
Qwen4-Max מפחית את העלות לכל משימה ב-67%: מהיכן מגיע החיסכון בפועל
- GoogleחדשGoogle: Gemini 4 Carbon2026-11-10$2.00 / $10.00 לכל 1M טוקנים · 90 tok/s
- AnthropicחדשAnthropic: Claude Fable 5.22026-11-09$8.00 / $40.00 לכל 1M טוקנים · 97 tok/s
- orcaחדשOrca: OrcaC2 1.02026-11-0717 tok/s
- OrcaחדשOrcaCyber: GLM 5.3 Abliterated / Uncensored2026-11-04$3.00 / $5.00 לכל 1M טוקנים · 87 tok/s
- OrcaחדשOrcaCyber: Hy4 Abliterated / Uncensored2026-11-04$0.80 / $1.60 לכל 1M טוקנים · 133 tok/s
- OrcaחדשOrcaCyber: Kimi K3.1 Pro Abliterated / Uncensored2026-11-04$4.00 / $20.00 לכל 1M טוקנים · 72 tok/s
- OrcaOrcaCyber: MiniMax M3.1 Flash Abliterated / Uncensored2026-10-29$0.80 / $1.60 לכל 1M טוקנים · 130 tok/s
- OrcaOrcaCyber: GLM 5.3 Flash Abliterated / Uncensored2026-10-27$0.80 / $1.60 לכל 1M טוקנים · 65 tok/s
- OrcaOrcaCyber: Qwen3.8 Flash Next Abliterated / Uncensored2026-10-26$0.80 / $1.60 לכל 1M טוקנים · 92 tok/s
- OrcaOrcaCyber: MiMo V2.6 Flash Abliterated / Uncensored2026-10-26$0.80 / $1.60 לכל 1M טוקנים · 43 tok/s
- MoonshotMoonshotAI: Kimi K3.1 Pro2026-10-2447אינטליגנציה
- OrcaOrcaCyber: DeepSeek V4.1 Flash Abliterated / Uncensored2026-10-23$0.80 / $1.60 לכל 1M טוקנים · 193 tok/s
- minimaxMiniMax: M3.1 Flash2026-10-1929אינטליגנציה
- OrcaOrca: OrcaCyber Ultra 1.02026-10-17$5.00 / $10.00 לכל 1M טוקנים · 150 tok/s
- deepseekDeepSeek: DeepSeek V4.1 Flash 10172026-10-1733אינטליגנציה
- DeepSeekDeepSeek: DeepSeek V4.1 Flash2026-10-1740אינטליגנציה
- OrcaOrca: OrcaCyber Zero 1.52026-10-10$3.00 / $7.50 לכל 1M טוקנים · 119 tok/s
- openaiOpenAI: GPT-6.1 Sol2026-09-2955אינטליגנציה
- anthropicAnthropic: Claude Sonnet 5.52026-09-2855אינטליגנציה
- typesafeTypeSafe: Jev 1.132026-09-24$0.04 / $0.00 לכל 1M טוקנים · 219 tok/s
חשבונית בנצ'מרק היא חפץ מוזר: זהו המסמך הפומבי היחיד שמתמחר את הרגליו של מודל. Artificial Analysis מפרסמת מה עלה להריץ את Qwen4-Max דרך ה-Intelligence Index שלה — 3.27 דולר למשימה — והיא מפרסמת את מחירון התעריפים שבו השתמשה כדי להגיע לשם. חלקו אחד בשני ותשחזרו משהו שהמעבדה אף פעם לא מציינת במפורש: כמה טוקנים Qwen4-Max באמת מוציא על חשיבה. עשו את אותו הדבר עם Qwen3.8-Max, המודל שהוא מחליף, והקיצוץ של 67% בעלות למשימה מתפצל בצורה נקייה לשני מספרים שרוב הסיקור של ההשקה ב-16 בנובמבר מאחד יחד. בערך חצי מהחיסכון הוא הורדת מחיר. החצי האחר הוא Qwen4-Max שמדבר פחות. וסעיף השורה ששולט כעת בחשבון שלו הוא לא זה שמחיר הכותרת מרמז עליו.
