بطاقة عنوان مُولّدة تحمل النص 'Qwen4-Max وُصف بأنه متفوّق على Opus 5.5' مع عنوان فرعي 'يضعه المؤشر متأخرًا بـ16 نقطة' وثلاث بطاقات أرقام تحمل النصوص '43 مقابل 59 على المؤشر'، '3.27 دولار مقابل 1.27 دولار لكل مهمة' و'الوقت لكل مهمة: غير منشور'. تذييل يحمل النص 'المؤشر، والتكلفة لكل مهمة والوقت لكل مهمة وفق Artificial Analysis Intelligence Index v5.0.1، قُرئ في 16 نوفمبر 2026.' تنسيق متجهي مسطح على خلفية بيضاء مع لمسات تدرج بالأزرق والسماوي، وعلامة OrcaRouter مركّبة في أسفل اليمين.
Guides & Insights

Qwen4-Max وُصف بأنه يتفوق على Opus 5.5: لكن المؤشر يضعه متأخرًا بـ16 نقطة

الكاتب

jinhao.song

تاريخ النشر

أحدث النماذج · 20عرض جميع النماذج →
المعايير: Artificial Analysis · يُحدَّث يوميًا
العودة إلى جميع المقالات

كان الحكم في يوم إطلاق Qwen4-Max أنه يتفوق على Claude Opus 5.5 وعلى كل من GPT-6.1 Sol وGPT-6 Astra، ولا يتخلف إلا عن Claude Fable 5.2. غير أن ثلاثاً من هذه المقارنات الأربع تنقلب في لوحة النتائج الوحيدة التي أخضعت النماذج الخمسة جميعها للتقييمات التسعة نفسها. فمؤشر Artificial Analysis Intelligence Index v5.0.1، كما قُرئ في 16 نوفمبر 2026 — وهو اليوم الذي طُرح فيه Qwen4-Max للبيع — يضع Qwen4-Max عند 43، وClaude Opus 5.5 عند 59، وGPT-6 Astra عند 57، وGPT-6.1 Sol عند 55، وClaude Fable 5.2 عند 65. أي إنه متأخر بستة عشر نقطة عن النموذج الذي قيل إنه يتفوق عليه، وبأربع عشرة نقطة عن ثاني أرخص النماذج الثلاثة، وباثنتي عشرة نقطة عن الثالث. أما المقارنة الرابعة، تلك التي يتقدم فيها Fable 5.2، فهي الجزء الوحيد من الادعاء الذي يصمد أمام منصة الاختبار.

هذه الفجوة جديرة بالتفكيك لا بالاستبعاد، لأن الادعاء ليس مختلَقًا. فهو ما تحصل عليه عندما تُجمَّع مقارنة من إعدادات جهد استدلالي غير متطابقة، ويحدث عدم التطابق في اتجاه واحد في كل مرة. أدناه: ما نشرته Alibaba فعليًا، وما تقرأه لوحة النتائج عند كل درجة من كل سلّم، والقراءة الوحيدة التي يصبح عندها الادعاء صحيحًا حرفيًا، والرقم الذي لا يملكه المتتبع لـ Qwen4-Max على الإطلاق.

ما الذي نشرته Alibaba، وما الذي لم تنشره

أول ما ينبغي فصله هو مادة الإطلاق التي نشرها المزوّد عن التعليقات المحيطة بها. فتدوينة Qwen4-Max التي نشرتها Alibaba بنفسها، والمؤرخة في 16 نوفمبر 2026، لا تذكر أي نموذج منافس بالاسم في أي موضع من كلماتها البالغ عددها 3,100 كلمة. وكل مقارنة فيها هي مع Qwen3.8-Max، الطراز الرائد السابق للشركة نفسها. وهذا أمر طبيعي أن تفعله تدوينة إطلاق، وليس انتقادًا — لكنه يعني أن التأطير التنافسي لم يأتِ من المزوّد، وأن أي عبارة من قبيل «يتفوق على Opus» متداولة هي استنتاج استخلصه شخص آخر.

ما يدّعيه المورّد، وكلّه مُبلَّغ عنه من المورّد وغير مُعاد إنتاجه:

• البنية المعمارية — نموذج أساسي بـ2.4 تريليون معامل على بنية Qwen4 جديدة، مع رؤية أصلية ونافذة سياق بسعة مليون رمز.

