælge pristrin.

Hvis en anmodning krydser 256K input-tokens, anvendes den højere enhedspris på alle tokens, der faktureres i den anmodning, inklusive output-tokens til den output-sats, der er vist for det højere trin.

En anmodning på 300K tokens faktureres ikke som:

• 256K tokens til den lavere pris
• 44K tokens til den højere pris

I stedet bruger hele anmodningen det højere pristrin.

For US-local-ruten betyder det, at prisen ændres fra:

• $0.40 til $1.20 pr. 1M input-tokens
• $1.60 til $4.80 pr. 1M output-tokens

De højere satser gælder for alle fakturerbare input- og output-tokens i den anmodning.

Qwen3.7 Plus-omkostningseksempler

Eksempel 1: En anmodning under 256K

Antag at en anmodning indeholder:

• 100.000 input-tokens
• 10.000 output-tokens

Alibaba-tallene ovenfor bruger offentliggjorte listepriser før eventuelle midlertidige rabatter.

Eksempel 2: En anmodning over 256K

Antag nu at en anmodning indeholder:

• 400.000 input-tokens
• 20.000 output-tokens

Fordi anmodningen overstiger 256K input-tokens, anvender Alibaba Cloud det højere trin på alle input- og output-tokens i anmodningen.

*CometAPI-tallet er et betinget estimat, ikke en bekræftet produktionspris for anmodninger over 256K.

CometAPI’s offentlige modelside viser i øjeblikket én headline-sats og cirka 991,8K maksimale input-tokens. Den angiver dog ikke, om anmodninger over 256K:

• Beholder den samme headline-pris
• Bruger et separat pristrin for lang kontekst
• Pålægges et ekstra routing-tillæg

Hvis headline-satserne forbliver uændrede over 256K, vil den anslåede pris være:

• Input: 400K ÷ 1M × $0.32 = $0.1280
• Output: 20K ÷ 1M × $1.28 = $0.0256
• Total: $0.1536

Kilde*:* CometAPI Qwen3.7 Plus-priser

Kan opdeling af en stor anmodning reducere omkostningen?

I nogle tilfælde ja.

Antag at 400K-input-opgaven kan opdeles i to uafhængige anmodninger, der hver indeholder:

• 200K input-tokens
• 10K output-tokens

På US-local-ruten:

Versionen med to anmodninger er markant billigere, fordi begge kald forbliver under 256K-grænsen.

Dette er dog en illustrativ optimering snarere end en universel anbefaling.

Opdeling kan introducere:

• Dublikeret kontekst
• Yderligere API-kald
• Mere orkestreringslogik
• Højere latens
• Tab af tværdokumentkontekst
• Lavere svartkvalitet

Brug kun denne tilgang, når arbejdet kan adskilles uden at svække det endelige resultat.

Priser for Context Cache for Qwen3.7 Plus

Context Cache kan reducere omkostningerne ved gentagne systemprompter, repository-kontekst, politikdokumenter, produktkataloger og andet genbrugeligt referenceindhold.

Alibaba Cloud tilbyder eksplicitte og implicitte Context Cache-tilstande.

Kilde: Alibaba Cloud Context Cache-dokumentation.

Eksempel på omkostninger for Context Cache

Antag at en US-local workflow gentagne gange sender:

• 80K stabile præfixtokens
• 5K nye input-tokens
• 5K output-tokens

Eksplicit cache har en fem minutters gyldighedsperiode, der nulstilles efter et succesfuldt hit, ikke et minimums-TTL på én time.

Dens oprettelsestokens koster 125% af den normale inputpris, mens senere cache-hits koster 10%.

Hvornår bliver eksplicit cache billigere?

For det stabile prefix alene, lad N være det samlede antal anmodninger med identisk prefix.

Den normaliserede eksplicit-cache-omkostning er:

1.25 + 0.10 × (N − 1)

En ideel implicit-cache-sekvens er:

1.00 + 0.20 × (N − 1)

Under den forenklede antagelse, at hver anmodning efter den første modtager et implicit-cache-hit, bliver eksplicit cache billigere ved fire samlede anmodninger:

• Én cache-oprettelsesanmodning
• Tre succesfulde cache-genbrug

Sammenlignet med slet ingen caching bliver eksplicit caching billigere ved den anden samlede anmodning.

I reelle workloads kan break-even-punktet variere, fordi implicitte cache-hits ikke er garanteret.

