
Qwen4-Max vs. GPT-6 Luna: 22-fache Aufgabenkosten für 15 Indexpunkte
- OrcaNEUOrcaCyber: Hy4 Flash Abliterated / Uncensored2026-11-18$0.07 / $0.28 pro 1 Mio. Tokens · 187 tok/s
- tencentNEUTencent: Hy4 Flash2026-11-16$0.02 / $0.07 pro 1 Mio. Tokens · 414 tok/s
- GoogleNEUGoogle: Gemini 4 Carbon2026-11-10$2.00 / $10.00 pro 1 Mio. Tokens · 87 tok/s
- AnthropicNEUAnthropic: Claude Fable 5.22026-11-09$8.00 / $40.00 pro 1 Mio. Tokens · 138 tok/s
- orcaNEUOrca: OrcaC2 1.02026-11-0748 tok/s
- OrcaOrcaCyber: GLM 5.3 Abliterated / Uncensored2026-11-04$3.00 / $5.00 pro 1 Mio. Tokens · 90 tok/s
- OrcaOrcaCyber: Hy4 Abliterated / Uncensored2026-11-04$0.80 / $1.60 pro 1 Mio. Tokens · 134 tok/s
- OrcaOrcaCyber: Kimi K3.1 Pro Abliterated / Uncensored2026-11-04$2.00 / $5.00 pro 1 Mio. Tokens · 79 tok/s
- tencentTencent: Hy42026-11-04$0.83 / $2.50 pro 1 Mio. Tokens · 116 tok/s
- OrcaOrcaCyber: MiniMax M3.1 Flash Abliterated / Uncensored2026-10-29$0.80 / $1.60 pro 1 Mio. Tokens · 111 tok/s
- OrcaOrcaCyber: GLM 5.3 Flash Abliterated / Uncensored2026-10-27$0.80 / $1.60 pro 1 Mio. Tokens · 67 tok/s
- OrcaOrcaCyber: Qwen3.8 Flash Next Abliterated / Uncensored2026-10-26$0.80 / $1.60 pro 1 Mio. Tokens · 91 tok/s
- OrcaOrcaCyber: MiMo V2.6 Flash Abliterated / Uncensored2026-10-26$0.80 / $1.60 pro 1 Mio. Tokens · 42 tok/s
- MoonshotMoonshotAI: Kimi K3.1 Pro2026-10-2447Intelligenz
- OrcaOrcaCyber: DeepSeek V4.1 Flash Abliterated / Uncensored2026-10-23$0.80 / $1.60 pro 1 Mio. Tokens · 210 tok/s
- minimaxMiniMax: M3.1 Flash2026-10-1929Intelligenz
- OrcaOrca: OrcaCyber Ultra 1.02026-10-17$5.00 / $10.00 pro 1 Mio. Tokens · 109 tok/s
- deepseekDeepSeek: DeepSeek V4.1 Flash 10172026-10-1733Intelligenz
- DeepSeekDeepSeek: DeepSeek V4.1 Flash 09102026-10-17$0.15 / $0.60 pro 1 Mio. Tokens · 168 tok/s
- DeepSeekDeepSeek: DeepSeek V4.1 Flash2026-10-1740Intelligenz
Schickt man eine Anfrage an Qwen4-Max und eine an GPT-6 Luna durch dieselbe Evaluationssuite, kommt eine Rechnung von 3,27 $ gegenüber 0,15 $ heraus. Zweiundzwanzigmal. Stellt man die Punktzahlen nebeneinander, steht es 43 zu 28 – fünfzehn Punkte, und das ist der Unterschied zwischen einem Modell, dem man einen mehrstündigen Agentenlauf überlassen würde, und einem, dem man ein Dokument überlassen würde. Beide dieser Abstände sind real, beide werden auf derselben Index-Revision gemessen, und keiner von beiden entscheidet die Frage, denn Qwen4-Max ist seit dem 16. November 2026 allgemein verfügbar, zu 1,50 $ und 4,50 $ pro Million Tokens, während GPT-6 Luna seit dem 22. September bei einem Zehntel davon liegt. Die Entscheidung ist nicht, welches Modell besser ist. Sie lautet, welche fünfzehn Punkte man tatsächlich nutzt, und die Antwort ändert sich zweimal im Verlauf dieses Vergleichs.
