
Qwen4-Max vs Kimi K4: Satu Dirilis Minggu Ini, yang Lain Belum Pernah Dirilis Sama Sekali
- GoogleBARUGoogle: Gemini 4 Carbon2026-11-10$2.00 / $10.00 per 1 juta token · 90 tok/s
- AnthropicBARUAnthropic: Claude Fable 5.22026-11-09$8.00 / $40.00 per 1 juta token · 96 tok/s
- orcaBARUOrca: OrcaC2 1.02026-11-0717 tok/s
- OrcaBARUOrcaCyber: GLM 5.3 Abliterated / Uncensored2026-11-04$3.00 / $5.00 per 1 juta token · 87 tok/s
- OrcaBARUOrcaCyber: Hy4 Abliterated / Uncensored2026-11-04$0.80 / $1.60 per 1 juta token · 133 tok/s
- OrcaBARUOrcaCyber: Kimi K3.1 Pro Abliterated / Uncensored2026-11-04$4.00 / $20.00 per 1 juta token · 72 tok/s
- OrcaOrcaCyber: MiniMax M3.1 Flash Abliterated / Uncensored2026-10-29$0.80 / $1.60 per 1 juta token · 130 tok/s
- OrcaOrcaCyber: GLM 5.3 Flash Abliterated / Uncensored2026-10-27$0.80 / $1.60 per 1 juta token · 65 tok/s
- OrcaOrcaCyber: Qwen3.8 Flash Next Abliterated / Uncensored2026-10-26$0.80 / $1.60 per 1 juta token · 92 tok/s
- OrcaOrcaCyber: MiMo V2.6 Flash Abliterated / Uncensored2026-10-26$0.80 / $1.60 per 1 juta token · 43 tok/s
- MoonshotMoonshotAI: Kimi K3.1 Pro2026-10-2447Kecerdasan
- OrcaOrcaCyber: DeepSeek V4.1 Flash Abliterated / Uncensored2026-10-23$0.80 / $1.60 per 1 juta token · 193 tok/s
- minimaxMiniMax: M3.1 Flash2026-10-1929Kecerdasan
- OrcaOrca: OrcaCyber Ultra 1.02026-10-17$5.00 / $10.00 per 1 juta token · 152 tok/s
- deepseekDeepSeek: DeepSeek V4.1 Flash 10172026-10-1733Kecerdasan
- DeepSeekDeepSeek: DeepSeek V4.1 Flash2026-10-1740Kecerdasan
- OrcaOrca: OrcaCyber Zero 1.52026-10-10$3.00 / $7.50 per 1 juta token · 119 tok/s
- openaiOpenAI: GPT-6.1 Sol2026-09-2955Kecerdasan
- anthropicAnthropic: Claude Sonnet 5.52026-09-2855Kecerdasan
- typesafeTypeSafe: Jev 1.132026-09-24$0.04 / $0.00 per 1 juta token · 219 tok/s
Cari Kimi K4 dan Anda akan menemukan banyak sekali tulisan tentang model yang tidak ada. Cari Qwen4-Max dan, per 16 November 2026, Anda akan menemukan model yang dapat Anda panggil dengan kartu tarif yang diterbitkan, enam region, dan halaman dokumentasi dengan stempel waktu 09:46 pagi itu. Itu bukan keadaan yang sebanding, dan memperlakukannya sebagai dua sisi dalam sebuah pertandingan adalah kesalahan paling umum di sudut pasar ini. Jadi halaman ini melakukan dua tugas: menetapkan apa itu Kimi K4 — sebuah nama tanpa kartu model, tanpa pengenal API, tanpa bobot, tanpa harga, dan tanpa pengumuman di baliknya — lalu menjalankan perbandingan yang benar-benar dapat ditindaklanjuti pembaca, antara Qwen4-Max dan Kimi K3.1 Pro, model yang dirilis Moonshot AI hari ini dan model open-weights dengan skor tertinggi di Artificial Analysis Intelligence Index.
Perbandingan kedua itu lebih menarik daripada yang Anda ketikkan, karena itulah satu-satunya tempat di mana Qwen4-Max bertemu dengan model yang mengalahkannya dalam kemampuan terukur tetapi kalah darinya dalam hal harga. Ini juga perbandingan yang menunjukkan mengapa benchmark Qwen4-Max yang hilang itu mahal: dibandingkan dengan Kimi K3.1 Pro, ada angka nyata di satu sisi tabel dan kosong di sisi lainnya.