Følg op på:

• Cachede input-tokens
• Cache-oprettelsestokens
• Ikke-cachede input-tokens
• Output-tokens
• Cache-hit-rate
• Antal retries
• Tasksuccesrate

Lavere tokenforbrug hjælper ikke, hvis cache misses eller kvalitetsregressioner fører til flere retries.

Qwen Web Search-priser

For qwen3.7-plus henviser Alibaba udviklere til at bruge Responses API’ens web_search-værktøj.

Web Search tilføjer to separate omkostningskomponenter:

1. Hentet webindhold føjes til modelprompten og faktureres som normale input-tokens.
2. Søgepolitikken har et separat gebyr pr. 1.000 kald.

De aktuelt dokumenterede agent-politik-satser er:

Kilde: Alibaba Cloud Web Search-dokumentation.

Supporttabellen viser i øjeblikket qwen3.7-plus for Global og International udrulningsområder, men den viser ikke US-local model-ID’et qwen3.7-plus-us.

Verificer værktøjsunderstøttelse, før du designer en US-local workflow omkring Alibabas indbyggede Web Search-funktion.

Internationalt Web Search-omkostningseksempel

Antag at en anmodning indeholder:

• 10K normale input-tokens
• 2K output-tokens
• To Web Search-kald

Før vi tæller de ekstra tokens, der returneres af søgemaskinen:

Søgepolitikgebyret udgør:

$0.0200 ÷ $0.0272 = 73.5%

I dette eksempel udgør søgegebyret 73,5% af totalen før hentet indholds-tokens er medregnet, eller 74% afrundet til nærmeste hele procentpoint.

På Global-ruten er politikgebyret pr. kald meget lavere. Hentede websider kan dog stadig markant øge input-tokenforbruget eller skubbe en langvarig agent over 256K-prisgrænsen.

For søgebaserede workflows, track både:

• Antal søgekald
• Antal hentede indholds-tokens

Batch API-priser og tilgængelighed

Alibabas Batch File API opkræver betaling for succesfulde input- og output-tokens til 50% af den tilsvarende realtids-inferenspris.

Det er designet til offline workloads, hvor øjeblikkelige svar ikke er nødvendige, herunder:

• Modellevalueringer
• Dokumenttagging
• Storskala klassifikation
• Syntetisk datagenerering
• Natlig berigelse
• Offline multimodal behandling
• Benchmark-kørsler

Batch-rabatten bør dog ikke automatisk indgå i enhver Qwen3.7 Plus-omkostningsprognose.

Den aktuelle dokumentation angiver, at:

• Det præcise qwen3.7-plus-model er opført under Kina (Beijing).
• Singapore Batch-området viser generiske aliaser som qwen-plus i stedet for det præcise qwen3.7-plus model-ID.
• Dokumentationen viser ikke qwen3.7-plus-us som en understøttet US-local Batch-model.
• Understøttede Qwen3.7 Plus Batch-anmodninger har en maksimal kontekst på 256K, ikke 1M.
• Batch understøtter ikke Context Cache.
• Batch- og cache-rabatter kan ikke kombineres.
• Thinking-tilstand er aktiveret som standard for Qwen3.7-seriens Batch-jobs, medmindre det eksplicit konfigureres.
• Thinking-tokens faktureres til output-token-satsen.
• Den konfigurerbare completion_window er en maksimal ventetid mellem 24 og 336 timer.
• Completion-vinduet er ikke en garanti for, at hvert job tager 24 timer eller afsluttes på et bestemt tidspunkt.

Kilde*:* Alibaba Cloud OpenAI-kompatibel Batch API-dokumentation**.

En 50% Batch-rabat betyder ikke altid en 50% billigere opgave

Batch halverer enhedsprisen for input- og output-tokens. Den styrer ikke, hvor mange tænkningstokens modellen genererer.

Følgende eksempel bruger kun forholdet mellem US-local input/output-priser til at illustrere regnestykket. Det betyder ikke, at US-local-ruten aktuelt understøtter Batch.

Realtidseksemplet beregnes som:

• Input: 100K ÷ 1M × $0.40 = $0.0400
• Output: 10K ÷ 1M × $1.60 = $0.0160
• Total: $0.0560

Batch-eksemplet med moderat tænkning beregnes med halv pris:

• Input: 100K ÷ 1M × $0.20 = $0.0200
• Output: 40K ÷ 1M × $0.80 = $0.0320
• Total: $0.0520

Batch-eksemplet med mere tænkning:

• Input: 100K ÷ 1M × $0.20 = $0.0200
• Output: 50K ÷ 1M × $0.80 = $0.0400
• Total: $0.0600

I det sidste scenarie udligner det ekstra tænkning-output fuldstændigt den nominelle Batch-besparelse.

