
Qwen 4 vs Qwen 3.8 Max: cosa cambia davvero in fattura quando esegui l'upgrade
- 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
La migrazione da Qwen3.8-Max a Qwen4-Max è insolita tra gli aggiornamenti di punta, perché il prezzo si muove a tuo favore e la capacità migliora contemporaneamente. Qwen3.8-Max è disponibile in generale dal 3 agosto 2026 a $2.00 in ingresso e $6.00 in uscita per milione di token, con un contesto di un milione di token. Qwen4-Max, che lo ha sostituito al vertice della gamma il 16 novembre 2026, costa $1.50 e $4.50 per la stessa finestra, ottiene 43 contro 34 sull’Artificial Analysis Intelligence Index e costa $3.27 per attività dell’indice contro $10.02. Un taglio del 25 per cento su entrambi i lati del contatore, nove punti indice e un terzo del costo per attività completata: il tipo di aggiornamento che di solito arriva con un aumento di prezzo annesso. Il problema, e ce n’è sempre uno in una migrazione all’interno dello stesso fornitore, è che il budget di output si è ridotto proprio mentre tutto il resto è aumentato.
I quattro numeri che si sono spostati, e quello che si è spostato all'indietro
Gli aggiornamenti all'interno di un singolo fornitore sono più facili da valutare rispetto ai confronti tra fornitori diversi, perché la discendenza del tokenizer, la superficie delle API e le convenzioni di tool-calling restano invariate. Ciò che cambia è una lista breve, e puoi verificarla rispetto al tuo utilizzo in un pomeriggio.
• Prezzo — da 2,00 $/6,00 $ a 1,50 $/4,50 $ per milione di token, un taglio del 25 per cento su entrambi i lati
• Lettura dalla cache — da $0,25 a $0,075 per milione, una riduzione del 70 per cento
• Punteggio indipendente — da 34 fino a 43 sullo stesso indice, stessa commissione, entrambi letti il 17 novembre 2026
• Costo per attività di indicizzazione — da $10,02 a $3,27, una riduzione del 67 per cento
• Budget condiviso per pensiero e risposta — 262.144 token, in calo rispetto a una dotazione più ampia nella generazione 3.8
• Parametri attivi — 71 miliardi, in calo rispetto ai 95 miliardi, sullo stesso backbone da 2,4 trilioni di parametri
• Contesto — invariato a 1.000.000 di token
• Pesi — nessuno dei due modelli di punta ne pubblica, anche se il modello gemello open-weight Qwen3.8-27B di Qwen3.8-Max li pubblica.
Due di questi meritano più di una riga. La riduzione dei parametri attivi è l'affermazione architetturale alla base del resto: Qwen4-Max attiva 71 miliardi di parametri per token, mentre Qwen3.8-Max ne attivava 95 miliardi, e Alibaba attribuisce il guadagno di efficienza a una nuova architettura anziché alla potatura: layer DeltaNet con gating intercalati a un meccanismo di attenzione sparsa che indicizza il contesto a granularità di micro-blocco, quattro rami residui paralleli con gate dinamici di lettura e scrittura, e una tabella di embedding N-gram basata sul contesto da 328 miliardi di parametri che amplia la capacità senza aumentare il calcolo per token.
Il budget condiviso è quello che sorprenderà le persone. Qwen4-Max accorpa il suo ragionamento e la sua risposta in un'unica dotazione di 262.144 token. Se generavi output da 150.000 token su Qwen3.8-Max con il pensiero abilitato, ora ti restano 112.144 token per pensare — e su un problema difficile, il pensiero se li mangerà. Il guasto si presenta come una risposta troncata, non come un errore, che è il modo peggiore in cui un limite può emergere.
Perché il costo per attività è calato di due terzi quando il prezzo dei token è sceso di un quarto
Il prezzo dei token spiega un quarto del risparmio. Gli altri due terzi derivano dal fatto che il modello svolge meno lavoro per arrivare alla stessa risposta, e questa è la parte del lancio più difficile da verificare e più importante per il business case.
I numeri di Alibaba stessa: sulla sua suite Work360, l'utilizzo di token cala di circa il 24 per cento con sforzo di ragionamento xhigh e del 35 per cento con high; su Terminal-Bench 4.0, del 48 e 49 per cento. Il costo medio per attività su Work360 scende da $4,43 a $1,67, una riduzione del 62 per cento. Sono cifre del fornitore, misurate dal fornitore, rispetto al modello precedente del fornitore, senza alcuna riproduzione indipendente — e costituiscono un indizio orientativo che l'affermazione sull'efficienza non è solo un taglio di prezzo travestito.
