
Qwen4-Max ora viene proposto per il coding agentico. La riga Independent Speed indica 74° su 79.
- 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 1.02026-11-0711 tok/s
- OrcaNUOVOOrcaCyber: GLM 5.3 Abliterated / Uncensored2026-11-04$3.00 / $5.00 per 1M di token · 88 tok/s
- OrcaNUOVOOrcaCyber: Hy4 Abliterated / Uncensored2026-11-04$0.80 / $1.60 per 1M di token · 134 tok/s
- OrcaNUOVOOrcaCyber: Kimi K3.1 Pro Abliterated / Uncensored2026-11-04$4.00 / $20.00 per 1M di token · 86 tok/s
- OrcaOrcaCyber: MiniMax M3.1 Flash Abliterated / Uncensored2026-10-29$0.80 / $1.60 per 1M di token · 125 tok/s
- OrcaOrcaCyber: GLM 5.3 Flash Abliterated / Uncensored2026-10-27$0.80 / $1.60 per 1M di token · 67 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 · 192 tok/s
- minimaxMiniMax: M3.1 Flash2026-10-1929Intelligenza
- OrcaOrca: OrcaCyber Ultra 1.02026-10-17$5.00 / $10.00 per 1M di token · 134 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 · 128 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 · 186 tok/s
Alle 09:31 UTC del 17 novembre 2026, il profilo ufficiale Qwen4-Max su X ha pubblicato cinque parole e un invito: il modello è ora disponibile su una piattaforma di terze parti, venite a provare il coding agentico. Era un quote-tweet dell'annuncio della piattaforma stessa, un giorno dopo che Alibaba aveva spostato il modello dall'anteprima alla disponibilità generale a consumo. Il post è breve ed è facile scorrerlo oltre. È anche la prima volta che il fornitore indirizza i propri follower verso una specifica via esterna per il suo flagship, e ha scelto il carico di lavoro — il coding agentico a lungo orizzonte — sul quale Qwen4-Max ha attualmente la misurazione indipendente più debole tra quelle disponibili.
Questa è tutta la tensione che vale la pena riportare, e non è un'accusa. Che un fornitore promuova un modello presso chi sviluppa agenti è normale. Ciò che vale la pena definire con precisione è la distanza tra la presentazione e i numeri che un lettore può verificare, perché è sulla presentazione che un team agisce, mentre i numeri sono ciò che la fattura e il tempo reale misurato restituiscono.
Che cosa stabilisce effettivamente il post
Tre cose, e non più di tre. Il resto è inferenza travestita da notizia.
• L'avallo è reale e datato. Il post riporta un timestamp del 17 novembre 09:31 UTC, proviene dall'account stesso del fornitore e cita in un tweet l'annuncio precedente della piattaforma invece di essere un post autonomo. Un fornitore che ripubblica il lancio di un partner compie un atto deliberato; non è che l'account si sia limitato a menzionarlo per caso.
• La piattaforma non è un secondo deployment. La sua pagina dei modelli elenca qwen/qwen4-max in una tabella intitolata "Modelli instradati serviti dai rispettivi laboratori" — non tra le proprie edizioni pubblicate. Questa distinzione conta più del testo di marketing che la circonda: un modello instradato è il deployment di Alibaba raggiunto attraverso la porta d'ingresso di qualcun altro, che è l'unico modo in cui un modello chiuso della classe da 2,4 trilioni di parametri possa apparire in qualsivoglia contesto.
• È una beta, non capacità. Il banner permanente del sito dice che è in beta privata e chiede un codice d'invito. Un'approvazione dall'account stesso del modello è un segnale di intento, non di throughput, quota o accordo sul livello di servizio — e un codice d'invito non è un percorso di approvvigionamento.
E ciò che il post non stabilisce è una singola affermazione sulle prestazioni. Non contiene alcun valore di token al secondo, nessun tasso di completamento delle attività, nessun costo per attività, nessuna dichiarazione su quante sessioni di agente concorrenti possa gestire la route. Leggilo come «ora puoi raggiungere questo modello qui», che è tutto ciò che dice.