• كفاءة استخدام الرموز مقارنةً بـ Qwen3.8-Max — رموز أقل بنسبة 24% عند مستوى الجهد Xhigh و35% أقل عند High في معيار Work360 الخاص بـ Alibaba، و48% و49% أقل في Terminal-Bench 4.0.

• التكلفة لكل مهمة مقابل Qwen3.8-Max — بمتوسط من 4.43 دولار إلى 1.67 دولار، أي خفض بنسبة 62%، مع أكبر الانخفاضات في تسعير المدخلات المخزّنة مؤقتًا.

• درجة Work360 — 52.69 مقابل 47.74 لـ Qwen3.8-Max.

لا شيء من ذلك يمثل مقارنةً بين مختبرات، ولا يمكن التحقق من أيٍّ منها مقابل أرقام منشورة لمنافس، لأنها تُقاس على معايير تقيّمها الجهة البائعة بنفسها. وقد وصل الرقم المستقل في اليوم نفسه من اتجاه مختلف.

ما يقرؤه إطار الاختبار المستقل

تُعدّ Artificial Analysis v5.0.1 مركّبًا من تسع تقييمات — AA-Briefcase v1.1، وAutomationBench-AA، وTerminal-Bench 4.0، وFrontierCode-AA 2.0، وAA-Omniscience v1.1، وGDP.pdf، وHLE-Diamond، وCritPt v2 Hard Subset، وTerminal-Bench-Science 0.1 — يشغّله المتتبّع، لا المختبرات. وعليه، تحتل درجة Qwen4-Max البالغة 43 المرتبة 38 من أصل 81 نموذجًا، وهي أعلى قليلًا من الوسيط العام البالغ 41. وهذا ظهور أول محترم لهندسة من الجيل الأول. وهو ليس متصدرًا، والنماذج الأربعة التي وُضِع فوقها كلها متقدمة عليه:

• Claude Opus 5.5 — 59 عند Max، و57 عند Xhigh، و52 عند High، و48 عند Medium، و35 عند Low. صدر في 22 سبتمبر 2026.

• GPT-6 Astra — 57 عند Max، و55 عند Xhigh، و55 عند High، و52 عند Medium، و43 عند Low. صدر في 3 سبتمبر 2026، وحدّ المعرفة أبريل 2026.

• GPT-6.1 Sol — 55 عند Max، و52 عند Xhigh، و50 عند High، و46 عند Medium، و35 عند Low. صدر في 29 سبتمبر 2026.

• Claude Fable 5.2 — 65 عند Max، و62 عند Xhigh، و62 عند High، و56 عند Medium، و54 عند Low. صدر في 9 نوفمبر 2026.

• Qwen4-Max — 43، نُشر كرقم واحد دون سلّم لكل مستوى جهد. صدر في 16 نوفمبر 2026.

هذا التفاوت الأخير هو القصة كلها. فـ Qwen4-Max نموذج استدلال، ويقيّم المتتبع منافسيه عند خمسة إعدادات استدلال منفصلة بينما يقيّم Qwen4-Max عند إعداد واحد. وأي إعداد أنتج الرقم 43 تتم مقارنته بأقوى ما لدى Opus 5.5 وAstra وSol، ولا يخبرك المتتبع بمقدار الهامش المتاح أسفل ذلك. لذا فإن «43 مقابل 59» ليست مقارنة متماثلة لسقفي أداء النموذجين، بل هي مقارنة بين إعداد Qwen4-Max الوحيد المقاس وأفضل إعداد لدى Opus 5.5.

القراءة الوحيدة التي يكون فيها الادعاء صحيحًا

اقرأ السلالم نزولاً، فيتوقف الادعاء عن كونه زائفًا ويبدأ في كونه مضلّلاً، وهو إخفاق أكثر إثارة للاهتمام. لا تهزم كل درجة لدى كل منافس الرقم 43 الخاص بـ Qwen4-Max. فهو يتجاوز أو يعادل الدرجة الدنيا لدى ثلاثة من الأربعة:

• في مواجهة Claude Opus 5.5 — يتفوق 43 على 35 الخاص بإعداد Low بفارق ثماني نقاط، ويخسر أمام 48 الخاص بإعداد Medium بفارق خمس نقاط. تقع نقطة التقاطع بين Low وMedium.

• مقابل GPT-6 Astra — يتعادل 43 تمامًا مع إعداد Low لدى Astra البالغ 43، ويخسر أمام إعداد Medium البالغ 52 بفارق تسعة.

