SubQ Snap 1.1 לעומת Qwen 3.8: פי ארבעים מחיר לכל טוקן, תפקיד אחר לגמרי

Qwen3.8-Max עולה בערך פי ארבעים ממה שSubQ Snap 1.1 עולה לכל טוקן קלט — כ-$1.65 למיליון לעומת $0.04 — והיחס הזה הוא העובדה הכי פחות מעניינת במפגש. שני המודלים מחויבים על דברים שונים. Qwen3.8-Max, מודל הדגל של Alibaba עם 2.4 טריליון פרמטרים, שהושק ב-3 באוגוסט 2026, מחייב על מה שהוא חושב ועל מה שהוא כותב. Snap 1.1, מודל ההחלטות של Subquadratic שיצא ב-22 באוקטובר 2026, מחייב רק על מה שהוא קורא, כי התשובה היא תווית ולא משפט. הפעילו את ההחלטה על מודל שאתם שולטים בו, ואת היצירה על זה שמצדיק את החשבון: Qwen3.8-Max מוגש במחיר המחירון של הספק עם 0% תוספת ומעבר אוטומטי לגיבוי.

שימו אותם באותו פייפליין ויחס המחירים מפסיק להיראות כמו מציאה או עקיצה ומתחיל להיראות כמו החלטת תכנון. אחד מהמודלים האלה אמור לבצע כל קריאת ניתוב במערכת שלכם. השני אמור לבצע כמעט אף אחת מהן — והמקרים שבהם Qwen3.8-Max הוא התשובה הנכונה הם בדיוק המקרים שמודל החלטות לא יכול להתמודד איתם בכלל.

מהו בעצם Qwen3.8-Max

Alibaba הציגה אותו בתצוגה מקדימה ב-WAIC בשנגחאי ב-19 ביולי 2026, והשיקה אותו ב-3 באוגוסט. הארכיטקטורה היא תערובת מומחים דלילה בקנה מידה חזיתי ממשי: 2.4 טריליון פרמטרים בסך הכול, עם כ-95 מיליארד פעילים לכל טוקן, חלון הקשר של 1M טוקנים ופלט מרבי של 131K טוקנים. הוא מולטימודלי באופן ילידי, מקבל טקסט, תמונות וווידאו, ותומך במצב חשיבה, בקריאה לפונקציות, בכלים מובנים ובפלטים מובנים בפורמטי תקשורת תואמי OpenAI, תואמי Anthropic ו-OpenAI Responses.

שורת הבנצ'מרק היא שורה של מודל חוד-חנית, לא של מודל קטן: GPQA Diamond 92.6, ‏HLE 43.6, ‏OSWorld 86.1, ‏DeepSWE 1.1 ב-56.6, ‏MRCR v2 ב-0.93, ומדד האינטליגנציה של Artificial Analysis של 45. אלה בדיוק המספרים שמצדיקים מחיר מחירון של $1.65/$4.95 — בערך $4,950 כדי להעביר דרכו מיליארד טוקני קלט, או בערך מה ש-Snap 1.1 גובה עבור 124 מיליארד.

הערה על שמות, כי זה חשוב לכל מי שקונה: Qwen3.8-Max הוא הדגם המוביל המוצע כאירוח. יש לו משקלים פתוחים שמשוחררים בשם Qwen3.8-2.4T-A95B תחת רישיון מותאם, ויש אח נפרד ופתוח באמת — Qwen3.8-27B, ברישיון Apache 2.0, חלון הקשר מקורי של 262K, ציון Intelligence Index של 34, וכ-0.42 עד 0.50 דולר למיליון טוקני קלט. ה-27B הוא זה שרוב הצוותים צריכים להשוות מולו מודלים קטנים. ה-Max הוא זה שאליו פונים כשהמשימה דורשת את המודל הגדול ביותר הזמין.

מהו Snap 1.1 בפועל

Snap 1.1 הוא מודל קבלת החלטות, וזו טענה צרה יותר ממה שהיא נשמעת. הוא מקבל עד 384K אסימונים של טקסט ותמונות, וקבוצת תשובות של שתיים עד 255 חלופות לכל שאלה, ומחזיר בחירה עם הסתברות מכוילת. בלי פרוזה. בלי JSON לתקן. בלי אסימוני חשיבה. הטענה של Subquadratic היא שהחלטה עם תשובה קבועה היא משימה חישובית שונה מיצירה, ושהארכיטקטורה שלה עם קשב דליל מעבדת את הקלט בחישוב קבוע לכל אסימון במקום לשלם קשב ריבועי על פני מסמך ארוך.