Die 22× und woraus sie besteht
Beginnen Sie mit der Preisliste, denn die beworbene Quote ist nicht die Quote, die Sie zahlen.
• Input — Qwen4-Max 1,50 $ pro Million in Singapur, 1,413 $ in den Regionen mit globalem Geltungsbereich. GPT-6 Luna 0,10 $. Fünfzehn zu eins.
• Ausgabe — Qwen4-Max 4,50 $, oder 4,24 $ Global. GPT-6 Luna 0,50 $. Neun zu eins.
• Zwischengespeicherte Eingabe — Qwen4-Max 0,075 $ Singapur, 0,071 $ global, ein Rabatt von 95 %. GPT-6 Luna 0,01 $, ein Rabatt von 90 %.
Gemischt — Qwen4-Max 0,80 $ pro Million bei der 7:2:1-Gewichtung des Trackers für Cache-Treffer/Input/Output. GPT-6 Luna 0,077 $. Zehn zu eins.
• Kosten pro Aufgabe im Intelligence Index – Qwen4-Max 3,27 $, GPT-6 Luna 0,15 $. Zweiundzwanzig zu eins.
Fünfzehn, neun, zehn, zweiundzwanzig. Diese vier Zahlen stimmen nicht überein, und die Nichtübereinstimmung ist der nützliche Teil: Das Verhältnis pro Aufgabe ist mehr als doppelt so hoch wie das Verhältnis der gemischten Preise, weil Qwen4-Max mehr Tokens ausgeben muss, um die Suite abzuschließen, nicht weil seine Tarife schlechter sind, als die Karte vermuten lässt. Das Ausführlichkeits-Panel des Trackers setzt Qwen4-Max auf 127 Millionen Ausgabe-Tokens gegenüber einem Median von 90 Millionen; Luna auf 110 Millionen gegenüber demselben Median. Beide liegen auf der ausführlichen Seite. Qwen4-Max ist um 15 % ausführlicher, und diese 15 % leisten echte Arbeit in einer 22×-Lücke, die eine 10×-Tarifkarte vorhergesagt hätte.
Alle Zahlen in diesem Abschnitt sind Messungen von Artificial Analysis auf Index v5.0.1 — dem neu basierten Index, sodass ein Luna-Wert aus einem Juli-Leaderboard nicht mit den hier genannten 28 vergleichbar ist — kombiniert mit der jeweils eigenen veröffentlichten Preisliste des Anbieters. Keiner der Anbieter hat einen abgestimmten direkten Vergleich veröffentlicht, und jeder aus diesen Zahlen gebildete Vergleich ist Arithmetik auf zwei getrennten Durchläufen, kein Benchmark.

Die Aufwands-Einstellung ist der größere Hebel
Folgendes macht die 43-gegen-28-Darstellung irreführend – und das ist keine kleine Korrektur.
GPT-6 Luna wird mit sechs Denkstufen ausgeliefert – none, low, medium, high, xhigh und max – und standardmäßig ist medium eingestellt. Artificial Analysis bewertet jede Stufe. Die Spannweite ist kein Rundungsunterschied:
• Max — 28 im Index, 0,15 $ pro Aufgabe, 12,2 Minuten, 103 Token pro Sekunde.
• Xhigh — 23, 7,4 Minuten, 99 Token pro Sekunde.
• Hoch — 21, 6,0 Minuten, 91 Token pro Sekunde.
• Medium — 18, 3,5 Minuten, 93 Tokens pro Sekunde. Das ist der Standard, und das ist die Einstellung, die fast jeder Produktionsaufruf tatsächlich nutzt.
• Niedrig — 10, 0,6 Minuten, 87 Token pro Sekunde.
• Nicht-Schlussfolgern — 9, 2,0 Minuten, 84 Token pro Sekunde.
Der ehrliche Vergleich ist also nicht 43 gegen 28. Er lautet 43 gegen 18 für einen Aufrufer, der keinen Effort-Parameter mitsendet, und 43 gegen 28 für einen, der den Regler ganz nach oben dreht und dafür sechsmal so viel Latenz in Kauf nimmt. Fünfundzwanzig Punkte bei der Standardeinstellung und fünfzehn am oberen Anschlag, vom selben Modell, ohne Preisänderung auf der Preisliste.
