Kartu judul 16:9 yang dihasilkan bertuliskan 'Qwen4-Max vs GLM-5.5', dengan subjudul 'Satu punya daftar harga hari ini; yang lain hanyalah nomor versi', dengan tiga kartu bersudut membulat yang mencantumkan ID model qwen4-max, daftar harga $1,50 input dan $4,50 output per juta token di Singapura, serta enam region deployment. Logo OrcaRouter di kanan bawah.
Guides & Insights

Qwen4-Max vs GLM-5.5: Satu Punya Daftar Tarif Hari Ini, yang Lain Hanya Nomor Versi

Penulis

jinhao.song

Tanggal Terbit

Model terbaru · 20Lihat semua model →
Benchmark: Artificial Analysis · diperbarui setiap hari
Kembali ke semua artikel

At 09:46 on 16 November 2026, A​libaba's Model Studio documentation replaced the Qwen4-Max-Preview page with a page headed "qwen4-max (Latest Model)", carrying a model invocation ID of qwen4-max, a per-million-token rate card, and availability in six regions. Five days earlier the same model had been a fifteen-day rental, sold only through a Credits subscription and scheduled for retirement on 25 November. GLM-5.5, the name on the other side of this comparison, has no equivalent moment to point at: as of today Z​.ai has published no model card, no API identifier, no pricing row and no weights under that name, and its own documentation index still lists GLM-5.2, GLM-5.3 and GLM-5.3-Flash as the whole line. So this is not a matchup between two flagships. It is a matchup between a flagship that acquired a price this morning and a version number that has not acquired anything.

That asymmetry is the useful thing to write about, because both names are being searched as if they were peers. What follows separates them: what Qwen4-Max actually became today, what GLM-5.5 is, and what the comparison you can genuinely run — Qwen4-Max against the G​LM that ships — looks like on price, context and evidence.

A generated two-column scoreboard titled 'Qwen4-Max vs GLM-5.5 - the scoreboard', comparing Qwen4-Max at $1.50 and $4.50 per million tokens, a 1,000,000-token context, 131,072 maximum output, no independent score and no weights, against GLM-5.3 at $1.40 and $4.40, a 1,000,000 context, 128,000 maximum output, an independent score of 31.7 and published weights. The footer reads 'Qwen4-Max per Alibaba list price; GLM-5.3 per Z.ai and Artificial Analysis Index v5.0.1.' OrcaRouter logo bottom-right.

Apa yang berubah pada 09:46 pagi ini?

The preview is still real and still separate. qwen4-max-preview, opened at 10:00 UTC+8 on 11 November, remains a Token Plan-only model with a published retirement at 24:00 on 25 November. The new qwen4-max is a different identifier with a different commercial shape: pay-as-you-go, published rates, six regions including Singapore, Frankfurt, Virginia and Tokyo, and no expiry date on the page. A​libaba's own release list dates the model to 16 November 2026 — today — and the documentation page carries the timestamp 2026-11-16 09:46:08.

A screenshot of Alibaba Cloud Model Studio's 'Model releases and updates' changelog, dated 2026-11-16 and headed qwen4-max, describing Qwen4-Max as the next-generation flagship multimodal model covering text generation, image and video understanding and deep reasoning, with the 2026-11-11 qwen4-max-preview entry visible below it.

Ada dua hal yang tidak disertakan. Tidak ada tabel benchmark di mana pun pada halaman vendor, baik yang dilaporkan vendor maupun tidak, dan tidak ada entri untuk model tersebut di Artificial Analysis: indeks model pada papan peringkat itu sama sekali tidak memiliki baris Qwen4, dan URL per modelnya mengembalikan 404. Dengan demikian, semua hal di bawah ini tentang kemampuan bersifat dokumentasi, bukan pengukuran, dan dilabeli seperti itu.

