「Qwen4-Max vs GPT-6.2 Astra」と書かれたタイトルカード。出力価格は9倍で、請求書上は18%の差があり、$40.00と$4.50の出力、タスクあたり$4.00対$3.27、タスクあたり12.9分対32.3分を示すピル付き。
Guides & Insights

Qwen4-Max 対 GPT-6.2 Astra:出力価格は9倍、請求額では18%の差

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

GPT-6.2 Astraは入力100万トークンあたり8.00ドル、出力100万トークンあたり40.00ドル。Qwen4-Maxは1.50ドルと4.50ドル。料金メーター上では入力で5.3倍、出力で8.9倍の開き——ベンチマークを読むまでもなく比較に決着をつけてしまう類の差だ。ところがArtificial Analysisによれば、Intelligence Indexのタスクを1件仕上げるコストはGPT-6.2 Astraで4.00ドル、Qwen4-Maxで3.27ドル。前者はO​penAIが2026年11月17日に出荷し、後者はA​libabaがその前日に一般販売を開始したものだ。18パーセント。メーターの高い側で9倍の価格差がある2つのモデルが、1件の作業を仕上げるコストでは互いに5分の1の範囲に収まっている。

どちらの数字も間違っていない。そして両者が共存する理由こそが、この比較の全体だ。Astraは65.8百万出力トークンという高いレートで結果を買い、Qwen4-Maxは127百万という低いレートで同じ形の結果を買う。両者を分けるのは価格でも能力でもない——指数で62対43、これは価格論では埋まらない差だ。両者を分けるのは、二つの道がどこで破綻するかだ。一方はトークン閾値で、もう一方はこれまで一度しか測定されたことのないエフォートダイヤルの上端で。

6行、両側

以下の各数値には、その出典が明記されています。価格は各ベンダーが公表している標準ティアの料金です。インデックススコア、タスクあたりのコスト、トークン量、タイミングは、2026年11月18日にIntelligence Index v5.0.1で取得したArtificial Analysisの測定値です。

• 入力 — GPT-6.2 Astra は272,000トークン未満で100万トークンあたり8.00ドル、272,000トークン以上で16.00ドル。対して Qwen4-Max はシンガポールで1.50ドル均一、Global-scope地域では1.413ドル、長さを問わず

• 出力 — Astra はしきい値未満で $40.00、しきい値以上で $60.00 に対し、Qwen4-Max は一律 $4.50

• キャッシュ入力 — Astra は100万あたり0.40ドルで、シンガポールの Qwen4-Max(0.075ドル)、その他地域(0.071ドル)と比べて95%割引

• Intelligence Index — Astraは最大エフォートで62、高で60、中で57、低で46。一方、Qwen4-MaxはXhighで43、高と低では公表値なし

• インデックスタスクあたりのコスト — Astra $4.00 対 Qwen4-Max $3.27

• インデックスタスクあたりの所要時間 — Astra 12.9分 対 Qwen4-Max 32.3分(業界中央値12.4に対して)

• 最初の応答トークンまでの時間 — Astra 171秒 対 Qwen4-Max 149秒

コンテキスト — Astra は合計100万トークン、Qwen4-Max は実測984,000トークン、記載上は1,000,000トークン

• モダリティ — Astraはテキストと画像を、Qwen4-Maxはテキスト、画像、動画を扱い、どちらもテキストのみを出力します

• エフォート — Astraは5レベル(maxからlowまで)で常時オン、一方Qwen4-Maxは3レベル(lowからXhighまで)でデフォルトはhigh

9倍の隔たりがある2枚のカードが同じ紙幣にたどり着く仕組み

この収斂は偶然でも割引でもない。同じ取引の反対側を、2社のベンダーがそれぞれ選んでいるのだ。O​penAIはトークンを高く設定し、そのトークンをほとんど使わないモデルを販売している。A​libabaはトークンを安く設定し、そのトークンを大量に使うモデルを販売している。どちらも自社モデルの使用傾向に合わせて料金表を設定している。だからこそ、料金表を見ても請求額はほとんど分からない。

トークン数がその仕組みであり、それらは価格が予測するまさにその方向に偏っている。9項目の評価スイートでは、GPT-6.2 Astra は6,580万個の出力トークンを生成する。全体の中央値は6,510万個なので、まったく普通のトークン消費といえる。Qwen4-Max は1億2,700万個を生成し、中央値のおよそ2倍で、トラッカー自身の要約でも非常に冗長とされている。掛け合わせて単純に推定すると、Qwen4-Max の出力は約571ドル、Astra は632ドルになる。