La carta sotto l'avallo è più economica di quella del venditore stesso.
La voce instradata riporta i propri numeri, e il prezzo è quello su cui vale la pena soffermarsi. Indica $1,40 per milione di token in input e $4,20 per milione in output, con una finestra di contesto di 977K token e uno stato online.
• Input — $1,40 sulla card instradata rispetto a $1,413 sulla card Global-scope di Alibaba (Pechino, Hong Kong, Francoforte, Virginia USA, Tokyo) e $1,50 a Singapore.
• Risultato — $4.20 rispetto a $4.24 Global e $4.50 Singapore.
• La direzione — il numero instradato è circa l'1% inferiore alla regione più economica pubblicata dal fornitore e circa il 6,7% inferiore alla carta sulla quale verrà effettivamente addebitata la maggior parte dei lettori al di fuori della Cina continentale.
Il meccanismo dichiarato — la piattaforma descrive il proprio addebito come "la tariffa del laboratorio più la commissione di instradamento, una ricevuta di instradamento firmata su ogni risposta".
• Il dato sul contesto — 977K nell'annuncio, contro 1.000.000 sulla model card di Alibaba, dove i limiti operativi sono 991.808 token di input in modalità standard e 983.616 in modalità thinking.
Quei due fatti cozzano tra loro. Un percorso che aggiunge una commissione sopra la tariffa del laboratorio dovrebbe costare più dell’accesso diretto, e questo costa meno di ogni regione Alibaba pubblicata. Le spiegazioni plausibili sono prosaiche — una tariffa promozionale, un arbitraggio regionale su quale endpoint Alibaba viene chiamato, o un listino che non è stato aggiornato dalla scheda di anteprima — e nessuna di esse può essere confermata dall’esterno. Ciò che un lettore può fare è smettere di trattare il prezzo instradato come il prezzo del modello. La scheda di Alibaba stessa è il riferimento; qualunque cifra inferiore è un accordo commerciale con una data di scadenza che nessuno ha pubblicato. Se il costo per attività è ciò su cui stai decidendo, calcolalo su $1,50 in ingresso e $4,50 in uscita a Singapore, oppure $1,413 e $4,24 su Global scope, e considera uno sconto come un beneficio in più, non come il piano.

Il carico di lavoro nel post è quello che il tracker misura peggio
Artificial Analysis è l'unica organizzazione che pubblica misurazioni indipendenti di Qwen4-Max, e la sua pagina è stata aggiornata con una riga completa di prestazioni che non c'era il giorno del lancio. Ciò che dice quella riga non è ambiguo.
• Intelligence Index — 43 sulla suite di nove valutazioni v5.0.1, classificato al 38º posto su 81 modelli, marginalmente al di sopra della mediana di 41 del tracker per la fascia di prezzo.
• Velocità di output — 54 token al secondo. È il 74º di 79 modelli classificati dal tracker per prestazioni.
• Tempo al primo token di risposta — 179,79 secondi, perché il modello pensa prima di parlare e lo sforzo di ragionamento predefinito sulla scheda di Alibaba è elevato.
• Tempo per attività dell'Intelligence Index: 32,2 minuti, rispetto a una mediana di 13,3 minuti per modelli comparabili. Il tracker lo definisce "notevolmente lento".
• Verbosità — 127 milioni di token di output sull'intero indice, rispetto a una mediana di 78,6 milioni. È il 65° su 80.
• Costo per attività di indicizzazione — 3,27 $, classificato al 44° posto su 80, con uno sconto cache del 95% già applicato.
Ogni cifra in quell'elenco è una misurazione del tracker stesso, non di Alibaba. Le dichiarazioni pubblicate dal fornitore sono un insieme completamente diverso e sono etichettate come dichiarazioni del fornitore ovunque compaiano: un guadagno di efficienza dei token dal 24% al 35% rispetto a Qwen3.8-Max sul suo stesso benchmark Work360, dal 48% al 49% su Terminal-Bench 4.0, e un costo medio per attività che scende da $4,43 a $1,67. Nessuno di questi dati è stato riprodotto in modo indipendente. I due set di dati non si contraddicono — un modello può essere efficiente per attività e comunque lento per token — ma solo uno dei due ti dice come ci si sentirà con un ciclo di agente alle 2 di notte.