La corroborazione indipendente è più limitata ma concorda. Artificial Analysis misura 10,02 $ per attività indice per Qwen3.8-Max e 3,27 $ per Qwen4-Max. Nessuno ha pubblicato 4,43 $ o 1,67 $ tranne Alibaba; i 10,02 $ e i 3,27 $ sono i calcoli di qualcun altro su un carico di lavoro di qualcun altro, e indicano la stessa direzione.
Metti un numero sul tuo stesso lavoro. Una pipeline che esegue 5.000 attività al giorno con 30.000 token in input e 4.000 in output, senza caching, alle tariffe pubblicate in dollari USA: Qwen3.8-Max fattura $50 di input e $120 di output al giorno, per un totale di $170. Qwen4-Max fattura $37.50 e $90 — $127.50. Circa $1.275 risparmiati al mese prima del caching, e considerevolmente di più se un prefisso stabile ti consente di sfruttare la lettura cache da $0.075 anziché quella da $0.25.
La storia dell'efficienza ha una seconda metà che nessuno cita
Un costo per token più basso per attività è solo metà di un business case. L'altra metà è il tempo impiegato, e qui il quadro è più confuso di quanto non dica la tabella dei prezzi.
Artificial Analysis rileva che Qwen3.8-Max raggiunge 59 token di output al secondo e 48 minuti per attività dell'indice — lento, e se si svolgono lavori agentici a lungo orizzonte quel numero è quello che determina la finestra notturna. Qwen4-Max non pubblica alcuna velocità di output né tempi per attività. Utilizza circa la metà dei token su alcuni benchmark, il che implicherebbe circa la metà del tempo effettivo a parità di throughput, ma nessuno ha pubblicato il throughput.
Quindi il modo onesto di presentare l'aggiornamento è questo: pagherai sicuramente meno per token, quasi certamente meno per attività e probabilmente finirai più rapidamente. Solo il primo di questi tre è un fatto che puoi mettere in un contratto oggi. Il secondo è supportato da una misurazione indipendente. Il terzo è un'inferenza.
Questo conta specificamente per le decisioni di pianificazione. Se la tua attività di indicizzazione da 48 minuti a 59 token al secondo è già al limite di ciò che può essere completato in una notte, hai bisogno di un progetto pilota con i tuoi prompt prima di migrare — non perché Qwen4-Max sia probabilmente più lento, ma perché un budget di pensiero condiviso di 262.144 token cambia la forma di un'esecuzione lunga in modi che una media di benchmark non rivelerà.
Ciò che non è cambiato, e perché questa è la migliore notizia qui
La finestra di contesto è la stessa: un milione di token. La superficie multimodale è la stessa — testo, immagini e video in input, testo in output. La superficie API è la stessa, con il thinking controllato da enable_thinking oppure da reasoning.effort sulla Responses API, e il modello servito in tutte le regioni di Alibaba in formati compatibili con OpenAI, compatibili con Anthropic e nativi.
Per chi è già su Qwen3.8-Max, ecco cosa rende conveniente l'upgrade: la migrazione è un cambio di identificatore del modello, non una riscrittura. Nessuna ristrutturazione dei prompt, nessuno schema di tool-calling da rinegoziare, nessuna modifica alla gestione del contesto. Le due cose che devi testare di nuovo sono quelle che i numeri segnalano: il budget di output in modalità thinking e qualunque siano i tuoi percorsi sensibili alla latenza.
Significa anche che lo schema sensato è il traffico ombra invece di un interruttore: inviare una porzione di richieste di produzione a entrambi, confrontare output e conteggi di token e lasciare che il budget condiviso di 262.144 token si riveli sui casi lunghi prima che lo faccia davanti a un cliente.

Dovresti mantenere lo snapshot 0902?
Qwen3.8-Max dispone di uno snapshot datato, qwen3.8-max-0902, fissato al 2 settembre 2026 con le stesse capacità e lo stesso prezzo del modello base. Gli snapshot esistono per garantire la riproducibilità, e la ragione per conservarne uno è più forte proprio quando si sta per modificare il modello sottostante.
Se hai una suite di valutazione di cui ti fidi, eseguila sullo snapshot prima di dismettere l'alias. Lo snapshot è il tuo gruppo di controllo; l'alias non è mai stato stabile per progettazione, e Qwen4-Max è un modello diverso, non un semplice aggiornamento di versione dello stesso. Due dettagli da verificare in quell'esecuzione: se i tuoi casi con output lungo sopravvivono al budget condiviso più piccolo, e se il costo per attività si è effettivamente spostato del margine previsto dalla tabella prezzi. Se non è così, l'affermazione sull'efficienza dei token non regge sul tuo carico di lavoro, e la motivazione per migrare si riduce al solo taglio di prezzo — comunque utile, ma un quarto anziché due terzi.
