
Qwen 4 مقابل Gemini 4 Argon: نسبة 4.3% التي تحسم أكثر من النقاط السبع
- GoogleجديدGoogle: Gemini 4 Carbon2026-11-10$2.00 / $10.00 لكل مليون رمز · 90 tok/s
- AnthropicجديدAnthropic: Claude Fable 5.22026-11-09$8.00 / $40.00 لكل مليون رمز · 97 tok/s
- orcaجديدOrca: OrcaC2 1.02026-11-0717 tok/s
- OrcaجديدOrcaCyber: GLM 5.3 Abliterated / Uncensored2026-11-04$3.00 / $5.00 لكل مليون رمز · 87 tok/s
- OrcaجديدOrcaCyber: Hy4 Abliterated / Uncensored2026-11-04$0.80 / $1.60 لكل مليون رمز · 133 tok/s
- OrcaجديدOrcaCyber: Kimi K3.1 Pro Abliterated / Uncensored2026-11-04$4.00 / $20.00 لكل مليون رمز · 72 tok/s
- OrcaOrcaCyber: MiniMax M3.1 Flash Abliterated / Uncensored2026-10-29$0.80 / $1.60 لكل مليون رمز · 126 tok/s
- OrcaOrcaCyber: GLM 5.3 Flash Abliterated / Uncensored2026-10-27$0.80 / $1.60 لكل مليون رمز · 65 tok/s
- OrcaOrcaCyber: Qwen3.8 Flash Next Abliterated / Uncensored2026-10-26$0.80 / $1.60 لكل مليون رمز · 92 tok/s
- OrcaOrcaCyber: MiMo V2.6 Flash Abliterated / Uncensored2026-10-26$0.80 / $1.60 لكل مليون رمز · 44 tok/s
- MoonshotMoonshotAI: Kimi K3.1 Pro2026-10-2447الذكاء
- OrcaOrcaCyber: DeepSeek V4.1 Flash Abliterated / Uncensored2026-10-23$0.80 / $1.60 لكل مليون رمز · 193 tok/s
- minimaxMiniMax: M3.1 Flash2026-10-1929الذكاء
- OrcaOrca: OrcaCyber Ultra 1.02026-10-17$5.00 / $10.00 لكل مليون رمز · 147 tok/s
- deepseekDeepSeek: DeepSeek V4.1 Flash 10172026-10-1733الذكاء
- DeepSeekDeepSeek: DeepSeek V4.1 Flash2026-10-1740الذكاء
- OrcaOrca: OrcaCyber Zero 1.52026-10-10$3.00 / $7.50 لكل مليون رمز · 123 tok/s
- openaiOpenAI: GPT-6.1 Sol2026-09-2955الذكاء
- anthropicAnthropic: Claude Sonnet 5.52026-09-2855الذكاء
- typesafeTypeSafe: Jev 1.132026-09-24$0.04 / $0.00 لكل مليون رمز · 219 tok/s
The scoreboard everyone reaches for in this matchup is the headline index: 42.9 for Qwen4-Max against 50.4 for Gemini 4 Argon, seven and a half points in Google's favour. But the number that should stop a deployment decision sits three columns to the right of the one everybody quotes. Gemini 4 Argon hallucinates on 4.3% of the questions it gets wrong. Qwen4-Max hallucinates on 28.4% of them. That is a factor of 6.6, and for anyone shipping output that a human reads, it is worth more than seven index points.
The two figures come from the same suite, Artificial Analysis v5.0.1, and neither is a vendor claim. Google has not published a hallucination rate for Argon, and Alibaba has not published one for Qwen4-Max. The independent measurement is the only one that exists.
طرازان يُباعان في الخانة نفسها
Both are million-token, image-capable, text-out flagships from companies that build their own silicon. Qwen4-Max went metered on 16 November 2026 in six Alibaba Cloud regions; Gemini 4 Argon has been on sale since 30 September 2026 through Google's API. The cards are close enough that price is not the differentiator people assume.
• Input, per million tokens — Gemini 4 Argon $2.00; Qwen4-Max $1.50 in Singapore and $1.413 in the other five regions. Google is 33% more expensive on the Singapore comparison and 41% more against the Global rate.
• الإخراج، لكل مليون — Argon 10.00 دولارًا؛ Qwen4-Max 4.50 دولارًا و4.24 دولارًا. هذه هي الفجوة الأكبر: 2.2× في الرقم الرئيسي.
