タイトルカードには、Qwen4-Maxがタスクあたりのコストを67%削減し、Intelligence Indexタスクあたりのコストが$10.02に対して$3.27という主要数値、そしてその内訳は概ね半分が料金表、半分がトークン規律によるものという注記が示されている。
Engineering & Research

Qwen4-Max、タスクあたりのコストを67%削減:その節約は実際にどこから生まれるのか

著者

jinhao.song

公開日

最新モデル · 20すべてのモデルを見る →
ベンチマーク:Artificial Analysis · 毎日更新
すべての記事に戻る

ベンチマークの請求書は奇妙な産物だ。モデルの癖に値段をつける唯一の公開文書である。Artificial Analysisは、Qwen4-MaxをIntelligence Indexで実行するのにいくらかかったか——1タスクあたり3.27ドル——を公表し、そこに至るまでに使った料金表も公表している。一方をもう一方で割ると、ラボが明言しない何かが浮かび上がる。Qwen4-Maxが実際に思考に費やすトークン数だ。置き換え前のモデルであるQwen3.8-Maxでも同じことをすると、1タスクあたりコストの67%削減は、11月16日発表のほとんどの報道がひとまとめにしている2つの数字にきれいに分解される。節約のおよそ半分は値下げだ。もう半分はQwen4-Maxがより少なく話すことだ。そして今や請求額の大半を占める明細項目は、見出しの価格が示唆するものではない。

ベンダー自身の要約は正確だが、興味深い部分を圧縮している。アリババはローンチページで、Qwen4-MaxはWork360において、XhighエフォートでQwen3.8-Maxより約24%少ないトークン数、Highで35%少ないトークン数を使用し、Terminal-Bench 4.0では48%と49%少ないと述べている。Work360のタスクあたり平均コストは$4.43から$1.67に下がり、62%削減となる。これらは企業が自社ベンチマークで出した数値だ。以下の独立した計算は、別のベンチマークで別の経路を通じて67%に達する。これは有用な種類の一致だ。二つの手法、同じ方向、同程度の規模。

独立したスコアボードが実際に示していること

Artificial Analysisでは、Qwen4-MaxはIntelligence Indexで43を記録し、Qwen3.8-Maxの34に対して測定能力が27%向上しています。同じページでは、両モデルの価格が100万入力トークンあたり$1.50、100万出力トークンあたり$4.50と示されており、$2.00と$6.00に対して、入出力とも一律25%の割引です。キャッシュ入力では割引が劇的で、100万あたり$0.075対$0.25、70%削減であり、キャッシュヒット割引率は87.5%から95%に上がります。

Intelligence Indexタスク当たりのコストは、指数内の9つの評価すべてにわたって重み付けすると、$10.02に対して$3.27となる。コストをスコアで割ると、差はさらに広がる。Qwen4-Maxは測定された能力1ポイントを8セント未満で提供し、Qwen3.8-Maxは約30セントで提供する。ワークロードをどのモデルに移すかだけが問いなら、押さえておくべき数字はこれだ。ドル当たりの能力は約4分の3改善したのであって、タスク当たりのコストだけが示唆する67%ではない。

請求書を反転してトークン数を復元する

Artificial Analysisは、タスクあたりのコストを構成要素に分解しています。通常料金の入力、キャッシュ書き込み、キャッシュ読み取り、出力で、出力はさらに推論トークンと回答トークンに分けられます。また、価格も公開しています。各構成要素をその価格で割れば、トークン数が得られます。この方法は1つの行で自己検証できます。出力構成要素を$4.50で割ると、タスクあたり104,940トークンになり、ページにはQwen4-Maxのタスクあたり出力トークン数として104,939.8が別途報告されています。小数第1位まで完全に一致しており、その行は2つの異なる方法で計算されています。

他のすべての行もその確信を引き継いでいます。ただし、一つの前提が明示されています。それは、キャッシュへの書き込みが入力の全額レートで請求されるという前提です。これは、両モデルにまたがる計算から導かれることであり、どちらのベンダーも明示的に文書化していることではありません。

Intelligence Index のタスクごとに、何が除外されるのか:

• 出力トークン — Qwen4-Max 104,940 に対し Qwen3.8-Max 170,794、39% の削減。

• 推論トークン — 119,698 に対して 68,914、42% 減。思考予算は回答予算よりもはるかに大きく縮小した。

• 回答トークン — 51,096 に対して 36,025、30% 減。Qwen4-Max は現在、出力の 66% を推論に費やしており、前世代モデルが費やしていた 70% とは異なる。単に短くなっただけでなく、その配分は変わっている。

• キャッシュ読み取りトークン — 2270万に対して約1490万、34%減。これは、長時間のエージェント実行を支配する再再生コンテキストトークンです。

• キャッシュ書き込みトークン — 約111万対166万で、33%減少。

際立つ点が2つある。第一に、トークン削減は、ユーザーが冗長さに気づく可視の回答の中ではなく、誰も注視していない推論と再生されるコンテキストの中に集中している。第二に、タスクあたりのトークン量は絶対値として膨大で、1タスクあたり1,400万回のキャッシュ読み取りに達している。このことは、Intelligence Indexが実際に何を測っているのかを示している。すなわち、単発の質問応答ではなく、大規模で持続的なコンテキストを伴う長期的な作業である。

Two-column scoreboard comparing Qwen4-Max and Qwen3.8-Max on cost per task of 3.27 dollars against 10.02 dollars, output tokens per task of 104,940 against 170,794, cache-read tokens of 14.9 million against 22.7 million, and Intelligence Index scores of 43 against 34.

