
Qwen4-Max vs Qwen3.8-Max-Prime: jalur cepat menelan biaya dua kali lipat dan finis paling akhir
- OrcaBARUOrcaCyber: Hy4 Flash Abliterated / Uncensored2026-11-18$0.07 / $0.28 per 1 juta token · 180 tok/s
- tencentBARUTencent: Hy4 Flash2026-11-16$0.02 / $0.07 per 1 juta token · 223 tok/s
- GoogleBARUGoogle: Gemini 4 Carbon2026-11-10$2.00 / $10.00 per 1 juta token · 89 tok/s
- AnthropicBARUAnthropic: Claude Fable 5.22026-11-09$8.00 / $40.00 per 1 juta token · 98 tok/s
- orcaBARUOrca: OrcaC2 1.02026-11-079 tok/s
- OrcaOrcaCyber: GLM 5.3 Abliterated / Uncensored2026-11-04$3.00 / $5.00 per 1 juta token · 88 tok/s
- OrcaOrcaCyber: Hy4 Abliterated / Uncensored2026-11-04$0.80 / $1.60 per 1 juta token · 134 tok/s
- OrcaOrcaCyber: Kimi K3.1 Pro Abliterated / Uncensored2026-11-04$2.00 / $5.00 per 1 juta token · 79 tok/s
- tencentTencent: Hy42026-11-04$0.83 / $2.50 per 1 juta token · 94 tok/s
- OrcaOrcaCyber: MiniMax M3.1 Flash Abliterated / Uncensored2026-10-29$0.80 / $1.60 per 1 juta token · 118 tok/s
- OrcaOrcaCyber: GLM 5.3 Flash Abliterated / Uncensored2026-10-27$0.80 / $1.60 per 1 juta token · 68 tok/s
- OrcaOrcaCyber: Qwen3.8 Flash Next Abliterated / Uncensored2026-10-26$0.80 / $1.60 per 1 juta token · 94 tok/s
- OrcaOrcaCyber: MiMo V2.6 Flash Abliterated / Uncensored2026-10-26$0.80 / $1.60 per 1 juta token · 44 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 · 199 tok/s
- minimaxMiniMax: M3.1 Flash2026-10-1929Kecerdasan
- OrcaOrca: OrcaCyber Ultra 1.02026-10-17$5.00 / $10.00 per 1 juta token · 114 tok/s
- deepseekDeepSeek: DeepSeek V4.1 Flash 10172026-10-1733Kecerdasan
- DeepSeekDeepSeek: DeepSeek V4.1 Flash 09102026-10-17$0.15 / $0.60 per 1 juta token · 311 tok/s
- DeepSeekDeepSeek: DeepSeek V4.1 Flash2026-10-1740Kecerdasan
Qwen3.8-Max-Prime ada untuk tepat satu alasan: menagih sekitar dua kali lipat agar token tiba lebih cepat. Qwen4-Max, tersedia secara umum sejak 16 November 2026, lebih murah daripada model yang menjadi dasar Prime — $1,50 masuk dan $4,50 keluar per juta token di Singapura, dibandingkan $2,00 dan $6,00 — dan menyelesaikan tugas dalam sekitar dua pertiga waktu aktual. Jadi perbandingan yang benar-benar dibutuhkan pembaca bukanlah "flagship baru versus flagship lama". Yang menjadi pertanyaan adalah apakah jalur kecepatan premium yang dijual Alibaba di atas Qwen3.8-Max masih memberi sesuatu yang tidak bisa Anda dapatkan hanya dengan beralih ke Qwen4-Max dengan tarif standar, dan jawaban jujurnya lebih sempit daripada yang disiratkan halaman kedua vendor: Prime masih melakukan streaming lebih cepat per token, dan tidak lagi jelas lebih cepat per tugas.
Ada komplikasi kedua yang lebih sunyi. Per 18 November, ID model Prime tidak muncul di halaman dokumentasi mode Fast Alibaba atau di kartu tarif modelnya, baik pada edisi internasional maupun edisi Tiongkok. Halaman itu terakhir diperbarui pada 11 Oktober 2026, dan kini mencantumkan tiga ID Prime, semuanya GLM atau Wan — tidak ada varian Qwen sama sekali. Tidak tercantum bukan berarti ditarik, dan Alibaba belum menerbitkan pemberitahuan penghentian yang dapat kami temukan, jadi anggap ini sebagai "tidak lagi tercantum" alih-alih "dihentikan". Namun, jika Anda sedang menganggarkan peralihan minggu ini, ini mengubah pertanyaannya dari mana dari keduanya yang harus Anda beli menjadi apakah yang lebih lama masih tersedia.