For deterministiske offline-workloads som klassifikation, ekstraktion, tagging og formatering, sæt eksplicit:

{
  "enable_thinking": false
}

For sværere opgaver, sæt et passende thinking_budget, og sammenlign omkostning pr. succesfuld opgave frem for at antage, at headline Batch-rabatten vil reducere den endelige regning med præcis 50%.

For planlægning på US- eller Global-ruter, betragt Batch-besparelser som ubekræftede, indtil det præcise model-ID og rute vises i din aktuelle konsol eller regionale dokumentation.

Tænkningstokens og output-omkostninger

Qwen3.7 Plus understøtter tilstande med og uden tænkning.

Tænkning kan forbedre ydeevnen ved kompleks ræsonnering, kodning, planlægning og agent-workflows. Men tænkningstokens øger outputforbruget og faktureres til output-token-satsen.

Det er vigtigt, fordi output-tokens er fire gange dyrere end input-tokens på Alibabas Qwen3.7 Plus-pristrin.

For US-local-ruten under 256K:

• Input: $0.40 pr. 1M tokens
• Output: $1.60 pr. 1M tokens

Over 256K:

• Input: $1.20 pr. 1M tokens
• Output: $4.80 pr. 1M tokens

For omkostningsfølsomme workloads, overvej at deaktivere eller begrænse tænkning for ligetil opgaver som:

• Dataekstraktion
• Formatering
• Klassifikation
• Indholdstagging
• Enkel opsummering
• Basal routing
• Generering af struktureret output

Brug længere tænkningsbudgetter kun, når evalueringsdata viser, at de væsentligt forbedrer task completion.

Qwen3.7 Plus vs Qwen3.7 Max vs Qwen3.6 Plus-priser i CometAPI

Kilder: CometAPI Qwen3.7 Plus modelside**； CometAPI Qwen3.7 Max modelside；CometAPI Qwen3.6 Plus modelside

Qwen positionerer Qwen3.7 Plus som en multimodal model til visuel forståelse, kodning, GUI-interaktion, værktøjsbrug og produktivitets-workflows.

Aktuelle Qwen API-lister viser Qwen3.7 Max med tekstinput og tekstoutput, mens Alibabas dokumentation for visuel forståelse viser Qwen3.7 Plus for billede- og video-input.

Start med Plus når opgaven inkluderer:

• Billeder
• Video
• Skærmbilleder
• Dokumenter
• Diagrammer
• Interface-tilstand
• Visuel kodning
• GUI-interaktion

Test Max til tekst-only-arbejde, når en stærkere løsningsrate kan retfærdiggøre de højere tokenomkostninger.

Sådan reducerer du Qwen3.7 Plus API-omkostninger

1. Mål trafikken omkring 256K-grænsen

Gruppér produktionsanmodninger efter samlet inputlængde:

• 0–32K
• 32K–128K
• 128K–256K
• Over 256K

Gennemgå derefter, hvilke workflows der reelt har brug for det højeste pristrin.

En anmodning bør ikke krydse 256K, blot fordi alle tilgængelige dokumenter, samtaletur, værktøjsresultater eller repository-filer blev inkluderet som standard.

2. Tilføj en preflight-tokenvagt

Brug en modelkompatibel token-tæller i applikations- eller API-gatewaylaget, før hver anmodning sendes.

Følgende tærskler er en teknisk tommelfingerregel og ikke en Alibaba-regel:

• Under 220K: Send normalt.
• Mellem 220K og 240K: Log en advarsel og undgå unødvendig kontekstvækst.
• Over cirka 240K: Komprimér konteksten før afsendelse.
• Over 256K: Fortsæt kun, når den forventede kvalitetsgevinst retfærdiggør det højere Alibaba-pristrin.

Når vagten udløses, kan workflowet:

1. Opsummere ældre værktøjsoutput.
2. Fjerne duplikerede søgeresultater.
3. Erstatte rå logge med strukturerede fejlresuméer.
4. Hente kun de mest relevante dokumentchunks.
5. Flytte ældre samtaletur til et komprimeret hukommelsesblok.
6. Opdele reelt uafhængige dokumentgrupper i separate kald.
7. Rute opgaven til en udbyder med bekræftet flad lang-kontekst-pris, hvor det er relevant.

