Una scheda titolo generata che recita 'Qwen4-Max è stato definito capace di battere Opus 5.5' con il sottotitolo 'L'indice lo colloca 16 punti indietro' e tre schede con dati che riportano '43 contro 59 sull'indice', '$3.27 contro $1.27 per attività' e 'tempo per attività: non pubblicato'. Un piè di pagina recita 'Indice, costo per attività e tempo per attività secondo Artificial Analysis Intelligence Index v5.0.1, consultato il 16 novembre 2026.' Stile vettoriale piatto su sfondo bianco con accenti con gradiente blu e ciano, il marchio OrcaRouter compositato in basso a destra.
Guides & Insights

Qwen4-Max era stato definito il rivale capace di battere Opus 5.5: l'indice lo colloca 16 punti indietro

Autore

jinhao.song

Data di pubblicazione

Ultimi modelli · 20Vedi tutti i modelli →
Benchmark: Artificial Analysis · aggiornato ogni giorno
Torna a tutti gli articoli

Il verdetto del giorno di lancio su Qwen4-Max era che batteva Claude Opus 5.5 e sia GPT-6.1 Sol sia GPT-6 Astra, ed era dietro solo a Claude Fable 5.2. Tre di questi quattro confronti vanno nel verso opposto sull'unica classifica che ha sottoposto tutti e cinque i modelli alle stesse nove valutazioni. L'Artificial Analysis Intelligence Index v5.0.1, letto il 16 novembre 2026 — il giorno in cui Qwen4-Max è stato messo in vendita —, colloca Qwen4-Max a 43, Claude Opus 5.5 a 59, GPT-6 Astra a 57, GPT-6.1 Sol a 55 e Claude Fable 5.2 a 65. Sedici punti dietro il modello che si diceva battesse, quattordici dietro il secondo più economico dei tre e dodici dietro il terzo. Il quarto confronto, quello in cui Fable 5.2 è in testa, è l'unica parte dell'affermazione che sopravvive al contatto con l'harness.

That gap is worth taking apart rather than dismissing, because the claim is not invented. It is what you get when a comparison is assembled from reasoning-effort settings that do not match, and the mismatch happens to run in one direction every time. Below: what A​libaba actually published, what the scoreboard reads at each rung of each ladder, the one reading under which the claim becomes literally true, and the figure the tracker does not have for Qwen4-Max at all.

What A​libaba published, and what it did not

The first thing to separate is the vendor's launch material from the commentary around it. A​libaba's own Qwen4-Max blog post, dated 16 November 2026, mentions no competing model by name anywhere in its 3,100 words. Every comparison in it is against Qwen3.8-Max, the company's own previous flagship. That is a normal thing for a launch post to do and it is not a criticism — but it means the competitive framing did not come from the vendor, and any "beats Opus" statement in circulation is an inference somebody else drew.

Quello che il fornitore sostiene effettivamente, tutto quanto dichiarato dal fornitore e non riprodotto:

• Architettura — un backbone da 2,4 trilioni di parametri basato su una nuova architettura Qwen4, con visione nativa e una finestra di contesto di un milione di token.

• Token efficiency against Qwen3.8-Max — 24% fewer tokens at Xhigh effort and 35% fewer at High on A​libaba's Work360 benchmark, and 48% and 49% fewer on Terminal-Bench 4.0.

• Costo per attività rispetto a Qwen3.8-Max — una media da 4,43 $ a 1,67 $, un taglio del 62%, con le riduzioni maggiori nel prezzo dell'input in cache.

• Punteggio Work360 — 52,69 contro 47,74 di Qwen3.8-Max.

Nessuno di questi è un confronto tra laboratori, e nessuno può essere verificato rispetto alle cifre pubblicate da un concorrente, perché sono misurati su benchmark che il fornitore stesso assegna. Il numero indipendente è arrivato lo stesso giorno da una direzione diversa.