Salah satunya adalah model, yang lainnya adalah jalur penyajian
Perbedaan inilah yang menentukan seluruh perbandingan, dan pemasaran tidak menarik garis perbedaan itu.
• Qwen4-Max — model unggulan baru dari tim Qwen Alibaba, ketersediaan umum (GA) 16 November 2026, dihitung per token di enam wilayah, konteks 1.000.000 token, input teks, gambar, dan video dengan output teks, thinking aktif secara default pada reasoning_effort=high.
• Qwen3.8-Max-Prime — bukan model. Ini adalah Qwen3.8-Max, model andalan 3.8 dengan 2,4 triliun parameter yang mencapai GA pada 3 Agustus 2026, dilayani melalui apa yang disebut Alibaba sebagai Fast mode (Prime mode, 优速模式). Bobotnya sama, konteksnya sama, permukaan alatnya sama, batas penggunaannya sama. Dokumentasi Alibaba sendiri menyatakan bahwa kemampuan dan pembatasannya "sama dengan model aslinya" dan satu-satunya yang Anda ubah adalahmodel parameter
Itu penting karena jalur penyajian menua secara berbeda dari sebuah model. Prime mewarisi setiap batas kemampuan generasi 3.8 dan setiap karakteristik efisiensi tokennya; yang ditambahkannya adalah cadangan throughput pada infrastruktur milik Alibaba sendiri, dengan harga kelipatan. Ketika generasi di bawahnya digantikan oleh sesuatu yang lebih murah dan lebih efisien token, jalur itu mempertahankan kecepatannya dan kehilangan alasannya.
Daftar harga, dan inversi yang ada di dalamnya
Ini adalah harga daftar dari kartu tarif Alibaba, bukan tagihan yang diukur. Per juta token, input dan output:
• Qwen4-Max, Singapura — $1,50 / $4,50, tarifnya tetap di seluruh jendela 1.000.000 token.
• Qwen4-Max, di semua lokasi lainnya — $1.413 / $4.24 di Beijing, Hong Kong, Frankfurt, Virginia, dan Tokyo.
• Qwen3.8-Max, Singapura — $2,00 / $6,00; $1.650 / $4.951 di wilayah Global.
• Qwen3.8-Max-Prime — $3.301 / $9.902 pada kartu internasional, dengan cache hit sebesar $0.413. Itu tepat 2.0× tarif Global ID standar, bukan perkiraan yang dibulatkan. Kami membaca angka-angka itu dari kartu tarif pada akhir September; itu adalah angka Prime terakhir yang dipublikasikan yang kami miliki, dan baris tersebut tidak lagi ada di halaman hari ini.

• Tarif baca cache — $0,075 per juta di Singapura dan $0,071 di wilayah lain, dibandingkan dengan hit cache Prime sebesar $0,413. Kurang dari seperlima harganya, pada pos yang paling sering dibayar oleh loop agen yang panjang.
Bandingkan yang pertama dan keempat, dan pembalikannya sangat mencolok: flagship yang baru berusia dua hari itu biayanya sekitar 43% dari biaya jalur cepat generasi sebelumnya untuk input, dan 43% untuk output. Bahkan dibandingkan dengan Qwen3.8-Max biasa yang digantikannya, Qwen4-Max 25% lebih murah di Singapura — dan vendor memposisikan itu sebagai pemangkasan harga, yang memang demikian, tetapi hanya jika model baru tidak membelanjakan penghematannya untuk lebih banyak token. Selengkapnya di bawah, karena sebagian demikian dan sebagian tidak.
Baris cache adalah yang dampaknya berlipat. Loop agen panjang dengan prompt sistem dan skema alat yang tetap membaca ulang prefiksnya pada setiap giliran, sehingga tarif baca cache, bukan tarif input utama, yang menentukan biaya marginal giliran kelima puluh. Pada $0,075 dibanding $0,413, Qwen4-Max membaca ulang prefiks yang di-cache dengan biaya sekitar seperlima dari yang dikenakan Prime — selisih yang 2,4 kali lebih lebar daripada 2,3× pada input baru, dan selisih itulah yang menentukan apakah penyisiran dokumen 400.000 token terjangkau sama sekali.
