Una scheda del titolo hero generata che riporta "Qwen4-Max vs Step-5 Preview" con il sottotitolo "48% in più di capacità, 33% in più di costo, 6% per punto dell'indice" e tre badge a pillola che riportano "43 vs 29 nell'indice", ".27 vs .35 per attività" e "16 novembre 2026". Una riga a piè di pagina riporta "Punteggi secondo l'Artificial Analysis Intelligence Index v5.0.1; prezzi secondo il listino prezzi di ciascun fornitore." Stile vettoriale piatto su sfondo bianco con una velatura gradiente dal blu al ciano e il logo OrcaRouter compositato in basso a destra.
Guides & Insights

Qwen4-Max vs Step-5 Preview: quattordici punti indice, mezzo centesimo a punto

Autore

Elias Hawthorne

Data di pubblicazione

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

Dividendo il costo per attività di ciascun modello per il punteggio che ottiene, i due lati di questo confronto si collocano entro il sei per cento l'uno dall'altro. Qwen4-Max, che Alibaba ha rilasciato oggi, 16 novembre 2026, ottiene 43 sull'Artificial Analysis Intelligence Index v5.0.1 a un costo misurato di $3,27 per attività dell'indice — circa 7,6 centesimi per punto dell'indice. Step-5 Preview, il modello mixture-of-experts sparso da 600 miliardi di parametri di StepFun, rilasciato il 20 settembre 2026, ottiene 29 sullo stesso indice a $2,35 per attività — circa 8,1 centesimi per punto. Un modello è più intelligente del 48% sull'unico metro rispetto al quale entrambi sono stati valutati. L'altro costa meno su entrambi i lati del contatore: un terzo in meno sull'input e il 40% in meno sull'output. E per unità di capacità misurata i due si collocano entro il sette per cento l'uno dall'altro, con il nuovissimo modello di punta leggermente avanti.

Non è il confronto che nessuno dei due fornitori sta vendendo, ed è quello che decide davvero una migrazione. Porta inoltre con sé un'asimmetria che nessun post di lancio menziona: uno di questi due modelli ha una velocità di output misurata in modo indipendente e l'altro non ha ancora alcuna velocità misurata, perché ha solo poche ore di vita. Quanto segue separa ciò che è documentato da ciò che è misurato, sviluppa l'aritmetica della cache che sposta il divario di prezzo dal 33% a qualcosa di completamente diverso, e si chiude sui due assi in cui la risposta non è in bilico — pesi e tetto di output.

Che cos’è ciascuno, ad oggi

Qwen4-Max è il modello di punta di quarta generazione di Alibaba, costruito su una dorsale da 2,4 trilioni di parametri, con 71 miliardi di parametri attivi per token più 328 miliardi di parametri di embedding N-gram. Accetta testo, immagini e video e restituisce testo. La finestra di contesto documentata è di 1.000.000 di token, con un limite massimo di input di 991.808 token in modalità non-thinking e di 983.616 in modalità thinking — la differenza è il margine riservato al ragionamento. L'output massimo è di 131.072 token con il thinking disattivato; con il thinking attivato, il ragionamento e la risposta condividono un budget di 262.144 token. Il thinking è attivo per impostazione predefinita con un budget di 131.072 token e un livello di impegno di ragionamento predefinito pari a high, selezionabile tra low, high e xhigh. Questi dati provengono dalla documentazione ufficiale di Alibaba; Qwen4-Max non pubblica i pesi, non supporta il fine-tuning in alcuna regione e non supporta nemmeno il deployment del modello in alcuna regione.

Step-5 Preview è il modello di punta di StepFun per il lavoro agentico: 600 miliardi di parametri totali, 27 miliardi attivi, una finestra di contesto di 1M token e input di testo, immagini e video con output testuale. L'intensità di ragionamento è selezionabile tra bassa, media e alta. L'output massimo è documentato a 64.000 token, con max_tokens impostato per impostazione predefinita senza limite, così il modello sceglie la lunghezza. Supporta streaming, tool calling, output JSON Schema e prompt caching, e l'API è compatibile con OpenAI.