תוצאת הכותרת היא ציון של 65 ב-Artificial Analysis Decision Index v1.0, בשוויון במקום הראשון עם d1-ultra ו-Elephant 9B, ולפני Jev 1.14 עם 57. המספר שמתחתיו הוא זה שכדאי להיאחז בו: דיוק של 20%, לעומת 32% של d1-ultra ו-12% של Elephant 9B, כאשר ציון האינדקס נשען על שיעור הימנעות מדווח של 86% בשאלות שהוא אינו יכול לענות עליהן. Snap 1.1 הוא מודל שאומן לסרב, והדירוג שלו הוא מדידה של כמה טוב הוא מסרב.

המפרטים, זה לצד זה

• קנה מידה — Qwen3.8-Max הוא מודל MoE בעל 2.4 טריליון פרמטרים וכ־95 מיליארד פרמטרים פעילים; SubQ Snap 1.1 הוא מודל קבלת החלטות עם קשב דליל, שגודלו אינו נמסר.

• הקשר — 1M טוקנים עבור Qwen3.8-Max, פלט מרבי של 131K; 384K טוקנים עבור Snap 1.1, ללא פלט שנוצר.

• קלט — טקסט, תמונות ווידאו עבור Qwen3.8-Max; טקסט ותמונות עבור Snap 1.1.

• פלט — טקסט חופשי, עקבות חשיבה, קריאות לכלים ופלט מובנה עבור Qwen3.8-Max; בחירה או ציון עם הסתברות עבור Snap 1.1.

• מחיר — כ-1.65$ עד 2.00$ לכל 1 מיליון בקלט ו-4.95$ עד 6.00$ לכל 1 מיליון בפלט עבור Qwen3.8-Max, בהתאם לספק, כאשר OrcaRouter מציין 2.00$ ו-6.00$; 0.04$ לכל 1 מיליון בקלט ולא כלום בפלט עבור Snap 1.1.

• אינטליגנציה כללית — ציון 45 במדד Artificial Analysis Intelligence Index עבור Qwen3.8-Max; לא נמדד במדד זה עבור Snap 1.1.

• איכות ההחלטות — 65 במדד Artificial Analysis Decision Index v1.0 עבור Snap 1.1; לא נמדדה במדד זה עבור Qwen3.8-Max.

• פריסה — API מתארח ומשקולות פתוחות תחת רישיון מותאם אישית עבור Qwen3.8-Max; API מתארח בלבד, ללא משקולות, עבור Snap 1.1.

שתי השורות האחרונות הללו הן הסיבה לכך שההשוואה הזו ממשיכה להיעשות באופן לקוי. כל מודל נמדד על מדד שהשני מעולם לא הורץ עליו, ולכן כל טענה שאחד "מנצח" את השני היא הסקה, לא תוצאה. איש לא פרסם השוואה ישירה.

האנטי־תבנית: שימוש במכשיר דגל כנתב

זה נפוץ, וזה יקר באופן שלא מתגלה עד שהחשבון מגיע. צוות בונה סוכן, זקוק לו כדי להחליט בין חמישה כלים, ופונה למודל החזק ביותר הזמין משום שההחלטה חשובה. ההחלטה אכן חשובה. פשוט מבקשים מהמודל לעשות משהו שהוא לא מותאם לו, במחיר שנבנה עבור משהו אחר.

הריצו את החישוב על מיליון החלטות ניתוב עם 6,000 טוקנים של הקשר בכל אחת — שישה מיליארד טוקני קלט. Qwen3.8-Max בתעריף הזול ביותר ברשימה של $1.65: $9,900 עבור קלט, ועוד אולי עשרים טוקני פלט לכל החלטה, כלומר 20 מיליון טוקני פלט ב-$4.95 למיליון, בעוד $99. אפשר לקרוא לזה $10,000. בתעריפים של OrcaRouter, $2.00 ו-$6.00, אותו נפח מגיע ל-$12,120. Snap 1.1 על אותו נפח: $240, ובלי שורת פלט בכלל. הפער אינו הנחה. הוא פי ארבעים עד חמישים.

השהיה מספרת את אותו סיפור מהצד השני. מודל עם 2.4 טריליון פרמטרים, גם כשהוא מייצר תשובה קצרה, כרוך בהשהיה של האסימון הראשון ובעלות פענוח שמודל החלטות פשוט אינו נושא בהן — ההבטחה של Snap היא שכבת החלטה בת פחות משנייה, ו-Subquadratic אינה מפרסמת נתון השהיה עבור 1.1 מעבר לכך. בלופ סוכנים שמקבל עשרים החלטות לכל משימה, ההבדל הזה מצטבר לשניות לכל משימה, וזה ההבדל בין סוכן שמרגיש מיידי לסוכן שמרגיש שבור.