67%を価格と行動に分けてください

コストは価格×量なので、削減分はきれいに分解できる。Qwen3.8-Maxのトークン量をQwen4-Maxの料金で請求すると、1タスクのコストは$10.02ではなく$4.97になる — 価格変更だけで50%削減を説明できる。Qwen4-Maxの挙動も適用すると$3.27になり、残っていた分からさらに34%減る。掛け合わせると、0.496×0.658=0.326:観測された67%削減が完全に説明でき、何も残らない。

どちらの半分に功績を帰すかは、どの順序でコストを計上するかで変わる。そして、都合のよい数字だけを選ぶのではなく、そう明言する価値がある。割合で言えば、価格は約50%、トークンの節約は約34%に相当する。ドルで見ると——1タスクあたり合計6.76ドル節約、料率から5.06ドル、量から1.70ドル——価格が4分の3を占める。どちらの捉え方も正しく、それぞれ異なる問いに答えている。来四半期の支出を予測しているなら、料金表の方がより大きく、より確実なレバーだ。モデルが本当により経済的かどうかを問うているなら、より少ないトークン消費から生まれる34%の方が持続的だ。なぜなら、価格引き下げは撤回できるが、アーキテクチャは撤回できないからだ。

ベンダー自身の数値の方向性は、尋ねられなくてもこの区分を裏付けている。アリババはその削減を同時に両方の要因に帰しており、Work360での62%は、Intelligence Indexで独立に測定された67%に近い——2つのハーネス、2組のタスク、1つの結論。

気づけば最大の項目になっていた明細

ここが、見出しの価格が誤解を招くところだ。以前は、キャッシュ読み取りが請求額の57%、キャッシュ書き込みが33%だった。その後は、キャッシュ書き込みが51%、キャッシュ読み取りが34%になっている。モデルはどの項目でも安くなったが、割引は偏っていた——キャッシュ読み取りは70%オフ、キャッシュ書き込みは25%オフ——そして最大の2つのコストの順位が入れ替わった。

キャッシュ書き込みは入力レートで課金され、100万あたり$1.50、キャッシュ読み取りレート$0.075の20倍です。コンテキストをリプレイするよりも頻繁に書き換えるワークロードは、今やその習慣に対して、料金表上で最も高価な通貨で支払うことになります。これは、ローンチ時の報道がほとんど見落としていた料金変更の実用的な帰結であり、地味な取り組みを後押しするものです。安定したプロンプトプレフィックス、長寿命のセッション、全コンテキスト再構築の削減です。Qwen3.8-Maxでは、リプレイ自体が請求額を支配するほど高価だったため、そうした習慣の重要性は低くなっていました。

この教訓はこのモデルにとどまらず一般化できる。プロバイダーが特定のトークン種別を他の種別よりはるかに大幅に値下げすると、最適なプロンプトアーキテクチャもそれに伴って変わる。そして手元に届く請求額は、前のカード向けに構築したアーキテクチャを示す遅行指標でしかない。

Alibaba Cloud Model Studio documentation page for qwen4-max, showing the model name as the page title, a release date of 11-16, the model invocation ID qwen4-max, and the listed regions including Singapore and US (Virginia).

効率は相対的なもので、絶対的な数値は芳しくない。

出力トークンが39%削減されると、無駄の少ないモデルに思える。だが他のモデルと比べれば、それは非常におしゃべりなモデルの、よりスリムな版にすぎない。インデックス実行全体で、Qwen4-Maxは1億2700万出力トークンを生成した。中央値のモデルは7860万だ。Qwen3.8-Maxは1億5000万を生成した。Qwenモデルはいずれも冗長側に大きく位置しており、Qwen4-Maxは中央値の1.9倍から1.6倍に移ったにすぎない。

それは効率性の主張への矛盾ではない — むしろ、その正しい読み方だ。主張は、Qwen4-Max が前世代より少ないトークンを使いながらより良い結果を得るというもので、その両方が成り立つ。モデルがおとなしい(出力が少ない)という主張ではなく、高スコアのモデルは簡潔でなければならないという前提で作られたコスト重視のモデルは、大きく外れる。出力量がコストを左右するなら、Qwen4-Max に移行すると数は減り、カテゴリは変わらない。