Tre mesi dopo il lancio, il “Preview” nel nome ha ormai perso il suo significato. StepFun continua ancora oggi a elencarlo come Preview nella sua panoramica dei modelli, mentre i checkpoint BF16 e FP8 sono su Hugging Face dal 15 ottobre con la StepFun Model License 1.0. Considera l’etichetta un’abitudine di denominazione, non un avviso che l’endpoint cambierà sotto i tuoi piedi — ma non leggerla nemmeno come un impegno GA, perché il fornitore non ne ha assunto alcuno.

Il divario di prezzo è di un terzo; è l'aritmetica della cache a cambiarlo.

Ai prezzi di listino, i due si riassumono facilmente: Step-5 Preview costa meno su entrambi i lati del contatore, e la differenza va oltre un errore di arrotondamento.

• Input — Qwen4-Max 1,50 $ per milione di token a Singapore, 1,413 $ nelle altre cinque regioni, rispetto a Step-5 Preview 1,00 $

• Output — Qwen4-Max $4.50, rispetto a Step-5 Preview $2.70

• Lettura dalla cache — Qwen4-Max $0.075 per milione, uno sconto del 95%, rispetto a Step-5 Preview $0.10, uno sconto del 90%

• Scrittura in cache — Qwen4-Max $1,875 per milione per un TTL di cinque minuti e $3,00 per un'ora, rispetto a Step-5 Preview nulla, perché l'input in caso di cache miss a $1,00 include già la scrittura del prefisso

Prezzo combinato, secondo il mix 7:2:1 di cache hit/input/output di Artificial Analysis — Qwen4-Max 0,80 $ per milione rispetto a Step-5 Preview 0,54 $

Quella riga di scrittura della cache è quella che viene saltata ed è quella che può ribaltare la classifica sul carico di lavoro giusto. Prendi un documento da 300.000 token esaminato in quattro passate con 3.000 token di output ciascuna, alle tariffe di Singapore, senza thinking. Su Qwen4-Max la prima passata scrive il prefisso a $0,5625 e genera $0,0135 di output; le tre successive lo leggono a $0,0225 ciascuna più $0,0405 di output complessivi. Totale $0,684. Su Step-5 Preview la prima passata costa $0,30 di input e $0,0081 di output; le tre successive costano $0,03 ciascuna più $0,0243. Totale $0,422. Step-5 Preview è più economico del 38% su quel lavoro.

Riducilo a una singola passata e il divario si allarga invece di chiudersi — $0.576 contro $0.308, con Step-5 Preview più economico del 46% — ma il motivo cambia. Su una singola passata non c'è alcuna lettura da ammortizzare, quindi stai pagando il sovrapprezzo di scrittura in cache di Qwen4-Max per un prefisso che non riutilizzerai mai. La regola pratica: la cache di Qwen4-Max premia un prefisso letto molte volte e penalizza una lettura una tantum. La lettura dalla cache a $0.10 fisso e il prezzo per miss con scrittura inclusa di Step-5 Preview sono la struttura più favorevole per carichi di lavoro in cui non puoi prevedere il tasso di hit.

A generated two-column scoreboard titled 'Qwen4-Max vs Step-5 Preview — the scoreboard'. The Qwen4-Max column reads Intelligence Index 43, cost per index task .27, cost per index point 7.6 cents, cache write .875 per 1M, weights none published, max output 131,072 tokens. The Step-5 Preview column reads Intelligence Index 29, cost per index task .35, cost per index point 8.1 cents, cache write included in .00 miss price, weights BF16 and FP8 on Hugging Face, max output 64,000 tokens. A footer reads 'Index per Artificial Analysis v5.0.1; prices and limits per Alibaba and StepFun documentation, November 2026.'

