
Qwen4-Max reduce el coste por tarea en un 67%: de dónde procede realmente el ahorro
- GoogleNUEVOGoogle: Gemini 4 Carbon2026-11-10$2.00 / $10.00 por 1M de tokens · 90 tok/s
- AnthropicNUEVOAnthropic: Claude Fable 5.22026-11-09$8.00 / $40.00 por 1M de tokens · 97 tok/s
- orcaNUEVOOrca: OrcaC2 1.02026-11-0717 tok/s
- OrcaNUEVOOrcaCyber: GLM 5.3 Abliterated / Uncensored2026-11-04$3.00 / $5.00 por 1M de tokens · 87 tok/s
- OrcaNUEVOOrcaCyber: Hy4 Abliterated / Uncensored2026-11-04$0.80 / $1.60 por 1M de tokens · 133 tok/s
- OrcaNUEVOOrcaCyber: Kimi K3.1 Pro Abliterated / Uncensored2026-11-04$4.00 / $20.00 por 1M de tokens · 72 tok/s
- OrcaOrcaCyber: MiniMax M3.1 Flash Abliterated / Uncensored2026-10-29$0.80 / $1.60 por 1M de tokens · 130 tok/s
- OrcaOrcaCyber: GLM 5.3 Flash Abliterated / Uncensored2026-10-27$0.80 / $1.60 por 1M de tokens · 65 tok/s
- OrcaOrcaCyber: Qwen3.8 Flash Next Abliterated / Uncensored2026-10-26$0.80 / $1.60 por 1M de tokens · 92 tok/s
- OrcaOrcaCyber: MiMo V2.6 Flash Abliterated / Uncensored2026-10-26$0.80 / $1.60 por 1M de tokens · 43 tok/s
- MoonshotMoonshotAI: Kimi K3.1 Pro2026-10-2447Inteligencia
- OrcaOrcaCyber: DeepSeek V4.1 Flash Abliterated / Uncensored2026-10-23$0.80 / $1.60 por 1M de tokens · 193 tok/s
- minimaxMiniMax: M3.1 Flash2026-10-1929Inteligencia
- OrcaOrca: OrcaCyber Ultra 1.02026-10-17$5.00 / $10.00 por 1M de tokens · 150 tok/s
- deepseekDeepSeek: DeepSeek V4.1 Flash 10172026-10-1733Inteligencia
- DeepSeekDeepSeek: DeepSeek V4.1 Flash2026-10-1740Inteligencia
- OrcaOrca: OrcaCyber Zero 1.52026-10-10$3.00 / $7.50 por 1M de tokens · 119 tok/s
- openaiOpenAI: GPT-6.1 Sol2026-09-2955Inteligencia
- anthropicAnthropic: Claude Sonnet 5.52026-09-2855Inteligencia
- typesafeTypeSafe: Jev 1.132026-09-24$0.04 / $0.00 por 1M de tokens · 219 tok/s
Una factura de benchmark es un artefacto extraño: es el único documento público que pone precio a los hábitos de un modelo. Artificial Analysis publica cuánto costó ejecutar Qwen4-Max en su Intelligence Index —$3.27 por tarea— y publica la tarifa que utilizó para llegar a esa cifra. Divida una entre la otra y se recupera algo que el laboratorio nunca declara abiertamente: cuántos tokens dedica realmente Qwen4-Max a pensar. Haga lo mismo con Qwen3.8-Max, el modelo al que reemplaza, y la reducción del 67% en el coste por tarea se descompone limpiamente en dos cifras que la mayoría de la cobertura del lanzamiento del 16 de noviembre mezcla. Aproximadamente la mitad del ahorro es una reducción de precio. La otra mitad es Qwen4-Max hablando menos. Y la partida que ahora domina su factura no es la que sugiere el precio titular.
El resumen del propio proveedor es preciso, pero comprime la parte interesante. Qwen4-Max, afirma Alibaba en su página de lanzamiento, utiliza aproximadamente un 24 % menos de tokens que Qwen3.8-Max con esfuerzo Xhigh y un 35 % menos con High en Work360, y un 48 % y un 49 % menos en Terminal-Bench 4.0; el costo promedio por tarea en Work360 cae de $4.43 a $1.67, una reducción del 62 %. Esas son cifras de la compañía en benchmarks de la compañía. La aritmética independiente que aparece a continuación llega al 67 % en un benchmark diferente mediante una ruta diferente, que es el tipo útil de coincidencia: dos métodos, la misma dirección, una magnitud similar.
