Kartu judul yang dihasilkan bertuliskan Qwen4-Max vs GPT-6 Luna, dengan subjudul 22 kali biaya tugas, 15 poin indeks, dan tiga ikon garis datar yang menyiratkan kurva biaya yang menanjak, bilah skor, dan bingkai video.
Guides & Insights

Qwen4-Max vs GPT-6 Luna: Biaya Tugas 22× Lipat untuk 15 Poin Indeks

Penulis

Alistair Wren

Tanggal Terbit

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

Masukkan permintaan Qwen4-Max dan permintaan GPT-6 Luna ke dalam rangkaian evaluasi yang sama, lalu tagihannya keluar $3.27 berbanding $0.15. Dua puluh dua kali lipat. Sandingkan skornya dan hasilnya 43 berbanding 28 — lima belas poin, yaitu perbedaan antara model yang akan Anda serahkan untuk menjalankan agen berjam-jam dan model yang akan Anda serahkan untuk sebuah dokumen. Kedua selisih itu nyata, keduanya diukur pada revisi indeks yang sama, dan tidak satu pun menyelesaikan pertanyaan, karena Qwen4-Max telah tersedia secara umum sejak 16 November 2026 dengan harga $1.50 dan $4.50 per juta token, sementara GPT-6 Luna telah berada di sepersepuluh dari itu sejak 22 September. Keputusannya bukanlah model mana yang lebih baik. Melainkan lima belas poin mana yang benar-benar akan Anda gunakan, dan jawabannya berubah dua kali sepanjang perbandingan ini.

22× dan dari apa ia terbuat

Mulailah dengan kartu tarif, karena rasio utama bukanlah rasio yang Anda bayar.

• Input — Qwen4-Max $1,50 per juta di Singapura, $1,413 di wilayah cakupan Global. GPT-6 Luna $0,10. Lima belas banding satu.

• Keluaran — Qwen4-Max $4.50, atau $4.24 Global. GPT-6 Luna $0.50. Sembilan banding satu.

• Input cache — Qwen4-Max $0.075 Singapura, $0.071 Global, diskon 95%. GPT-6 Luna $0.01, diskon 90%.

Campuran — Qwen4-Max $0,80 per juta berdasarkan pembobotan cache-hit/input/output pelacak sebesar 7:2:1. GPT-6 Luna $0,077. Sepuluh banding satu.

• Biaya per tugas Indeks Kecerdasan — Qwen4-Max $3,27, GPT-6 Luna $0,15. Dua puluh dua banding satu.

Lima belas, sembilan, sepuluh, dua puluh dua. Keempat angka itu tidak selaras, dan ketidakselarasan itulah bagian yang berguna: rasio per tugas lebih dari dua kali rasio harga campuran karena Qwen4-Max harus mengeluarkan lebih banyak token untuk menyelesaikan suite, bukan karena tarifnya lebih buruk daripada yang disiratkan kartu tarif. Panel verbositas pelacak menempatkan Qwen4-Max pada 127 juta token keluaran dibandingkan median 90 juta; Luna pada 110 juta dibandingkan median yang sama. Keduanya berada di sisi yang verbose. Qwen4-Max 15% lebih demikian, dan 15% itu berperan nyata dalam kesenjangan 22× yang seharusnya sudah diprediksi oleh kartu tarif 10×.

Semua angka di bagian ini adalah pengukuran Artificial Analysis pada index v5.0.1 — indeks yang telah dibasis ulang, sehingga skor Luna dari papan peringkat Juli tidak dapat dibandingkan dengan 28 yang dikutip di sini — yang dikombinasikan dengan daftar tarif yang diterbitkan masing-masing vendor. Tidak ada vendor yang telah menerbitkan perbandingan langsung yang setara, dan perbandingan apa pun yang dibangun dari angka-angka ini hanyalah aritmetika atas dua eksekusi terpisah, bukan tolok ukur.

A generated two-column scoreboard for Qwen4-Max and GPT-6 Luna across six shared dimensions: index 43 against 28 at max and 18 at the default, price $1.50 and $4.50 against $0.10 and $0.50 per 1M, cost per index task $3.27 against $0.15, time per task 29.8 minutes against 12.2, output speed 59 against 103 tokens per second, and input modalities text, image and video against text and image.

Pengaturan effort adalah pengungkit yang lebih besar.

Inilah yang membuat pembingkaian 43 lawan 28 menyesatkan, dan itu bukan koreksi kecil.