Quattordici punti, e una lacuna probatoria che va nella direzione opposta

Entrambi i modelli sono stati sottoposti a Intelligence Index v5.0.1, che comprende 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 e Terminal-Bench-Science 0.1. Nessuna delle pagine dei modelli pubblica punteggi separati per livello di sforzo di ragionamento, quindi si tratta di valori singoli ottenuti con qualunque impostazione abbia utilizzato Artificial Analysis.

• Indice — Qwen4-Max 43, classificato 38º su 81 nella sua categoria, rispetto a Step-5 Preview 29, classificato 10º su 29 tra i modelli open-weight di grandi dimensioni. Le mediane delle categorie differiscono (41 e 23), ed è per questo che tali posizioni non sono comparabili tra loro anche se i punteggi lo sono.

• Costo per attività di indicizzazione — $3.27 rispetto a $2.35

• Costo per punto indice — 7,6 centesimi contro 8,1 centesimi, quindi il modello più costoso per attività è quello più economico per unità di capacità

Velocità di output — Step-5 Preview 124 token al secondo, rispetto a nessun dato pubblicato per Qwen4-Max. Artificial Analysis indica il suo tempo per attività come sconosciuto e la sua pagina del provider non riporta alcun benchmark del provider.

• Tempo al primo token di risposta — Step-5 Preview 23,53 secondi, rispetto a nessun dato pubblicato per Qwen4-Max

• Tempo per attività di indicizzazione — Step-5 Preview 15,2 minuti rispetto alla mediana di 13,3 minuti della sua classe; Qwen4-Max non ha un dato

• Verbosità — Qwen4-Max ha emesso 127 milioni di token di output sull'intero indice, rispetto a una mediana di 78,6 milioni, contro i 129 milioni di Step-5 Preview rispetto a una mediana di 104 milioni. Entrambi sono verbosi; Qwen4-Max è verboso rispetto a un gruppo di pari più snello.

Il primo token a 23,53 secondi è il numero che dovrebbe preoccupare chiunque pianifichi un deployment interattivo di Step-5 Preview. Non è un artefatto di rete: è ciò che un modello da 600 miliardi di parametri con il pensiero attivo per impostazione predefinita ti costa prima che la risposta inizi. Le impostazioni predefinite di ragionamento di Qwen4-Max — pensiero attivo, budget di 131.072 token, effort impostato su high — puntano nella stessa direzione, e finché qualcuno non lo misura non c'è modo onesto di dire quale sia più lento. Questo è il costo pratico di comprare il giorno del lancio: ottieni un punteggio e un listino prezzi, e non ottieni un numero di latenza.

Il materiale di valutazione di Alibaba è una questione separata e va letto come riportato dal fornitore, non riprodotto. Su Work360, il suo benchmark interno che copre 26 domini industriali di primo livello, il fornitore riporta 52,69 per Qwen4-Max contro 47,74 per Qwen3.8-Max. Riporta inoltre che il costo medio per attività Work360 scende da $4,43 a $1,67, una riduzione del 62%, e che l'uso di token cala di circa il 24% con sforzo xhigh e del 35% con sforzo high su quel benchmark, con riduzioni del 48% e del 49% su Terminal-Bench 4.0. Queste sono affermazioni su Qwen4-Max rispetto al suo predecessore. Non dicono nulla su Step-5 Preview, e nessuna di esse è stata verificata in modo indipendente.

A screenshot of the Artificial Analysis model page for Qwen4 Max, captured 16 November 2026, showing 'Released November 2026', the Alibaba Cloud provider label, an Intelligence Index of 43 ranked 38 of 81, in-benchmark ranks for performance, cost and verbosity, .50 input and .50 output per 1M tokens, a 95% cache discount, .27 cost per task, 127M tokens generated, and a 984k-token context window.