Die Leiter von Qwen4-Max hat drei Stufen – low, high, xhigh – und standardmäßig ist high eingestellt. Es gibt keine medium-Einstellung: Chat Completions und DashScope bilden beide medium auf high ab, sodass die mittlere Einstellung so viel kostet wie die oberste. Das ist ein schlechterer Regler als bei Luna, und das zählt aus demselben Grund – die Stufe, die du aufrufst, entscheidet über den Score, und Qwen4-Max bietet dir weniger Möglichkeiten, weniger davon zu kaufen.
Was der Tracker für Qwen4-Max nicht veröffentlicht, ist ein Wert für jede seiner drei Stufen; die Seite führt 43 auf und endet dort. Lunas vollständige sechsstufige Leiter ist öffentlich, was Luna zum leichter zu modellierenden und zugleich schwieriger zu zitierenden Modell macht. Wenn Sie eine Kostenprognose erstellen, ist eine vollständig veröffentlichte Leiter mehr wert als eine einzelne bessere Zahl, weil Sie sehen können, wo der Knick liegt.

Lunas 272.000-Token-Klippe
Beide Modelle werben mit einem Kontext von einer Million Token, doch nur eines davon berechnet über den gesamten Kontext denselben Tarif – und genau das ist das teuerste Detail, das ein Käufer übersehen kann.
• Qwen4-Max — 1,50 $ und 4,50 $ pauschal über das gesamte 1.000.000-Token-Fenster, ohne Staffelung bei 32K oder 128K. Das dokumentierte Eingabelimit beträgt 991.808 Token ohne Thinking und 983.616 mit aktiviertem Thinking; die Non-Thinking-Ausgabe ist auf 131.072 Token begrenzt, und Thinking plus Antwort teilen sich 262.144.
• GPT-6 Luna — 0,10 $ und 0,50 $ bis zu 272.000 Eingabe-Tokens, danach 0,20 $ für Eingabe und 0,75 $ für Ausgabe darüber. Die Preisanpassung gilt für die gesamte Anfrage, nicht nur für den übersteigenden Teil: Ein Prompt mit 300.000 Tokens zahlt für alle 300.000 den doppelten Preis, nicht nur für die letzten 28.000. Das Kontextfenster beträgt laut OpenAI-Dokumentation 1.050.000 und laut Tracker 1 Mio.; maximale Eingabe 922.000; Ausgabeobergrenze 128.000.
Führe den Langkontext-Fall aus, und die 22×-Werte fallen auf 7,5× zusammen. Ein Dokument mit 400.000 Token und einer Antwort mit 8.000 Token kostet bei Qwen4-Max 0,60 $ für den Input und 0,09 $ für den Output – zu Singapur-Tarifen 0,69 $. Dieselbe Anfrage kostet bei Luna 0,08 $ für den Input und 0,006 $ für den Output, also 0,086 $. Siebenkommafünf Mal, nicht zweiundzwanzig Mal. Luna ist weiterhin dramatisch günstiger, und zwar um ein Drittel des Vorsprungs, den die Schlagzeile nahelegt.
Diese Umkehrung hat eine zweite Schneide, und die schneidet in die andere Richtung. Unter 272.000 Tokens greift die Klippe nie, und die meisten Agent-Workloads – ein Codebase-Kontext, ein Support-Gespräch, eine Tool-Calling-Schleife – liegen deutlich darunter. Ein Team, das auf beiden Karten „1M Kontext“ liest und für einen 500.000-Token-Job Luna mit 0,10 $ veranschlagt, hat die Eingabe um Faktor 2 und die Ausgabe um Faktor 1,5 zu knapp kalkuliert, und der Fehler zeigt sich erst auf der Rechnung.
Es gibt außerdem eine Standortklausel, die man kennen sollte, bevor der Preis eine Rolle spielt: EU-Datenresidenz auf Luna gibt es nur mit Standardverarbeitung, was die Batch- und Fast-Rabatte vollständig ausschließt. Wenn eine Anforderung an die Datenresidenz besteht, ist der effektive Luna-Tarif der Standardtarif, und die Rabattstruktur, mit der Sie gerechnet haben, steht Ihnen nicht zur Verfügung.
