
Qwen 4 vs Claude Opus 5.5: sedici punti indice e quanto costano per risposta
- 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 · 126 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 · 44 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 · 147 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 · 123 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 ottiene 42,9 sull'Artificial Analysis Intelligence Index e Claude Opus 5.5 ottiene 59,1: un divario di 16,2 punti, misurato sulla stessa suite, nella stessa revisione (v5.0.1), a due mesi di distanza l'una dall'altra. Sulla stessa classifica, completare un task dell'indice costa 3,27 $ con Qwen4-Max e 10,04 $ con Claude Opus 5.5. Il rapporto è quindi netto: Opus offre il 38% in più di punti indice per il 207% in più di costo per task. Che si tratti di un affare o di uno spreco dipende interamente dal fatto che il vostro carico di lavoro acquisti punti o acquisti risposte, e non si tratta dello stesso acquisto. Questo articolo ne quantifica economicamente entrambi.
Le due carte, dimensione per dimensione
Alibaba ha reso Qwen4-Max disponibile a livello generale il 16 novembre 2026, con tariffazione a consumo, in sei regioni; Anthropic ha in vendita Claude Opus 5.5 dal 22 settembre 2026. Tutto ciò che segue è o un prezzo di listino del fornitore o un dato etichettato di Artificial Analysis — i due non vengono mai combinati in un unico numero.
• Prezzo per milione di token — Qwen4-Max 1,50 $ in / 4,50 $ out a Singapore (1,413 $ / 4,24 $ nelle regioni con ambito globale); Claude Opus 5.5 4,00 $ in / 20,00 $ out. Entrambi sono prezzi di listino del fornitore.
• Input in cache — Qwen4-Max 0,075 $ per milione in lettura da cache, contro 0,20 $ per Claude Opus 5.5. Qwen pubblica anche le tariffe di scrittura in cache: 1,875 $ per una voce di cinque minuti e 3,00 $ per un'ora.
• Finestra di contesto — 1.000.000 di token pubblicati per entrambi. Il tracker di Artificial Analysis elenca Qwen4-Max a 983.616, che è il tetto di input della modalità thinking piuttosto che una contraddizione: Alibaba limita l'input a 991.808 senza la modalità thinking e a 983.616 con essa, perché il ragionamento e la risposta condividono un unico budget di output di 262.144 token.
• Output massimo — Qwen4-Max 131.072 token in modalità non-thinking, oppure 262.144 suddivisi tra ragionamento e risposta quando il thinking è attivo. Claude Opus 5.5 non pubblica una ripartizione equivalente.
• Punteggio dell'indice — Qwen4-Max 42,9 con impegno xhigh; Claude Opus 5.5 59,1 con impegno max. Artificial Analysis, v5.0.1.
• Costo per attività di indicizzazione — 3,27 $ rispetto a 10,04 $. Artificial Analysis, stessa revisione.
• Pesi — nessuno dei due è aperto. {{1}}Qwen4-Max è indicato come proprietario, con Alibaba Cloud come suo unico host; {{2}}Claude Opus 5.5 è proprietario{{/2}} e distribuito tramite l'API di Anthropic, Amazon Bedrock, Google Cloud e Microsoft Azure.{{/1}}
• Modalità di input — entrambi accettano testo e immagini e restituiscono testo. Nessuno dei due accetta video, in base ai flag di capacità del tracker.

Dove si trovano davvero i sedici punti
Un unico numero indice nasconde più di quanto riveli, e questa coppia ne è un buon esempio. Le suite in cui i due modelli sono vicini non sono quelle su cui si discute.
• Terminal-Bench 4.0 — Claude Opus 5.5 59,6%, Qwen4-Max 48,5%. Undici punti, e quello che corrisponde più direttamente a "sa pilotare una shell".
• FrontierCode 2.0 — 46,4% contro 26,5%. Questo è il divario più ampio del set e quello con la conseguenza commerciale più chiara, perché si tratta di lavoro sul codice su scala di repository anziché di generazione di singole funzioni.
• HLE Diamond — 67,9% contro 44,9%. Domande di scienze esatte, un divario di 23 punti.
• CritPt Agentic Hard — 68,0% contro 43,0%. Un divario di 25 punti sul ragionamento di livello fisico.