מה Qwen3.8-Max עושה ש-Snap לא יכול

כל מה שכרוך בהפקת משהו. הוא כותב את פתק ההסלמה, מנסח את תגובת הלקוח, מסכם את החוזה בן 900 העמודים, מייצר את הקוד, מבצע קריאה לכלי עם סכימת ארגומנטים תקפה, ומפעיל היסק על בעיה שתשובתה אינה נמצאת ברשימה שסיפקת מראש. Snap 1.1 אינו מסוגל לעשות אף אחד מהדברים האלה, לא מפני שהוא גרוע יותר אלא מפני שאין לו מנגנון לכך.

חלון של 1M טוקנים הוא גם יכולת אמיתית, ולא רק נפנוף על דף מפרט. אליבאבא מדווחת על MRCR v2 בציון 0.93, שהוא ציון שליפה ולא אורך הקשר נומינלי, וזה המספר שקובע אם חלון של מיליון טוקנים שמיש. חלון של 384K עם שליפה אפקטיבית חזקה יכול לנצח חלון של 1M עם שליפה חלשה, אבל ציון השליפה של Qwen מרמז שהוא לא נשען על הנתון הנומינלי.

ולמשקלים הפתוחים יש חשיבות מסיבה אחרת: ניתן לארח את Qwen3.8-2.4T-A95B באופן עצמאי תחת רישיון מותאם, מה שאומר שהמודל הגדול ביותר במשפחה אינו תלות ב-API בלבד. ל-Snap 1.1 אין אפשרות כזו.

היכן שהם משתלבים יחד

הארכיטקטורה ניתנת-ההגנה אינה בחירה בין השניים, אלא חלוקת עבודה. Snap 1.1 מטפל בהחלטות בנפח גבוה עם תשובה קבועה, שבהן הסתברות מכוילת ואפשרות סירוב שוות יותר משטף: לאיזו תור, באיזה כלי, האם להסלים, והאם המסמך הזה רלוונטי בכלל. Qwen3.8-Max מטפל בחלק הקטן של המקרים שבהם ההחלטה מחייבת הסקה על חומר שאינו ברשימת האפשרויות, ומטפל בכל מה שבמורד הזרם מההחלטה שדורש כתיבה.

הפרופורציה היא כל הטיעון הכלכלי. אם Snap נמנעת ב-14% מהמקרים ואלה מנותבים לדגם הדגל, אתה משלם מחירי דגל על 14% מהתעבורה במקום 100%, ואתה מקבל אות מכויל שאומר לך איזה 14% — וזה מנגנון הקצאה טוב יותר מסף קבוע על softmax של מודל כללי.

Qwen3.8-Max הוא אחד מיותר מ-200 מודלים שנמצאים מאחורי מפתח OrcaRouter יחיד, המוצעים במחיר המחירון של הספק עם 0% תוספת ומעבר אוטומטי בין ספקים בעת תקלה. Snap 1.1 אינו שלנו; הוא פועל דרך ה-API של Subquadratic עצמה. כדאי להכיר את הפיצול הזה לפני שתעצב את צינור העיבוד, כי משמעות הדבר היא ששכבת הייצור יכולה להתאחד לחוזה אחד ולשורת חיוב אחת, בעוד ששכבת קבלת ההחלטות נשארת תלות נפרדת אצל ספק יחיד. אם התלות השנייה הזו אינה מקובלת, החלופה היא להריץ את קבלת ההחלטות על מופע Qwen3.8-27B שאתם מארחים בעצמכם — גרוע יותר בהימנעות מתשובה, הרבה יותר טוב בהסברת עצמו, ונמצא כולו בשליטתכם.

ברירת המחדל הכנה

אם אתם בוחרים מודל אחד שיקבל החלטות עבור סוכן, ולהחלטות יש סט תשובות קבוע, בחרו במודל ההחלטות. יחס המחירים של ארבעים לאחד הוא אמיתי, אבל הוא החצי הקטן של הטיעון; החצי הגדול הוא שמודל שאומן לומר "אני לא יודע" נותן לכם משהו שמודל דגל לא יכול לתת, וזה מקום שבו מכניסים את האדם ללופ.

אם אתם בוחרים מודל אחד שיעשה הכול — להחליט, לנמק, לכתוב, להפעיל כלים, לקרוא מיליון טוקנים — בחרו ב-Qwen3.8-Max, והשלימו עם העובדה שאתם משלמים תעריפי פרימיום על קריאות ניתוב שמודל בעלות $0.04 היה מטפל בהן טוב יותר. רוב הצוותים מגלים שהם עושים בדיוק את זה כשלושה חודשים לאחר ההשקה, כשהחשבונית מגיעה ואף אחד לא מצליח להסביר למה הראוטר עולה יותר מהמוצר.