C'è una seconda lacuna nel materiale del fornitore stesso, ed è strana per un modello venduto sul coding agentico. La model card di Alibaba non pubblica un conteggio dei parametri; il materiale di lancio descrive una mixture-of-experts sparsa da 2,4 trilioni di parametri con 71 miliardi attivati per token, e il tracker registra la dimensione come non divulgata. Non esiste inoltre un punteggio Terminal-Bench 4.0 pubblicato per questo modello da Alibaba stesso, ma solo l'affermazione di efficienza relativa rispetto al predecessore. Un fornitore che vuole che chi costruisce agenti adotti un modello di solito parte con un valore assoluto relativo alle capacità agentiche. Questo è partito con un rapporto.
Cosa fanno 32 minuti per attività e 54 token al secondo a un ciclo
I prezzi unitari lo nascondono, quindi ecco l’aritmetica sulla forma che il post pubblicizza — un agente di coding che svolge un compito a turni. Tutto deriva dalle tariffe pubblicate e dalla velocità misurata, non da una fattura.
• Tempo di generazione per turno — una patch e un blocco di ragionamento da 3.000 token a 54 token al secondo equivalgono a circa 56 secondi di puro output. A 8.000 token sono all'incirca 2,5 minuti, prima ancora che il modello abbia letto qualcosa.
• Una sessione da 25 turni — 25 turni da 3.000 token di output fanno 75.000 token, circa 23 minuti di generazione a quella velocità, più 25 attese separate per il primo token della risposta di quasi tre minuti ciascuna se l'harness non mantiene caldo il contesto. Il solo overhead può superare la generazione.
• La stessa sessione in denaro: 75.000 token di output a 4,50 $ per milione fanno 0,34 $. Il calcolo costa poco; il tempo no. Questa inversione è la cosa più utile da capire sull'economia di questo modello.
• La cache è la leva che decide se è tollerabile — rileggere a freddo un contesto da 200.000 token a $1,50 per milione costa $0,30 per turno; in cache con lo sconto del 95% costa circa $0,015. Su 25 turni è la differenza tra $7,50 e $0,38 di input, che sovrasta del tutto la bolletta dell'output.
Detto in altri termini: su Qwen4-Max ciò che va monitorato non è la lunghezza dell'output, ma il tasso di cache hit e la latenza del primo token. Un ciclo che mantiene caldo il contesto e tollera un ragionamento di tre minuti è praticabile. Un ciclo che reinvia un contesto freddo da 200K a ogni turno paga venti volte la tariffa di input e aspetta tre minuti ogni volta per farlo. Il compito di indicizzazione da 32,2 minuti è il composito del tracker, non il tuo compito, ma è la sua direzione quella attorno a cui pianificare.

La ricevuta non dice cosa ha risposto.
Questa è la parte dell'elenco instradato che merita più attenzione del suo prezzo. La documentazione della piattaforma è insolitamente schietta: ogni risposta instradata porta con sé una ricevuta di instradamento firmata, e la ricevuta "non dimostra quali pesi abbiano risposto". Registra dove è stata inviata una richiesta e ciò che ha riportato la sonda più recente. I modelli pubblicati dalla piattaforma stessa hanno una catena più solida — file archiviati tramite digest SHA-256, revisioni identificate da un hash della mappa dei file, record firmati con una chiave del publisher fissata, un registro di trasparenza append-only — e lo stato di verifica mostrato per qwen/qwen4-max è "sconosciuto".