• مقابل GPT-6.1 Sol — يسجّل 43 ويتغلب على إعداد Low لدى Sol البالغ 35 بفارق ثماني نقاط، ويخسر أمام Medium البالغ 46 بفارق ثلاث نقاط. هذه أقرب منافسة على لوحة النتائج.

• ضد Claude Fable 5.2 — تخسر النتيجة 43 أمام كل مستوى، بما في ذلك 54 الخاص بإعداد Low، بفارق أحد عشر نقطة. لا يوجد أي إعداد من Fable 5.2 يبلغه Qwen4-Max.

إذن، فمقارنة تضع Qwen4-Max في مواجهة منافسين يعملون عند مستوى الجهد المنخفض (Low effort) ستُنتج بالضبط الترتيب المذكور لـ Opus 5.5 وSol، وبالضبط التعادل أو الأفضل المذكور مقابل Astra، وبالضبط الخسارة المذكورة أمام Fable 5.2. هذه مجموعة نتائج متماسكة ومتسقة ذاتيًا، وهي المجموعة الوحيدة على منصة الاختبار هذه التي تُنتج الترتيب المتداول. وسواء جمعها أحدهم عمدًا أو وصل إليها عبر مقارنة إعداد افتراضي بإعداد أدنى، فإن الحساب يؤدي إلى ذلك.

النتيجة العملية هي الجزء المهم لأي شخص يقرأ نقاش إطلاق بدلًا من لوحة نتائج: عند جهد استدلال متساوٍ، يتخلف Qwen4-Max بنحو مرتبة واحدة عن GPT-6.1 Sol ومرتبتين عن Claude Opus 5.5. هذا ظهور أولي تنافسي حقًا. إنه ليس تصدرًا، وهو أبعد ما يكون عن صياغة «يتفوق».

A generated two-column scoreboard titled 'Qwen4-Max vs Claude Opus 5.5 — the scoreboard'. The Qwen4-Max column reads 'Index at Max effort: 43', 'Lowest published effort: 43, single score', 'Blended price: $0.80 per million', 'Cost per index task: $3.27', 'Time per task: not published', 'Context window: 984k'. The Claude Opus 5.5 column reads 'Index at Max effort: 59', 'Lowest published effort: 35 at Low', 'Blended price: $2.94 per million', 'Cost per index task: $10.04', 'Time per task: 24.9 minutes', 'Context window: 1M'. A footer reads 'Index, per-task cost and time per task per Artificial Analysis v5.0.1, read 16 November 2026; prices per vendor cards.'

تكلفة كل مهمة تفصل بين ادعاءين وادعاء واحد.

القدرة ليست سوى نصف ما ادّعته ضجّة الإطلاق، وفي الجانب المالي تبدو الصورة أكثر إيجابية لـ Qwen4-Max — بالنسبة لاثنين من النماذج الثلاثة، وليس الثالث.

• السعر المعلن — Qwen4-Max بسعر 1.50 دولار لكل مليون إدخال و4.50 دولار لكل مليون إخراج، مع خصم 95% على التخزين المؤقت وسعر مختلط قدره 0.80 دولار لكل مليون. وهذا السعر المختلط هو الأدنى بين النماذج الخمسة كلها هنا: GPT-6.1 Sol بسعر 1.47 دولار، وClaude Opus 5.5 بسعر 2.94 دولار، وClaude Fable 5.2 بسعر 5.74 دولار، وGPT-6 Astra بسعر 7.70 دولار.

• التكلفة لكل مهمة مكتملة — Claude Fable 5.2: 26.54 دولارًا، Claude Opus 5.5: 10.04 دولارًا، GPT-6 Astra: 6.24 دولارات، Qwen4-Max: 3.27 دولارات، GPT-6.1 Sol: 1.27 دولار. جميعها عند إعداد Max لكل نموذج.

• الانقلاب — Qwen4-Max لديها أرخص سعر مدمج على اللوحة وثالث أرخص مهمة. تتفوق على Claude Opus 5.5 لكل مهمة بمعامل ثلاثة، وعلى GPT-6 Astra بنحو اثنين، وتخسر أمام GPT-6.1 Sol بمعامل 2.6.