• Cached input — Argon $0.10 per million; Qwen4-Max $0.075 on a read, plus published write rates of $1.875 (five minutes) and $3.00 (one hour) that Google does not break out the same way.
• تكلفة كل مهمة فهرسة مكتملة — Argon: 4.97 دولارًا؛ Qwen4-Max: 3.27 دولارًا. على الرغم من أن معدل المخرجات أقل بمقدار 2.2×، فإن Qwen4-Max أرخص بنسبة 34% فقط لكل مهمة، لأن معظم تكلفة الفاتورتين تعود إلى المدخلات.
• جهد الاستدلال الفعّال — يُقاس Argon عند high؛ ويُقاس Qwen4-Max عند xhigh. كلا النموذجين يعرضان سلّمًا، ولا يُقارَن أيٌّ من الرقمين بالإعداد الافتراضي للنموذج الآخر.
• السياق — 1,000,000 رمز على Argon؛ Qwen4-Max هو المليون نفسه على بطاقة المورّد، مع تسجيل المتتبّع 983,616 لأن إدخال وضع التفكير محدود هناك.
• Hosts — Argon is served by Google; Qwen4-Max by Alibaba Cloud. Neither is open-weight.

لا يفضّل التقسيم لكل مهمة البطاقةَ الأرخص.
فكّك مبلغ $4.97 ومبلغ $3.27، والمفاجأة هي أيّهما ينفق أكثر على التفكير. يُصدر Argon 116,368 رمز إخراج لكل مهمة فهرسة، منها 68,301 رمز استدلال؛ ويُصدر Qwen4-Max 104,940 رمزًا، منها 68,914 رمز استدلال. حجم الاستدلال متطابق تقريبًا. الفرق في الإجابة: يكتب Argon 48,067 رمزًا من الإجابة النهائية لكل مهمة مقابل 36,025 لدى Qwen4-Max. Argon أكثر إسهابًا حيث يكون مرئيًا، ومتساوٍ في الإسهاب حيث لا يكون كذلك.
That is a cheerful anomaly in Gemini's favour, because it means the 2.2× output rate is buying 33% more answer text. The per-task premium of 52% is therefore smaller than the rate card suggests, and for workloads where output dominates — long-form generation, code the model writes itself — the gap narrows further. For workloads where input dominates, which is most RAG and most agent loops, Qwen4-Max's input rate does the work instead.
جدير بالقول صراحةً: هذه تكاليف مُنمذجة من أداة اختبار معيارية، وليست فواتير. سيختلف مزيج الرموز لديك، وستتغير معه النسبة بين النموذجين.
حيث يتقدّم Qwen4-Max فعلاً
الحجة ضد Qwen4-Max في هذه المواجهة قوية لكنها ليست إجماعية، وصفّان يسيران في الاتجاه المعاكس على نحوٍ مهم.
• GDPval — Qwen4-Max 1,808.69 مقابل 1,633.51 لـ Argon. في المهام المهنية ذات الأساس الاقتصادي، يتقدم Qwen4-Max بنسبة 10.7% على نموذج يتفوق عليه بـ 7.5 نقطة مؤشر. هذا أوضح انعكاس منفرد في المقارنة.
• FrontierCode 2.0 — 26.5% مقابل 25.7%. الفارق في حدود نقطة واحدة؛ وهو تعادل فعليًا، في مجموعة الاختبارات التي كان من المتوقع أن تُظهر فيها الميزة الرئيسية لـ Argon فجوة.
• AutomationBench — 72.6% مقابل 77.5%. يفوز Argon، لكن بفارق خمس نقاط في مجموعة اختبارات أقرب إلى أتمتة المكاتب منها إلى هندسة البرمجيات.
• Terminal-Bench 4.0 — 48.5% مقابل 57.1%. هنا تفوق Argon حقيقي: ثماني نقاط ونصف في الأعمال المعتمدة على shell.
• HLE Diamond — 44.9% مقابل 56.7%. اثنتا عشرة نقطة في العلوم الصعبة.
• Terminal-Bench Science — 23.3% مقابل 52.9%. أوسع فجوة على اللوحة، وهي التي تفصل بأوضح صورة بين قدرة النموذجين على البحث.
• دقة Omniscience — 27.7 مقابل 46.1، مع تحذير الهلوسة الوارد في أعلى هذا المقال والمُطبَّق على كليهما.
