
Qwen4-Max esce dall'anteprima: la scheda prezzi a consumo e il budget di output ridotto
- GoogleNUOVOGoogle: Gemini 4 Carbon2026-11-10$2.00 / $10.00 per 1M di token · 90 tok/s
- AnthropicNUOVOAnthropic: Claude Fable 5.22026-11-09$8.00 / $40.00 per 1M di token · 97 tok/s
- orcaNUOVOOrca: OrcaC2 1.02026-11-0717 tok/s
- OrcaNUOVOOrcaCyber: GLM 5.3 Abliterated / Uncensored2026-11-04$3.00 / $5.00 per 1M di token · 87 tok/s
- OrcaNUOVOOrcaCyber: Hy4 Abliterated / Uncensored2026-11-04$0.80 / $1.60 per 1M di token · 133 tok/s
- OrcaNUOVOOrcaCyber: Kimi K3.1 Pro Abliterated / Uncensored2026-11-04$4.00 / $20.00 per 1M di token · 72 tok/s
- OrcaOrcaCyber: MiniMax M3.1 Flash Abliterated / Uncensored2026-10-29$0.80 / $1.60 per 1M di token · 130 tok/s
- OrcaOrcaCyber: GLM 5.3 Flash Abliterated / Uncensored2026-10-27$0.80 / $1.60 per 1M di token · 65 tok/s
- OrcaOrcaCyber: Qwen3.8 Flash Next Abliterated / Uncensored2026-10-26$0.80 / $1.60 per 1M di token · 92 tok/s
- OrcaOrcaCyber: MiMo V2.6 Flash Abliterated / Uncensored2026-10-26$0.80 / $1.60 per 1M di token · 43 tok/s
- MoonshotMoonshotAI: Kimi K3.1 Pro2026-10-2447Intelligenza
- OrcaOrcaCyber: DeepSeek V4.1 Flash Abliterated / Uncensored2026-10-23$0.80 / $1.60 per 1M di token · 193 tok/s
- minimaxMiniMax: M3.1 Flash2026-10-1929Intelligenza
- OrcaOrca: OrcaCyber Ultra 1.02026-10-17$5.00 / $10.00 per 1M di token · 150 tok/s
- deepseekDeepSeek: DeepSeek V4.1 Flash 10172026-10-1733Intelligenza
- DeepSeekDeepSeek: DeepSeek V4.1 Flash2026-10-1740Intelligenza
- OrcaOrca: OrcaCyber Zero 1.52026-10-10$3.00 / $7.50 per 1M di token · 119 tok/s
- openaiOpenAI: GPT-6.1 Sol2026-09-2955Intelligenza
- anthropicAnthropic: Claude Sonnet 5.52026-09-2855Intelligenza
- typesafeTypeSafe: Jev 1.132026-09-24$0.04 / $0.00 per 1M di token · 219 tok/s
Qwen4-Max è passato da un'anteprima con piano a token a un modello a consumo il 16 novembre 2026, e il numero da leggere per primo non è un benchmark: sono 1,50 $ in ingresso e 4,50 $ in uscita per milione di token a Singapore, contro 2,00 $ e 6,00 $ per Qwen3.8-Max. Si tratta di un taglio netto del 25% su entrambi i lati del contatore. Ma lo stesso passaggio che ha pubblicato un listino prezzi reale ha anche ridotto il budget condiviso tra ragionamento e risposta da 393.216 token dell'anteprima a 262.144 alla disponibilità generale, ha spostato il modello da un piano a crediti a una fatturazione per token in sei regioni e ha lasciato l'inferenza batch disponibile in una sola di esse. Se stavate usando l'anteprima e consideravate il 16 novembre una formalità, sono i delta delle specifiche la parte che vi farà male, non lo sconto.
Cosa ha effettivamente cambiato il passaggio del 16 novembre
L'anteprima era un'offerta vantaggiosa ma limitata: solo crediti Token Plan, solo Singapore e una dismissione documentata alle 24:00 del 25 novembre 2026 (UTC+8). La disponibilità generale sostituisce tutti e tre questi vincoli e ne aggiunge due che nessuno aveva richiesto. L'identificativo del modello ora è semplicemente qwen4-max; le stringhe di anteprima qwen4-max-preview e qwen4.0-max-preview sono quelle con una data di scadenza, quindi una configurazione che punta ancora all'una o all'altra ha un conto alla rovescia che termina tra nove giorni.
