
Qwen4-Max vs LongCat 2.5: dos modelos insignia que nadie ha puntuado, con una diferencia de precio de doce veces
- 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 · 96 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 · 152 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
Esta es una comparación con una propiedad inusual: ninguno de los dos lados tiene una cifra. Qwen4-Max, disponible de forma general por Alibaba desde el 16 de noviembre de 2026, publica una lista de precios, una ventana de contexto y una lista de funciones, y ningún benchmark de ningún tipo. LongCat 2.5, que Meituan publicó el 2 de noviembre de 2026, viene con una tabla de evaluación del proveedor de 31 filas y aun así no tiene ninguna puntuación independiente: no hay una entrada de LongCat 2.5 en la clasificación de Artificial Analysis, solo la de su predecesor LongCat 2.0, que tampoco tiene valor de índice. Así que cuando pones Qwen4-Max y LongCat 2.5 uno al lado del otro, lo que realmente los separa no es la capacidad. Es 1,20 $ frente a 4,50 $ en tokens de salida, y es si te crees la tabla de un proveedor cuando es la única tabla que hay.
Eso hace que esta página sea un tipo de comparación distinto del habitual cara a cara. No pregunta qué modelo es mejor, porque nadie fuera de los dos laboratorios puede responderlo. Pregunta cuál puedes permitirte descubrir y a qué se compromete y a qué no la documentación de cada proveedor.

Lo que Meituan lanzó realmente el 2 de noviembre
LongCat 2.5 es un modelo disperso de mezcla de expertos de 1,6 billones de parámetros que activa aproximadamente 48 mil millones de parámetros por token, lo que lo convierte en una iteración de la misma arquitectura que LongCat 2.0 en lugar de un diseño nuevo. Es nativamente multimodal en un sentido específico e inusual: las señales visuales se codifican como tokens discretos de varios niveles mediante cuantización vectorial residual sobre características de un codificador semántico y alineado, de modo que las imágenes y el texto entran en el backbone como un único vocabulario de tokens en lugar de mediante un adaptador acoplado. Los casos de uso indicados por el proveedor se derivan de ello: construir una página a partir de una captura de pantalla, generar una escena 3D a partir de una descripción, producir un póster.
El contrato de servicio es concreto. El contexto es de 1.048.576 tokens de entrada y 131.072 de salida. Hay dos endpoints en api.longcat.chat: un /openai/v1/chat/completions compatible con OpenAI y un /anthropic/v1/messages compatible con Anthropic. Claude Code, Codex, Hermes, OpenCode y Kilo Code se mencionan como harnesses compatibles, con una guía propia para cada uno. Los pesos no están disponibles; los botones de GitHub y Hugging Face del blog dicen ambos «Coming soon» y no indican fecha. LongCat 2.0 se lanzó bajo MIT, así que la cuestión de la licencia de 2.5 está realmente abierta y no queda respondida por el precedente.

El Qwen4-Max de Alibaba, en cambio, es cerrado de una manera diferente: su documentación marca el ajuste fino y el despliegue de modelos como no compatibles de forma tajante, lo que es una afirmación más rotunda que «próximamente». Texto, imagen y vídeo de entrada; texto de salida; una ventana de 1.000.000 de tokens; 131.072 tokens de salida fuera del modo de pensamiento; pensamiento activado de forma predeterminada con un presupuesto de 131.072 tokens. Seis regiones —Singapur, Pekín, Hong Kong, Fráncfort, Virginia y Tokio— frente a la única plataforma propia de LongCat.