الآلية هي الإسهاب، ويتتبّعها المتتبِّع مباشرةً: فقد أنتج Qwen4-Max 127 مليون رمز إخراج لإكمال الفهرس، مقابل وسيط بلغ 78.6 مليون لدى النماذج المنافسة، وصُنِّف بوصفه شديد الإسهاب. والنموذج الذي يكتب أكثر من الوسيط بنسبة 60% يُنفق ميزة سعره في ذلك. أما أرقام علي بابا نفسها الخاصة بخفض الرموز بنسبة 24 إلى 35% فهي تحسينات حقيقية مقابل Qwen3.8-Max، لكنها لا تقول شيئًا عن مدى إسهاب النموذج بالقيمة المطلقة، وهو الرقم الذي يصل إلى الفاتورة.

الشقّ المتعلق بالتكلفة من الادعاء ينقسم بوضوح. عبارة «أرخص في التشغيل من Opus 5.5 وAstra» صحيحة على أساس كل مهمة، وبفارق كبير، وهي أقوى ما في هذه المقالة لصالح Qwen4-Max. أما عبارة «أرخص من GPT-6.1 Sol» فهي غير صحيحة على أساس كل مهمة بمعامل 2.6، رغم أن السعر المدمج لـ Qwen4-Max أقل بنسبة 46%. وأي شخص وضع الميزانية استنادًا إلى قائمة الأسعار ثم وجد الإجابة المعاكسة في الفاتورة فقد اكتشف الفجوة نفسها.

الرقم الذي لا يمتلكه المتتبع

يوجد عمود واحد في صفحة Qwen4-Max فارغ على نحو يستحق الإشارة إليه. فمنصة Artificial Analysis تُدرج زمنًا لكل مهمة لكل نموذج تذكره هنا — Claude Opus 5.5 عند 24.9 دقيقة على Max، وGPT-6 Astra عند 20.9، وGPT-6.1 Sol عند 22.9، وClaude Fable 5.2 عند 41.8 — بينما تُدرج «غير متاح» (N/A) بالنسبة إلى Qwen4-Max، مع تعليق على مخطط التوقيتات يقول «لا توجد واجهة برمجية متاحة للعموم».

اقرأ ذلك التعليق التوضيحي بعناية قبل استخلاص استنتاج منه، لأنه ليس تصريحًا بأن النموذج لا يمكن استدعاؤه. تنشر Alibaba أسعارًا لكل رمز (token) لـ Qwen4-Max، ويقول منشور الإطلاق الخاص بها إن أسعار API خُفّضت مقارنةً بـ Qwen3.8-Max، كما يدرج المتتبع نفسه Alibaba Cloud بوصفها مزوّد النموذج ويذكر تكلفة قدرها $3.27 لكل مهمة. النموذج الذي لديه قائمة أسعار ومزوّد وتكلفة مقاسة لكل مهمة لديه API. التفسير الأرجح هو أن قياس التوقيت لم يكن متاحًا عبر المسار الذي استخدمه المتتبع، ولا توضح الصفحة أي مسار هو. وتقول الأسئلة الشائعة الخاصة بالمتتبع، في الصفحة نفسها، إن النموذج "متاح عبر API من خلال مزوّد واحد"، وهو ما لا يتوافق أيضًا مع التعليق التوضيحي على الرسم البياني.

ما يبقى بعد الغموض أضيق نطاقًا لكنه لا يزال مفيدًا: لا يوجد رقم مستقل لزمن الاستجابة خاص بـ Qwen4-Max في يوم إطلاقه، في حين أن كل نموذج يُقارَن به لديه رقم كهذا. وإذا كان عبء العمل لديك حساسًا لزمن الاستجابة، فأنت تختار بناءً على رقم لم ينشره أحد بعد، والموقف الصادق هو أن تقيسه بنفسك قبل أن تعتمد عليه مسارًا إنتاجيًا.

A headless-browser screenshot of the Artificial Analysis model page for Qwen4 Max, captured 16 November 2026 in English, showing the Alibaba proprietary-model header with 'Released November 2026', the rank badges Intelligence #38/81, Performance Cost #44/80 and Verbosity #65/80, the price block reading In $1.50, Out $4.50 and Cache 95%, the $3.27 per intelligence index task figure, the 127M output-token count, the summary prose noting a score of 43 against a median of 41, and a technical specification block reading Reasoning Yes, Input modality Text+Image, Output modality Text and Context window 984k.

ما الذي يصمد في ادعاءات الإطلاق

ثلاث من الادعاءات الواقعية المتداولة تصح وتستحق أن تُذكر بوضوح، لأن التحقق من الادعاءات الذي يقتصر على النفي ليس تحققًا:

• نافذة السياق — يُعلن عنها بمليون رمز، ويقيسها المتتبّع عند 984,000. هذا نموذج حقيقي بمليون رمز، وليس 200K مُقرَّبة إلى أعلى.