Apa yang sebenarnya Anda dapatkan dengan Prime: token per detik, bukan tugas per jam
Halaman mode Fast Alibaba menyatakan manfaatnya secara gamblang: TPS dinaikkan menjadi 1,5 hingga 2 kali lipat dibandingkan API standar, yang ditujukan untuk asisten pengodean AI, penalaran agen multi-langkah, dan percakapan waktu nyata. Halaman itu juga menjelaskan aturan pembatasan yang tidak biasa — saat Anda mencapai batas laju, jika platform masih memiliki kapasitas cadangan, Anda tidak dibatasi, sehingga throughput yang benar-benar tersedia tidak akan turun di bawah batas yang dinyatakan. Itu adalah batas bawah, bukan batas atas, dan bagi asisten pengodean interaktif, ekor distribusi lebih penting daripada rata-ratanya.
Angka itu belum pernah diukur secara independen. Yang telah diukur adalah build standar Qwen3.8-Max: Artificial Analysis mencatat 60,0 token keluaran per detik pada API milik Alibaba sendiri, dengan 3,6 detik hingga token pertama. Qwen4-Max, pada papan yang sama, mencatat 54,5 token per detik dan 6,9 detik hingga token pertama. Jadi jika Prime benar-benar memberikan batas atas rentang yang dinyatakannya, ia mengalirkan sekitar 120 token per detik — lebih dari dua kali Qwen4-Max — dan token pertamanya tiba lebih cepat.
Kemudian baca separuh lainnya dari tabel yang sama, dan keuntungannya berbalik:
• Token keluaran per tugas indeks — Qwen4-Max 104.940 vs Qwen3.8-Max 170.794. Model baru ini menghabiskan 38,6% lebih sedikit token untuk menyelesaikan rangkaian evaluasi yang sama, pada pengaturan upaya xhigh yang sama di kedua sisi.
• Waktu aktual per tugas — 32,1 menit vs 47,5 menit. Qwen4-Max menyelesaikan sepertiga lebih cepat meskipun streaming-nya lebih lambat.
• Biaya per tugas — $3,27 vs $10,02, berdasarkan harga daftar yang dipublikasikan. Kalikan $10,02 itu dengan premi tetap 2,0× Prime, dan tugas yang sama akan menjadi hampir $20.
Angka terakhir itu adalah aritmetika pada daftar tarif, bukan pengukuran — Artificial Analysis mengukur waktu ID standar, bukan jalur Prime, dan tidak ada tolok ukur mode Prime yang dipublikasikan yang dapat kami temukan. Nyatakan itu sebagai perkiraan. Namun arahnya tidak diragukan: jika Anda membayar 2.0× per token untuk jalur yang mengeluarkan token yang sama, Anda membayar 2.0× untuk tugas itu. Prime membuat setiap token lebih cepat dan setiap pekerjaan lebih mahal; Qwen4-Max membuat setiap token lebih lambat dan setiap pekerjaan lebih murah serta lebih singkat.
Untuk antarmuka chat di mana manusia menonton karakter demi karakter muncul, perbedaan itu nyata dan Prime tetap memenangkannya. Untuk agen yang menjalankan dua belas panggilan berurutan dan menagih Anda pada akhirnya, jumlah token itulah waktu nyatanya.
Kesenjangan kapabilitas, diukur bukan sekadar diklaim
Materi peluncuran Alibaba untuk Qwen4-Max menyebutkan peningkatan efisiensi token sekitar 24% pada upaya xhighdan 35% pada upaya highpada tolok ukur internal Work360 miliknya, ditambah penurunan 62% dalam rata-rata biaya per tugas. Angka-angka itu dilaporkan oleh vendor dan belum direproduksi. Dewan independen memberikan gambaran yang konsisten tetapi tidak sedramatis itu, dan itulah yang harus menjadi dasar perencanaan.
Pada Artificial Analysis Intelligence Index v5.0.1, kedua model manakah yang dinilai dengan pengaturan upaya yang sama:
• Indeks — Qwen4-Max 42,9 (situs membulatkannya menjadi 43) vs Qwen3.8-Max pada 33,7. Selisih generasi sebesar sembilan poin, dan papan yang sama mencatat baris 3.8 sebagai deprecated, digantikan oleh Qwen4-Max.
• Humanity's Last Exam, Diamond — 44,9% vs 24,0%. Ini adalah perbedaan tunggal terlebar dalam baris ini dan yang paling mengubah apa yang dapat Anda delegasikan.
• APEX Agents — 59,1% vs 42,4%. Penyelesaian tugas agentik naik hampir tujuh belas poin, yakni selisih antara alur kerja yang Anda awasi dan alur kerja yang Anda periksa setelahnya.