Video und die Reihe, die Luna nicht betreten kann
Der Modalitätsunterschied ist kleiner, als das Marketing suggeriert, und größer, als ein Blick auf das Datenblatt vermuten lässt.
• GPT-6 Luna — Text und Bild als Eingabe, Text als Ausgabe. Kein Video- oder Audiomodell. Bilderzeugung, Sprachgenerierung, Transkription und Übersetzung sind alle als nicht unterstützt dokumentiert.
Qwen4-Max — Text, Bild und Video als Eingabe, Text als Ausgabe, wobei Vision nativ statt über einen Extraktor verarbeitet wird. Protokollseitig OpenAI Chat Completions, OpenAI Responses, Anthropic Messages und DashScope, gegenüber Lunas Responses, Chat Completions und Batch.
Qwen4-Max ist also der einzige der beiden, den man auf eine Bildschirmaufzeichnung, eine Vorlesungsaufzeichnung oder ein Video-Review richten und dazu eine Frage stellen kann. Das ist ein echter Fähigkeitsunterschied und kein Benchmark-Unterschied — kein Index auf einer der beiden Karten misst ihn, und kein wie auch immer geartetes Tuning des Effort-Levels bei Luna bringt ihn hervor. Wenn Video zur Arbeitslast gehört, endet der Vergleich hier, und die 22× sind der Eintrittspreis.
Wenn kein Video vorliegt, dient die Zeile nur der Dekoration, und die Protokollbreite ist die interessantere Hälfte. Qwen4-Max spricht vier Wire-Formate; Luna spricht drei und stellt die reichhaltigste Tool-Oberfläche nur über Responses bereit — integrierte Tools wie Websuche, Dateisuche, Code-Interpreter und gehostete Shell laufen dort, und Function Calling auf Chat Completions funktioniert nur, wenn der Reasoning-Aufwand auf none gesetzt ist. Eine Pipeline, die zu Chat Completions wechselt, um Geld zu sparen, und weiterhin Tool-Aufrufe erwartet, scheitert bei der ersten Anfrage. Das ist eine Migrationsfalle, keine Fähigkeitslücke, und es ist die Art von Sache, die eine Woche statt eines Prozentsatzes kostet.
Genau an dieser Nahtstelle zeigt sich, ob eine Routing-Schicht ihren Nutzen beweist – und nicht die Wahl eines Modells. OrcaRouter führt bereits openai/gpt-6-luna zu OpenAIs Listenpreisen mit 0 % Aufschlag, der durchgereicht wird – eine Preisänderung bei Luna ist hier also am selben Tag live, an dem sie auf OpenAI's Preisliste erscheint – und Qwen4-Max wird hier nicht gehostet; es ist über Alibaba's eigene Model Studio API und mehrere Drittanbieter-Plattformen erreichbar. Eine API für über 200 Modelle, ein Schlüssel – und eine Routing-DSL, die eine Anfrage klassifiziert und sie an dasjenige der beiden Modelle weiterleitet, dem sie laut Tabellenzeile zugeordnet ist: Luna für die Extraktionsstufe mit hohem Volumen, Qwen-Klasse für die Video- und Long-Context-Arbeit, die Luna strukturell nicht übernehmen kann. Automatisches Failover deckt den Tag ab, an dem die günstige Stufe eine schlechte Stunde hat – genau den Tag, an dem eine Single-Provider-Pipeline feststellt, dass sie eine hat.

Wann welches Modell die richtige Wahl ist
Drei Workloads, drei unterschiedliche Antworten – und bei der dritten stehen die meisten Teams tatsächlich.
Hohes Volumen, gut spezifiziert, geprüft. Klassifikation über einen Korpus, Extraktion aus Dokumentensätzen, Zusammenfassung, die Support-Triage-Stufe einer Pipeline. Luna mit 0,15 $ pro Aufgabe gegenüber Qwen4-Max mit 3,27 $ bedeutet eine Kostensenkung um 95 % für Arbeit, die nie eine 43 gebraucht hat. Die 18, die man bei Lunas Standard erhält, liegen über dem Median seiner Preisklasse, und die Ausgabe ist überprüfbar – das ist das ganze Argument. Das ist keine knappe Entscheidung.