Che cosa legge l'harness indipendente

Artificial Analysis v5.0.1 è un composito di nove valutazioni — AA-Briefcase v1.1, AutomationBench-AA, Terminal-Bench 4.0, FrontierCode-AA 2.0, AA-Omniscience v1.1, GDP.pdf, HLE-Diamond, CritPt v2 Hard Subset e Terminal-Bench-Science 0.1 — eseguito dal tracker, non dai laboratori. Su di esso, il 43 di Qwen4-Max si colloca al 38° posto su 81 modelli, poco sopra la mediana del campo pari a 41. È un debutto rispettabile per un'architettura di prima generazione. Non è un leader, e i quattro modelli sopra i quali è stato collocato sono tutti davanti a esso:

• Claude Opus 5.5 — 59 con Max, 57 con Xhigh, 52 con High, 48 con Medium, 35 con Low. Rilasciato il 22 settembre 2026.

• GPT-6 Astra — 57 a Max, 55 a Xhigh, 55 a High, 52 a Medium, 43 a Low. Rilasciato il 3 settembre 2026, cutoff delle conoscenze ad aprile 2026.

• GPT-6.1 Sol — 55 con Max, 52 con Xhigh, 50 con High, 46 con Medium, 35 con Low. Rilasciato il 29 settembre 2026.

• Claude Fable 5.2 — 65 con Max, 62 con Xhigh, 62 con High, 56 con Medium, 54 con Low. Rilasciato il 9 novembre 2026.

Qwen4-Max — 43, pubblicato come un unico valore, senza una scala per livello di impegno. Rilasciato il 16 novembre 2026.

Quell’ultima asimmetria spiega tutto. Qwen4-Max è un modello di ragionamento, e il tracker valuta i suoi concorrenti su cinque impostazioni di ragionamento separate, mentre valuta Qwen4-Max su una sola. Qualunque impostazione abbia prodotto il 43 viene confrontata con le impostazioni più forti di Opus 5.5, Astra e Sol, e il tracker non indica quanto margine ci sia al di sotto. Quindi "43 contro 59" non è un confronto alla pari tra i limiti massimi dei due modelli — è l’unica impostazione misurata di Qwen4-Max contro la migliore di Opus 5.5.

L'unica interpretazione secondo cui l'affermazione è vera

Leggi le scale verso il basso e l'affermazione smette di essere falsa e inizia a essere fuorviante, il che è un fallimento più interessante. Il 43 di Qwen4-Max non viene battuto da ogni gradino di ogni avversario. Supera o pareggia il gradino più basso di tre su quattro:

• Contro Claude Opus 5.5 — 43 supera di otto punti il 35 dell'impostazione Low e perde di cinque punti contro il 48 di Medium. Il punto di incrocio si colloca tra Low e Medium.

• Contro GPT-6 Astra — 43 pareggia esattamente il valore 43 dell'impostazione Low di Astra e perde di nove punti contro il 52 di Medium.

• Contro GPT-6.1 Sol — 43 supera di otto punti l'impostazione Low di Sol, fissata a 35, e perde di tre punti contro il 46 di Medium. È il caso più equilibrato della tabella.

• Contro Claude Fable 5.2 — 43 perde contro ogni livello, incluso il 54 dell'impostazione Low, di undici punti. Non esiste alcuna impostazione di Fable 5.2 che Qwen4-Max raggiunga.

Quindi un confronto che mettesse Qwen4-Max contro concorrenti eseguiti con Low effort produrrebbe esattamente l’ordinamento riportato per Opus 5.5 e Sol, esattamente il pareggio-o-meglio riportato contro Astra, ed esattamente la sconfitta riportata contro Fable 5.2. Si tratta di un insieme di risultati coerente e auto-consistente, ed è l’unico insieme su questo harness che produce l’ordinamento in circolazione. Che qualcuno lo abbia assemblato deliberatamente o vi sia arrivato confrontando una configurazione predefinita con un’impostazione minima, l’aritmetica porta lì.

La conseguenza pratica è la parte che conta per chiunque legga un thread di lancio invece di un tabellone: a parità di sforzo di ragionamento, Qwen4-Max è circa un gradino dietro GPT-6.1 Sol e due gradini dietro Claude Opus 5.5. È un debutto davvero competitivo. Non è un vantaggio, ed è ben lontano dall'impostazione secondo cui "supera" gli altri.