Pengecekan Kimi K4, dilakukan secara terbuka
Klaim bahwa sesuatu belum dirilis akan melemah, jadi berikut buktinya, bukan putusannya. Dokumentasi harga pengembang Moonshot AI untuk API Kimi mencantumkan kimi-k3.1-pro dan kimi-k3 sebagai model seri K3, dengan jendela konteks 1.048.576 token, serta seri K2, yang menurut halaman yang sama akan dihentikan sepenuhnya pada akhir Desember 2026. Tidak ada pengenal kimi-k4 yang muncul. Daftar model platform tidak memuatnya. Indeks blog lab itu sendiri tidak memuat tulisan K4. Pencarian repositori di bawah organisasi moonshotai tidak mengembalikan apa pun di atas K3.1 Pro.
Satu-satunya artefak yang muncul untuk nama itu adalah unggahan ulang pihak ketiga di Hugging Face, dibuat pada Juli 2026, dengan segelintir unduhan, tanpa dokumentasi, dan kumpulan tag yang disalin mentah-mentah dari Kimi K3. Itu bukan artefak Moonshot dan halaman ini tidak memperlakukannya sebagai artefak Moonshot. Model unggulan Moonshot yang sudah dirilis meninggalkan jejak yang dapat diperiksa dalam hitungan hari — kartu model dengan jumlah parameter, baris kartu tarif, pengenal API, entri papan peringkat. Nama yang tidak meninggalkan satu pun dari itu bukanlah rilis senyap; itu hanyalah sebuah nama.
Perlu dikatakan secara gamblang, karena framing halaman ini bisa disalahpahami: fakta bahwa K4 belum dirilis tidak mengatakan apa pun tentang lintasan Moonshot. Lab ini telah merilis dua kali dalam empat bulan, dan yang kedua, K3.1 Pro pada 24 Oktober 2026, adalah hasil open-weights terbaik pada indeks saat ini. Model berikutnya adalah soal kapan, bukan apakah. Itu sekadar belum sekarang.
Apa jadinya Qwen4-Max minggu ini
Hingga 16 November, Qwen4-Max hanya ada sebagai qwen4-max-preview: sewa khusus Token Plan yang dibuka pukul 10.00 UTC+8 pada 11 November, dengan penghentian yang diumumkan pada pukul 24.00 tanggal 25 November dan tidak ada harga per token di mana pun. Model GA adalah pengenal yang berbeda, qwen4-max, dengan tarif bayar sesuai pemakaian, enam region — Singapura, Beijing, Hong Kong, Frankfurt, Virginia, dan Tokyo — serta tanpa tanggal kedaluwarsa.
Spesifikasi yang dipublikasikan mencakup konteks 1.000.000 token, keluaran maksimum 131.072 token dalam mode non-thinking, anggaran bersama 262.144 token untuk thinking ditambah jawaban, masukan teks, gambar, dan video, serta keluaran hanya dalam teks. Thinking diaktifkan secara default dengan anggaran 131.072 token dan reasoning effort diatur ke high. API ini mendukung OpenAI Chat Completions, OpenAI Responses, Anthropic Messages, dan DashScope, yang berarti SDK Anthropic yang sudah ada, jika diarahkan ke base URL baru, akan berfungsi tanpa penulisan ulang. Fine-tuning dan deployment model didokumentasikan sebagai tidak didukung, dan tidak ada bobot yang dipublikasikan.

Qwen4-Max versus Kimi yang benar-benar bisa Anda panggil
Kimi K3.1 Pro adalah rilis pasca-pelatihan, bukan arsitektur baru: Moonshot mendeskripsikannya sebagai Kimi K3 yang dilatih ulang dengan komputasi pasca-pelatihan yang jauh lebih besar, termasuk pembelajaran penguatan gabungan skala besar di ratusan domain hilir. Jendela konteksnya tidak berubah, yaitu 1.048.576 token, input visual dan video tidak berubah, dan batas atas outputnya juga tidak berubah, yaitu 1 juta token. Yang paling berdampak adalah harganya: $2,00 per juta token input dan $10,00 per juta token output, turun dari $3,00 dan $15,00 pada K3.