הסיכום של הספק עצמו מדויק אך דוחס את החלק המעניין. Qwen4-Max, כך אליבאבא מציינת בעמוד ההשקה שלו, משתמש בפחות טוקנים בשיעור של כ-24% מאשר Qwen3.8-Max ברמת מאמץ Xhigh וב-35% פחות ברמת High ב-Work360, וב-48% ו-49% פחות ב-Terminal-Bench 4.0; העלות הממוצעת למשימה ב-Work360 יורדת מ-$4.43 ל-$1.67, ירידה של 62%. אלה מספרים של החברה על מדדים של החברה. האריתמטיקה הבלתי תלויה שלהלן מגיעה ל-67% במדד אחר דרך מסלול אחר, וזהו סוג מועיל של התאמה: שתי שיטות, אותו כיוון, סדר גודל דומה.
מה לוח התוצאות העצמאי באמת אומר
ב-Artificial Analysis, Qwen4-Max משיג 43 ב-Intelligence Index לעומת 34 של Qwen3.8-Max, עלייה של 27% ביכולת הנמדדת. באותו עמוד התמחור של שני המודלים הוא $1.50 למיליון טוקני קלט ו-$4.50 למיליון פלט, לעומת $2.00 ו-$6.00 — הנחה קבועה של 25% בשני הכיוונים. קלט שמור במטמון הוא המקום שבו ההנחה דרמטית: $0.075 למיליון לעומת $0.25, קיצוץ של 70%, ושיעור ההנחה על פגיעת מטמון עובר מ-87.5% ל-95%.
העלות למשימה במדד Intelligence Index, משוקללת על פני כל תשע ההערכות במדד, עומדת על 3.27 דולר לעומת 10.02 דולר. מחלקים את העלות בציון והפער מתרחב: Qwen4-Max מספק נקודת יכולת מדודה בפחות משמונה סנטים, ו-Qwen3.8-Max בכ-30 סנטים. זה המספר שיש לזכור אם השאלה היחידה היא לאיזה מודל להעביר עומס עבודה — היכולת לדולר השתפרה בכ-75%, ולא ב-67% שהעלות למשימה לבדה מרמזת עליהם.
היפוך החשבונית כדי לשחזר את ספירת הטוקנים
Artificial Analysis מפרקת את העלות לכל משימה לרכיבים: קלט בתעריף מלא, כתיבה למטמון, קריאה מהמטמון, ופלט, כאשר הפלט מתחלק עוד לאסימוני חשיבה ולאסימוני תשובה. היא גם מפרסמת את המחירים. חלקו כל רכיב במחירו ותקבלו את האסימונים. השיטה מאמתת את עצמה בשורה אחת — רכיב הפלט חלקי $4.50 מגיע ל-104,940 אסימונים לכל משימה, והעמוד מדווח בנפרד על 104,939.8 אסימוני פלט לכל משימה עבור Qwen4-Max. התאמה מדויקת עד הספרה העשרונית, בשורה שחושבה בשתי דרכים שונות.
כל שורה אחרת יורשת את הביטחון הזה, עם הנחה אחת שמוצהרת בגלוי: שכתיבות למטמון מחויבות לפי תעריף הקלט המלא, וזה מה שהחשבון בשני המודלים מרמז עליו, ולא משהו שאף אחד מהספקים מתעד במפורש.
מה יוצא מכך, לפי משימת Intelligence Index:
• אסימוני פלט — Qwen4-Max 104,940 לעומת Qwen3.8-Max 170,794, הפחתה של 39%.
• אסימוני חשיבה — 68,914 לעומת 119,698, ירידה של 42%. תקציב החשיבה התכווץ בהרבה יותר מתקציב התשובה.
• טוקנים של תשובה — 36,025 לעומת 51,096, ירידה של 30%. Qwen4-Max כעת משקיע 66% מהפלט שלו בהסקה במקום 70% שקודמו השקיע; הוא לא רק קצר יותר, אלא בעל פרופורציות שונות.