La diferencia de precio, y lo que compra
• Entrada — Qwen4-Max $1.50 por 1M en Singapur y $1.413 en otros lugares, frente a LongCat 2.5 $0.30
• Salida — Qwen4-Max $4.50 en Singapur y $4.24 en otros lugares, frente a LongCat 2.5 $1.20
• Entrada en caché — lectura de Qwen4-Max a $0.075 tras una escritura de cinco minutos a $1.875, frente a lectura de LongCat 2.5 a $0.006
• Contexto — Qwen4-Max 1.000.000 de tokens frente a LongCat 2.5 1.048.576 tokens
• Salida máxima — Qwen4-Max 131,072 tokens sin pensamiento, 262,144 compartidos con pensamiento, frente a LongCat 2.5 131,072 tokens
• Modalidad — entrada de texto, imagen y vídeo de Qwen4-Max frente a entrada de texto e imagen de LongCat 2.5, con tokenización visual nativa
• Pesos — ninguno de los dos publica ninguno, pero LongCat 2.5 dice «próximamente» mientras que Qwen4-Max indica «no compatible»
• Regiones — Qwen4-Max seis frente a LongCat 2.5 una plataforma
• Puntuación independiente: ninguna de las dos partes tiene una
En tokens de salida, eso supone una diferencia de doce veces en Singapur y de 3,5 veces en la entrada. Hagamos los cálculos con un flujo de trabajo real: un millón de llamadas al mes con 2.000 tokens de entrada y 500 de salida cuesta 5.250 $ con Qwen4-Max Singapur y 1.200 $ con LongCat 2.5. Con diez veces ese volumen, la diferencia es de 52.500 $ al mes frente a 12.000 $, lo que equivale a un puesto de trabajo, no a un error de redondeo.

Lo que se compra con el dinero adicional no es, a tenor de lo publicado, capacidad. Compra despliegue regional —Fráncfort, Virginia y Tokio importan enormemente a una empresa europea o estadounidense con una obligación de residencia de datos, y la única plataforma de Meituan no las ofrece—. Compra una vía de entrada de vídeo que LongCat no documenta. Y compra la certeza operativa de un proveedor que lleva años vendiendo modelos de frontera a empresas, frente a una plataforma cuya propia página de precios describe sus cifras como por tiempo limitado y termina diciendo «los precios están sujetos a cambios».
Ese último punto merece peso. El tarifario de LongCat te dice que no es la fuente autoritativa de sus propias cifras. El tarifario de Qwen4-Max, publicado esta mañana, no.
Leer una tabla de proveedores cuando es la única tabla
La página de lanzamiento de Meituan contiene 31 filas de evaluación, y lo primero interesante de ellas es el conjunto de comparación: GPT-5.5, GPT-5.6 Sol, Claude-Opus-4.8 y Claude-Opus-5. GPT-6.1 Sol de OpenAI, disponible de forma general desde el 29 de septiembre, no aparece en la tabla. Tampoco Claude Opus 5.5, el modelo al que resuelve el alias opus en Claude Code. Los oponentes fueron elegidos.
La segunda cosa interesante es la frase de resumen que utiliza el anuncio: que las puntuaciones de LongCat 2.5 se sitúan «entre Claude-Opus-4.8 y Claude-Opus-5». En el entorno de pruebas más reciente de la misma tabla, se sitúa 15 puntos por debajo de Opus 5. Ambas afirmaciones proceden de la misma página. Eso no es una crítica al modelo —un modelo disperso de 1.6T entrenado de extremo a extremo en aceleradores chinos nacionales y servido a $1.20 de salida es un logro genuino—, pero sí es una razón para leer la tabla como un subconjunto elegido y no como una tarjeta de puntuación.
El problema de Qwen4-Max es el inverso. No hay tabla alguna. La documentación de Alibaba especifica la mecánica con una precisión inusual —temperatura predeterminada de 1.0 con pensamiento y 0.7 sin pensamiento, top-p 0.95 y 0.8, top-k 20, un presupuesto de pensamiento de 131,072 tokens, límites máximos de entrada independientes de 991,808 tokens en modo sin pensamiento y 983,616 en modo con pensamiento, seis regiones con sus alcances de despliegue— y no dice absolutamente nada sobre la calidad. No existe ninguna entrada de Qwen4 en el índice de modelos de Artificial Analysis, y la URL por modelo devuelve un 404.