• Harga input — Qwen4-Max $1.50 per 1M di Singapura, $1.413 di wilayah lain, dibandingkan dengan Kimi K3.1 Pro $2.00
• Harga output — Qwen4-Max $4.50 Singapura, $4.24 di wilayah lain, versus Kimi K3.1 Pro $10.00
• Pembacaan cache — Qwen4-Max $0.075 setelah penulisan lima menit senilai $1.875, dibandingkan dengan Kimi K3.1 Pro $0.20 setelah penulisan senilai $2.00
• Konteks — Qwen4-Max 1.000.000 token versus Kimi K3.1 Pro 1.048.576 token, keunggulan 4,6% bagi Kimi
• Output maksimum — Qwen4-Max 131.072 non-thinking, dibandingkan batas 1 juta token Kimi K3.1 Pro, keunggulan besar bagi Kimi
• Skor independen — Qwen4-Max belum dipublikasikan, versus Kimi K3.1 Pro 46,5 pada Artificial Analysis Intelligence Index v5.0.1, hasil open-weights teratas di papan peringkat
• Bobot — Qwen4-Max tidak ada yang dipublikasikan, dibandingkan dengan induk Kimi K3.1 Pro, yaitu K3, yang terbuka di bawah lisensi khusus
• Benchmark vendor — Qwen4-Max tidak ada, dibandingkan dengan Kimi K3.1 Pro sebesar 65,7% pada Terminal-Bench 4.0, dilaporkan vendor
Baris harga output adalah yang menata ulang anggaran. Pada $4.50 dibandingkan $10.00, Qwen4-Max 55% lebih murah untuk output di Singapura dan 58% lebih murah di region lain. Pipeline yang menghasilkan 50 juta token output per bulan membayar $225 pada Qwen4-Max dan $500 pada Kimi K3.1 Pro. Itu adalah selisih yang nyata, dan itu adalah argumen tunggal terkuat untuk model yang lebih baru.
Baris batas keluaran adalah yang dapat membatalkannya. Kimi K3.1 Pro akan mengeluarkan satu juta token dalam satu respons; Qwen4-Max membatasi pada 131.072 di luar mode berpikir dan 262.144 yang dibagi dengan mode tersebut. Jika beban kerja Anda mencakup pembuatan dokumen panjang, penulisan ulang seluruh file, atau jejak penalaran yang diperluas dalam satu panggilan, model yang lebih murah mungkin tidak dapat menyelesaikan pekerjaan itu berapa pun harganya, dan diskon 55% untuk permintaan yang harus dipecah menjadi delapan panggilan bukanlah diskon.
Mengapa kekosongan di kolom skor justru menjadi inti ceritanya
Setiap perbandingan model yang diterbitkan blog ini menemui hambatan yang sama dengan produk unggulan {{1}}Alibaba{{/1}} yang baru: dokumentasinya sangat presisi soal mekanisme dan sama sekali tidak membahas kualitas. Halaman Qwen4-Max merinci temperature default di setiap mode, nilai top-p dan top-k, anggaran thinking, batas atas token input dan output yang tepat per mode, serta enam region beserta cakupan deployment-nya. Halaman itu tidak menerbitkan tabel benchmark apa pun, baik yang dilaporkan vendor maupun tidak, dan tidak ada entri Qwen4 di indeks model Artificial Analysis — URL per model mengembalikan 404.
Dibandingkan dengan Kimi K3.1 Pro, asimetri itu memiliki konsekuensi spesifik. Sisi Kimi memiliki angka pihak pertama yang dapat dilihat semua orang dan angka independen pada versi indeks yang sama, dan keduanya berada di puncak papan open-weights. Sisi Qwen memiliki harga dan lembar spesifikasi. Pembeli yang membandingkan keduanya bukan membandingkan dua model; mereka membandingkan model yang terukur dengan model yang terdokumentasi, dan satu-satunya cara menutup celah itu adalah mengukurnya sendiri.
Yang lebih murah untuk dilakukan daripada yang terdengar. Seratus prompt yang diambil dari lalu lintas Anda sendiri, dijalankan pada keduanya, dengan tarif ini, hanya membutuhkan biaya beberapa dolar. Itulah seluruh anggaran evaluasi yang diperlukan untuk mengubah Qwen4-Max dari yang tidak diketahui menjadi besaran yang diketahui untuk beban kerja Anda — dan itu lebih murah daripada biaya satu minggu salah menebak harga output.