• Fatturazione — misurazione per token in sei regioni, rispetto ai crediti del Token Plan in una. La quota gratuita di 1 milione di token sulla card di Singapore è valida per 90 giorni dall'attivazione, dal rilascio del modello o dall'approvazione, a seconda di quale avvenga per ultima.
• Regioni — Pechino (Cina continentale), Singapore (Internazionale), e Francoforte, Virginia USA, Tokyo e Hong Kong, tutte nell'ambito Global. L'anteprima riguardava solo Singapore.
• Budget di output condiviso — 262.144 token combinando thinking e risposta finale in GA, rispetto a 393.216 sulla card di anteprima. Un terzo del margine è sparito, ed è sparito dalla parte che le esecuzioni lunghe degli agenti consumano più rapidamente.
• Output non-thinking — limitato a 131.072 token, con un tetto di input di 991.808 token. In modalità thinking il tetto di input scende a 983.616, perché il ragionamento e la risposta provengono dallo stesso bucket da 262.144 token.
• Inferenza batch — supportata solo a Pechino e non supportata nelle altre cinque regioni. L'anteprima non prevedeva alcun percorso batch, quindi si tratta di una nuova funzionalità più che di una regressione, ma è regionale in un modo che il marketing non mette in primo piano.
Superficie dei protocolli — OpenAI Chat Completions, OpenAI Responses, Anthropic Messages e DashScope, tutti e quattro, con output strutturato, chiamata parallela degli strumenti, completamento del prefisso, ricerca web e caching sia esplicito che implicito. L'input accetta testo, immagini e video; l'output è solo testo.
La scheda prezzi, impaginata come arriva il conto
Alibaba pubblica due schede diverse per lo stesso modello, e la differenza non è abbastanza piccola da poter essere ignorata quando si sceglie un ambito di distribuzione.
• Singapore, input e output — $1.50 / $4.50 per milione di token, tariffa uniforme per l'intera finestra da 1.000.000 di token, senza scaglionamenti a 32K o 128K.
• In tutte le altre località, input e output — $1,413 / $4,24 per milione di token, invariato nello stesso intervallo. Stesso modello, stessi limiti, 5,8% più economico di Singapore per token.
• Scritture in cache, Singapore — $1.875 per milione per una scrittura da 5 minuti, $3.00 per una scrittura da 1 ora. Altrove: $1.767 e $2.827.
• Letture dalla cache, Singapore — $0,075 per milione. Altrove: $0,071. È il 5% della tariffa di input di Singapore, ed è la leva più importante in assoluto per un carico di lavoro di agenti con contesto lungo.
• Batch, solo Pechino — Batch File a $0.707 / $2.12 per milione, Batch Chat a $1.413 / $4.24. Solo Batch File usufruisce dello sconto batch del 50%; Batch Chat è indicato alla tariffa in tempo reale, quindi "batch" nel nome dell'endpoint non è una garanzia di prezzo.
• Rispetto a Qwen3.8-Max, stessa pagina — $2.00 / $6.00 a Singapore, $1.65 / $4.951 nelle regioni Global. Qwen4-Max costa il 25% in meno a Singapore e il 14,4% in meno altrove, perché la scheda non-Singapore del modello precedente è già scontata di per sé.
La cifra del 14,4% è quella che conta se già operate a Francoforte o in Virginia: la riduzione da una generazione all'altra è più contenuta lì di quanto lasci intendere il dato di Singapore, e l'affermazione del fornitore sul 62% di costo medio per attività sta facendo gran parte del lavoro che la scheda per token da sola non fa.

Un esempio svolto, così la linea di cache smette di essere astratta
Prendi un prefisso di documento di 400.000 token esaminato in tre passaggi, con 8.000 token di output per passaggio, non-thinking, tariffe di Singapore. Si tratta di aritmetica sui prezzi di listino pubblicati, non di un'esecuzione misurata.
• Passaggio uno — il prefisso viene scritto nella cache a $1.875 per milione, $0.75, più 8.000 token di output a $4.50 per milione, $0.036. Totale $0.786.
• Passate due e tre — il prefisso viene letto a $0,075 per milione, $0,03 per passata, più gli stessi $0,036 di output. $0,066 ciascuna.