• אסימוני קריאה מהמטמון — כ-14.9 מיליון לעומת 22.7 מיליון, ירידה של 34%. אלו הם אסימוני ההקשר המשוחזרים ששולטים בכל הרצה סוכנית ארוכה.
• אסימוני כתיבה למטמון — כ-1.11 מיליון לעומת 1.66 מיליון, ירידה של 33%.
שני דברים בולטים. ראשית, הפחתת הטוקנים אינה מתרכזת בתשובה הנראית לעין, שבה משתמש היה מבחין במילוליות יתר, אלא בחשיבה ובהקשר המשוחזר, שבהם איש אינו צופה. שנית, נפחי הטוקנים לכל משימה עצומים במונחים מוחלטים — ארבעה עשר מיליון קריאות מטמון לכל משימה — מה שמעיד על מה ש-Intelligence Index באמת מודד: עבודה באופק ארוך עם הקשר מתמשך גדול, ולא מענה על שאלות בסבב יחיד.

פצל את ה־67% למחיר ולהתנהגות
העלות היא מחיר כפול כמות, ולכן ניתן לפרק את ההפחתה בצורה נקייה. חשבו את נפחי הטוקנים של Qwen3.8-Max לפי התעריפים של Qwen4-Max, ומשימה עולה $4.97 במקום $10.02 — שינוי המחיר לבדו מסביר קיצוץ של 50%. החילו גם את ההתנהגות של Qwen4-Max והתוצאה מגיעה ל-$3.27, עוד 34% הנחה ממה שנותר. כשמכפילים יחד, 0.496 כפול 0.658 נותן 0.326: ההפחתה הנצפית של 67%, מוסברת במלואה, בלי שום שארית.
איזה חצי ראוי לקרדיט תלוי בסדר שבו אתה מחייב אותו, וראוי לומר זאת במקום לבחור במספר המשבח. במונחי אחוזים, למחיר שווים כ-50% ולמשמעת טוקנים כ-34%. בדולרים — $6.76 שנחסכו לכל משימה בסך הכול, $5.06 משיעורים ו-$1.70 מנפח — המחיר תופס שלושה רבעים. שתי המסגרות נכונות; הן עונות על שאלות שונות. אם אתה מתכנן את ההוצאות לרבעון הבא, כרטיס התעריפים הוא המנוף הגדול והבטוח יותר. אם אתה שואל אם המודל חסכוני באמת, ה-34% שמגיעים מהוצאת פחות טוקנים הוא העמיד יותר, כי הורדת מחיר יכולה להתהפך וארכיטקטורה לא.
כיוון המספרים של הספק עצמו מאשש את הפיצול גם בלי שביקשו ממנו. אליבאבא מייחסת את הירידה לשני הגורמים בנשימה אחת, וה-62% שלה ב-Work360 קרוב ל-67% שנמדדו באופן עצמאי ב-Intelligence Index — שני מערכי בדיקה, שתי קבוצות משימות, מסקנה אחת.
פריט השורה שהפך בשקט לגדול ביותר
כאן מחיר הכותרת מטעה. לפני כן, קריאות מהמטמון היו 57% מהחשבון וכתיבות למטמון 33%. אחרי כן, כתיבות למטמון הן 51% וקריאות מהמטמון 34%. המודל נעשה זול יותר בכל שורה, אבל ההנחה הייתה לא מאוזנת — 70% הנחה על קריאות מהמטמון, 25% הנחה על כתיבות למטמון — והיא הפכה את הדירוג של שתי ההוצאות הגדולות ביותר.
כתיבות למטמון מחויבות לפי תעריף הקלט, $1.50 למיליון, פי עשרים מתעריף קריאת המטמון של $0.075. עומס עבודה שמשכתב את ההקשר שלו לעתים קרובות יותר משבהוא משחזר אותו משלם כעת על ההרגל הזה במטבע היקר ביותר בכרטיס. זו התוצאה המעשית של שינוי התמחור שרוב הסיקור של ההשקה החמיץ, והיא מצדיקה את העבודה הלא-זוהרת: קידומות פרומפט יציבות, הפעלות ארוכות-טווח, פחות בנייה מחדש של הקשר מלא. ב-Qwen3.8-Max ההרגלים האלה היו פחות חשובים כי שחזור היה יקר מספיק כדי להשתלט על החשבון בכל מקרה.