Lad lidt sikkerhedsmargin, fordi:

• Billede-input forbruger tokens
• Værktøjsskemaer tilføjer kontekst
• Systemmeddelelser kan være store
• Hentet webindhold kan vokse uventet
• Tokenizers kan tælle den samme tekst forskelligt

Observabilitetsværktøjer som Langfuse kan hjælpe med at overvåge tokenforbrug. En gateway som APISIX kan håndhæve grænsen paired med en passende tokenizer eller tilpasset routingpolitik.

3. Placer stabilt indhold først

Placér genbrugeligt indhold tidligt i prompten, herunder:

• Systeminstruktioner
• Politikblokke
• Værktøjsskemaer
• Repository-resuméer
• Produktkataloger
• Genbrugelige dokumenter
• Brandguidelines
• Outputskemaer

Placér stærkt variabelt brugerindhold senere.

Stabile præfikser forbedrer chancen for implicitte cache-hits og gør eksplicitte cacheblokke lettere at styre.

4. Opsummer gamle værktøjsresultater

Agent-workflows kan akkumulere store mængder kontekst via:

• Søgeresultater
• Browseroutput
• Kørsel af kodelogge
• Tidligere modelsvar
• Fejlmeddelelser
• Værktøjsskemaer

I stedet for at beholde alt rå output, opsummer periodisk ældre kontekst og behold kun den information, der kræves til næste trin.

5. Kontrollér tænkning-output

Log tænkningstokens separat fra synlige svartokens.

For simple opgaver, deaktiver tænkning, hvor det understøttes, eller sæt et mindre ræsonneringsbudget.

For komplekse opgaver, sammenlign den ekstra ræsonneringsomkostning med reduktionen i retries, fejl og menneskelig gennemgang.

6. Tæl værktøjskald og hentede tokens

For Web Search-agenter, registrér:

• Søgekald
• Extractor-kald
• Hentede indholds-tokens
• Søgeretries
• Modelretries
• Fallback-kald
• Endeligt taskresultat

Søgeværktøjsgebyret kan dominere små anmodninger, mens hentet indhold kan dominere lange anmodninger.

7. Optimer for omkostning pr. fuldført opgave

Sammenlign ikke ruter kun på deres annoncerede pris pr. million tokens.

Mål:

• Omkostning pr. anmodning
• Omkostning pr. fuldført opgave
• Task-succesrate
• Retry-rate
• Fallback-rate
• Cache-hit-rate
• Søgekald pr. opgave
• Latens
• Tid til menneskelig review

En billigere model kan blive dyrere, hvis den genererer forkerte svar, kræver yderligere kald eller skaber mere manuelt arbejde.

En praktisk evalueringsplan for Qwen3.7 Plus

Før du flytter produktionstrafik, opret et fokuseret evalueringssæt baseret på dine faktiske workloads.

Et testsæt på 30 opgaver er normalt nok til at identificere større forskelle i omkostning, latens og completion-kvalitet.

For hver opgave, registrér:

• Input-tokens
• Output-tokens
• Tænkningstokens
• Cachede tokens
• Cache-oprettelsestokens
• Søgekald
• Hentede indholds-tokens
• Latens
• Antal retries
• Endeligt taskresultat

CometAPI Cookbook indeholder yderligere integrations- og model-routingeksempler til denne type evaluering.

FAQ

Hvor meget koster Qwen3.7 Plus API’et?

Alibabas US-local qwen3.7-plus-us-rute koster $0.40 pr. 1M input-tokens og $1.60 pr. 1M output-tokens for anmodninger med op til 256K input-tokens.

For anmodninger over 256K og op til 1M stiger prisen til $1.20 pr. 1M input-tokens og $4.80 pr. 1M output-tokens.

Alibabas Global-rute har den laveste offentliggjorte listepris i denne sammenligning. Modellen er også tilgængelig via CometAPI med en listet sats på $0.32 pr. 1M input-tokens og $1.28 pr. 1M output-tokens.

Hvordan prissættes lang-kontekst-anmodninger via CometAPI?

Qwen3.7 Plus-listingen viser en enkelt sats på $0.32/M input og $1.28/M output, men angiver i øjeblikket ikke, om et separat trin gælder over 256K tokens.

Ved den viste sats** vil en anmodning med 400K input-tokens og 20K output-tokens koste $0.1536**. Betragt dette som et estimat, indtil faktureringspolitikken for lang kontekst er bekræftet.

Er Qwen3.7 Plus tilgængelig i USA?