Un'altra opzione che il confronto tra i modelli di punta tende a nascondere: Qwen3.8-27B è open-weight con licenza Apache-2.0 e self-hostable, e lo serviamo come qwen/qwen3.8-27b. Per attività ad alto volume e bassa complessità, l'aritmetica è completamente diversa rispetto a entrambi i modelli di punta, e "passare da 3.8-Max a Qwen4-Max" non è l'unica mossa disponibile. Se il tuo carico di lavoro è classificazione, estrazione o generazione di testi brevi, un modello dense da 27B che puoi eseguire autonomamente potrebbe superarli entrambi sul costo unitario — ed è l'unica opzione di questa famiglia che puoi bloccare a una versione e sottoporre ad audit.
La migrazione, in ordine
Innanzitutto, fai l'inventario dei tuoi output. Qualsiasi percorso che richieda più di circa 120.000 token di output con la modalità thinking abilitata è a rischio nel budget condiviso di 262.144. Si tratta di un grep dei tuoi punti di chiamata, non di un benchmark.
In secondo luogo, misura il tuo consumo di token per attività su entrambi i modelli per una settimana rappresentativa. I dati di efficienza pubblicati sono compresi tra il 24 e il 49 per cento a seconda del benchmark e dell'impegno, una fascia ampia — abbastanza ampia che il tuo dato potrebbe collocarsi al di fuori di essa.
Terzo, misura il tuo p95. Qwen4-Max non ha un throughput pubblicato, quindi il tuo primo valore di latenza sarà il primo valore di latenza che chiunque al di fuori di Alibaba abbia mai avuto.
Quarto, decidere il livello open-weight. Se parte del volume può passare a qwen/qwen3.8-27b, la migrazione flagship deve farsi carico solo dei casi difficili, e il costo combinato scende più di quanto suggerisca ciascun piano a modello singolo.
Mettere entrambi i modelli di punta dietro un unico endpoint è la versione a basso sforzo di questo approccio: qwen/qwen3.8-max resta a $2.00/$6.00 e una richiesta a Qwen4-Max è una regola di routing anziché un nuovo contratto, quindi puoi spostare il traffico gradualmente e tornare alla configurazione precedente nel momento in cui il budget condiviso diventa un problema. Vale la pena dirlo chiaramente: Qwen4-Max stesso non è tra i 215 identificatori che serviamo attualmente — il modello aggiornato passa attraverso l'API di Alibaba stessa — quindi quello che oggi ottieni da noi sono i modelli esistenti, al prezzo di listino senza alcun sovrapprezzo.
Il verdetto, che è insolito
Migra, a meno che tu non generi output molto lunghi. Un upgrade dello stesso fornitore che riduce il prezzo di un quarto, taglia del 70 per cento il prezzo della cache e aggiunge nove punti indice è quasi un pasto gratis, e le prove per attività — del fornitore e di un comitato indipendente — indicano entrambe che il risparmio reale è maggiore di quanto implichi il prezzo dei token.
L'eccezione è ristretta e specifica: carichi di lavoro il cui output supera regolarmente circa 120.000 token con il pensiero attivo. Per questi, il budget condiviso di 262.144 token è una regressione di capacità mascherata da guadagno di efficienza, e la mossa corretta è restare sulla generazione 3.8 o suddividere la richiesta.
La prossima cosa da tenere d’occhio è il numero che manca, non quelli pubblicati. Un modello che costa due terzi in meno per attività e non ha un throughput misurato è una scommessa solida con un rischio non quantificato, e la prima misurazione indipendente dei tempi di Qwen4-Max chiarirà questa discussione più di qualsiasi altro punteggio di benchmark.

La parte di questa famiglia che puoi gestire in autonomia
Un vantaggio di un aggiornamento dello stesso fornitore che non esiste in nessuno dei due modelli di punta: il livello inferiore è aperto e portabile. Qwen3.8-27B è distribuito con licenza Apache-2.0, con input testuali, immagini e video e una finestra di 262.144 token, e lo serviamo come qwen/qwen3.8-27b — sulla nostra infrastruttura, al prezzo di listino senza ricarichi, fissabile a una versione specifica in un modo che nessuno dei due modelli di punta consente. Per una migrazione il cui rischio principale è un budget di output condiviso che non è possibile verificare, disporre di un fallback versionato con pesi aperti nella stessa famiglia è l'assicurazione più economica disponibile.

Confrontati in questo articolo1
Rilevato da questo articolo · Benchmark: Artificial Analysis · aggiornato ogni giorno