השיעור מכליל מעבר למודל הזה. כאשר ספק מוזיל סוג אסימון אחד בחדות רבה יותר מאחרים, ארכיטקטורת הפרומפט האופטימלית משתנה בהתאם, והחשבון שאתה מקבל הוא אינדיקטור מפגר לארכיטקטורה שבנית עבור הכרטיס הקודם.

היעילות היא יחסית, והמספר המוחלט אינו מחמיא
קיצוץ של 39% בטוקני פלט נשמע כמו מודל רזה. אבל אם משווים אותו לשאר התחום, מדובר בגרסה רזה יותר של מודל מאוד פטפטן. לאורך כל ריצת האינדקס, Qwen4-Max יצר 127 מיליון טוקני פלט; המודל החציוני מייצר 78.6 מיליון. Qwen3.8-Max יצר 150 מיליון. שני דגמי Qwen נמצאים הרחק בצד הפטפטן, ו-Qwen4-Max רק עבר מפי 1.9 מהחציון לפי 1.6 ממנו.
זו אינה סתירה לטענת היעילות — זהו הקריאה הנכונה שלה. הטענה היא ש-Qwen4-Max משיג תוצאה טובה יותר מקודמו תוך הוצאת פחות טוקנים, ושתי החצאים נכונים. זו אינה טענה שהמודל שקט, וכל מודל תקציבי שנבנה על ההנחה שמודל בעל ניקוד גבוה חייב להיות תמציתי יטעה בפער גדול. אם נפח הפלט מניע את העלות שלך, מעבר ל-Qwen4-Max מפחית את הכמות ואינו משנה את הקטגוריה.
נתוני הפרה-אימון של הספק מצביעים באותו כיוון בשכבה אחרת. בהערכות BPB פנימיות, Qwen4-Max-Base טוב ב-5–13% מ-Qwen3.8-Max-Base בכל תחום, בעודו מפעיל 25% פחות פרמטרים — הארכיטקטורה מבצעת יותר עבודה ליחידת מחשוב, מה שעולה בקנה אחד עם מודל שזקוק לפחות טוקנים כדי להגיע למסקנה. האם עמוד השדרה בן 2.4 טריליון הפרמטרים, 71 מיליארד הפרמטרים המופעלים ו-328 מיליארד פרמטרי ההטמעה הנוספים של N-gram הם הסיבה לכך — זהו הסבר של הספק, ולא מדידה שמישהו מחוץ לאליבבא שחזר.
מה חסר בתמונת העלויות?
השהיה, למשל. כרטיס ה-Intelligence Index מציין שזמן לכל משימה אינו ישים עבור Qwen4-Max; עבור Qwen3.8-Max הוא 48.1 דקות לעומת חציון של 13.3 דקות, אחת מהתוצאות האיטיות ביותר שנמדדו. מודל שזול ב-67% לכל משימה ולוקח לו זמן שעון לא ידוע לכל משימה לא הושווה במלואו לשום דבר. טוקנים זולים שצריך להמתין להם הם מוצר אחר.
רוחב ספקים, כנקודה נוספת. המחיר שמאחורי כל נתון לעיל הוא תעריף מקור ראשון יחיד מ-Alibaba Cloud, והמודל מופיע כרגע אצל מארח אחד. אין מקור שני לארביטראז', ולכן כרטיס התעריפים הוא התעריף. ו-Qwen3.8-Max מסומן כעת כמיושן לטובת Qwen4-Max ומדורג כל שמונה-עשרה שעות במקום כל שש, מה שאומר שבסיס ההשוואה מתרענן לאט יותר מהמודל שנמדד מולו.

