Kartu judul 16:9 yang dihasilkan bertuliskan 'Qwen4-Max vs LongCat 2.5', dengan subjudul 'Dua unggulan yang belum pernah dinilai, selisih harga dua belas kali lipat', serta tiga kartu bersudut membulat: $4,50 berbanding $1,20 per juta token keluaran, konteks 1.000.000 token di kedua sisi, dan skor independen tidak ada untuk keduanya. Logo OrcaRouter di kanan bawah.
Guides & Insights

Qwen4-Max vs LongCat 2.5: Dua Flagship yang Belum Pernah Dinilai, Selisih Harga Dua Belas Kali Lipat

Penulis

jinhao.song

Tanggal Terbit

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

Berikut perbandingan dengan sifat yang tidak biasa: tidak ada pihak yang memiliki angka. Qwen4-Max, tersedia secara umum dari Alibaba sejak 16 November 2026, menerbitkan daftar tarif, jendela konteks, dan daftar fitur, serta tidak ada tolok ukur apa pun. LongCat 2.5, yang diterbitkan Meituan pada 2 November 2026, hadir dengan tabel evaluasi vendor 31 baris dan tetap tidak memiliki skor independen — tidak ada entri LongCat 2.5 di papan peringkat Artificial Analysis, hanya pendahulunya LongCat 2.0, yang juga tidak membawa nilai indeks. Jadi ketika Anda menempatkan Qwen4-Max dan LongCat 2.5 berdampingan, yang sebenarnya membedakan keduanya bukanlah kemampuan. Melainkan $1.20 versus $4.50 untuk token keluaran, dan apakah Anda percaya tabel milik vendor ketika itulah satu-satunya tabel yang ada.

Itu menjadikan halaman ini jenis perbandingan yang berbeda dari adu langsung yang biasa. Halaman ini tidak menanyakan model mana yang lebih baik, karena tidak ada orang di luar kedua lab yang bisa menjawabnya. Halaman ini menanyakan mana yang Anda mampu untuk mencari tahu, dan apa yang didukung serta tidak didukung oleh dokumentasi masing-masing vendor.

A generated two-column scoreboard titled 'Qwen4-Max vs LongCat 2.5 - the scoreboard', comparing $1.50 against $0.30 input, $4.50 against $1.20 output, a 1,000,000-token context against 1,048,576, 131,072 maximum output on both sides, six regions against one platform, and no independent score against no independent score, over a footer reading 'Both vendors report no independent benchmark; prices are first-party list rates.' OrcaRouter logo bottom-right.

Apa yang sebenarnya dirilis Meituan pada 2 November

LongCat 2.5 adalah model sparse mixture-of-experts dengan 1,6 triliun parameter yang mengaktifkan sekitar 48 miliar parameter per token, yang menjadikannya iterasi dari arsitektur yang sama dengan LongCat 2.0 alih-alih desain baru. Model ini secara native multimodal dalam pengertian yang spesifik dan tidak biasa: sinyal visual dikodekan sebagai token diskret multi-level melalui kuantisasi vektor residual atas fitur-fitur dari encoder semantik-dan-sejajar, sehingga gambar dan teks masuk ke backbone sebagai satu kosakata token alih-alih melalui adapter tambahan. Kasus penggunaan yang dinyatakan vendor mengikuti dari itu — membangun halaman dari tangkapan layar, menghasilkan adegan 3D dari deskripsi, memproduksi poster.

Kontrak penyajiannya konkret. Konteksnya 1.048.576 token masuk dan 131.072 token keluar. Ada dua endpoint di api.longcat.chat: /openai/v1/chat/completions yang kompatibel dengan OpenAI dan /anthropic/v1/messages yang kompatibel dengan Anthropic. Claude Code, Codex, Hermes, OpenCode, dan Kilo Code disebut sebagai harness yang didukung, masing-masing dengan panduan pihak pertama. Bobotnya tidak tersedia; tombol GitHub dan Hugging Face di blog sama-sama bertuliskan "Coming soon" tanpa tanggal. LongCat 2.0 dirilis dengan lisensi MIT, jadi pertanyaan lisensi untuk 2.5 benar-benar terbuka, bukan sudah terjawab oleh preseden.

A screenshot of Alibaba Cloud Model Studio's 'Model releases and updates' changelog, dated 2026-11-16 and headed qwen4-max, with the 2026-11-11 qwen4-max-preview entry and later entries visible below it.

Sebaliknya, Qwen4-Max milik Alibaba ditutup dengan cara berbeda: dokumentasinya menyatakan fine-tuning dan deployment model sebagai tidak didukung sama sekali, yang merupakan pernyataan lebih tegas daripada "segera hadir". Masukan teks, gambar, dan video; keluaran teks; jendela 1.000.000 token; 131.072 token keluaran di luar mode berpikir; berpikir aktif secara default dengan anggaran 131.072 token. Enam wilayah — Singapura, Beijing, Hong Kong, Frankfurt, Virginia, dan Tokyo — dibandingkan dengan platform pihak pertama tunggal LongCat.

