
Qwen 4 vs Claude Opus 5.5: dieciséis puntos de índice y lo que cuestan por respuesta
- 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 · 126 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 · 44 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 · 147 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 · 123 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
Qwen4-Max obtiene 42,9 en el Artificial Analysis Intelligence Index y Claude Opus 5.5 obtiene 59,1: una diferencia de 16,2 puntos, medida en la misma batería de pruebas, en la misma revisión (v5.0.1) y con apenas dos meses de separación entre ambas. En ese mismo panel, completar una tarea del índice cuesta 3,27 $ con Qwen4-Max y 10,04 $ con Claude Opus 5.5. Así que la proporción es clara: Opus entrega un 38 % más de puntos del índice a cambio de un 207 % más de dinero por tarea. Que eso sea una ganga o un desperdicio depende por completo de si tu carga de trabajo compra puntos o compra respuestas, y no son la misma compra. Este artículo pone precio a ambas cosas.
Las dos tarjetas, dimensión por dimensión.
Alibaba lanzó Qwen4-Max a disponibilidad general el 16 de noviembre de 2026, con facturación por consumo, en seis regiones; Anthropic tiene Claude Opus 5.5 a la venta desde el 22 de septiembre de 2026. Todo lo que sigue es o bien un precio de lista del proveedor o una lectura etiquetada de Artificial Analysis — nunca se mezclan ambos en un mismo número.
• Precio por millón de tokens — Qwen4-Max $1.50 de entrada / $4.50 de salida en Singapur ($1.413 / $4.24 en las regiones de ámbito Global); Claude Opus 5.5 $4.00 de entrada / $20.00 de salida. Ambos son precios de lista del proveedor.
• Entrada en caché: Qwen4-Max cuesta $0,075 por millón en una lectura de caché, frente a $0,20 de Claude Opus 5.5. Qwen también publica tarifas de escritura en caché: $1,875 por una entrada de cinco minutos y $3,00 por una hora.
• Ventana de contexto — 1,000,000 tokens publicados en ambos. El rastreador de Artificial Analysis lista Qwen4-Max en 983,616, que es el límite máximo de entrada en modo de pensamiento en lugar de una contradicción: Alibaba limita la entrada a 991,808 sin pensamiento y a 983,616 con él, porque el razonamiento y la respuesta comparten un único presupuesto de salida de 262,144 tokens.
• Salida máxima — Qwen4-Max 131.072 tokens en modo sin pensamiento, o 262.144 divididos entre razonamiento y respuesta cuando el pensamiento está activado. Claude Opus 5.5 no publica una división equivalente.
• Puntuación del índice — Qwen4-Max 42.9 con esfuerzo xhigh; Claude Opus 5.5 59.1 con esfuerzo máximo. Artificial Analysis, v5.0.1.
• Coste por tarea de índice — 3,27 $ frente a 10,04 $. Artificial Analysis, misma revisión.
Pesos — ninguno es abierto. Qwen4-Max figura como propietario, con Alibaba Cloud como su único proveedor de alojamiento; Claude Opus 5.5 es propietario y se distribuye a través de la API de Anthropic, Amazon Bedrock, Google Cloud y Microsoft Azure.
• Modalidad de entrada: ambos aceptan texto e imágenes y devuelven texto. Ninguno admite vídeo según los indicadores de capacidad del rastreador.

Dónde están realmente los dieciséis puntos
Un único número de índice oculta más de lo que revela, y este par es un buen ejemplo. Las suites en las que los dos modelos están igualados no son las suites de las que discute la gente.
• Terminal-Bench 4.0 — Claude Opus 5.5 59,6%, Qwen4-Max 48,5%. Once puntos, y el que se corresponde más directamente con «¿puede manejar una shell?».
• FrontierCode 2.0 — 46,4 % frente a 26,5 %. Esta es la brecha más amplia del conjunto y la que tiene la consecuencia comercial más clara, porque se trata de trabajo de código a escala de repositorio en lugar de generación de funciones individuales.
• HLE Diamond — 67,9 % frente a 44,9 %. Preguntas de ciencias exactas, una diferencia de 23 puntos.
• CritPt Agentic Hard — 68,0 % frente a 43,0 %. Una diferencia de 25 puntos en razonamiento de nivel físico.
