
Qwen4-Max vs Tencent HY4 Preview: Satu Bisa Diunduh, Satu Hanya Bisa Disewa, dan Tidak Ada Angkanya yang Bermakna Seperti Tampaknya
- 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 · 97 tok/s
- orcaBARUOrca: OrcaC2 1.02026-11-0711 tok/s
- OrcaBARUOrcaCyber: GLM 5.3 Abliterated / Uncensored2026-11-04$3.00 / $5.00 per 1 juta token · 88 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 · 86 tok/s
- OrcaOrcaCyber: MiniMax M3.1 Flash Abliterated / Uncensored2026-10-29$0.80 / $1.60 per 1 juta token · 125 tok/s
- OrcaOrcaCyber: GLM 5.3 Flash Abliterated / Uncensored2026-10-27$0.80 / $1.60 per 1 juta token · 67 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 · 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 · 193 tok/s
- minimaxMiniMax: M3.1 Flash2026-10-1929Kecerdasan
- OrcaOrca: OrcaCyber Ultra 1.02026-10-17$5.00 / $10.00 per 1 juta token · 134 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 · 126 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 · 185 tok/s
Tencent HY4 Preview telah dapat diunduh sejak 28 Agustus 2026 di bawah Apache 2.0 — 770 miliar parameter secara total, 49 miliar diaktifkan per token, 78 lapisan, 256 pakar routed ditambah satu pakar bersama, lapisan prediksi multi-token native untuk decoding spekulatif, dan jendela konteks 1.048.576 token. Qwen4-Max telah dapat disewa sejak 16 November 2026 — 2,4 triliun parameter backbone, 71 miliar diaktifkan per token, ditambah 328 miliar parameter embedding N-gram, dan tidak ada checkpoint dalam bentuk apa pun. Keduanya adalah model sparse mixture-of-experts andalan Tiongkok dengan jendela jutaan token. Yang satu dapat Anda pegang, yang lain hanya dapat Anda panggil, dan pada $0,834 dibandingkan $1,50 per juta token input, yang dapat Anda pegang juga lebih murah di antara keduanya menurut kartu harga vendor itu sendiri. Bagian yang menarik adalah mengapa selisih harga itu ada sama sekali, dan apa yang tidak dicakup oleh angka-angka terbitan masing-masing pihak.
Kedua kartu itu, berdampingan

• Lisensi — Apache 2.0 dengan bobot terpublikasi untuk HY4 Preview vs proprietary, tanpa bobot, tanpa unduhan untuk Qwen4-Max
• Ukuran — total 770B / 49B aktif untuk HY4 Preview vs backbone 2,4T / 71B aktif plus 328B embedding N-gram untuk Qwen4-Max
• Harga per juta token — $0.834 masuk / $2.501 keluar vs $1.50 masuk / $4.50 keluar
• Pembacaan cache — $0.042 per juta vs $0.075
• Jendela konteks — 1,048,576 token vs 1,000,000, dengan 983,616 di antaranya dapat digunakan sebagai input dalam mode berpikir
• Keluaran maksimum — 64.000 token vs 131.072 non-thinking, atau 262.144 yang dibagi dengan penalaran
• Modalitas masukan — hanya teks vs teks, gambar, dan video
• Tingkat penalaran — tinggi, rendah, dan tidak ada, default ke tinggi vs rendah, tinggi dan xhigh, default ke tinggi
• Skor indeks independen — 53,21% pada indeks Vals AI, peringkat 23 dari 33 vs 43 pada Artificial Analysis Intelligence Index, peringkat 38 dari 81
Baca baris modalitas sebelum baris harga. HY4 Preview adalah model masukan teks, keluaran teks. Qwen4-Max membaca video. Kedua fakta itu tidak berada pada sumbu yang sama, jadi bagi tim mana pun yang beban kerjanya mencakup frame, perbandingan berakhir pada baris itu dan sisanya ini akademis.

Apache 2.0 bukanlah tawaran yang sama pada 770 miliar parameter
Bobot yang dapat Anda unduh adalah bobot yang dapat Anda periksa, fine-tune, kuantisasi, dan sajikan sesuai keinginan Anda sendiri, dan itu merupakan perbedaan nyata dari model yang berada di balik API milik orang lain. Pada skala ini, itu juga merupakan perbedaan yang hanya tersedia bagi sangat sedikit tim. Model 770 miliar parameter dengan 49 miliar parameter aktif tidak akan berjalan pada apa pun selain klaster akselerator multi-node, dan checkpoint FP8 terbitan yang menyertai pratinjau tersebut terutama ada agar penyedia inferensi dan kelompok riset yang memiliki akses fabric dapat menyajikannya. Apache 2.0 menghilangkan hambatan hukum, bukan hambatan perangkat keras.