A generated two-column scoreboard titled 'Qwen4-Max vs Claude Opus 5.5 — the scoreboard'. The Qwen4-Max column reads 'Index at Max effort: 43', 'Lowest published effort: 43, single score', 'Blended price: $0.80 per million', 'Cost per index task: $3.27', 'Time per task: not published', 'Context window: 984k'. The Claude Opus 5.5 column reads 'Index at Max effort: 59', 'Lowest published effort: 35 at Low', 'Blended price: $2.94 per million', 'Cost per index task: $10.04', 'Time per task: 24.9 minutes', 'Context window: 1M'. A footer reads 'Index, per-task cost and time per task per Artificial Analysis v5.0.1, read 16 November 2026; prices per vendor cards.'

Il costo per attività separa due richieste da una.

La capacità è solo la metà di quanto affermato dalle chiacchiere del lancio, e sul denaro il quadro è più favorevole a Qwen4-Max — per due dei tre modelli, e non per il terzo.

• Prezzo di listino — Qwen4-Max costa $1,50 per milione di token in input e $4,50 per milione di token in output, con uno sconto del 95% sulla cache e una tariffa combinata di $0,80 per milione. Questa tariffa combinata è la più bassa tra tutti e cinque i modelli presenti qui: GPT-6.1 Sol è $1,47, Claude Opus 5.5 $2,94, Claude Fable 5.2 $5,74 e GPT-6 Astra $7,70.

• Costo per attività completata — Claude Fable 5.2 $26,54, Claude Opus 5.5 $10,04, GPT-6 Astra $6,24, Qwen4-Max $3,27, GPT-6.1 Sol $1,27. Tutti all'impostazione Max di ciascun modello.

• L'inversione — Qwen4-Max ha la tariffa mista più economica del listino e il terzo compito meno costoso. Batte Claude Opus 5.5 per compito di un fattore tre e GPT-6 Astra di circa due, mentre perde contro GPT-6.1 Sol di un fattore 2,6.

The mechanism is verbosity, and the tracker measures it directly: Qwen4-Max generated 127 million output tokens completing the index, against a field median of 78.6 million, and is classed as very verbose. A model that writes 60% more than the median spends its rate advantage doing so. A​libaba's own 24-to-35% token-reduction figures are real improvements against Qwen3.8-Max and say nothing about how verbose the model is in absolute terms, which is the number that reaches an invoice.

Quindi la metà relativa ai costi dell'affermazione si divide nettamente. "Costa meno eseguirlo rispetto a Opus 5.5 e Astra" è vero su base per singola attività, con un ampio margine, ed è l'argomento più forte in questo articolo per Qwen4-Max. "Meno costoso di GPT-6.1 Sol" è falso per attività di un fattore 2,6, anche se la tariffa media ponderata di Qwen4-Max è inferiore del 46%. Chiunque abbia preventivato in base al tariffario e abbia ottenuto la risposta opposta in fattura ha riscontrato lo stesso divario.

La cifra che il tracker non ha

Una colonna nella pagina di Qwen4-Max è vuota in un modo che merita di essere segnalato. Artificial Analysis riporta il tempo per attività per ogni modello elencato qui — Claude Opus 5.5 a 24,9 minuti su Max, GPT-6 Astra a 20,9, GPT-6.1 Sol a 22,9, Claude Fable 5.2 a 41,8 — e riporta N/A per Qwen4-Max, con il grafico dei tempi annotato «Nessuna API disponibile pubblicamente».

Read that annotation carefully before drawing a conclusion from it, because it is not a statement that the model cannot be called. A​libaba publishes per-token prices for Qwen4-Max and its launch post says API prices were lowered relative to Qwen3.8-Max, and the tracker itself lists A​libaba Cloud as the model's provider and quotes a $3.27 per-task cost. A model with a rate card, a provider and a measured per-task cost has an API. The more likely reading is that the timing measurement was not obtainable through whatever path the tracker used, and the page does not say which. The tracker's own FAQ, on the same page, says the model "is available via API through 1 provider", which does not square with the chart annotation either.

Ciò che resta dell'ambiguità è più circoscritto e ancora utile: non esiste un dato indipendente sulla latenza di Qwen4-Max il giorno del suo lancio, mentre ogni modello con cui viene confrontato ne ha uno. Se il tuo carico di lavoro è sensibile alla latenza, stai scegliendo in base a un numero che nessuno ha ancora pubblicato, e la posizione onesta è misurarlo tu stesso prima di impegnare un percorso di produzione su di esso.