הופכים את החשבון לתקציב שנמצא בשליטתך
שני מנופים נובעים מהפירוק, והם בלתי תלויים. הראשון הוא מחיר: מחירון שאי אפשר לנהל עליו משא ומתן הוא עדיין מחירון שאפשר לעקוף, וזה המצב כשמשלמים את מחיר המחירון ולא מעבר לכך. OrcaRouter מעבירה את תמחור המחירון של הספקים הלאה במרווח של 0%, כך שקיצוץ מצד ספק מהסוג שאליבאבא ביצעה ב-16 בנובמבר מגיע לחשבון שלך באותו יום ולא בחידוש החוזה הבא — וגודלו של הקיצוץ המסוים הזה, במיוחד ה-70% על קלט במטמון, הוא בדיוק סוג השינוי שהסדר העברה ישירה חושף במקום לבלוע אותו בשקט.
המנוף השני הוא נפח, והוא זה שהמודל לא יכול ליצור עבורך. ה-routing DSL מרכיב כמה מודלים לקריאה אחת, כך שרובו של צינור עיבוד יכול לרוץ על מודל זול בעוד שהזנב הקשה — המשימות שבאמת זקוקות ל-MoE עם 2.4 טריליון פרמטרים — נשלח למודל שיש לו אותו. הפיצול הזה הוא הדרך שבה אתה לוכד את דיבידנד ההתנהגות של 34% בלי לשלם תעריפי חזית על עבודה שמעולם לא נזקקה להם, וזו התגובה הטבעית לעומס עבודה שבו ארבעה עשר מיליון אסימוני הקשר למשימה הם נורמליים.
ליתר דיוק לגבי מה שאנחנו כן מציעים ומה שאנחנו לא מציעים: Qwen4-Max אינו בקטלוג שלנו נכון ל-16 בנובמבר 2026. מודל Qwen שאנחנו מנתבים כיום הוא qwen/qwen3.8-max, קודמו שמאמר זה משתמש בו כבסיס ההשוואה. עבור צוות שרוצה לבדוק אם הפחתת הטוקנים מחזיקה מעמד בתעבורה שלו לפני התחייבות, מעבר אוטומטי לגיבוי הוא הדרך בעלת הסיכון הנמוך להיכנס לכך — לנתב פרוסה מהתעבורה, להשאיר את הגיבוי פעיל, ולהשוות עקבות אמיתיות במקום משימות בנצ'מרק.
מה היה משנה את הקריאה הזו?
Artificial Analysis מפרסמת ספירות טוקנים מצטברות לכל מודל, והמאמר הזה מסיק נפחים לכל משימה מרכיבי העלות שלה. אם ההרנס השתנה בין שתי ההרצות — תמהיל משימות שונה, שקלול שונה — ייתכן שחלק מהירידה של 39% בפלט נובע מההרנס ולא מהמודל. ההתאמה המדויקת בשורת הפלט טוענת נגד זה, אך אינה שוללת אותו, וכל מי שיש לו תעבורה משלו צריך להתייחס למספרים הנגזרים כהשערה לבדיקה ולא כעובדה לתכנון לפיה.
לנתונים של Work360 מהספק יש הסתייגות אחרת, שאליבאבא מציינת בעצמה: שתיים מנקודות הביקורת בהשוואת BPB עברו אימון לאחר (post-training) ולא אימון בסיס, מה שמחליש את המסגור של השוואה בתנאים זהים. הפחתת העלות של 62% ב-Work360 אינה מושפעת מכך, מאחר שהיא משווה מודלים ששוחררו על קבוצת משימות קבועה, אך יש לקרוא את הטענות בדבר אימון מקדים תוך התחשבות בכך.
מה ששורד את כל זה הוא צורת התשובה ולא הדיוק שלה. השקה שממוסגרת כהורדת מחיר היא גם, ובמידה דומה בערך, שינוי בכמה שהמודל מוציא כדי להגיע לתשובה — והחצי השני הוא החלק שמתחרה לא יכול להעתיק על ידי התאמת מחירון. זה המספר שכדאי לעקוב אחריו כשמודלי Qwen4 הקטנים יותר יושקו, כי אם משמעת הטוקנים היא ארכיטקטונית היא תעבור איתם, ואם היא הייתה תכונה של הצ'קפוינט הזה בלבד היא לא תעבור.
השוואות במאמר הזה1
זוהה מתוך המאמר הזה · בנצ'מרקים: Artificial Analysis · מתעדכן יומית