Selisih harga, dan apa yang didapat darinya

• Input — Qwen4-Max $1.50 per 1 juta di Singapura dan $1.413 di tempat lain, dibandingkan LongCat 2.5 $0.30

• Output — Qwen4-Max $4.50 di Singapura dan $4.24 di tempat lain, dibandingkan LongCat 2.5 $1.20

• Input cache — Qwen4-Max $0.075 baca setelah tulis lima menit $1.875, versus LongCat 2.5 $0.006 baca

• Konteks — Qwen4-Max 1,000,000 token versus LongCat 2.5 1,048,576 token

• Keluaran maksimum — Qwen4-Max 131,072 token non-thinking, 262,144 dibagi dengan thinking, dibandingkan dengan LongCat 2.5 131,072 token

• Modalitas — input teks, gambar, dan video Qwen4-Max versus input teks dan gambar LongCat 2.5, dengan tokenisasi visual native

• Bobot — keduanya tidak menerbitkan apa pun, tetapi LongCat 2.5 mengatakan "segera hadir" sementara Qwen4-Max mengatakan tidak didukung

• Wilayah — Qwen4-Max enam versus LongCat 2.5 satu platform

• Skor independen — tidak satu pun memilikinya

Pada token output, itu adalah perbedaan dua belas kali lipat di Singapura dan perbedaan 3,5 kali lipat pada input. Hitung angka-angka pada pipeline nyata: satu juta panggilan per bulan dengan 2.000 token input dan 500 token output berbiaya $5.250 pada Qwen4-Max Singapore dan $1.200 pada LongCat 2.5. Pada sepuluh kali volume tersebut, selisihnya adalah $52.500 per bulan dibandingkan $12.000, yang setara dengan satu posisi karyawan, bukan kesalahan pembulatan.

A screenshot of Meituan's LongCat API Platform pricing page for LongCat 2.5, showing the vendor, the model name, input $0.30, output $1.20 and cache hit $0.006 per million tokens on a pay-as-you-go card labelled limited-time.

Yang dibeli oleh uang tambahan itu bukanlah, menurut catatan yang dipublikasikan, kapabilitas. Yang dibelinya adalah deployment regional—Frankfurt, Virginia, dan Tokyo sangat penting bagi perusahaan Eropa atau Amerika yang memiliki kewajiban residensi data, dan platform tunggal Meituan tidak menawarkannya. Yang dibelinya adalah jalur input video yang tidak didokumentasikan LongCat. Dan yang dibelinya adalah kepastian operasional dari vendor yang telah menjual model terdepan ke perusahaan selama bertahun-tahun, dibandingkan dengan platform yang halaman harganya sendiri menyebut angka-angkanya sebagai berlaku untuk waktu terbatas dan ditutup dengan pernyataan "harga dapat berubah".

Poin terakhir itu patut diperhatikan. Daftar tarif LongCat memberi tahu Anda bahwa LongCat bukan sumber otoritatif untuk angka-angkanya sendiri. Daftar tarif Qwen4-Max, yang diterbitkan pagi ini, tidak demikian.

Membaca tabel vendor saat tabel itu satu-satunya tabel

Halaman rilis Meituan memuat 31 baris evaluasi, dan hal menarik pertama tentangnya adalah kumpulan pembandingnya: GPT-5.5, GPT-5.6 Sol, Claude-Opus-4.8, dan Claude-Opus-5. GPT-6.1 Sol dari OpenAI, yang tersedia secara umum sejak 29 September, tidak ada di tabel. Begitu pula Claude Opus 5.5, model yang diresolusikan oleh alias opus di Claude Code. Para pesaingnya memang dipilih.

Hal menarik kedua adalah kalimat ringkasan yang digunakan dalam pengumuman, yaitu bahwa skor LongCat 2.5 berada "di antara Claude-Opus-4.8 dan Claude-Opus-5". Pada harness terbaru dalam tabel yang sama, model ini berada 15 poin di bawah Opus 5. Kedua pernyataan berasal dari halaman yang sama. Itu bukanlah bentuk kritik terhadap model tersebut — model sparse 1.6T yang dilatih secara end-to-end pada akselerator domestik Tiongkok dan disajikan dengan harga output $1.20 merupakan pencapaian yang nyata — tetapi itu menjadi alasan untuk membaca tabel tersebut sebagai subset yang dipilih, bukan sebagai papan skor.

Masalah Qwen4-Max adalah kebalikannya. Tidak ada tabel sama sekali. Dokumentasi Alibaba menetapkan mekanismenya dengan presisi yang tidak biasa — temperature default 1.0 dengan thinking dan 0.7 tanpa thinking, top-p 0.95 dan 0.8, top-k 20, anggaran thinking 131.072 token, batas input terpisah 991.808 token dalam mode non-thinking dan 983.616 dalam mode thinking, enam region dengan cakupan deployment masing-masing — dan tidak mengatakan apa pun tentang kualitas. Tidak ada entri Qwen4 di indeks model Artificial Analysis, dan URL per model mengembalikan 404.