• Terminal-Bench 4.0 — 48,5% vs 38,9%. Peningkatan nyata, dan layak dibaca berdampingan dengan 88,8% yang dicatat build 3.8 pada Terminal-Bench 2.1 yang lebih lama, yang belum diberi skor untuk Qwen4-Max. Jangan membandingkan lintas kedua versi tersebut.
• FrontierCode 2.0 — 26,5% vs 23,4%. Selisih terkecil di papan peringkat. Jika beban kerja Anda adalah pembuatan kode terhadap sebuah repositori, lompatan antargenerasi hanya tiga poin, bukan sembilan, dan throughput Prime mungkin masih lebih penting bagi Anda daripada indeks tersebut.
• {{1}}Omniscience{{/1}} — 27,7 vs 10,5, dengan tingkat halusinasi 28,4% dan 27,1%. Qwen4-Max tahu jauh lebih banyak dan berkonfabulasi pada tingkat yang kira-kira sama. Kedua fakta itu bersama-sama menjelaskan mengapa model ini lebih aman untuk riset terbuka dan tidak lebih aman untuk apa pun yang tidak dapat Anda periksa.
Dua celah mengarah sebaliknya, dan keduanya menyangkut apa yang dapat Anda kunci. Qwen3.8-Max memiliki snapshot bertanggal, qwen3.8-max-0902, yang masih tercantum di rate card dengan harga yang sama, sehingga Anda dapat membekukan perilaku sepanjang satu rilis. Qwen4-Max tidak memiliki ID snapshot, tidak mendukung fine-tuning, dan tidak memiliki deployment khusus — halaman Alibaba menandai keduanya sebagai tidak didukung. Jika narasi kepatuhan Anda bergantung pada model yang tidak dapat bergeser di bawah Anda, generasi lama adalah satu-satunya dari keduanya yang menawarkannya, dan Prime mewarisi build bertanggal yang sama.
Pertanyaan ketersediaan yang belum diperhitungkan siapa pun
Inilah bagian yang membuat perbandingan ini mendesak, bukan sekadar akademis. Periksa halaman mode Fast hari ini dan Anda akan menemukan tiga ID yang didukung — glm-5.3-prime, glm-5.2-fast-preview dan wan3.0-video-prime — di Beijing dan Singapura. Tidak ada model Qwen yang terdaftar, di kedua wilayah tersebut. Periksa kartu tarif model dalam edisi internasional atau edisi Tiongkok dan tidak ada baris qwen3.8-max-prime; entri Qwen berjalan qwen4-max, qwen3.8-max, qwen3.8-max-0902 dan seterusnya di lini 3.7. Dan tidak ada qwen4-max-prime di mana pun — model unggulan baru ini tidak memiliki varian jalur cepat sama sekali.
Kami tidak dapat mengetahui dari luar apakah Alibaba telah menghentikan ID Qwen Prime, memindahkannya ke halaman produk regional yang belum kami temukan, atau sekadar menghapusnya dari tabel dokumentasi selama restrukturisasi. Yang dapat kami katakan lebih sempit namun tetap berguna: pembaca yang merencanakan build yang sensitif terhadap latensi pada Qwen3.8-Max-Prime minggu ini sebaiknya memastikan ID tersebut masih dapat diresolusi di workspace mereka sendiri sebelum merancang di atasnya, karena dokumentasi publik tidak lagi menjanjikannya. Itu adalah profil risiko yang berbeda dari September, ketika ID tersebut tercantum di daftar harga di samping ID standar.
Ini juga membingkai ulang keputusannya. Jika Prime masih tersedia di akun Anda, Anda sedang memilih antara jalur cepat pada model yang lebih lama, lebih lemah, dan lebih mahal dengan jalur lambat pada model yang lebih baru, lebih murah, dan lebih kuat. Jika tidak tersedia, pilihan sudah dibuat untuk Anda, dan satu-satunya pertanyaan yang tersisa adalah berapa lama Anda terus membayar $2.00/$6.00 untuk ID 3.8 standar alih-alih $1.50/$4.50.

Siapa yang harus memilih yang mana
• Asisten pengodean interaktif, manusia menonton aliran — jika Prime masih menyelesaikan tugas di workspace Anda dan UX diukur dalam karakter per detik, throughput 2× itulah produknya. Qwen4-Max pada 54,5 token per detik tidak lambat, tetapi bukan jalur cepat, dan token pertamanya 6,9 detik hampir dua kali lipat build 3,8 standar.
• Pipeline agentik, evaluasi batch, penyisiran dokumen — Qwen4-Max, tanpa banyak perdebatan. Token lebih sedikit per tugas, menit lebih sedikit per tugas, sepertiga biaya per tugas, dan tarif baca cache lebih dari lima kali lebih murah daripada Prime untuk prefiks panjang.