Per un modello chiuso questo non è uno scandalo, è un limite strutturale che ogni router condivide, compreso il nostro: se i pesi non sono pubblicati, nessuna terza parte può dimostrare quali pesi hanno prodotto un token. Quello che segue è una regola pratica più che una critica. Se il tuo lavoro dipende dal fatto che il modello sia effettivamente Qwen4-Max — una valutazione, un invio a un benchmark, un'affermazione contrattuale riguardante quale modello abbia toccato i dati — un endpoint instradato non è di per sé una prova sufficiente, per quanto buona possa sembrare la ricevuta. Se ciò di cui hai bisogno è la capacità, un endpoint instradato va bene e la questione della provenienza è accademica.
Come provarlo senza rischiare un percorso di produzione
Per essere trasparenti su dove ci collochiamo: OrcaRouter non instrada Qwen4-Max. Il catalogo include qwen/qwen3.8-max, anthropic/claude-fable-5.2 e openai/gpt-6.1-sol; una richiesta per un identificatore qwen4 oggi restituisce not-found, quindi se vuoi questo modello sulla nostra chiave stai aspettando come tutti gli altri. Quello che possiamo fare è rendere economico invertire la valutazione.
La ragione per cui importa è che tutto in questo lancio depone contro l'idea di codificarlo in modo fisso. Il modello ha un giorno di vita, la sua unica riga di prestazioni indipendente lo colloca al 74° posto su 79 per velocità, il suo prezzo instradato è inferiore a quello della scheda del suo stesso fornitore per ragioni che nessuno ha spiegato, e la piattaforma che riporta l'approvazione è in beta privata dietro un codice di invito. Uno qualsiasi di questi elementi può cambiare nel giro di una settimana — e una transizione da anteprima a GA che ha anche ridotto il budget condiviso di ragionamento e risposta da 393.216 token a 262.144 e spostato la fatturazione dai crediti alla misurazione per token è esattamente il tipo di cambiamento che rompe un percorso di produzione alla seconda settimana.
Questo è il motivo per cui conviene tenere l'esperimento dietro un endpoint instradato anziché uno hardcoded: il nuovo modello su una route, qwen/qwen3.8-max sul fallback, una sola chiave e una sola fattura per entrambi. Con 0% di markup e il prezzo di listino del provider passato così com'è, l'aritmetica che fai rispetto alla scheda di Alibaba è quella che ti viene fatturata — il che significa anche che una riduzione di prezzo del fornitore compare dalla nostra parte lo stesso giorno anziché al prossimo rinnovo contrattuale. La fusione di modelli è l'altra opzione da conoscere per un modello non ancora collaudato: eseguilo accanto a quello attuale su un campione del tuo traffico e confronta gli output prima che uno dei due prenda il controllo del percorso. Se preferisci semplicemente vedere com'è un'unica API per oltre 200 modelli, il catalogo è pubblico.

Cosa cambierebbe questa lettura
Tre cose, in ordine di quanto conterebbero.
Il primo è un dato sulla velocità proveniente da una fonte diversa dall'unico tracker. Una singola misurazione di 54 token al secondo su un benchmark composito è una base esile per una decisione di produzione, e il fornitore non ne ha pubblicata alcuna. Se un secondo harness indipendente si avvicina a quel numero, la lentezza è una proprietà del modello e chi costruisce agenti dovrebbe dimensionare i propri cicli di conseguenza. Se si colloca molto più in alto, l'endpoint del tracker era il problema e questa sezione invecchia male — il che è il modo giusto in cui dovrebbe invecchiare.
Il secondo è lo stato di verifica su quell'annuncio instradato che esce da "sconosciuto", oppure la piattaforma che abbandona la beta privata. Entrambi trasformerebbero una rotta approvata in qualcosa su cui potresti impegnarti con un supporto dedicato.
Il terzo è che Alibaba pubblichi un punteggio assoluto di coding agentico invece di un rapporto rispetto al predecessore. Finché non lo farà, l’avallo è un’affermazione sulle intenzioni, e l’unica misurazione pubblicata del carico di lavoro che pubblicizza è 32,2 minuti per attività a 54 token al secondo. Non è un motivo per evitare Qwen4-Max: è un motivo per sottoporlo a benchmark sui tuoi compiti prima di promettere a chiunque una data di consegna, e per tenere l’incumbent a una route di distanza mentre lo fai.