Itulah sebabnya nilai praktis lisensi muncul di tempat selain self-hosting. Nilai itu muncul sebagai pasokan kompetitif: karena siapa pun dapat menyajikan HY4 Preview, banyak platform melakukannya, dan disiplin harga pun mengikuti. Qwen4-Max tidak memiliki mekanisme semacam itu. Hanya ada satu deployment, yang dijalankan oleh Alibaba, dan setiap platform yang mencantumkan harga Qwen4-Max mengutip harga Alibaba dengan margin berapa pun yang bisa ditambahkannya. Itulah sebabnya kartu Global-region dan kartu Singapura-nya berbeda 5,8% dan tidak ada hal lain yang berbeda jauh — tidak ada kapasitas pihak ketiga untuk memotong harganya.
Angka yang perlu dicurigai pada setiap kartu
Materi peluncuran Tencent mencakup evaluasi buta internal — 163 ahli, 203 tugas rekayasa — yang di dalamnya HY4 Preview memperoleh rata-rata 2.99 berbanding GLM 5.3 pada 2.92 dan Kimi K3 pada 2.94. Itu adalah studi yang dijalankan vendor yang membandingkan tiga model, diterbitkan oleh vendor yang menempati peringkat pertama, pada skala penilaian yang ditetapkannya sendiri. Itu tidak membuktikan banyak hal selain arah pengujian tim itu sendiri, dan Tencent berhati-hati menerbitkannya bersama daftar kekurangan yang diketahui: model menghabiskan waktu lebih lama dari yang diperlukan untuk bernalar dan memverifikasi pekerjaannya sendiri secara berlebihan.
Di sisi independen, Vals AI menempatkan HY4 Preview pada 53,21% di indeksnya, peringkat ke-23 dari 33 model yang diuji. Pada uji Terminal-Bench 4.0 milik Vals sendiri, versi preview ini mencetak 8,08%. Materi Tencent mengutip angka terminal-agent di kisaran delapan puluhan — pada revisi benchmark yang berbeda, dengan harness yang berbeda, itulah sebabnya kedua angka tersebut bukanlah kontradiksi, melainkan menunjukkan bahwa skor benchmark agentik adalah properti dari harness sama seperti dari model. Siapa pun yang mengutip salah satu angka tanpa menyertakan revisinya sedang merugikan pembaca.
Qwen4-Max memiliki masalah sebaliknya. Angka dari vendornya luar biasa rinci — Work360 pada 52,69 dibandingkan 47,74 milik Qwen3.8-Max, biaya rata-rata per tugas turun dari $4,43 menjadi $1,67, tingkat kelulusan tingkat fungsi kode aman dari 22,0% menjadi 31,8% — dan tidak satu pun menyebut pesaing. Yang diterbitkan Alibaba adalah perbandingan diri terhadap generasi sebelumnya sendiri, yaitu jenis tolok ukur vendor yang paling bisa dipertahankan dan paling tidak berguna untuk memilih di antara vendor. Satu-satunya pembacaan lintas-vendor adalah Artificial Analysis, yang memberi Qwen4-Max skor 43 dan tidak mencatat pengukuran kecepatan untuknya.
Ke mana perginya selisih harga 45%
HY4 Preview berbiaya $0.834 untuk masukan dan $2.501 untuk keluaran; Qwen4-Max berbiaya $1.50 dan $4.50. Itu 45% lebih murah untuk masukan dan 44% lebih murah untuk keluaran — cukup mendekati diskon seragam, yang memang wajar Anda harapkan dari dua model yang diberi harga berdasarkan ekonomi perangkat keras serupa. Kesenjangan itu bukan tanpa biaya: batas keluaran 64,000 token HY4 Preview adalah setengah dari batas keluaran mode non-thinking Qwen4-Max, konteksnya hanya teks, dan kedua model memberikan kontrol penalaran yang berbeda. Qwen4-Max juga memberi Anda tiga tingkat upaya dibandingkan dengan pengaturan tinggi, rendah, dan tidak ada milik Tencent, meskipun keduanya default ke pengaturan tertinggi, dan keduanya menerima string upaya yang tidak dikenal alih-alih menolaknya.