A headless-browser screenshot of the Artificial Analysis model page for Qwen4 Max, captured 16 November 2026 in English, showing the Alibaba proprietary-model header with 'Released November 2026', the rank badges Intelligence #38/81, Performance Cost #44/80 and Verbosity #65/80, the price block reading In $1.50, Out $4.50 and Cache 95%, the $3.27 per intelligence index task figure, the 127M output-token count, the summary prose noting a score of 43 against a median of 41, and a technical specification block reading Reasoning Yes, Input modality Text+Image, Output modality Text and Context window 984k.

Cosa regge nelle affermazioni di lancio

Tre delle affermazioni fattuali in circolazione risultano fondate e vale la pena enunciarle chiaramente, perché un controllo dei fatti che si limita a sottrarre non è un controllo dei fatti:

• La finestra di contesto — dichiarata di un milione di token, misurata dal tracker a 984.000. È un vero modello da un milione di token, non un 200K arrotondato per eccesso.

Visione nativa — il tracker registra input testuali e immagini con output testuale, in linea con la descrizione "native vision" del fornitore anziché con un encoder aggiuntivo applicato a un modello testuale.

• Il taglio del prezzo — $1.50 e $4.50 per milione rispetto al listino più alto di Qwen3.8-Max, e la tariffa combinata più bassa tra i cinque modelli confrontati qui. La direzione della vicenda dei prezzi non è in discussione.

Quello che non regge è la classifica, e la classifica è la parte che è stata ripetuta di più.

Cosa fare con questo il giorno del lancio

La mossa utile con un modello come questo non è schierarsi in un senso o nell'altro della discussione, ma mantenere l'opzione a basso costo. Qwen4-Max è un'architettura di prima generazione a un prezzo unitario davvero basso, con un punteggio indipendente nella media e nessun dato sulla latenza: un profilo che premia una prova e penalizza una migrazione.

That is what routing is for. Claude Opus 5.5, GPT-6 Astra, GPT-6.1 Sol and Claude Fable 5.2 are all routed on OrcaRouter at each vendor's list price with 0% markup, so a vendor rate change is live on the same day and the per-task arithmetic above stays current without a second contract or an SDK change. Qwen4-Max is not routed on OrcaRouter — it is reachable through A​libaba's own Model Studio API and several third-party platforms, and this article will not pretend otherwise. What routing buys you in that situation is the comparison: the four models it was measured against sit behind one key across 200-plus models, so benchmarking Qwen4-Max against them is a configuration change on one side of the fence rather than procurement on both.

E se Qwen4-Max dovesse guadagnarsi un posto, il failover automatico è ciò che rende sicuro mettere un modello non misurato in un percorso live — la richiesta passa a un modello di cui disponi della latenza, invece di fallire quando quello nuovo è lento o non disponibile nel modo in cui il suo dato di temporizzazione mancante lascia intendere che potrebbe essere.

A headless-browser screenshot of the OrcaRouter model page for anthropic/claude-opus-5.5, captured 16 November 2026 in English, showing the FLAGSHIP and ZDR badges, the Claude Opus 5.5 heading with its identifier, the Anthropic attribution and 'Public benchmarks by Anthropic · 2026-09-22' line, Vision, Tools, JSON and Reasoning capability badges, a p50 time to first token of 7.98 s, a zero-data-retention availability note, the description placing it as Anthropic's flagship for reasoning, coding and long-horizon agentic work with a 1M-token context, the /v1/chat/completions and /v1/messages endpoints, and the price block reading $4.00 input and $20.00 output per million tokens.

La narrazione del giorno del lancio era che un modello cinese economico avesse superato due ammiraglie americane. Ciò che l'harness mostra in realtà è un modello dal prezzo vantaggioso, un gradino dietro il più economico di essi e due gradini dietro il migliore, con una capacità di visione reale, una vera finestra da un milione di token e nessuna velocità pubblicata. È un prodotto migliore di quanto la rivendicazione lasciasse intendere e una classifica peggiore, e la differenza tra queste due cose è esattamente la distanza tra un thread e un tabellone.

Confrontati in questo articolo2

Rilevato da questo articolo · Benchmark: Artificial Analysis · aggiornato ogni giorno