• Tre passaggi con caching — $0.918. Gli stessi tre passaggi pagando l'input completo ogni volta — $1.908. Il prefisso viene letto due volte a meno del prezzo di un singolo passaggio nuovo.
• Un quarto passaggio — il caching vince con un margine più ampio ogni volta che rileggi, che è esattamente la forma di una lunga esecuzione di un agente che mantiene fissi un prompt di sistema, uno schema degli strumenti e un insieme di documenti davanti a una domanda che cambia.
Il punto di pareggio è quasi immediato: il sovrapprezzo per la scrittura in cache rispetto alla normale tariffa di input è di $0,375 per milione a Singapore, quindi un prefisso in cache si ripaga alla prima rilettura. Il punto in cui questo smette di funzionare è un prefisso che cambia a ogni turno — paghi il sovrapprezzo di scrittura e non incassi mai, e la finestra di scrittura predefinita di 5 minuti è abbastanza breve che una chiamata lenta a uno strumento può farla scadere.
Tre impostazioni predefinite che decidono la fattura prima che lo faccia il tuo prompt
Qwen4-Max viene fornito con il ragionamento attivo e impostato su alto. È un'impostazione predefinita ragionevole per un'ammiraglia, ma costosa per un classificatore.
• Per impostazione predefinita Effort è high — reasoning_effort accetta low, high e xhigh, e omettendolo si ottiene high. Allo stesso modo thinking_budget ha come valore predefinito 131.072, e max_completion_tokens 262.144 in modalità thinking. Una richiesta che non imposta nulla ha riservato un budget di output superiore a quello che la maggior parte delle attività utilizzerà.
• Non esiste il livello medium — Chat Completions e DashScope mappano minimal su low, medium su high e max su xhigh. Nel percorso Anthropic Messages il parametro è output_config.effort e la mappatura è identica. Richiedere medium costa quanto high.
• preserve_thinking è impostato su true per impostazione predefinita — il ragionamento precedente viene riportato nel contesto nelle chiamate multi-turno. Ciò aumenta il lato input di ogni chiamata successiva e, contemporaneamente, incrementa la probabilità che il prefisso corrisponda ancora alla cache. In un lungo ciclo dell'agente i due effetti si compensano in parte; in una chat breve no, e stai pagando per rileggere pensieri che non userai mai.
• I valori predefiniti di campionamento sono thinking 1.0 / 0.95 / 20 e non-thinking 0.7 / 0.8 / 20 per temperature, top_p e top_k, con presence_penalty a 1.5 al di fuori della modalità thinking. Impostare temperature esplicitamente senza modificare effort cambia la forma dell'output ma non la fattura.
Ciò che il fornitore afferma sia migliorato e ciò che nessuno ha verificato
Ogni numero in questa sezione è di Alibaba e non è stato riprodotto al di fuori del laboratorio. Al 16 novembre non esiste una voce di indice indipendente per Qwen4-Max, quindi tratta il confronto come un'affermazione anziché una misurazione.
• Work360 — 52,69 contro 47,74 per Qwen3.8-Max, su una tassonomia costruita dal fornitore: 26 domini Tier-1, 182 Tier-2, 721 Tier-3.
• Efficienza dei token: circa il 24% in meno di token con sforzo xhigh e il 35% con high su Work360; circa il 48% e il 49% su Terminal-Bench 4.0. È questa l'affermazione che si combina con la riduzione del prezzo, ed è quella da testare per prima sulle proprie trace, perché i risparmi sui token dipendono dalla forma del carico di lavoro.
• Costo medio per attività — da $4,43 a $1,67 su Work360, una riduzione del 62%. Tale cifra moltiplica un taglio di prezzo per un’affermazione di risparmio sui token; nessuno dei due fattori è verificato in modo indipendente.
• Qualità del modello base: dal 5% al 13% in meno di bit per byte rispetto a Qwen3.8-Max-Base, attivando il 25% in meno di parametri, misurata internamente su conoscenza, codice, QA e STEM. Il fornitore osserva che due dei checkpoint confrontati sono post-addestrati, il che indebolisce l’impostazione di modello base.
• Programmazione sicura — Il tasso di superamento a livello di funzione dell'ultima Secure Code Bench è salito dal 22,0% al 31,8%, e il codice sicuro contemporaneamente a livello di funzione, file e repository è salito dall'8% al 14,7%.