• GDPval — 1.866,27 frente a 1.808,69. Una diferencia del 3,1 % en un benchmark de valor de tareas. En el trabajo profesional con base económica, los dos modelos están muy próximos; en el trabajo técnico difícil, no.
• Omnisciencia — 48,1 para Claude Opus 5.5 frente a 27,7 de Qwen4-Max, lo que suena a otra paliza hasta que se mira la columna de alucinaciones de la sección siguiente.
• División por capacidades: el modelo de Anthropic lidera en cada una de las seis subpuntuaciones que publica el rastreador, con el margen más estrecho en finanzas y contabilidad (59,4 frente a 54,1) y el más amplio en ingeniería (65,3 frente a 50,1).
La lectura práctica: si tu trabajo consiste en resumir, extraer o analizar documentos fundamentados, el titular de 16 puntos exagera la diferencia. Si tu trabajo es la programación agéntica, la subestima.

Ambos modelos inventan cosas. Uno lo hace notablemente menos.
Artificial Analysis informa una tasa de alucinación de omnisciencia junto con la puntuación de precisión, y esta es la única columna en la que Qwen4-Max gana de forma indiscutible: el 28,4 % de sus respuestas incorrectas o no verificables fueron alucinaciones, frente al 50,3 % de Claude Opus 5.5. Dicho de otro modo, Opus acierta con mucha más frecuencia, pero cuando se equivoca tiene más del doble de probabilidades de equivocarse con seguridad en sí mismo que de simplemente callar.
Eso importa para cualquier cosa con un paso de revisión humana. Un modelo que dice «No lo sé» el 50 % de las veces que se equivoca te cuesta una consulta de seguimiento. Un modelo que inventa el 50 % de las veces que se equivoca te cuesta una pasada de verificación de datos en cada salida, lo cual es una partida distinta y mucho más cuantiosa.
La factura es entrada, no salida.
Ambos modelos se venden con una tarifa de salida destacada, y en ambos la tarifa de salida no es donde se va el dinero. Al descomponer las propias cifras de coste por tarea de Artificial Analysis: en Qwen4-Max, 2,80 $ de los 3,27 $ corresponden a tokens de entrada y 0,47 $ a salida. En Claude Opus 5.5, 6,57 $ de 10,04 $ corresponden a entrada y 3,47 $ a salida. Eso es el 86 % y el 65 % respectivamente, y en ambos casos la mayor parte de la partida de entrada es tráfico de caché: 1,12 $ del coste de entrada de Qwen4-Max son lecturas de caché y 1,67 $ son escrituras de caché; las cifras equivalentes de Opus son 4,74 $ y 1,80 $.
Por esto, la comparación por token entre estos dos modelos es la cifra menos útil de la página. La tarifa de salida de Qwen4-Max es 4,4× más barata que la de Opus y, aun así, su ventaja de coste por respuesta es de solo 3,1×, porque dedica una mayor parte de su presupuesto al contexto que tiene que leer y, a 1,875 $ por millón en una escritura en caché de cinco minutos, al contexto que tiene que escribir.
Un agente de cuarenta turnos, cotizado dos veces
Toma un agente de programación que añade 8.000 tokens de salida de herramientas por turno, ejecuta cuarenta turnos y emite 1.500 tokens de respuesta en cada turno. Sin caché, precios de lista:
• Qwen4-Max — 6,56 millones de tokens de entrada acumulados a $1,50, más 60.000 tokens de salida a $4,50: $9,84 + $0,27 = $10,11.
• Claude Opus 5.5 — 6,56 millones de entrada a $4,00, más 60.000 de salida a $20,00: $26,24 + $1,20 = $27,44.
Ahora, la misma ejecución con una tasa de aciertos de caché del 90 % en el prefijo acumulado, que es lo que realmente logra un bucle de agente bien construido:
• Qwen4-Max — 5.904M en caché a $0.075 ($0.44) + 656K nuevos a $1.50 ($0.98) + $0.27 de salida = $1.69.
• Claude Opus 5.5 — 5,904 M en caché a $0.20 ($1.18) + 656 K nuevos a $4.00 ($2.62) + $1.20 de salida = $5.01.