Tempat lain diskon dapat menguap adalah perilaku verifikasi. Tencent mendokumentasikan bahwa pratinjau melakukan verifikasi berlebihan; total token independen Qwen4-Max adalah 127 juta token output di seluruh Intelligence Index dibandingkan median 78,6 juta, yang oleh Artificial Analysis disebut sangat bertele-tele. Dengan kata lain, kedua model itu cerewet, dan diskon per token pada model yang menghabiskan lebih banyak token daripada pesaingnya menghasilkan penghematan yang lebih kecil daripada yang dijanjikan kartu tarif. Ukur volume output per tugas sebelum Anda memodelkan penghematan.
Satu model adalah pratinjau, satunya lagi adalah rilis umum
Inilah asimetri yang hilang setiap kali kedua nama itu muncul dalam kalimat yang sama. HY4 Preview dirilis pada Agustus dan Tencent sejak itu telah memajukan lini tersebut — rilis ketersediaan umum Hy4 pada November menambahkan visi native dan penggunaan komputer, dan ada Hy4 Flash terpisah dalam keluarga ini. String pratinjau itulah yang tersedia dengan bobot terbuka, dan ini merupakan pratinjau karena Tencent menyatakannya demikian, dengan kekurangan-kekurangannya didokumentasikan.
Qwen4-Max adalah rilis umum, pada kartu berbayar sesuai pemakaian, di enam region, dengan generasi pratinjau yang akan dihentikan pada 25 November. Itu semua adalah tahap kematangan yang berbeda, dan membandingkannya berdasarkan skor benchmark membuat mana pun yang kebetulan cocok dengan harness-nya tampak lebih unggul.

Menjalankan keduanya tanpa memilih pemenang terlebih dahulu
OrcaRouter merutekan Tencent HY4 Preview dengan tarif $0.834 untuk input dan $2.501 untuk output per juta token, dengan input cache $0.042 — kartu milik Tencent sendiri, diteruskan dengan markup 0% — melalui kunci yang sama dan endpoint yang kompatibel dengan OpenAI yang sama dengan yang digunakan Claude Opus 5.5, GPT-6.1 Sol, Grok 4.5 dan Qwen3.8-Max. Qwen4-Max tidak ada dalam katalog; generasi Qwen4 belum ditambahkan, jadi sisi perbandingan itu adalah kredensial Alibaba langsung.
Itulah susunan yang sebenarnya memberi keuntungan dari pasangan ini. Letakkan model open-weight di belakang lapisan routing tempat failover berlaku, pertahankan model tertutup pada kunci langsung sambil Anda memantau perilakunya, dan tentukan sendiri trafik Anda: kirim pekerjaan teks saja ke rute yang 45% lebih murah dan melakukan streaming dari beberapa penyedia, lalu kirim apa pun yang berisi gambar atau video ke model yang bisa membacanya. DSL routing menjadikannya aturan berdasarkan modalitas alih-alih keputusan yang harus diingat seseorang, dan fusi model — panel model yang menjawab bersama — adalah cara murah untuk melihat apakah keduanya tidak sepakat pada pekerjaan yang Anda pedulikan sebelum Anda menetapkan salah satunya ke produksi.
Apa sebenarnya inti dari argumen tentang bobot itu
Alibaba's launch post ends by saying smaller Qwen4 models are coming to open source. Kalimat itu adalah gambaran tahun mendatang: lapisan terbuka dari keluarga model unggulan Tiongkok akan terus hadir satu generasi di belakang yang tertutup, berlisensi Apache dan dapat diunduh, dan tim-tim akan terus memilih antara model yang bisa mereka miliki dan model yang enam bulan lebih maju.
Untuk saat ini, pilihannya luar biasa jelas. HY4 Preview adalah opsi terbuka yang jujur pada skala ini, dengan harga yang sesuai, antarmuka yang hanya berupa teks, dan angka dari vendor yang perlu dipasangi harness agar bermakna. Qwen4-Max adalah opsi tertutup yang lebih baru, spesifikasinya lebih baik pada setiap sumbu yang dapat diukur oleh lembar data, dengan satu skor independen yang lebih rendah daripada yang tersirat dalam pembingkaian peluncurannya dan sama sekali tanpa angka latensi. Tidak ada kartu yang menceritakan keseluruhan cerita, dan selisih 45% di antara keduanya lebih kecil daripada perbedaan sasaran yang dapat dituju masing-masing.