Jadi pilihan antara tabel yang harus Anda diskon dan tidak ada tabel sama sekali lebih dekat daripada kelihatannya. Kedua model memerlukan evaluasi Anda sendiri sebelum produksi. Perbedaannya adalah Meituan telah memberi Anda hipotesis awal dan Alibaba telah memberi Anda spesifikasi.

Pembagian beban kerja yang sebenarnya menjadi penentu hal ini

Tiga pola, dan jawabannya berbeda untuk masing-masing.

• Pembuatan teks bervolume tinggi — LongCat 2.5 unggul dalam aritmetika begitu meyakinkan sehingga benchmark yang tidak ada nyaris tidak menjadi soal. Dengan biaya 3,5× hingga 12× lebih murah, ia bisa kalah dalam kualitas dengan selisih yang cukup terasa dan tetap menang dalam biaya per tugas yang diselesaikan. Jalankan seratus prompt Anda sendiri dan periksa.

• Pekerjaan visual dari tangkapan layar dan input yang serupa dengan tangkapan layar — tokenisasi visual native LongCat adalah alasan model ini ada, dan itu adalah satu-satunya klaim dalam peluncurannya yang bersifat arsitektural alih-alih promosional. Qwen4-Max juga menerima video, jadi jika input Anda adalah video alih-alih gambar diam, hanya Qwen4-Max dari keduanya yang akan menerima permintaan tersebut.

• Penerapan yang diatur regulasi atau sensitif terhadap latensi — enam region Qwen4-Max dibandingkan satu platform bukanlah pertimbangan harga, melainkan pertimbangan kelayakan. Jika data Anda harus tetap berada di Frankfurt atau Virginia, selisih harga dua belas kali lipat menjadi tidak relevan karena opsi yang lebih murah sama sekali tidak dapat melayani Anda.

Menjaga kedua opsi tetap terbuka

OrcaRouter saat ini tidak merutekan LongCat 2.5 atau Qwen4-Max; keduanya dapat diakses melalui API milik vendor masing-masing, dengan tarif seperti di atas. Model yang seharusnya menjadi pembanding di sisi kami adalah model yang sudah ada di katalog pada kunci yang sama — GLM-5.3 seharga $1,40 dan $4,40 per juta, Qwen3.8-Max seharga $2,00 dan $6,00, Kimi K3.1 Pro seharga $2,00 dan $10,00 — karena uji tiga arah antara model yang belum dinilai dengan model yang sudah berharga dan terukur adalah cara termurah untuk mengetahui apakah model baru tersebut layak dengan harga daftarnya.

Lapisan routing-lah yang membuat pengujian itu murah. Sebuah kebijakan dapat mengirim sampel lalu lintas langsung ke LongCat 2.5 dan ke model yang sudah dikenal secara paralel, membandingkan outputnya dengan juri apa pun yang Anda percaya, dan baru setelah itu memutuskan apakah akan memindahkan volume tersebut. Failover otomatis menjadi lebih penting daripada biasanya dengan dua model yang begitu baru: tidak ada yang memiliki rekam jejak cukup panjang untuk membenarkan ketergantungan pada satu penyedia, dan rantai fallback tidak memakan biaya ketika jalur utama sehat.

Vonis yang Jujur

Jika pekerjaan Anda adalah teks dan gambar dalam volume besar, LongCat 2.5 adalah model yang lebih menarik di halaman ini, dan keunggulan harga output dua belas kali lipatnya adalah satu-satunya angka pasti yang diberikan vendor mana pun kepada Anda. Jika pekerjaan Anda memerlukan input video, penerapan regional, atau vendor dengan rekam jejak perusahaan, Qwen4-Max adalah model yang memenuhi persyaratan tersebut, dan harganya adalah biaya yang harus dibayar untuk memenuhi persyaratan itu.

Yang tidak diberikan oleh kedua model itu kepada Anda adalah alasan untuk melewatkan evaluasi. Dua model unggulan yang belum memiliki skor, diterbitkan terpisah dua minggu, dengan harga berselisih sepuluh kali lipat, justru merupakan situasi di mana satu sore dengan trafik Anda sendiri lebih berharga daripada setiap tabel perbandingan di internet — termasuk yang ini. Satu hal yang perlu diperhatikan pada kedua sisi sama: kartu model, bukan entri changelog. Parameter, konteks, harga, dan pengenal API dalam satu dokumen adalah tanda bahwa sebuah model sudah selesai. Tombol bobot LongCat 2.5 masih bertuliskan coming soon, dan halaman Qwen4-Max masih memiliki bagian kosong di tempat tabel benchmark seharusnya berada.

Dibandingkan dalam artikel ini1

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