عند قراءتها كمجموعة، يتبيّن أن النمط هو أن Qwen4-Max يحافظ على مستواه في مهام الحكم المهني ويخسر بفارق كبير في أي مهمة تتطلب استدلالًا تقنيًا متواصلًا. وهذا بيان أضيق وأكثر فائدة من «متخلف بسبع نقاط مؤشرية»، وهو يشير إلى عملية نشر مختلفة.

لماذا يستحق معدل الهلوسة البالغ 4.3% أن تدفع مقابله
ضع رقمًا على الفرق. إذا كان بإمكان المراجع التحقق من ادعاء ما في ثلاثين ثانية، وكان الادعاء المُلفّق يكلّف عشر دقائق من إعادة العمل عند وصوله إلى الإنتاج، فإن تكلفة المراجعة المتوقعة لكل ألف إجابة تتحدد تقريبًا بالكامل بنسبة الادعاءات المُلفّقة لا بنسبة الادعاءات الخاطئة. تعني نسبة 4.3% لدى Argon أن نحو إجابة واحدة من كل ثلاث وعشرين ضمن مجموعة إجاباته غير الصحيحة تحتاج إلى إعادة عمل؛ وتعني نسبة 28.4% لدى Qwen4-Max نحو واحدة من كل ثلاث ونصف.
وبالمقابل، تختفي علاوة الـ52% لكل مهمة في أي سير عمل يتضمن مراجعًا بشريًا، لأن وقت المراجع يتجاوز بكثير إنفاق الرموز عند أي معدل تكلفة إجمالي تقريبًا. وتختفي في الاتجاه المعاكس في أي سير عمل لا يتضمن ذلك، لأن إجابة ملفقة بلا مراجع ليست تكلفة، بل حادثة.
The honest caveat: hallucination rate is measured on a fixed question set and is a property of the measurement as much as the model. Google could change Argon's behaviour with a system-prompt revision tomorrow and this number would not move until the suite is re-run. Treat it as a strong prior, not a guarantee.
مسألة التوجيه، أُجيب عنها من جانب واحد.
Gemini 4 Argon is on our catalogue as google/gemini-4-argon at Google's list price, $2.00 in and $10.00 out per million, with 0% markup on top — the same rates Google publishes, passed through rather than repriced. Qwen4-Max is not on our catalogue: a qwen4 identifier returns not-found, its route is Alibaba's Model Studio API and several third-party platforms, and the closest Qwen model we serve is qwen/qwen3.8-max at $2.00 and $6.00.
هذا التفاوت هو نفسه الإجابة عن سؤال النشر لدى معظم الفرق. النموذج الذي يتصدّر عمود الهلوسة هو النموذج الذي يمكنك استدعاؤه اليوم عبر نقطة النهاية التي تملكها بالفعل، بينما النموذج الذي يتفوق في GDPval يكلفك عقد مورّد ثانٍ كي تجربه. وإذا أردت اختبار ادعاء GDPval على بياناتك الخاصة قبل الالتزام، فإن لغة DSL للتوجيه تتيح لك إرسال مجموعة تقييم ثابتة عبر المسارين من استدعاء واحد ومقارنة المخرجات جنبًا إلى جنب — وهو ما يشكّل تجربة أرخص مما توحي به أسعار كل نموذج لكل مهمة.

ما الذي لا تُخبرك به النقاط السبع
هناك أمران قد يغيّران هذه المقارنة، وكلاهما ليس بعيدًا. إن قياسًا مستقلًا للهلوسة على نشر لـ Qwen4-Max مع موجّه نظام مضبوط على الامتناع سيختبر ما إذا كانت نسبة 28.4% خاصيةً في النموذج أم ناتجة عن طريقة استعلامه — ولم ينشر أي مورّد قياسًا كهذا. وإعادة إجراء GDPval على عينة أكبر ستخبرنا ما إذا كانت تقدّم Qwen4-Max بنسبة 10.7% في المهام المهنية حقيقيًا أم مجرد ضجيج، لأن فترات هذا المعيار واسعة والنموذجان متقاربان بما يكفي لانقلاب الترتيب.
Until either lands, the split is clean and it is not the one the index suggests. Sustained technical reasoning, science, shell work, or anything a customer reads unreviewed: Gemini 4 Argon, and the 52% premium is the least interesting number in the deal. Grounded professional judgement at volume, with a review step you were going to run anyway: Qwen4-Max is 10.7% better on the suite that measures exactly that, and it is 34% cheaper per task while you find out.