Lo que realmente dice el marcador independiente
En Artificial Analysis, Qwen4-Max obtiene 43 en el Intelligence Index frente a 34 de Qwen3.8-Max, una mejora del 27 % en la capacidad medida. La misma página fija los precios de los dos modelos en $1.50 por millón de tokens de entrada y $4.50 por millón de salida, frente a $2.00 y $6.00 — un descuento plano del 25 % en ambas direcciones. La entrada en caché es donde el descuento es drástico: $0.075 por millón frente a $0.25, una reducción del 70 %, y la tasa de descuento por acierto de caché pasa del 87.5 % al 95 %.
El costo por tarea del Índice de Inteligencia, ponderado entre las nueve evaluaciones del índice, se sitúa en 3,27 USD frente a 10,02 USD. Si se divide el costo por la puntuación, la brecha se amplía: Qwen4-Max ofrece un punto de capacidad medida por menos de ocho centavos; Qwen3.8-Max, por unos treinta. Ese es el número que hay que retener si la única pregunta es a qué modelo trasladar una carga de trabajo: la capacidad por dólar mejoró aproximadamente tres cuartas partes, no el 67 % que sugiere solo el costo por tarea.
Invertir la factura para recuperar los recuentos de tokens
Artificial Analysis desglosa el costo por tarea en componentes: entrada a tarifa completa, escritura en caché, lectura de caché y salida, y la salida se divide además en tokens de razonamiento y de respuesta. También publica los precios. Divide cada componente entre su precio y obtienes los tokens. El método se valida en una línea: el componente de salida dividido entre $4.50 da 104,940 tokens por tarea, y la página informa por separado 104,939.8 tokens de salida por tarea para Qwen4-Max. Concordancia exacta hasta el decimal, en una línea que se calculó de dos maneras distintas.
Todas las demás líneas heredan esa confianza, con una suposición expresada abiertamente: que las escrituras en caché se facturan a la tarifa de entrada completa, que es lo que implica la aritmética de ambos modelos, y no algo que ninguno de los dos proveedores documente explícitamente.
Qué se desprende, por tarea del Intelligence Index:
• Tokens de salida — Qwen4-Max 104,940 frente a Qwen3.8-Max 170,794, una reducción del 39 %.
• Tokens de razonamiento — 68.914 frente a 119.698, un 42% menos. El presupuesto de pensamiento se redujo mucho más que el presupuesto de respuesta.
• Tokens de respuesta: 36.025 frente a 51.096, un 30 % menos. Qwen4-Max ahora dedica el 66 % de su salida al razonamiento en lugar del 70 % que dedicaba su predecesor; no solo es más corto, sino que tiene una proporción diferente.
• Tokens de lectura de caché — alrededor de 14,9 millones frente a 22,7 millones, un 34 % menos. Se trata de los tokens de contexto reproducidos que dominan cualquier ejecución agéntica prolongada.
• Tokens de escritura en caché: alrededor de 1,11 millones frente a 1,66 millones, un 33 % menos.
Dos cosas destacan. Primero, la reducción de tokens no se concentra en la respuesta visible, donde un usuario notaría la verbosidad, sino en el razonamiento y en el contexto reproducido, donde nadie está mirando. Segundo, los volúmenes de tokens por tarea son enormes en términos absolutos —catorce millones de lecturas de caché por tarea—, lo que indica qué mide realmente el Intelligence Index: trabajo de horizonte largo con un contexto persistente grande, no preguntas y respuestas de un solo turno.

Divide el 67% entre precio y comportamiento.
El costo es el precio multiplicado por el volumen, así que la reducción puede descomponerse limpiamente. Si se facturan los volúmenes de tokens de Qwen3.8-Max a las tarifas de Qwen4-Max, una tarea cuesta $4.97 en lugar de $10.02; solo el cambio de precio explica una reducción del 50%. Si además se aplica el comportamiento de Qwen4-Max, se llega a $3.27, un 34% adicional menos sobre lo que quedaba. Multiplicados entre sí, 0.496 por 0.658 da 0.326: la reducción observada del 67%, totalmente explicada, sin que quede nada por explicar.