GPT-6 Luna hadir dengan enam pengaturan penalaran — none, low, medium, high, xhigh, dan max — dan secara bawaan disetel ke medium. Artificial Analysis menilai setiap tingkatnya. Selisihnya bukan sekadar pembulatan:

• Max — 28 pada indeks, $0.15 per tugas, 12,2 menit, 103 token per detik.

• Xhigh — 23, 7,4 menit, 99 token per detik.

• Tinggi — 21, 6,0 menit, 91 token per detik.

• Medium — 18, 3,5 menit, 93 token per detik. Ini adalah pengaturan bawaan, dan merupakan pengaturan yang hampir selalu benar-benar digunakan oleh setiap panggilan produksi.

• Rendah — 10, 0,6 menit, 87 token per detik.

• Non-penalaran — 9, 2,0 menit, 84 token per detik.

Jadi perbandingan yang jujur bukanlah 43 versus 28. Melainkan 43 versus 18 bagi pemanggil yang tidak mengirim parameter effort, dan 43 versus 28 bagi pemanggil yang memutar tombolnya ke posisi tertinggi dan menanggung latensi enam kali lipat karenanya. Dua puluh lima poin pada pengaturan default dan lima belas poin pada batas atas, dari model yang sama, tanpa perubahan harga pada kartu harga.

Tangga Qwen4-Max memiliki tiga tingkat — low, high, xhigh — dan defaultnya adalah high. Tidak ada medium: Chat Completions dan DashScope sama-sama memetakan medium ke high, jadi meminta pengaturan tengah biayanya sama dengan pengaturan teratas. Itu dial yang lebih buruk daripada milik Luna, dan itu penting karena alasan yang sama — tingkat yang Anda panggil menentukan skor, dan Qwen4-Max memberi Anda lebih sedikit cara untuk membeli lebih sedikit darinya.

Yang tidak dipublikasikan tracker untuk Qwen4-Max adalah skor pada masing-masing dari tiga tingkatnya; halaman itu hanya memuat 43 dan berhenti di situ. Tangga enam tingkat Luna dipublikasikan sepenuhnya, yang membuat Luna menjadi model yang lebih mudah dimodelkan tetapi lebih sulit dikutip angkanya. Jika Anda menyusun proyeksi biaya, tangga yang dipublikasikan secara lengkap lebih bernilai daripada satu angka yang lebih baik, karena Anda bisa melihat di mana titik beloknya.

A screenshot of the OrcaRouter model page for openai/gpt-6-luna, captured in an English interface, showing the OpenAI breadcrumb, the openai/gpt-6-luna identifier, a 128K max output, vision and tools and JSON and reasoning capability chips, an output modality of text, and a public-benchmarks line attributed to OpenAI dated 2026-09-22.

Jurang 272.000 token Luna

Kedua model mengiklankan konteks sejuta token dan hanya salah satunya yang mengenakan tarif sama di seluruh rentangnya, dan ini adalah satu hal paling mahal yang bisa terlewatkan oleh pembeli.

• Qwen4-Max — $1,50 dan $4,50 tarif tetap di seluruh jendela 1.000.000 token, tanpa tingkatan pada 32K atau 128K. Batas input yang didokumentasikan adalah 991.808 token untuk non-thinking dan 983.616 token dengan thinking aktif; output non-thinking dibatasi pada 131.072 token dan thinking beserta jawaban berbagi 262.144 token.

• GPT-6 Luna — $0,10 dan $0,50 hingga 272.000 token input, lalu $0,20 input dan $0,75 output di atasnya. Penetapan harga ulang berlaku untuk keseluruhan permintaan, bukan hanya kelebihannya: prompt 300.000 token dikenai tarif dua kali lipat pada seluruh 300.000 token, bukan pada 28.000 token terakhir. Jendela konteks adalah 1.050.000 menurut dokumentasi O​penAI dan 1 juta pada pelacak; input maksimum 922.000; batas output 128.000.

Jalankan kasus konteks panjang, dan angka 22× menyusut ke arah 7,5×. Dokumen 400.000 token dengan jawaban 8.000 token memakan biaya $0,60 untuk input dan $0,09 untuk output pada Qwen4-Max — $0,69 dengan tarif Singapura. Permintaan yang sama pada Luna adalah $0,08 untuk input dan $0,006 untuk output, $0,086. Tujuh setengah kali, bukan dua puluh dua. Luna tetap jauh lebih murah, dan lebih murahnya hanya sepertiga dari margin yang disiratkan oleh angka utama.