• GDPval — 1.866,27 contro 1.808,69. Una differenza del 3,1% su un benchmark basato sul valore dei compiti. Sul lavoro professionale economicamente fondato i due modelli sono quasi vicini; sul lavoro tecnico difficile non lo sono.
• Omniscienza — 48,1 per Claude Opus 5.5 contro 27,7 per Qwen4-Max, che sembra un'altra disfatta finché non si guarda la colonna delle allucinazioni nella sezione successiva.
Divario di capacità — il modello di Anthropic è in testa in ognuno dei sei sotto-punteggi pubblicati dal tracker, con il margine più ristretto in finanza e contabilità (59,4 contro 54,1) e il più ampio in ingegneria (65,3 contro 50,1).
La lettura pratica: se il tuo lavoro è riassunto, estrazione o analisi documentale basata su fonti, il titolo di 16 punti sovrastima la differenza. Se il tuo lavoro è programmazione agentica, la sottostima.

Entrambi i modelli inventano cose. Uno lo fa decisamente meno.
Artificial Analysis riporta un tasso di allucinazione omnisciente insieme al punteggio di accuratezza, e questa è l’unica colonna in cui Qwen4-Max vince nettamente: il 28,4% delle sue risposte errate o non verificabili erano allucinazioni, contro il 50,3% di Claude Opus 5.5. In altre parole, Opus ha ragione molto più spesso, ma quando sbaglia ha più del doppio delle probabilità di sbagliare con sicurezza anziché limitarsi a tacere.
Questo conta per qualsiasi cosa che preveda una fase di revisione umana. Un modello che dice «Non lo so» nel 50% delle volte in cui sbaglia ti costa una query di follow-up. Un modello che inventa nel 50% delle volte in cui sbaglia ti costa un passaggio di verifica dei fatti su ogni output, che è una voce di costo diversa e molto più grande.
La fattura è input, non output
Entrambi i modelli vengono venduti su una tariffa di output di facciata, e in entrambi la tariffa di output non è dove finiscono i soldi. Scomponendo le cifre di costo per attività fornite da Artificial Analysis: su Qwen4-Max, 2,80 $ dei 3,27 $ vanno ai token di input e 0,47 $ all'output. Su Claude Opus 5.5, 6,57 $ dei 10,04 $ vanno all'input e 3,47 $ all'output. Sono rispettivamente l'86% e il 65%, e in entrambi i casi la maggior parte della voce input è traffico di cache: 1,12 $ del costo input di Qwen4-Max sono letture cache e 1,67 $ sono scritture cache; le cifre equivalenti per Opus sono 4,74 $ e 1,80 $.
Ecco perché il confronto per token tra questi due modelli è il numero meno utile della pagina. La tariffa di output di Qwen4-Max è 4,4 volte più economica di quella di Opus, eppure il suo vantaggio di costo per risposta è solo di 3,1 volte, perché spende una quota maggiore del suo budget per il contesto che deve leggere e, a 1,875 $ per milione per una scrittura in cache di cinque minuti, per il contesto che deve scrivere.
Un agente da quaranta turni, prezzato due volte
Prendi un agente di programmazione che aggiunge 8.000 token di output degli strumenti per turno, esegue quaranta turni ed emette 1.500 token di risposta a ogni turno. Nessuna cache, prezzi di listino:
• Qwen4-Max — 6,56 milioni di token di input accumulati a $1,50, più 60.000 token di output a $4,50: $9,84 + $0,27 = $10,11.
• Claude Opus 5.5 — 6,56 milioni in input a 4,00 $, più 60.000 in output a 20,00 $: 26,24 $ + 1,20 $ = 27,44 $.
Ora la stessa esecuzione con un tasso di hit della cache del 90% sul prefisso accumulato, che è ciò che un ciclo di agenti ben progettato riesce effettivamente a ottenere:
• Qwen4-Max — 5,904M memorizzati nella cache a 0,075 $ (0,44 $) + 656K nuovi a 1,50 $ (0,98 $) + 0,27 $ di output = 1,69 $.
• Claude Opus 5.5 — 5,904M in cache a $0,20 ($1,18) + 656K nuovi a $4,00 ($2,62) + $1,20 di output = $5,01.