Pesi: questo non ci va nemmeno vicino

Step-5 Preview è scaricabile già da oggi. Il repository Hugging Face contiene safetensors BF16 e FP8 con la StepFun Model License 1.0 — una licenza in stile Apache-2.0 con obbligo di attribuzione e una condizione per l'uso commerciale — oltre al template di chat, tre varianti quantizzate e ricette di deployment: FP8 su quattro B300 o otto H200 con vLLM, FP8 sullo stesso hardware con SGLang, BF16 su otto B300 o sedici H200. Circa 1.600 download nell'ultimo mese.

Qwen4-Max non ha checkpoint e non ha alcun percorso per ottenerne uno. La documentazione di Alibaba indica il fine-tuning come non supportato in ogni regione e il deployment del modello come non supportato in ogni regione, il che è un'affermazione più forte di «i pesi non sono ancora disponibili»: significa che il fornitore non intende affatto permetterti di eseguire questo modello in autonomia tramite la sua piattaforma. Se il tuo requisito è un modello che puoi quantizzare, sottoporre a fine-tuning, isolare in air-gap o fissare a una build specifica, il confronto finisce qui, e finisce a favore di StepFun.

Cambia anche ciò che "open" ti offre. La licenza di Step-5 Preview consente l'uso commerciale con condizioni, quindi una revisione legale fa parte del costo di adozione, e le ricette di deployment presuppongono un nodo da quattro a sedici GPU: non è un modello che si esegue su una workstation. Ma è un modello il cui comportamento non può essere modificato alle tue spalle da un aggiornamento silenzioso del provider, e per chiunque costruisca un sistema regolamentato o di lunga durata questo vale più di quattordici punti indice.

Il tetto dell'output, e un conflitto nella documentazione che vale la pena conoscere

Questa è la differenza meno appariscente e quella che più probabilmente penalizzerà un carico di lavoro specifico. Qwen4-Max offre 131.072 token di output con il ragionamento disattivato e un budget condiviso di 262.144 token con il ragionamento attivato. La documentazione API di Step-5 Preview indica un massimo di 64.000 token di output. La sua model card su Hugging Face afferma che l'output può arrivare fino a 1 milione di token, con input e output conteggiati nello stesso limite.

Quelle due affermazioni provengono dallo stesso fornitore a distanza di meno di un mese l'una dall'altra, e nessuna delle due è contrassegnata come deprecata. Se stai pianificando un'attività con output lungo — un report completo, una patch di grandi dimensioni, un documento generato — leggi la documentazione API anziché la scheda, e metti alla prova il limite massimo prima di progettare l'architettura attorno a esso. Il valore di 64.000 è coerente con il tempo di 15,2 minuti per attività di indicizzazione; il valore di 1M implicherebbe qualcosa di molto diverso.

Un'altra asimmetria da segnalare: entrambi i modelli accettano input video, ma solo StepFun pubblica i dettagli operativi. Fino a 60 immagini per richiesta con dettaglio basso o alto, video come URL, Base64 o riferimento stepfile://, MP4 sotto 128 MB con clip consigliate sotto i cinque minuti. Alibaba documenta l'input video per Qwen4-Max senza pubblicare limiti comparabili sulla pagina del modello. Se il video è centrale per il tuo carico di lavoro anziché incidentale, questa differenza nella qualità della documentazione è di per sé un segnale su quale fornitore sia stato interrogato in precedenza.

Chi dovrebbe scegliere quale, questa settimana

Scegli Qwen4-Max se il limite massimo conta più del conto: ragionamento complesso, lavoro agentico su orizzonti lunghi o qualsiasi cosa in cui 43 contro 29 su un indice di nove valutazioni faccia la differenza tra un'attività che si completa e una che no. In cambio, accetta due rischi. Il primo è che stai acquistando il primo giorno senza dati indipendenti sulla latenza e senza una riproduzione di terze parti delle dichiarazioni del fornitore su Work360. Il secondo è il sovrapprezzo per la scrittura nella cache, che tassa silenziosamente il lavoro a contesto lungo in un'unica passata a $1.875 per milione di token scritti.