Inversi itu memiliki sisi kedua, dan efeknya justru berlawanan arah. Di bawah 272.000 token, ambang batas itu tidak pernah berlaku, dan sebagian besar beban kerja agen — konteks basis kode, percakapan dukungan, loop pemanggilan alat — jauh berada di bawahnya. Tim yang membaca "konteks 1M" pada kedua kartu dan menganggarkan Luna sebesar $0,10 untuk pekerjaan 500.000 token telah menganggarkan terlalu rendah sebesar 2× untuk input dan 1,5× untuk output, dan kesalahan itu baru terlihat di tagihan.

Ada juga ketentuan residensi yang perlu diketahui sebelum harga menjadi pertimbangan: residensi data UE di Luna hanya tersedia dengan pemrosesan Standard, sehingga diskon Batch dan Fast sama sekali tidak berlaku. Jika persyaratan residensi termasuk dalam cakupan, tarif Luna yang berlaku adalah tarif standar, dan struktur diskon yang Anda andalkan tidak tersedia untuk Anda.

Video, dan baris yang tidak bisa dimasuki Luna

Perbedaan modalitas itu lebih kecil daripada yang digambarkan pemasaran dan lebih besar daripada yang tersirat dari sekilas lembar spesifikasi.

• GPT-6 Luna — teks dan gambar masuk, teks keluar. Bukan model video atau audio. Pembuatan gambar, pembuatan suara, transkripsi, dan terjemahan semuanya didokumentasikan sebagai tidak didukung.

• Qwen4-Max — input berupa teks, gambar, dan video, output berupa teks, dengan visi ditangani secara native alih-alih melalui ekstraktor. O​penAI Chat Completions, O​penAI Responses, A​nthropic Messages, dan DashScope di sisi protokol, terhadap Responses, Chat Completions, dan Batch milik Luna.

Jadi Qwen4-Max adalah satu-satunya dari keduanya yang dapat Anda arahkan ke rekaman layar, rekaman kuliah, atau tinjauan video lalu ajukan pertanyaan tentangnya. Itu adalah perbedaan kemampuan yang nyata dan bukan perbedaan benchmark — tidak ada indeks pada kedua kartu yang mengukurnya, dan sebanyak apa pun penyetelan tingkat upaya pada Luna tidak akan menghasilkannya. Jika video termasuk dalam beban kerja, perbandingannya berakhir di sini dan 22× adalah harga yang harus dibayar.

Jika video bukan fokusnya, baris itu hanyalah dekorasi, dan cakupan protokol adalah bagian yang lebih menarik. Qwen4-Max mendukung empat format wire; Luna mendukung tiga dan membatasi permukaan alat terkayanya di balik Responses — alat bawaan seperti web search, file search, code interpreter, dan hosted shell berjalan di sana, dan function calling pada Chat Completions hanya berfungsi bila reasoning effort diatur ke none. Pipeline yang beralih ke Chat Completions untuk menghemat biaya dan tetap mengharapkan tool call akan gagal pada permintaan pertama. Itu adalah jebakan migrasi, bukan kesenjangan kemampuan, dan itulah jenis hal yang memakan waktu seminggu alih-alih satu persentase.

Inilah titik di mana lapisan perutean membuktikan nilainya, bukan pilihan model.openai/gpt-6-luna dengan harga daftar OpenAI dengan markup 0% yang diteruskan apa adanya — jadi perubahan harga Luna langsung berlaku di sini pada hari yang sama saat perubahan itu masuk ke daftar harga OpenAI — dan Qwen4-Max tidak dihosting di sini; model ini dapat diakses melalui API Model Studio milik Alibaba sendiri dan beberapa platform pihak ketiga. Satu API untuk lebih dari 200 model, satu kunci, dan DSL perutean yang mengklasifikasikan permintaan dan mengirimkannya ke salah satu dari keduanya sesuai yang ditentukan baris tersebut: Luna untuk tier ekstraksi bervolume tinggi, kelas Qwen untuk pekerjaan video dan konteks panjang yang secara struktural tidak dapat ditangani Luna. Failover otomatis menutupi hari ketika tier murah sedang bermasalah, yaitu hari ketika pipeline satu penyedia menyadari bahwa ia memang memilikinya.

A screenshot of the Artificial Analysis page for GPT-6 Luna, captured in an English interface, showing the Intelligence, Performance and Price panels, a 1M-token context note, a speed figure, a 12.2-minute time per task and the model's measured intelligence score of 28.