• رؤية أصلية — يسجّل المتتبِّع مدخلات النص والصورة مع مخرجات نصية، بما يطابق وصف البائع «الرؤية الأصلية» بدلًا من مُرمِّز إضافي مُثبَّت على نموذج نصي.

• خفض السعر — 1.50 دولار و4.50 دولار لكل مليون مقابل بطاقة Qwen3.8-Max الأعلى سعرًا، وأدنى معدل مختلط بين النماذج الخمسة المقارَنة هنا. اتجاه قصة التسعير ليس محل خلاف.

ما لا يصمد هو الترتيب، والترتيب هو الجزء الذي تكرر أكثر من غيره.

ماذا نفعل بهذا في يوم الإطلاق؟

الخطوة المفيدة مع نموذج كهذا ليست الانحياز إلى أحد طرفي الجدل، بل إبقاء الخيار منخفض التكلفة. Qwen4-Max معمارية من الجيل الأول بسعر وحدة منخفض فعلاً، مع درجة مستقلة في منتصف المجال ولا رقم لزمن الاستجابة — وهو ملف يكافئ التجربة ويعاقب الترحيل.

لهذا الغرض وُجد التوجيه. إن Claude Opus 5.5 وGPT-6 Astra وGPT-6.1 Sol وClaude Fable 5.2 كلها موجَّهة عبر OrcaRouter بسعر قائمة كل مورّد بهامش ربح 0%، لذا فإن أي تغيير في أسعار المورّدين يصبح ساريًا في اليوم نفسه ويبقى الحساب الخاص بكل مهمة أعلاه محدَّثًا دون الحاجة إلى عقد ثانٍ أو تغيير في SDK. أما Qwen4-Max فغير موجَّه عبر OrcaRouter — بل يمكن الوصول إليه عبر واجهة Model Studio API الخاصة بـ Alibaba وعدة منصات تابعة لجهات خارجية، ولن تزعم هذه المقالة خلاف ذلك. ما يمنحك إياه التوجيه في هذه الحالة هو إمكانية المقارنة: فالنماذج الأربعة التي قيس عليها تقع خلف مفتاح واحد يغطي أكثر من 200 نموذج، لذا فإن إجراء اختبار Qwen4-Max مقابلها هو مجرد تغيير في الإعداد على جانب واحد بدلًا من الشراء على الجانبين.

وإذا استحق Qwen4-Max مكانًا فعلًا، فإن التحوّل التلقائي عند الفشل هو ما يجعل نموذجًا لم تُقَس أداؤه آمنًا لوضعه في مسار حيّ — إذ يمرّ الطلب إلى نموذج تملك قياس زمن استجابته، بدلًا من أن يفشل عندما يكون النموذج الجديد بطيئًا أو غير متاح على النحو الذي يلمّح إليه غياب رقم توقيته.

A headless-browser screenshot of the OrcaRouter model page for anthropic/claude-opus-5.5, captured 16 November 2026 in English, showing the FLAGSHIP and ZDR badges, the Claude Opus 5.5 heading with its identifier, the Anthropic attribution and 'Public benchmarks by Anthropic · 2026-09-22' line, Vision, Tools, JSON and Reasoning capability badges, a p50 time to first token of 7.98 s, a zero-data-retention availability note, the description placing it as Anthropic's flagship for reasoning, coding and long-horizon agentic work with a 1M-token context, the /v1/chat/completions and /v1/messages endpoints, and the price block reading $4.00 input and $20.00 output per million tokens.

كان التأطير السائد يوم الإطلاق يقول إن نموذجًا صينيًا رخيصًا قد تجاوز نموذجين أمريكيين رائدين. لكن ما يُظهره إطار الاختبار فعليًا هو نموذج جيد السعر يقع على مرتبة واحدة خلف أرخصهما ومرتبتين خلف الأفضل، مع قدرة رؤية حقيقية، ونافذة سياق حقيقية بمليون رمز، ومن دون سرعة منشورة. هذا منتج أفضل مما أوحى به الادعاء، وترتيب أسوأ، والفرق بين هذين الأمرين هو بالضبط المسافة بين سلسلة نقاش ولوحة نتائج.

مقارنات في هذه المقالة2

مستخرج من هذه المقالة · المعايير: Artificial Analysis · يُحدَّث يوميًا