Qué mitad merece el mérito depende del orden en que se impute, y vale la pena decirlo en lugar de elegir la cifra que halaga. En términos porcentuales, el precio representa alrededor del 50 % y la disciplina de tokens, alrededor del 34 %. En dólares —$6.76 ahorrados por tarea en total, $5.06 de las tarifas y $1.70 del volumen—, el precio se lleva tres cuartas partes. Ambos enfoques son correctos; responden a preguntas distintas. Si estás pronosticando el gasto del próximo trimestre, el cuadro de tarifas es la palanca mayor y más segura. Si te preguntas si el modelo es realmente más económico, el 34 % que proviene de gastar menos tokens es el más duradero, porque una reducción de precios se puede revertir y una arquitectura no.
La dirección de los propios números del proveedor corrobora la división sin que se le haya pedido. Alibaba atribuye la reducción a ambos factores al mismo tiempo, y su 62 % en Work360 queda cerca del 67 % medido de forma independiente en el Intelligence Index —dos arneses, dos conjuntos de tareas, una conclusión.
La partida que, sin hacer ruido, se convirtió en la más grande
Aquí es donde el precio destacado engaña. Antes, las lecturas de caché representaban el 57 % de la factura y las escrituras de caché el 33 %. Después, las escrituras de caché son el 51 % y las lecturas de caché el 34 %. El modelo se abarató en cada concepto, pero el descuento fue desequilibrado —70 % de descuento en lecturas de caché, 25 % en escrituras de caché— e invirtió el orden de los dos costos más grandes.
Las escrituras en caché se facturan a la tarifa de entrada, $1.50 por millón, veinte veces la tarifa de lectura de caché de $0.075. Una carga de trabajo que reescribe su contexto con más frecuencia de la que lo reproduce ahora paga ese hábito en la moneda más cara de la tarifa. Esta es la consecuencia práctica del cambio de precios que la cobertura del lanzamiento pasó mayormente por alto, y aboga por el trabajo poco glamuroso: prefijos de prompt estables, sesiones de larga duración y menos reconstrucciones completas del contexto. En Qwen3.8-Max esos hábitos importaban menos porque reproducir el contexto ya era lo bastante caro como para dominar la factura de todos modos.
La lección va más allá de este modelo. Cuando un proveedor reduce el precio de una clase de token mucho más que el de las demás, la arquitectura óptima de prompts cambia con ello, y la factura que recibes es un indicador rezagado de la arquitectura que construiste para la tarjeta anterior.

La eficiencia es relativa, y la cifra absoluta no resulta halagadora.
Una reducción del 39 % en los tokens de salida suena a un modelo eficiente. Pero si se compara con el resto, es una versión más eficiente de uno muy locuaz. A lo largo de toda la ejecución del índice, Qwen4-Max generó 127 millones de tokens de salida; el modelo mediano genera 78,6 millones. Qwen3.8-Max generó 150 millones. Ambos modelos Qwen se sitúan claramente del lado de la verbosidad, y Qwen4-Max solo pasó de 1,9 veces la mediana a 1,6 veces esta.
Eso no contradice la afirmación sobre la eficiencia: es la lectura correcta de ella. La afirmación es que Qwen4-Max obtiene un mejor resultado que su predecesor mientras gasta menos tokens, y ambas partes se cumplen. No afirma que el modelo sea silencioso, y cualquier modelo de presupuesto construido sobre la suposición de que un modelo de alta puntuación debe ser conciso estará equivocado por un amplio margen. Si el volumen de salida determina tu costo, pasar a Qwen4-Max reduce la cantidad y no cambia la categoría.
Las cifras de preentrenamiento del proveedor apuntan en la misma dirección en una capa distinta. En evaluaciones internas de BPB, Qwen4-Max-Base es entre un 5 y un 13 % mejor que Qwen3.8-Max-Base en todos los dominios, mientras activa un 25 % menos de parámetros: la arquitectura hace más trabajo por unidad de cómputo, lo cual es coherente con un modelo que necesita menos tokens para llegar a una conclusión. Que el backbone de 2,4 billones de parámetros, los 71 mil millones de parámetros activados y los 328 mil millones adicionales de parámetros de embedding de N-gram sean la razón es una explicación del proveedor, no una medición que alguien fuera de Alibaba haya reproducido.
¿Qué falta en el panorama de costos?