Kartu tarif, sebagaimana diterbitkan

These are A​libaba's own figures, in US dollars per million tokens, taken from the billing page on 16 November 2026:

• Singapura, standar — $1,50 input, $4,50 output

• Beijing, Hong Kong, Frankfurt, Virginia, dan Tokyo, standar — input $1.413, output $4.24

• Penulisan cache, TTL lima menit — $1.875 di Singapura, $1.767 di tempat lain

• Penulisan cache, TTL satu jam — $3,00 di Singapura, $2,827 di tempat lain

• Pembacaan cache — $0.075 di Singapura, $0.071 di tempat lain

• Batch, khusus wilayah US — $0.707 input dan $2.12 output untuk pengerjaan file batch

• Kuota gratis — satu juta token selama 90 hari, hanya Singapura

Angka Singapura adalah angka yang perlu dikutip kepada orang lain, karena itu harga daftar internasional dan merupakan yang tertinggi. Angka itu juga, secara mencolok, merupakan tarif output termurah yang dikenakan oleh flagship mana pun saat ini dari tiga lab besar: Qwen3.8-Max mencantumkan $2.00 dan $6.00, Kimi K3.1 Pro $2.00 dan $10.00, Grok 4.7 $2.00 dan $6.00. Qwen4-Max lebih murah daripada semuanya di kedua sisi meteran sekaligus mengklaim jendela konteks yang lebih besar daripada semuanya.

GLM-5.5, diperiksa dengan cara yang sama seperti saat kami memeriksanya pada Oktober

A claim that a model does not exist decays the moment it is written, so the check is worth restating rather than asserting. Z​.ai's developer documentation index, fetched today, enumerates GLM-5.2, GLM-5.3 and GLM-5.3-Flash. The GLM-5.4 and GLM-5.5 documentation paths return "Page Not Found". The vendor's model-api page names GLM-5.3, GLM-5.3-Flash, GLM-5 and GLM-5V-Turbo, and nothing between 5.3 and 6. A search for the name returns Z​.ai's own pages listing 5.3 as the current flagship and no announcement of a successor.

Blog ini menerbitkan audit lengkap atas nama tersebut pada 13 Oktober 2026, di sembilan permukaan, dan mencapai kesimpulan yang sama. Tidak ada apa pun dalam lima minggu sejak itu yang mengubahnya. Perbedaan yang penting bagi pembeli bukanlah "GLM-5.5 tidak dikenal" — melainkan "GLM-5.5 adalah sebuah angka dalam urutan penamaan, dan model yang benar-benar bisa Anda panggil tertinggal satu digit darinya."

Perbandingan yang ada: Qwen4-Max melawan GLM-5.3

GLM-5.3 is a serious model and the honest stand-in. It launched on 14 August 2026, opened its API on 18 August, and published its 743-billion-parameter weights on 28 August under a custom Z​.ai licence. It is a mixture-of-experts design activating roughly 40 billion parameters per token, with a 1M-token context window and a 128K output ceiling. Here is the contrast that a reader searching for either name actually needs:

• Harga input — Qwen4-Max $1,50 per 1 juta di Singapura, $1,413 di tempat lain, versus GLM-5.3 $1,40 harga daftar

• Harga output — Qwen4-Max $4.50, dibandingkan GLM-5.3 $4.40

• Konteks — Qwen4-Max 1.000.000 token versus GLM-5.3 1.000.000 token, hasil imbang yang sesungguhnya

• Keluaran maksimum — Qwen4-Max 131.072 token non-thinking, dengan mode thinking dan jawaban berbagi 262.144, dibandingkan GLM-5.3 128.000 token

• Modalitas — Qwen4-Max menerima teks, gambar, dan video serta mengembalikan teks, dibandingkan dengan GLM-5.3, yang andalannya didokumentasikan sebagai hanya teks, dengan pekerjaan multimodal dialihkan ke GLM-5.3-Flash

• Bobot — Qwen4-Max tidak memublikasikan apa pun, dan dokumentasinya secara eksplisit menandai fine-tuning serta deployment model sebagai tidak didukung, dibandingkan dengan bobot terbuka GLM-5.3 di bawah lisensi khusus

• Skor independen — Qwen4-Max tidak memiliki skor, sedangkan GLM-5.3 memperoleh 31,7 pada Artificial Analysis Intelligence Index v5.0.1 dengan upaya penalaran maksimum, dan 23,1 dengan upaya rendah

• Availability — Qwen4-Max in six A​libaba regions versus GLM-5.3 first-party plus cloud resale

Baca baris harga dua kali, karena selisihnya lebih sempit daripada kesan pemasaran seputar masing-masing model: untuk input, Qwen4-Max lebih mahal tujuh sen per juta di Singapura dan satu sepertiga sen lebih mahal di setiap wilayah lain. Anda tidak membayar premi untuk nama yang lebih baru. Anda membayar uang yang kurang lebih sama untuk modalitas input yang jauh lebih luas dan batas output yang sedikit lebih tinggi, serta melepaskan satu hal yang dimiliki GLM-5.3 tetapi tidak dimiliki Qwen4-Max — bobot yang dapat Anda unduh.