Ne derivano due cose. La cache riduce entrambe le bollette di oltre l'80%, quindi un agente senza prompt caching paga da cinque a sei volte quanto dovrebbe. E il rapporto si muove appena — 2,7× senza cache, 3,0× con cache — perché il vantaggio di Qwen4-Max è concentrato sulla tariffa di scrittura della cache, che lo scenario con cache utilizza fin dall'inizio. Sono calcoli sui prezzi di listino basati sulle tariffe pubblicate, non bollette misurate; il vostro numero di turni, la crescita del prefisso e il rapporto di cache hit sposteranno sostanzialmente i numeri assoluti.
È anche qui che un livello di routing dimostra il proprio valore, invece di essere solo una comodità. Trasferiamo i prezzi di listino dei provider con uno 0% di ricarico, quindi il divario sopra è il divario del provider, non il nostro — e se Anthropic modifica la scheda Opus, quella modifica è attiva sulla stessa chiave lo stesso giorno. Entrambi i modelli sono invocabili tramite un unico endpoint con failover automatico, il che conta qui in modo specifico perché le loro date di rilascio distano due mesi: una regressione specifica di Qwen4-Max si manifesta come una richiesta fallita, non come una risposta sbagliata che noti una settimana dopo.
Cosa sta effettivamente affermando «cut off from distillation»?
L'affermazione che circola riguardo a questo confronto — che Qwen4-Max sembra competitivo nei benchmark dei fornitori e poi crolla sull'indice indipendente, e che il fatto che Alibaba sia stato tagliato fuori dalla distillazione spiega il crollo — sono due tesi nascoste sotto lo stesso cappotto, e solo la prima è misurabile.
Il primo è vero e non ha nulla di misterioso. Il materiale di lancio di Alibaba riporta Work360 a 52,69 contro 47,74 della generazione precedente, riduzioni dei token del 24% e 35% sullo stesso benchmark, del 48% e 49% su Terminal-Bench 4.0, e un costo per attività ridotto da 4,43 a 1,67 dollari. Tutto ciò è dichiarato dal fornitore e non riprodotto. Rispetto a un indice indipendente di nove suite che include FrontierCode 2.0 e CritPt Agentic Hard — suite per cui Alibaba non pubblica numeri — il modello si colloca a 42,9. Una suite di benchmark del fornitore e una indipendente che misurano cose diverse saranno in disaccordo; è il caso normale, non la prova di alcunché.
La seconda affermazione, sulla distillazione, non è qualcosa che un acquirente possa verificare o su cui possa agire, e non è una proprietà del modello che si possa invocare. Ciò che è verificabile e utile è la forma del deficit: concentrato nel codice su scala di repository e nelle scienze dure, scarso nel valore per compiti professionali. È un'affermazione su dove implementare il modello, e resta valida qualunque cosa si riveli vera su come è stato addestrato.

Ottenerne uno dei due
Claude Opus 5.5 è nel nostro catalogo come anthropic/claude-opus-5.5 al prezzo di listino di Anthropic, $4.00 in input e $20.00 in output per milione. Qwen4-Max non è nel nostro catalogo — un identificatore qwen4 restituisce not-found oggi — e la via per accedervi è l'API Model Studio di Alibaba e diverse piattaforme di terze parti. Non fingeremo il contrario, e il sostituto onesto da parte nostra è qwen/qwen3.8-max, il precedente flagship, a $2.00 e $6.00.
Quindi la regola decisionale è più restrittiva di quanto suggerisca il tabellone. Se il tuo carico di lavoro è coding su scala repository, ragionamento tecnico complesso o qualsiasi cosa in cui una risposta sbagliata costa cara e una lenta no, i 16 punti sono reali e $10,04 per attività è il prezzo che li accompagna. Se il tuo carico di lavoro è lavoro documentale ancorato alle fonti ad alto volume, dove GDPval dice che i due modelli sono entro il 3%, stai pagando la tariffa di Opus per una differenza che non emergerà nel tuo set di valutazione — e Qwen4-Max a $3,27 è l'acquisto migliore, con un tasso di allucinazione più basso come bonus. Il numero da calcolare prima di decidere non è il divario nell'indice. È quale frazione del tuo input è in cache.
Confrontati in questo articolo2
Rilevato da questo articolo · Benchmark: Artificial Analysis · aggiornato ogni giorno