Satu-satunya titik di mana kedua desain paling jauh berbeda
Arsitektur K3 Moonshot bersandar pada Kimi Delta Attention, mekanisme attention linear dengan state rekuren berukuran tetap, di 69 dari 92 lapisan sparse-nya. Desain itulah yang membuat konteks 1M token terjangkau untuk dilayani, dan itu juga alasan evaluator independen meremehkan klaim konteks panjang pihak pertama di seluruh industri: hibrida attention linear cenderung kehilangan beberapa poin pada retrieval needle-in-a-haystack dibandingkan attention penuh. Qwen tidak memublikasikan apa pun tentang desain attention Qwen4-Max, jadi tidak ada cara untuk mengetahui di sisi mana dari trade-off itu ia berada.
Yang Qwen publikasikan adalah implementasi prompt-caching dengan mode eksplisit dan implisit serta penulisan cache lima menit seharga $1.875 per juta dibandingkan pembacaan seharga $0.075 — diskon 96% untuk pembacaan. Ekuivalen Kimi adalah $2.00 untuk penulisan dan $0.20 untuk pembacaan, diskon 90%. Kedua desain tersebut menghargai prefiks yang stabil dan menghukum prompt yang berubah setiap giliran, dan tidak satu pun mengubah perhitungan pada permintaan sekali jalan.
Untuk pekerjaan dokumen dengan konteks panjang — beban kerja yang ditawarkan kedua vendor — uji praktisnya sama pada model mana pun: buat uji needle pada korpus Anda sendiri sebelum Anda mempercayai jendela konteks yang dipromosikan. Model yang menjawab dengan benar pada 900K token di data Anda lebih bernilai daripada model yang menjawab dengan benar pada 1M token di benchmark sintetis, dan hanya satu dari dua angka itu yang bisa diketahui tanpa harness Anda sendiri.
Memanggil mereka berdampingan
OrcaRouter menyediakan Kimi K3.1 Pro sebagai kimi/kimi-k3.1-pro dengan harga daftar Moonshot — $2,00 input dan $10,00 output per juta — diteruskan tanpa markup, pada base URL yang kompatibel dengan OpenAI yang sama dengan bagian lain dari katalog 215-identifier, dengan endpoint /v1/chat/completions dan /v1/responses. Qwen4-Max tidak ada dalam katalog itu saat ini; tersedia melalui API milik Alibaba sendiri, tempat kartu tarif regional di atas berlaku.

Alasan untuk menjaga keduanya tetap dapat diakses alih-alih memilih salah satu adalah bahwa keputusan di antara keduanya ditentukan oleh beban kerja, bukan oleh model. Pekerjaan generasi panjang menginginkan batas maksimum output Kimi. Generasi bervolume tinggi yang responsnya pendek menginginkan harga output Qwen4-Max. Apa pun yang jawaban salahnya mahal menginginkan model yang sudah memiliki skor sampai Anda menghasilkan skor untuk model lainnya. Kebijakan perutean menyatakan hal itu sebagai aturan, bukan sebagai keputusan arsitektur, dan failover otomatis mencegah model yang lebih baru di antara keduanya menjadi titik kegagalan tunggal saat Anda masih mengumpulkan bukti.
Bagaimana posisi pencarian yang Anda mulai sekarang
Jika Anda datang untuk Kimi K4, jawabannya adalah model itu belum dirilis, belum ada pengumuman apa pun tentangnya, dan model yang perlu dievaluasi hari ini adalah Kimi K3.1 Pro — yang, pada indeks saat ini, merupakan model berbobot terbuka terkuat yang tersedia bagi siapa saja. Pantau kartu model, bukan rumor: dokumen yang memuat parameter, konteks, harga, dan pengenal API secara bersamaan adalah sinyal yang telah digunakan blog ini sepanjang tahun untuk membedakan model yang sudah dirilis dari nama yang beredar.
Jika Anda datang untuk sisi Qwen4-Max, jawabannya adalah bahwa itu nyata, ada harganya, dan murah tepat pada satu dimensi yang penting — token keluaran — tetapi dibatasi pada sebagian kecil dari apa yang akan dikeluarkan model Kimi dalam satu respons dan sama sekali tidak menyertakan pengukuran kualitas. Belilah di tempat volume keluaran mendominasi dan responsnya pendek. Ujilah sebelum Anda membelinya di tempat lain mana pun. Dan anggap selisih antara $4.50 dan $10.00 sebagai undangan untuk menjalankan eval Anda sendiri, karena itulah satu-satunya angka dalam perbandingan ini yang saat ini gratis.
Dibandingkan dalam artikel ini2
Terdeteksi dari artikel ini · Benchmark: Artificial Analysis · diperbarui setiap hari