L'architettura alla base dell'affermazione sull'efficienza è un backbone sparso mixture-of-experts da 2,4 trilioni di parametri, con 71 miliardi di parametri attivati per token, più altri 328 miliardi in parametri di embedding N-gram recuperati tramite lookup anziché moltiplicati. Tre layer Gated DeltaNet comprimono la cronologia in uno stato di dimensione fissa per ciascun layer Qwen Sparse Attention, che seleziona il contesto a granularità di micro-blocco tramite un indexer leggero, e quattro rami residui paralleli con gate dinamici di lettura e scrittura stabilizzano lo stack profondo. È una spiegazione plausibile del motivo per cui il costo del contesto lungo diminuisce. Resta comunque una spiegazione.

Provarlo senza spostare su di esso un percorso di produzione
La parte scomoda di questo lancio è che il modello è davvero nuovo, i benchmark non sono verificati e il listino prezzi è abbastanza allettante che qualcuno lo vorrà in produzione questa settimana. Questi tre fatti indicano una strategia di staging anziché una migrazione.
Qwen4-Max è raggiungibile tramite l'API Model Studio di Alibaba e diverse piattaforme di terze parti; al 16 novembre non figura nel catalogo di OrcaRouter. Qwen3.8-Max invece sì, a 2,00 $ in ingresso e 6,00 $ in uscita per milione di token a Singapore — il prezzo di listino del fornitore applicato senza alcun ricarico, quindi il divario del 25% rispetto a Qwen4-Max è un divario reale e non un margine di routing. Questo rende economico il test onesto: mantenere l'incumbent sulla chiave già in possesso, inviare al nuovo modello una quota ombra di traffico tramite il fornitore e confrontare il costo per attività completata anziché il costo per token. La stessa impostazione del fornitore — da 4,43 $ a 1,67 $ — è un numero di costo per attività, e il costo per attività è l'unico confronto in cui un'affermazione di efficienza dei token e un taglio di prezzo si collocano sullo stesso asse.
Per i team che instradano già il traffico tramite OrcaRouter, il costo di switch che normalmente blocca questo tipo di valutazione è il secondo contratto e il secondo SDK. Un'unica API per oltre 200 modelli, il failover automatico tra provider e un DSL di routing che compone più modelli in un'unica chiamata fanno sì che lo stato misto — l'incumbent che gestisce il volume, il candidato che ne gestisce una porzione — sia una modifica di configurazione anziché un'integrazione. Per un modello non ancora collaudato questa è la differenza tra una prova di due settimane e una di due giorni, e il failover è ciò che impedisce alla prova di trasformarsi in un'interruzione quando il candidato ha una giornata storta.

Cosa fare prima del 25 novembre
Se sei sulla preview, la scadenza non è flessibile: qwen4-max-preview è documentato per la dismissione alle 24:00 del 25 novembre 2026 UTC+8, e l'identificatore GA è qwen4-max con limiti diversi. Migra la stringa, poi ricontrolla due cose che non genereranno un errore quando sono sbagliate — qualsiasi codice che presupponeva un budget condiviso di 393.216 token ora ne ha 262.144, e qualsiasi job che faceva affidamento sui crediti di Token Plan ora viene misurato per token.
Se stai decidendo se adottare, le ragioni per aspettare sono più deboli di una settimana fa, perché la scheda a consumo e i prezzi della cache sono ora pubblicati e il prezzo è davvero inferiore a quello della generazione precedente in ogni regione. Le ragioni per fare attenzione sono il budget di output condiviso, il percorso batch solo per Pechino e una suite di benchmark scritta dal fornitore. Esegui la slice shadow, calcolane il prezzo per attività completata e lascia che a decidere siano le prossime due settimane delle tue tracce: quell'evidenza varrà più di un 52,69 su una tassonomia che nessuno di noi può verificare.
Sta arrivando un'altra cosa che cambia di nuovo i calcoli: Alibaba afferma che i modelli Qwen4 più piccoli saranno resi open source sulla stessa linea, il che storicamente significa che il prezzo minimo di questo livello si sposta nel giro di un trimestre. Qualsiasi cosa a cui ti impegni ai prezzi di oggi dovrebbe essere un impegno da cui puoi recedere.