Berapa nilai skor yang hilang

GLM-5.3's 31.7 on Index v5.0.1 is a middling number for a flagship, and it sits below Kimi K3.1 Pro's 46.5 on the same vintage. That makes the Qwen4-Max comparison unusually uncomfortable in one direction: the model with no measurement is being sold against a model whose measurement is unflattering, and there is no way to know from public data whether the newer model clears it. A​libaba's documentation claims "deep reasoning", a thinking budget defaulting to 131,072 tokens and a reasoning-effort default of high — configuration, not capability. Until an independent harness scores it, the honest position is that Qwen4-Max's advantage over GLM-5.3 is documented and its disadvantage is unquantified.

Bagi tim yang membuat keputusan minggu ini alih-alih kuartal depan, itu lebih mendukung postur perutean ketimbang migrasi. Pertahankan GLM-5.3 pada beban kerja yang perilakunya sudah Anda ketahui, dan tempatkan Qwen4-Max pada beban kerja yang bentuk terdokumentasinya menjadi alasan Anda tertarik: input video, prompt yang membutuhkan output lebih dari 128K, atau percakapan yang cukup panjang sehingga jendela 1M dengan pembacaan cache $0.075 mengubah perhitungan.

Menjalankan ini melalui satu endpoint

OrcaRouter lists GLM-5.3 as z-ai/glm-5.3 at Z​.ai's own list price — $1.40 in and $4.40 out per million — passed through with no markup, alongside 214 other model identifiers on the same OpenAI-compatible base URL. Qwen4-Max is not in that catalogue today; it is available through A​libaba's own API, which is where its brand-new rate card is published and where the regional pricing above applies. When a vendor cuts a price, a pass-through catalogue reflects the cut the same day rather than on the next contract cycle, which is the practical argument for keeping the models you can route on one key and the ones you cannot on a watchlist.

A screenshot of the OrcaRouter model page for GLM-5.3, showing the identifier z-ai/glm-5.3, the $1.40 input and $4.40 output per-million-token pricing, the context window and the available endpoints.

DSL routing adalah bagian yang cocok untuk perbandingan khusus ini, karena keputusan antara kedua model ini bukanlah satu keputusan — melainkan keputusan per panggilan. Sebuah kebijakan dapat mengirim permintaan yang membawa video ke model multimodal dan pekerjaan massal yang hanya berisi teks ke salah satu dari keduanya yang lebih murah per tugas yang diselesaikan pada minggu itu, dan failover otomatis mencegah degradasi di sisi penyedia menjatuhkan seluruh jalur saat Anda masih mengumpulkan bukti tentang model baru.

Apa yang akan membuat ini menjadi pertandingan yang sebenarnya?

Dua peristiwa, yang salah satunya saja cukup untuk menulis ulang halaman ini. Yang pertama adalah kartu model GLM-5.5: dokumen yang memuat parameter, konteks, harga, dan pengenal API sekaligus, yang merupakan sinyal yang digunakan blog ini sepanjang tahun untuk membedakan model yang sudah dirilis dari rumor. Yang kedua adalah entri Qwen4-Max di papan peringkat independen—bukan karena skor menentukan model mana yang lebih baik, tetapi karena saat ini satu sisi perbandingan ini memiliki pengukuran dan sisi lainnya memiliki stempel waktu. Sampai salah satunya terwujud, pembacaan yang benar adalah yang didukung dokumentasi: model unggulan dengan harga, nama tanpa model, dan selisih tujuh sen pada input yang menentukan lebih sedikit daripada yang ingin kedua vendor buat Anda percayai.

Dibandingkan dalam artikel ini2

Terdeteksi dari artikel ini · Benchmark: Artificial Analysis · diperbarui setiap hari