Una scheda di titolo intitolata "Qwen4-Max vs Tencent HY4 Preview: uno che puoi scaricare, uno che puoi solo noleggiare", con tre chip che riportano HY4 Preview con licenza Apache 2.0, 770B totali e 49B attivi, Qwen4-Max a pesi chiusi con un backbone da 2,4T e 71B attivi, e un prezzo per milione di input di $0,834 contro $1,50, con didascalia alle schede modello del fornitore, Vals AI e Artificial Analysis, il 17 novembre 2026.
Guides & Insights

Qwen4-Max vs Tencent HY4 Preview: uno che puoi scaricare, uno che puoi solo noleggiare, e nessuno dei due numeri significa quello che sembra

Autore

Elias Hawthorne

Data di pubblicazione

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

T​encent HY4 Preview è scaricabile dal 28 agosto 2026 con licenza Apache 2.0 — 770 miliardi di parametri in totale, 49 miliardi attivati per token, 78 strati, 256 esperti instradati più uno condiviso, un livello nativo di predizione multi-token per il decoding speculativo e una finestra di contesto di 1.048.576 token. Qwen4-Max è noleggiabile dal 16 novembre 2026 — 2.400 miliardi di parametri backbone, 71 miliardi attivati per token, più 328 miliardi di parametri di embedding N-gram, e nessun checkpoint di alcun tipo. Entrambi sono modelli cinesi di punta con architettura sparse mixture-of-experts e finestre da un milione di token. Uno che puoi tenere, l'altro che puoi solo chiamare, e a 0,834 $ contro 1,50 $ per milione di token di input, quello che puoi tenere è anche il più economico dei due sulla scheda del fornitore stesso. La parte interessante è perché il divario di prezzo esista affatto e cosa omettono i numeri pubblicati da ciascuna delle due parti.

Le due carte, fianco a fianco

A two-column scoreboard comparing Qwen4-Max and Tencent HY4 Preview: proprietary licence against Apache 2.0; 2.4T with 71B active against 770B with 49B active; $1.50 in and $4.50 out against $0.834 and $2.501; 1,000,000 context against 1,048,576; 131,072 maximum output against 64,000; text, image and video against text only. Footer records HY4 Preview at 53.21% on the Vals AI index, 23rd of 33, and Qwen4-Max at 43 on the Artificial Analysis index, 38th of 81.

• Licenza — Apache 2.0 con pesi pubblicati per HY4 Preview vs proprietario, nessun peso, nessun download per Qwen4-Max

• Dimensione — 770B totali / 49B attivi per HY4 Preview vs backbone da 2,4T / 71B attivi più 328B di embedding N-gram per Qwen4-Max

• Prezzo per milione di token: 0,834 $ in ingresso / 2,501 $ in uscita rispetto a 1,50 $ in ingresso / 4,50 $ in uscita

• Lettura cache — $0,042 per milione rispetto a $0,075

• Finestra di contesto — 1.048.576 token rispetto a 1.000.000, di cui 983.616 utilizzabili come input in modalità di pensiero

• Output massimo — 64.000 token rispetto a 131.072 senza ragionamento, oppure 262.144 condivisi con il ragionamento

• Modalità di input — solo testo vs testo, immagine e video

• Livelli di ragionamento — alto, basso e nessuno, con impostazione predefinita su alto rispetto a basso, alto e xhigh, con impostazione predefinita su alto

{{1}}Punteggio indipendente dell'indice{{/1}} — {{2}}53,21% sull'indice Vals AI, 23º su 33 contro 43 sull'Artificial Analysis Intelligence Index, 38º su 81{{/2}}

Leggi la riga della modalità prima delle righe dei prezzi. HY4 Preview è un modello text-in, text-out. Qwen4-Max legge i video. Questi due fatti non stanno sullo stesso asse, quindi per qualsiasi team il cui carico di lavoro include frame il confronto termina a quella riga e il resto è puramente teorico.

A screenshot of the Hugging Face model card for tencent/Hy4-preview, showing the repository header, the Apache 2.0 licence tag, the safetensors and mixture-of-experts tags and the start of the evaluation results section.