Se desprenden dos conclusiones. El almacenamiento en caché reduce ambas facturas en más del 80%, por lo que un agente sin almacenamiento en caché de prompts paga entre cinco y seis veces lo que debería. Y la proporción apenas cambia —2,7× sin caché, 3,0× con caché— porque la ventaja de Qwen4-Max se concentra en la tarifa de escritura en caché, que el escenario con caché utiliza por adelantado. Estos son cálculos con precios de lista sobre tarifas publicadas, no facturas reales; tu número de turnos, el crecimiento del prefijo y la tasa de aciertos de caché variarán sustancialmente las cifras absolutas.
Aquí es también donde una capa de enrutamiento se justifica de verdad, en lugar de ser solo una comodidad. Aplicamos los precios de lista del proveedor con un margen del 0%, así que la diferencia anterior es la del proveedor, no la nuestra, y si Anthropic cambia la ficha del Opus, ese cambio está activo con la misma clave el mismo día. Ambos modelos se pueden invocar a través de un único endpoint con conmutación por error automática, lo cual importa aquí en concreto porque sus fechas de lanzamiento están separadas por dos meses: una regresión específica de Qwen4-Max se manifiesta como una solicitud fallida, no como una respuesta mala que uno nota una semana después.
Qué está afirmando en realidad «cut off from distillation»
La afirmación que circula con este enfrentamiento —que Qwen4-Max parece competitivo en los benchmarks del proveedor y luego se desmorona en el índice independiente, y que el hecho de que Alibaba haya quedado aislado de la destilación explica esa caída— en realidad son dos afirmaciones disfrazadas de una, y solo la primera es medible.
Lo primero es cierto y no tiene nada de misterioso. El material de lanzamiento de Alibaba reporta Work360 en 52.69 frente a 47.74 de la generación anterior, reducciones de tokens del 24% y el 35% en el mismo benchmark, del 48% y el 49% en Terminal-Bench 4.0, y un recorte del costo por tarea de $4.43 a $1.67. Todo eso lo reporta el proveedor y no ha sido reproducido. Frente a un índice independiente de nueve suites que incluye FrontierCode 2.0 y CritPt Agentic Hard —suites para las que Alibaba no publica cifras—, el modelo se sitúa en 42.9. Una suite de benchmarks del proveedor y una independiente que miden cosas distintas discreparán; ese es el caso normal, no evidencia de nada.
La segunda afirmación, sobre la destilación, no es algo que un comprador pueda verificar ni sobre lo que pueda actuar, y no es una propiedad del modelo que puedas invocar. Lo que sí es verificable y útil es la forma del déficit: concentrado en código a escala de repositorio y ciencias duras, y escaso en valor para tareas profesionales. Eso es una declaración sobre dónde desplegar el modelo, y sobrevive a lo que resulte ser cierto sobre cómo fue entrenado.

Consiguiendo cualquiera de los dos
Claude Opus 5.5 está en nuestro catálogo como anthropic/claude-opus-5.5 al precio de lista de Anthropic, 4,00 $ de entrada y 20,00 $ de salida por millón. Qwen4-Max no está en nuestro catálogo —hoy, un identificador qwen4 devuelve «no encontrado»— y la vía para acceder a él es la propia API Model Studio de Alibaba y varias plataformas de terceros. No vamos a fingir lo contrario, y el sustituto honesto por nuestra parte es qwen/qwen3.8-max, el buque insignia anterior, a 2,00 $ y 6,00 $.
Así que la regla de decisión es más estrecha de lo que sugiere el marcador. Si tu carga de trabajo es programación a escala de repositorio, razonamiento técnico difícil o cualquier cosa en la que una respuesta incorrecta sea costosa y una respuesta lenta no, los 16 puntos son reales y $10.04 por tarea es su precio. Si tu carga de trabajo es trabajo documental fundamentado a volumen, donde GDPval indica que los dos modelos están dentro del 3%, estás pagando la tarifa de Opus por una diferencia que no aparecerá en tu conjunto de evaluación, y Qwen4-Max a $3.27 es la mejor compra, con una tasa de alucinación menor como beneficio adicional. El número que debes calcular antes de decidir no es la brecha del índice. Es qué fracción de tu entrada está en caché.
Comparados en este artículo2
Detectado en este artículo · Benchmarks: Artificial Analysis · actualizado a diario