Über lange Zeiträume, ohne Aufsicht, teuer, wenn etwas schiefgeht. Mehrstündige Agent-Läufe, Refactorings im Repository-Maßstab, Recherche, die sich über Dutzende Tool-Aufrufe erstreckt. Fünfzehn Indexpunkte sind der Unterschied zwischen einem Modell, das einen Plan halten kann, und einem, das ihn verliert, und bei 3,27 US-Dollar pro Aufgabe gegenüber einem Lauf, dessen Wiederholung eine Ingenieurstunde kostet, ist der Preis nicht die Einschränkung. Qwen4-Max ist außerdem das einzige der beiden Modelle, das Videoeingaben akzeptiert, was für einen wachsenden Anteil agentischer Arbeit – Screenshots, Bildschirmaufzeichnungen, UI-Traces – der Unterschied zwischen einer Workload, die existiert, und einer, die nicht existiert, ist.
Latenzempfindlich, irgendwo in der Mitte. Dies ist der Fall, den keine der beiden Karten beantwortet. Luna dekodiert bei maximalem Aufwand mit 103 Token pro Sekunde und bei Standardeinstellung mit 93; Qwen4-Max mit 59. Luna erledigt eine Index-Aufgabe bei maximalem Aufwand in 12,2 Minuten und bei Standardeinstellung in 3,5; Qwen4-Max in 29,8. Wenn ein Mensch wartet, sind 59 Token pro Sekunde die Zahl, die entscheidet, ob sich das Produkt lebendig anfühlt, und keine Einsparung pro Aufgabe wiegt eine Oberfläche auf, die hängt. Wenn niemand wartet, sind 29,8 Minuten Wanduhrzeit, um die man herum planen kann.
Die richtige Form für die meisten Teams ist nicht eine dieser beiden, sondern beides – und der Grund dafür ist, dass die Entscheidungsgrenze eine Eigenschaft auf Anfrageebene ist, nicht auf Vertragsebene. Eine Pipeline, die auf Luna klassifiziert und bei Unsicherheit des Klassifikators an ein Frontier-Modell eskaliert, erzielt die 95 % Einsparung bei den einfachen 90 % und die fünfzehn Punkte bei den übrigen. Dafür ist die Routing-DSL da, und sie ist die einzige Konfiguration in diesem Vergleich, bei der man sich nicht für einen Verlierer entscheiden muss.
Die Rechnung, die Sie tatsächlich vorhersehen können
Die Aufgabenkosten sind für fünfzehn Indexpunkte zweiundzwanzigmal so hoch. Teilt man das eine durch das andere, kostet Qwen4-Max $0,076 pro Indexpunkt gegenüber Lunas $0,0054 — vierzehnmal mehr pro Punkt, die Zahl, die Luna als offensichtlichen Kauf erscheinen lässt, und zugleich die am wenigsten nützliche Zahl, weil niemand Indexpunkte verbraucht.
Was Menschen konsumieren, ist eine Arbeitslast, und diese Arbeitslast hat drei Eigenschaften, die darüber entscheiden: wie viele Tokens der Kontext umfasst, ob ein Mensch wartet und ob eine falsche Antwort günstig zu erkennen ist. Luna gewinnt die ersten beiden klar und verliert die dritte so deutlich, dass sich der Vergleich umkehrt. Qwen4-Max gewinnt die dritte und berechnet sie zu einem Preis, der nur Sinn ergibt, wenn die Alternative ein erneuter Durchlauf ist.
Die Vorhersage, die das alles übersteht: Wenn Sie zwischen diesen beiden anhand des Preises wählen, haben Sie bereits falsch gewählt, denn der 22×-Faktor ist kein Aufpreis, den Sie bei jeder Anfrage in einer Pipeline zahlen sollten – er ist ein Aufpreis, den Sie für den kleinen Bruchteil der Anfragen zahlen, die ihn benötigen. Routen Sie diesen Bruchteil. Der Rest ist ein Rundungsfehler, den Sie für etwas anderes ausgeben können.