Apache 2.0 non è la stessa offerta con 770 miliardi di parametri

I pesi che puoi scaricare sono pesi che puoi ispezionare, mettere a punto, quantizzare ed erogare alle tue condizioni, e questa è una differenza reale rispetto a un modello dietro l’API di qualcun altro. È anche, a questa scala, una differenza accessibile a pochissimi team. Un modello da 770 miliardi di parametri con 49 miliardi attivi non può girare su nulla che non sia un cluster di acceleratori multi-nodo, e il checkpoint FP8 pubblicato che accompagnava l’anteprima esiste principalmente perché i fornitori di inferenza e i gruppi di ricerca con accesso alla fabric possano erogarlo. Apache 2.0 rimuove la barriera legale, non quella hardware.

Ecco perché il valore pratico della licenza si manifesta altrove rispetto al self-hosting. Si manifesta come offerta concorrenziale: poiché chiunque può erogare HY4 Preview, lo fanno più piattaforme, e ne consegue una disciplina di prezzo. Qwen4-Max non ha un meccanismo del genere. Esiste un'unica implementazione, gestita da A​libaba, e ogni piattaforma che quota un prezzo per Qwen4-Max quota il prezzo di A​libaba con qualunque margine riesca ad aggiungere. È per questo che la sua scheda Global-region e quella Singapore differiscono del 5,8% e nient'altro differisce di molto: non c'è capacità di terze parti che possa praticare prezzi più bassi.

Il numero di cui diffidare su ogni carta

Il materiale di lancio di T​encent include una valutazione interna in cieco — 163 esperti, 203 attività di ingegneria — in cui HY4 Preview ha ottenuto una media di 2,99 contro il 2,92 di GLM 5.3 e il 2,94 di Kimi K3. Si tratta di uno studio condotto dall'azienda che confronta tre modelli, pubblicato dall'azienda che è arrivata prima, su una scala di punteggio da essa definita. Non dimostra granché al di là della direzione dei test del team stesso, e T​encent ha avuto cura di pubblicarlo insieme a un elenco di limiti noti: il modello impiega più tempo del necessario a ragionare e verifica eccessivamente il proprio lavoro.

Sul fronte indipendente, Vals AI colloca HY4 Preview al 53,21% nel proprio indice, 23º su 33 modelli testati. Nella stessa esecuzione di Terminal-Bench 4.0 di Vals, l'anteprima ottiene l'8,08%. I materiali di Tencent citano numeri degli agenti da terminale nell'ottantina — su una revisione diversa del benchmark, con un harness diverso, motivo per cui le due cifre non sono tanto una contraddizione quanto una dimostrazione che i punteggi dei benchmark agentici sono una proprietà dell'harness tanto quanto del modello. Chiunque citi l'uno o l'altro numero senza indicare la revisione rende un cattivo servizio al lettore.

Qwen4-Max ha il problema opposto. I suoi dati del fornitore sono insolitamente dettagliati — Work360 a 52,69 contro 47,74 di Qwen3.8-Max, costo medio per attività sceso da $4,43 a $1,67, tassi di superamento a livello di funzione per codice sicuro dal 22,0% al 31,8% — e nessuno di essi nomina un concorrente. Ciò che Alibaba ha pubblicato è un autoconfronto con la propria generazione precedente, che è il tipo più difendibile di benchmark del fornitore e il meno utile per scegliere tra fornitori. L'unico confronto tra fornitori è Artificial Analysis, che assegna a Qwen4-Max un punteggio di 43 e non registra alcuna misurazione della velocità per esso.

Dove finisce il divario di prezzo del 45%

HY4 Preview costa $0,834 in input e $2,501 in output; Qwen4-Max costa $1,50 e $4,50. È più economico del 45% sull'input e del 44% sull'output: praticamente uno sconto uniforme, come ci si aspetterebbe da due modelli prezzati secondo un'economia hardware simile. Il divario non è senza costo: il tetto di output di 64.000 token di HY4 Preview è la metà del valore non-thinking di Qwen4-Max, il suo contesto è solo testuale e i due modelli offrono controlli del ragionamento diversi. Qwen4-Max offre anche tre livelli di effort contro i livelli alto, basso e nessuno di Tencent, anche se entrambi usano per impostazione predefinita il livello massimo, ed entrambi riconducono le stringhe di effort non riconosciute invece di rifiutarle.