Ja. Alibaba viser et US-local model-ID kaldet qwen3.7-plus-us i US (Virginia)-regionen.

Alibaba viser også den globale qwen3.7-plus-rute i den samme regionale prisafdeling.

Vælg en rute baseret på:

• Udrulningskrav
• Databehandlingslokation
• Værktøjsunderstøttelse
• Latens
• Tilgængelighed
• Effektiv pris

Hvorfor stiger Qwen3.7 Plus-prisen efter 256K tokens?

Alibaba vælger pristrin baseret på det samlede input-tokenantal i en enkelt anmodning.

Når anmodningen overstiger 256K input-tokens, bruger alle fakturerede input- og output-tokens i den anmodning satserne for det højere trin.

Prisen beregnes ikke progressivt.

Reducerer Context Cache Qwen3.7 Plus-omkostninger?

Ja.

Alibaba angiver, at eksplicitte cache-hits faktureres til 10% af den normale input-sats, mens implicitte cache-hits faktureres til 20%.

Eksplicit cache-oprettelse koster 125% af den normale inputpris, og cachen forbliver gyldig i fem minutter, hvor timeren nulstilles efter hvert succesfulde hit.

Under en ideel sammenligning med gentagne implicit-cache-hits bliver eksplicit cache billigere efter én oprettelse og tre succesfulde genbrug.

Hvordan fungerer Qwen Web Search-prissætningen?

Web Search tilføjer to omkostninger:

1. Hentet webindhold øger normale input-tokenforbrug.
2. Søgeværktøjet har et separat gebyr pr. 1.000 kald.

Den aktuelt dokumenterede sats er:

• $0.573411 pr. 1.000 kald for Global og Kinas fastland udrulningsområder
• $10 pr. 1.000 kald for International udrulning

Understøtter Qwen3.7 Plus Batch API’et?

Det præcise qwen3.7-plus-model er i øjeblikket opført til Batch under Kina (Beijing), hvor succesfulde tokens opkræves til 50% af realtids-inferenspriserne og konteksten er begrænset til 256K.

Den aktuelle dokumentation viser ikke US-local qwen3.7-plus-us-ruten for Batch.

Antag ikke, at Batch-rabatten gælder for US-local eller Global udrulninger uden at tjekke aktuel konsoltilgængelighed.

Er Qwen3.7 Plus billigere end Qwen3.7 Max?

Ja, baseret på de listede satser, der bruges i denne sammenligning.

Qwen3.7 Plus er listet til:

• $0.32 pr. 1M input-tokens
• $1.28 pr. 1M output-tokens

Qwen3.7 Max er listet til:

• $1.36 pr. 1M input-tokens
• $4.08 pr. 1M output-tokens

Max kan stadig være mere økonomisk til svære teksttunge agentopgaver, hvis den fuldfører dem med færre retries.

Skal jeg bruge Alibaba direkte eller en API-aggregator?

Direkte Alibaba-adgang er det klarere valg, når en workload afhænger af et specifikt udrulningsområde, native udbyderfunktion, regional kontrol eller direkte faktureringsforhold.

Et aggregeringslag kan være mere praktisk, når den samme applikation skal teste eller rute på tværs af flere modelfamilier. CometAPI eksponerer for eksempel Qwen3.7 Plus sammen med modeller fra udbydere som OpenAI, Anthropic, Google, Moonshot og DeepSeek via et OpenAI-kompatibelt interface.

Den bedste rute afhænger af regionale krav, effektiv pris, integrationsindsats, fallback-behov og om native Alibaba-funktioner er påkrævet.

Kør en produktionstilpasset sammenligning, før du vælger rute

Offentliggjorte token-satser er nyttige til at indsnævre mulighederne, men den endelige beslutning bør komme fra en workload, der ligner produktion.

En praktisk tilgang er at køre det samme evalueringssæt på tværs af Qwen3.7 Plus, Qwen3.7 Max og et par relevante alternativer. En samlet API-tjeneste som CometAPI kan forenkle denne sammenligning ved at eksponere Qwen, Claude, Gemini, GPT, Kimi og DeepSeek-modeller via samme OpenAI-kompatible interface.

Under testen, registrér:

• Input- og output-tokens
• Tænkningstoken-forbrug
• Cache-brug
• Værktøjskald
• Retries
• Latens
• Task-succes

Brug Qwen3.7 Plus-modelsiden som udgangspunkt, og vælg derefter ruten med den laveste omkostning pr. fuldført opgave—ikke blot den lavest annoncerede tokenpris.