Así que la elección entre una tabla que tienes que descartar y ninguna tabla es más reñida de lo que parece. Ambos modelos requieren tu propia evaluación antes de producción. La diferencia es que Meituan te ha dado una hipótesis de partida y Alibaba te ha dado una especificación.
El reparto de carga de trabajo que realmente decide esto
Tres patrones, y la respuesta difiere para cada uno.
• Generación de texto de gran volumen — LongCat 2.5 gana en aritmética de forma tan decisiva que el benchmark que falta apenas importa. Al ser entre 3,5× y 12× más barato, puede perder en calidad por un margen notable y aun así ganar en coste por tarea finalizada. Ejecuta cien de tus propios prompts y compruébalo.
• Trabajo visual a partir de capturas de pantalla y entradas relacionadas con capturas de pantalla: la tokenización visual nativa de LongCat es la razón por la que el modelo existe, y es la única afirmación de su lanzamiento que es arquitectónica en lugar de promocional. Qwen4-Max también acepta vídeo, así que si tu entrada es vídeo en lugar de imágenes fijas, es el único de los dos que aceptará la solicitud.
• Implementación regulada o sensible a la latencia — las seis regiones de Qwen4-Max frente a una sola plataforma no es una consideración de precios, sino de elegibilidad. Si sus datos tienen que permanecer en Frankfurt o Virginia, la diferencia de precio de doce veces es irrelevante, porque la opción más barata no puede servirle en absoluto.
Manteniendo ambas opciones abiertas
OrcaRouter no enruta actualmente LongCat 2.5 ni Qwen4-Max; ambos son accesibles a través de las API propias de sus proveedores, con las tarifas indicadas arriba. Los modelos con los que deberíamos ejecutar esta comparación por nuestra parte son los que ya están en el catálogo con la misma clave — GLM-5.3 a $1,40 y $4,40 por millón, Qwen3.8-Max a $2,00 y $6,00, Kimi K3.1 Pro a $2,00 y $10,00 — porque una prueba de tres vías de un modelo sin puntuación frente a otro con precio y medición es la forma más barata de averiguar si el nuevo modelo vale realmente su precio de lista.
La capa de enrutamiento es lo que hace que esa prueba sea barata. Una política puede enviar una muestra de tráfico real a LongCat 2.5 y a un modelo conocido en paralelo, comparar las salidas con el juez que se confíe y solo entonces decidir si mover el volumen. La conmutación por error automática importa más de lo habitual con dos modelos tan nuevos: ninguno tiene un historial lo bastante largo como para justificar una dependencia de un único proveedor, y una cadena de respaldo no cuesta nada cuando la ruta principal está sana.
El veredicto sincero
Si tu trabajo consiste en texto e imágenes a gran volumen, LongCat 2.5 es el modelo más interesante de esta página, y su ventaja de doce veces en el precio de salida es el único dato concreto que cualquiera de los dos proveedores te ha dado. Si tu trabajo necesita entrada de vídeo, despliegue regional o un proveedor con una trayectoria empresarial, Qwen4-Max es el que cumple el requisito, y el precio es lo que cuesta esa satisfacción.
Lo que ninguno de los dos modelos te ofrece es una razón para saltarte la evaluación. Dos buques insignia sin puntuación, publicados con dos semanas de diferencia y con precios que difieren en un factor de diez, son exactamente la situación en la que una tarde con tu propio tráfico vale más que todas las tablas comparativas de internet, incluida esta. Lo único a lo que hay que prestar atención en cualquiera de los dos lados es lo mismo: una ficha de modelo en lugar de una entrada de registro de cambios. Parámetros, contexto, precio y un identificador de API en un único documento son la señal de que un modelo está terminado. El botón de pesos de LongCat 2.5 todavía dice «próximamente», y la página de Qwen4-Max todavía tiene un hueco donde iría la tabla de benchmarks.
Comparados en este artículo1
Detectado en este artículo · Benchmarks: Artificial Analysis · actualizado a diario