• Workload yang harus dipin — qwen3.8-max-0902, snapshot 3.8 bertanggal, dengan tarif standar. Baik Prime maupun Qwen4-Max tidak memberi Anda checkpoint yang dibekukan.
• Pembuatan kode terhadap repositori besar — keputusan yang paling tipis selisihnya di seluruh papan. Tiga poin indeks peningkatan FrontierCode 2.0 mungkin tidak sepadan dengan kehilangan jalur throughput yang sudah Anda instrumentasikan, terutama jika agen Anda yang menjadi hambatan, bukan modelnya.
• Siapa pun yang belum bermigrasi — jalankan perhitungan index-suite pada trace Anda sendiri sebelum Anda melakukan commit. Pengurangan token sebesar 38,6% yang diukur Artificial Analysis adalah rata-rata atas evaluasi campuran; beban kerja Anda mungkin terkompresi lebih baik atau tidak sama sekali.
Menghubungkan pilihan ke dalam satu endpoint
Baik Qwen4-Max maupun Qwen3.8-Max-Prime tidak ada dalam katalog OrcaRouter saat ini — kami memeriksa kedua halaman model dan keduanya tidak mengembalikan apa pun, dan artikel ini tidak akan menyiratkan sebaliknya. Yang ada adalah model yang menjadi dasar seluruh perbandingan ini: qwen/qwen3.8-max dan snapshot bertanggalnya qwen/qwen3.8-max-0902, disajikan sesuai harga daftar penyedia dengan markup 0%, yang saat ini berarti $2.00 untuk input dan $6.00 untuk output per juta token. Halaman OrcaRouter sendiri untuk ID tersebut melaporkan p50 time-to-first-token 4,34 detik dan p95 10,00 detik selama seminggu terakhir — pengukuran kami, pada lalu lintas kami, bukan dari vendor.
Hal itu memengaruhi keputusan secara spesifik. Alibaba merevisi harga Qwen4-Max dua kali antara pratinjau pada 11 November dan GA pada tanggal 16, dan kartu Global sudah 5,8% lebih rendah daripada kartu Singapura. Apa pun yang Anda bangun, tarif akan berubah di tengah jalan. Gateway pass-through berarti pemotongan dari vendor langsung tercermin di tagihan Anda pada hari yang sama, bukan pada perpanjangan kontrak berikutnya, dan satu kunci mencakup kedua generasi, sehingga migrasi dari qwen3.8-max ke qwen4-max adalah string model, bukan integrasi kedua. Sampai Qwen4-Max dapat dirutekan di sini, pola yang berguna adalah yang membosankan: pertahankan ID 3.8 standar pada kunci yang sudah Anda miliki, evaluasi Qwen4-Max langsung terhadap Alibaba selama ketentuan komersialnya belum stabil, dan biarkan failover otomatis menutup celah di kedua arah.
Apa yang akan mengubah putusan ini
Tiga hal, dan masing-masing dapat diperiksa dalam beberapa minggu ke depan. Varian Qwen4-Max Prime akan memulihkan jalur cepat pada generasi saat ini dan menjadikan ini perbandingan throughput-versus-throughput lagi, pada tarif 2× dari $1.50/$4.50. Pengukuran mode Prime yang independen akan menggantikan klaim 1,5–2× dari vendor dengan sesuatu yang dapat Anda masukkan ke rencana kapasitas — belum ada yang menerbitkannya, dan sampai ada yang melakukannya, pengali itu hanyalah janji. Dan ID snapshot untuk Qwen4-Max akan menghapus satu-satunya argumen nyata yang tersisa untuk tetap menggunakan lini 3.8, yang saat ini bukanlah harga, bukan kemampuan, dan bukan kecepatan pada tugas penuh, melainkan kemampuan untuk membekukan checkpoint.
Bagi semua orang lainnya, jawabannya sudah dipastikan oleh aritmetika: jalur cepat memakan biaya lebih tinggi per token, lebih tinggi per tugas, dan lebih tinggi per pembacaan ulang dari cache dibandingkan model yang menggantikannya, tetapi melakukan lebih sedikit. Itu hal yang aneh untuk sebuah tingkat premium, dan itulah yang terjadi ketika sebuah jalur penyajian bertahan lebih lama daripada generasi yang menjadi acuan penetapan harganya.

Dibandingkan dalam artikel ini2
Terdeteksi dari artikel ini · Benchmark: Artificial Analysis · diperbarui setiap hari