La latencia, para empezar. La ficha del Intelligence Index indica el tiempo por tarea como no aplicable para Qwen4-Max; para Qwen3.8-Max es de 48,1 minutos frente a una mediana de 13,3 minutos, uno de los resultados más lentos medidos. Un modelo que es un 67 % más barato por tarea y que tarda una cantidad desconocida de tiempo real por tarea no se ha comparado del todo con nada. Los tokens baratos que hay que esperar son otro producto.
La amplitud de proveedores, por otro lado. El precio detrás de cada cifra anterior es una única tarifa propia de Alibaba Cloud, y el modelo aparece actualmente con un solo host. No hay una segunda fuente para arbitrar, así que el tarifario es la tarifa. Y Qwen3.8-Max ahora está marcado como obsoleto en favor de Qwen4-Max y se evalúa cada dieciocho horas en lugar de cada seis, lo que significa que la línea base de comparación se actualiza más lentamente que el modelo con el que se compara.

Convertir la aritmética en un presupuesto que tú controlas
De la descomposición se derivan dos palancas, y son independientes. La primera es el precio: una tarifa que no puedes negociar sigue siendo una tarifa que puedes sortear, que es el caso de pagar el precio de lista y nada por encima de él. OrcaRouter traslada los precios de lista de los proveedores con un margen del 0 %, de modo que un recorte de proveedor como el que hizo Alibaba el 16 de noviembre llega a tu factura el mismo día en lugar de en la próxima renovación del contrato — y el tamaño de este recorte en particular, especialmente el 70 % en la entrada en caché, es justo el tipo de cambio que un acuerdo de traslado de precios hace visible en lugar de absorberlo en silencio.
La segunda palanca es el volumen, y es la que el modelo no puede crear por ti. El DSL de enrutamiento compone varios modelos en una sola llamada, de modo que la mayor parte de una canalización puede ejecutarse en un modelo barato mientras que la cola difícil —las tareas que realmente necesitan un MoE de 2,4 billones de parámetros— se envía a uno que lo tiene. Esa división es cómo capturas el dividendo de comportamiento del 34 % sin pagar tarifas de frontera por trabajo que nunca las necesitó, y es la respuesta natural a una carga de trabajo en la que catorce millones de tokens de contexto por tarea es normal.
Siendo precisos sobre lo que ofrecemos y lo que no: Qwen4-Max no está en nuestro catálogo a fecha de 16 de noviembre de 2026. El modelo Qwen que enrutamos hoy es qwen/qwen3.8-max, el predecesor que este artículo usa como referencia. Para un equipo que quiera comprobar si la reducción de tokens se mantiene en su propio tráfico antes de comprometerse, la conmutación por error automática es la forma de bajo riesgo de entrar — enruta una porción, mantén activo el respaldo y compara trazas reales en lugar de tareas de benchmark.
¿Qué cambiaría esta lectura?
Artificial Analysis publica recuentos agregados de tokens por modelo, y este artículo infiere los volúmenes por tarea a partir de sus componentes de coste. Si el arnés cambió entre las dos ejecuciones —distintas combinaciones de tareas, una ponderación diferente—, parte de la reducción del 39 % en la salida podría deberse al arnés y no al modelo. La conciliación exacta en la línea de salida argumenta en contra de eso, pero no lo descarta, y cualquiera que tenga tráfico propio debería tratar las cifras derivadas como una hipótesis que poner a prueba y no como un hecho sobre el que planificar.
Las cifras de Work360 del proveedor conllevan una salvedad distinta, que la propia Alibaba señala: dos de los checkpoints de la comparación de BPB son modelos con post-entrenamiento en lugar de modelos base, lo que debilita un planteamiento de comparación homogénea. La reducción de costes del 62 % en Work360 no se ve afectada por ello, ya que compara modelos ya comercializados sobre un conjunto de tareas fijo, pero las afirmaciones sobre el preentrenamiento deberían leerse teniendo esto en cuenta.
Lo que sobrevive a todo eso es la forma de la respuesta más que su precisión. Un lanzamiento presentado como una rebaja de precio es también, y aproximadamente en igual medida, un cambio en cuánto gasta el modelo para llegar a una respuesta — y la segunda mitad es la parte que un competidor no puede copiar ajustando una tarifa. Ese es el número que hay que vigilar cuando se lancen los modelos Qwen4 más pequeños, porque si la disciplina de tokens es arquitectónica, viajará con ellos, y si era una propiedad de este checkpoint en concreto, no lo hará.
Comparados en este artículo1
Detectado en este artículo · Benchmarks: Artificial Analysis · actualizado a diario