ベンダーの事前学習の数値は、別の層でも同じ方向を示している。社内BPB評価では、Qwen4-Max-Baseはあらゆる領域でQwen3.8-Max-Baseより5~13%優れている一方、活性化するパラメータは25%少ない。アーキテクチャが単位計算量あたりにより多くの処理を行っていることになり、これは結論に達するまでに必要なトークン数がより少ないモデルと整合している。2.4兆パラメータのバックボーン、710億の活性化パラメータ、および追加の3280億のN-gram埋め込みパラメータがその理由なのかどうかはベンダーの説明であり、アリババ外部の誰かが再現した測定値ではない。

コストの全体像に欠けているものは何ですか

まずレイテンシだ。Intelligence Indexのカードには、Qwen4-Maxではタスクあたりの時間が該当なしと記載されている。Qwen3.8-Maxでは、中央値13.3分に対して48.1分で、測定された中で最も遅い結果の一つだ。タスクあたり67%安い一方で、タスクあたりの実経過時間が不明なモデルは、まだ何とも十分に比較されていない。待たなければならない安いトークンは、別の製品である。

もう一点はプロバイダーの幅だ。上のすべての数値の背景にある価格は、Alibaba Cloud の単一のファーストパーティ料金であり、そのモデルは現在1つのホストでしか提供されていない。裁定取引できる第2のソースがないため、料金表がそのまま料金となる。そして Qwen3.8-Max は現在、Qwen4-Max を優先する形で非推奨とされ、ベンチマークは6時間ごとではなく18時間ごとに行われている。つまり、比較の基準となるモデルは、それと比較されるモデルよりも遅く更新されるということだ。

OrcaRouter model page for qwen/qwen3.8-max, showing the model id, input and output prices of $2.00 and $6.00 per million tokens, a 1,000,000-token context window, and the capability badges for vision, tools, JSON and reasoning.

計算を、あなたがコントロールできる予算に変える

この分解から導かれるレバーは2つあり、両者は互いに独立しています。1つ目は価格です。交渉できない料金表であっても、迂回してルーティングできる料金表には変わりありません。定価だけを支払い、それ以上は一切支払わないというのは、まさにそうしたケースです。OrcaRouter はプロバイダーの定価を0%のマークアップでそのまま通すため、アリババが11月16日に実施したようなベンダー側の値下げは、次の契約更新時ではなくその当日に請求へ反映されます。しかも、この値下げの幅、とりわけキャッシュ済み入力に対する70%というのは、パススルー型の仕組みが黙って吸収するのではなく可視化する、まさにそうした類の変化です。

第2のレバーはボリュームであり、これはモデルがあなたの代わりに生み出せるものではありません。ルーティングDSLは複数のモデルを単一の呼び出しに組み合わせるため、パイプラインの大部分は安価なモデルで実行でき、難しい尾部——本当に2.4兆パラメータのMoEを必要とするタスク——は、それを備えたモデルへ送られます。この分割により、決してそれを必要としなかった作業にフロンティア料金を払うことなく、34%の行動配当を獲得できます。またこれは、タスクあたり1400万コンテキストトークンが普通であるようなワークロードへの自然な対応でもあります。

当社が提供しているものと提供していないものについて正確に言うと、2026年11月16日時点でQwen4-Maxは当社のカタログにありません。現在当社がルーティングしているQwenモデルはqwen/qwen3.8-max、本記事がベースラインとして使用している前世代モデルです。自社のトラフィックでトークン削減が維持されるかを、本格導入を決める前に検証したいチームにとって、自動フェイルオーバーが低リスクな導入手段です — 一部のトラフィックをルーティングし、フォールバックを有効にしたまま、ベンチマークタスクではなく実際のトレースを比較してください。

何がこの解釈を変えるでしょうか

Artificial Analysisはモデルごとの総トークン数を公開しており、本稿はそのコスト内訳からタスクごとの量を推測している。2回の実行間でハーネスが変わっていた場合——タスク構成が異なる、重み付けが異なる——39%の出力削減の一部はモデルではなくハーネスによるものかもしれない。出力行における厳密な突合はそれに反する根拠となるが、可能性を排除するものではない。自前のトラフィックを持つ人なら誰でも、導出された数値は計画の前提とする事実ではなく、検証すべき仮説として扱うべきだ。

ベンダーが示すWork360の数値には別の注意点があり、それはアリババ自身が明言している。BPB比較のチェックポイントのうち2つはベースではなく事後学習済みであり、同一条件での比較という枠組みを弱める。Work360における62%のコスト削減はその影響を受けない。固定のタスクセット上で出荷済みモデルを比較しているからだ。ただし事前学習に関する主張は、この点を念頭に置いて読むべきだ。

そのすべてを経ても残るのは、答えの精度ではなく答えの形だ。値下げとして打ち出された投入は、ほぼ同じ程度に、モデルが答えに到達するためにどれだけ費やすかという変化でもある——そして後半こそ、競合が料金表を調整するだけでは真似できない部分だ。小型のQwen4モデルが出荷されるときに注視すべきなのは、その数値だ。なぜなら、トークンの規律がアーキテクチャに由来するものであれば、それはモデルとともに引き継がれ、この1つのチェックポイントの性質だったのであれば引き継がれないからだ。

この記事で比較したモデル1

この記事から検出 · ベンチマーク:Artificial Analysis · 毎日更新