L'altro ambito in cui lo sconto può svanire è il comportamento di verifica. T​encent documenta che la preview verifica in modo eccessivo; il totale indipendente dei token di Qwen4-Max è di 127 milioni di token di output sull'Intelligence Index, rispetto a una mediana di 78,6 milioni, che Artificial Analysis definisce molto verboso. In altre parole, entrambi i modelli sono loquaci, e uno sconto per token applicato a un modello che consuma più token del concorrente consente di recuperare meno di quanto prometta il tariffario. Misura il volume di output per attività prima di modellare il risparmio.

Un modello è un'anteprima, l'altro è un rilascio generale.

Questa è l'asimmetria che si perde ogni volta che i due nomi compaiono nella stessa frase. HY4 Preview è uscito in agosto e da allora T​encent ha fatto avanzare la linea — il rilascio di disponibilità generale di Hy4 a novembre ha aggiunto visione nativa e utilizzo del computer, e nella famiglia c'è un Hy4 Flash a parte. La stringa di anteprima è quella disponibile con pesi aperti, ed è un'anteprima perché T​encent l'ha detto, con le imperfezioni documentate.

Qwen4-Max è un rilascio generale, su una scheda a consumo, in sei regioni, con una generazione in anteprima che verrà dismessa il 25 novembre. Sono fasi di maturità diverse, e confrontarli in base ai punteggi dei benchmark finisce per lusingare quello che l'harness trovava più congeniale.

A screenshot of the OrcaRouter model page for tencent/hy4-preview, showing the 1M-token context badge, the 64K maximum output, the model identifier and the start of the pricing panel.

Eseguire entrambi senza scegliere prima un vincitore

OrcaRouter instrada T​encent HY4 Preview a $0.834 in input e $2.501 in output per milione, con input in cache a $0.042 — la scheda ufficiale di T​encent, veicolata con 0% di ricarico — tramite la stessa chiave e lo stesso endpoint compatibile con OpenAI di Claude Opus 5.5, GPT-6.1 Sol, Grok 4.5 e Qwen3.8-Max. Qwen4-Max non è nel catalogo; la generazione Qwen4 non è ancora stata aggiunta, quindi quel lato del confronto è una credenziale A​libaba diretta.

Qual è la configurazione che questa coppia premia davvero. Metti il modello open-weight dietro il livello di routing dove si applica il failover, mantieni quello closed su una chiave diretta mentre ne stabilisci il comportamento e decidi sul tuo traffico: invia il lavoro solo testuale alla rotta che costa il 45% in meno e fa streaming da più provider, e invia qualsiasi cosa con immagini o video al modello in grado di interpretarli. Il DSL di routing ne fa una regola sulla modalità anziché una decisione che qualcuno deve ricordare, e la fusione di modelli — un panel di modelli che rispondono insieme — è il modo economico per vedere se i due sono in disaccordo sui lavori che ti interessano prima di impegnare uno dei due in produzione.

Di cosa parla davvero la questione dei pesi

Il post di lancio di A​libaba si chiude dicendo che i modelli Qwen4 più piccoli arriveranno in open source. Quella frase è la forma del prossimo anno: il livello aperto delle famiglie di punta cinesi continuerà ad arrivare una generazione dietro quello chiuso, con licenza Apache e scaricabile, e i team continueranno a scegliere tra il modello che possono tenere e quello che è sei mesi avanti.

Per ora la scelta è insolitamente netta. HY4 Preview è l'opzione aperta onesta a questa scala, con un prezzo adeguato, una superficie solo testuale e numeri del fornitore che devono essere accompagnati da un harness per avere un senso. Qwen4-Max è l'opzione chiusa più recente, meglio specificata su ogni asse che un foglio dati può misurare, con un punteggio indipendente inferiore a quanto lasci intendere la sua presentazione di lancio e nessun dato sulla latenza. Nessuna delle due schede racconta tutta la storia, e il 45% che le separa è più piccolo della differenza in ciò a cui ciascuna può essere indirizzata.