Scegli Step-5 Preview se devi possedere il modello, se hai bisogno di 124 token al secondo misurati e di un primo token da 23,53 secondi su cui puoi pianificare, oppure se il tuo carico di lavoro fa un uso intensivo della cache in un modo che non puoi prevedere. Accetta che stai acquistando 29 punti indice, che il primo token arriva lentamente e che il tetto di output è documentato in due modi diversi dal fornitore.

La terza opzione è quella onesta per la maggior parte dei team questa settimana: nessuno dei due, in via esclusiva. Il divario tra questi due modelli per unità di capacità misurata è del 6%, ben dentro il margine di errore di una singola versione dell'indice, e entrambi sono stati valutati una sola volta da un solo harness. Un team che si impegna su uno dei due sulla base di un punteggio del giorno di lancio sta prendendo posizione su un numero che non è stato riprodotto.

Eseguire entrambi senza un secondo contratto

Nessuno dei due modelli è oggi nel catalogo OrcaRouter — 215 identificatori di modello, controllati questa mattina, senza alcuna voce Qwen4 e nessun modello testuale StepFun tra essi. Entrambi sono raggiungibili tramite le API dei rispettivi fornitori: le sei regioni di Alibaba per Qwen4-Max, l'endpoint compatibile OpenAI di StepFun su api.stepfun.ai/v1 per Step-5 Preview. Dire il contrario sarebbe il tipo di affermazione che invecchia male nel giro di una settimana.

La route che usiamo è il modello che Qwen4-Max sostituisce. Qwen3.8-Max è nel nostro catalogo come qwen/qwen3.8-max al prezzo di listino di Alibaba di $2,00 per l'input e $6,00 per l'output per milione di token, passato senza alcun ricarico, insieme ad altri 214 identificatori su un unico base URL compatibile OpenAI. Questo conta per esattamente una ragione in questo confronto: un modello appena lanciato è la cosa peggiore su cui puntare per un percorso di produzione, e la posizione sensata è mantenere la generazione collaudata sulla route mentre misuri quella nuova rispetto al tuo traffico. Il DSL di routing esprime tutto ciò come una policy anziché come una modifica al codice — invia le chiamate difficili e ad alto contenuto di ragionamento al nuovo modello, mantieni il lavoro ad alto volume su quello collaudato e più economico, e lascia che il failover automatico intercetti il caso in cui un endpoint nuovissimo si degrada sotto un carico che non avevi previsto.

La tariffazione pass-through significa anche che l’aritmetica in questo articolo resta onesta. Quando Alibaba riduce una tariffa — come ha fatto oggi, portando Qwen4-Max a $1.50 e $4.50 dai $2.00 e $6.00 di Qwen3.8-Max — un catalogo che riporta il prezzo di listino del fornitore lo riflette lo stesso giorno, anziché al successivo rinnovo contrattuale. Non è un argomento a favore nostro rispetto all’API diretta di uno o dell’altro fornitore. È un argomento per non firmare nulla che blocchi un prezzo che non hai visto mantenersi per un mese.

A screenshot of the OrcaRouter model page for qwen/qwen3.8-max, captured 16 November 2026, showing the model identifier, text, image and video input with text output, a 1M-token context window, a list date of 2026-08-03, .00 input and .00 output per 1M tokens, measured latency figures, and an OpenAI-compatible Python sample pointing at https://api.orcarouter.ai/v1.

Il confronto che i lettori vorranno tra due settimane non è quello in questo titolo. È la latenza di Qwen4-Max e il rilascio stabile di Step-5 Preview, entrambi misurati da qualcuno che non sia il fornitore, su carichi di lavoro che le persone usano davvero. Fino ad allora, la posizione difendibile è stretta e poco affascinante: un divario di capacità del 48%, un divario di prezzo del 33%, un divario del 6% per unità di capacità e una serie di decisioni — pesi, tetto di output, struttura della cache — che nessun punteggio di indice cattura e che dureranno più a lungo di questa settimana di lancio.