Kapan setiap model menjadi pilihan yang tepat

Tiga beban kerja, tiga jawaban berbeda, dan yang ketiga adalah posisi sebagian besar tim sebenarnya.

Volume tinggi, spesifikasi jelas, dan terperiksa.Klasifikasi atas suatu korpus, ekstraksi dari kumpulan dokumen, peringkasan, tingkat triase dukungan dalam suatu pipeline. Luna dengan $0.15 per tugas dibandingkan Qwen4-Max dengan $3.27 adalah pengurangan biaya 95% untuk pekerjaan yang tidak pernah membutuhkan 43. Angka 18 yang Anda dapatkan pada bawaan Luna berada di atas median kisaran harganya dan outputnya dapat diperiksa, dan itulah seluruh argumennya. Ini bukan pilihan yang sulit.

Berjangka panjang, tanpa pengawasan, mahal jika salah. Proses agen selama berjam-jam, refaktor berskala repositori, riset yang mencakup puluhan panggilan alat. Selisih lima belas poin indeks adalah perbedaan antara model yang dapat mempertahankan rencana dan model yang kehilangannya, dan dengan biaya $3,27 per tugas dibandingkan proses yang membutuhkan satu jam-engineer untuk diulang, harga bukanlah kendala. Qwen4-Max juga satu-satunya dari keduanya yang menerima input video, yang bagi sebagian besar pekerjaan agentik yang terus bertambah — tangkapan layar, rekaman layar, jejak UI — merupakan perbedaan antara beban kerja yang ada dan yang tidak ada.

Peka latensi, di suatu tempat di tengah. Inilah kasus yang tidak dijawab oleh kedua kartu. Luna mendekode pada 103 token per detik saat upaya maksimum dan 93 pada defaultnya; Qwen4-Max pada 59. Luna menyelesaikan tugas indeks dalam 12,2 menit pada maksimum dan 3,5 pada default; Qwen4-Max dalam 29,8. Jika manusia menunggu, 59 token per detik adalah angka yang menentukan apakah produk terasa hidup, dan tidak ada penghematan per tugas yang mengimbangi antarmuka yang macet. Jika tidak ada yang menunggu, 29,8 menit adalah waktu dinding yang dapat Anda jadwalkan.

Bentuk yang tepat untuk sebagian besar tim bukanlah salah satu dari dua pilihan ini, melainkan keduanya — dan alasannya adalah bahwa batas keputusan merupakan properti tingkat permintaan, bukan properti tingkat kontrak. Pipeline yang mengklasifikasikan pada Luna dan melakukan eskalasi ke model frontier ketika classifier tidak yakin akan memperoleh penghematan 95% pada 90% kasus yang mudah dan lima belas poin pada sisanya. Itulah kegunaan DSL routing, dan ini adalah satu-satunya konfigurasi dalam perbandingan ini yang tidak mengharuskan memilih yang kalah.

Tagihan yang benar-benar bisa Anda prediksi

Dua puluh dua kali biaya tugas untuk lima belas poin indeks. Bagi satu dengan yang lain, dan Qwen4-Max berbiaya $0.076 per poin indeks dibandingkan $0.0054 milik Luna — empat belas kali lebih mahal per poin, angka yang membuat Luna tampak sebagai pilihan pembelian yang jelas dan angka yang paling tidak berguna, karena tidak ada yang mengonsumsi poin indeks.

Yang dikonsumsi orang adalah beban kerja, dan beban kerja itu memiliki tiga sifat yang menentukan hal ini: berapa banyak token yang dijalankan konteks, apakah ada manusia yang menunggu, dan apakah jawaban yang salah murah untuk ditangkap. Luna menang mutlak pada dua yang pertama dan kalah telak pada yang ketiga sehingga perbandingannya terbalik. Qwen4-Max menang pada yang ketiga dan mengenakan biaya untuk itu pada tarif yang hanya masuk akal jika alternatifnya adalah menjalankan ulang.

Prediksi yang tetap bertahan setelah semua itu: jika Anda memilih di antara keduanya berdasarkan harga, Anda sudah salah pilih, karena 22× bukanlah premi yang seharusnya Anda bayarkan pada setiap permintaan dalam sebuah pipeline — itu adalah premi yang Anda bayarkan pada sebagian kecil permintaan yang memang membutuhkannya. Rutekan sebagian kecil itu. Sisanya hanyalah kesalahan pembulatan yang bisa Anda belanjakan untuk hal lain.

Dibandingkan dalam artikel ini1

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