その2つの見積もりは公表された数値ではなく、この隔たりは覆い隠すのではなく理解する価値がある。タスクあたり3.27ドルと4.00ドルという数字は9つの評価にわたる加重平均で、入力、キャッシュ入力、推論、回答の各トークンをそれぞれの単価で混ぜ合わせたものだ。出力だけを掛け算した結果が同じあたりに収まるのは偶然にすぎない。一方から他方を導き出したと言う人がいれば、それは推測しているにすぎず、18%の差はまさにトークン比だと言う人も同様だ——実際はそうではなく、プロンプトが長くなったりキャッシュが温まったりすると、この2つの量は独立に動く。

閾値こそが、九重の隔たりが生き残る唯一の場所だ

272,000入力トークン未満では、GPT-6.2 Astraのカードはカードのように振る舞う。同じ入力に対してQwen4-Maxが請求する額のおよそ5倍、出力では8〜9倍を支払うことになるが、Astraはより少ないトークンしか書かないため、タスクあたりのコストがそれを吸収する。272,000トークンを超えると、その比較はもはや比較ではなくなる。

Astra の長コンテキスト倍率は、入力とキャッシュ入力を2倍にし、出力を5割増しにします。しかもそれはリクエスト全体に適用され、ラインを超えた部分だけではありません。Qwen4-Max にはしきい値がまったくありません。思考モードでは最初のトークンから入力上限の 983,616 トークンまで、思考オフでは 991,808 トークンまで、100万トークンあたり $1.50 です。

文書レビューで計算を回してみましょう。長いコンテキストが存在するのは、まさにそうしたワークロードのためです:

• 入力トークン250,000、出力5,000 — GPT-6.2 Astraは入力$2.00+出力$0.20で$2.20、Qwen4-Maxは$0.375+$0.0225で約$0.40

• 入力トークン400,000、出力5,000 — Astraは入力$6.40+出力$0.30で$6.70、リクエスト全体が2倍で課金されるためです。Qwen4-Maxは$0.60+$0.0225で、約$0.62です

• 入力トークン900,000、出力5,000 — Astraは$14.40に$0.30を加えて$14.70、Qwen4-Maxは$1.35に$0.0225を加えて約$1.37

境界線より下では、価格比はレート比に等しい。その上では、どちらのモデルが一言も書かないうちに、1回の呼び出しのコストがQwen4-Maxの相当額の10倍を超える。それは価格設定上の些細な違いではなく、この対決の答えが変わる境界であり、272,000は両モデルが公称するウインドウの十分内側にある。

A two-column scoreboard comparing GPT-6.2 Astra and Qwen4-Max: input $8.00 against $1.50 per million, output $40.00 against $4.50, Intelligence Index 62 against 43, cost per task $4.00 against $3.27, time per task 12.9 against 32.3 minutes, and context 1M against 984k.

キャッシュ料金の行も同じ方向に動くが、その振れ幅はより小さい。Astra は $8 の基本料金に対する 95% 割引で、キャッシュ済みトークン 100 万あたり $0.40 となる。これに対し Qwen4-Max は $0.075 で、5.3 倍の差がすべてのコンテキスト長で続く。キャッシュ書き込みは直感とは逆方向に進む。Astra は 100 万あたり $10 で請求し、標準入力料金を上回る。一方 Qwen4-Max は 5 分間の書き込みで $1.875、1 時間で $3.00 を公表している。安定したプレフィックスを何度も再読み込みするワークロードなら、この差の大部分は回収できる。毎ターン プレフィックスを書き換えるワークロードは、双方でその特権の代価を払い、Astra 側ではかなり多く払うことになる。

時計は反転するが、ほとんどのレビューはそれを見逃している

速度の面で、2つのモデルはもはや鏡像関係ではなくなる。Qwen4-Maxは先に応答し始める——最初の回答トークンまで149秒で、Astraの171秒に対して——だが、その後は完了までに2.5倍の時間がかかる。インデックスタスクあたり32.3分で、12.9分に対してだ。Astraは最初のトークンに到達するのは遅いが、タスクを19.4分早く完了する。

その逆転は、2つのモデルを順位付けするのではなく、ワークロードの種類によって振り分けるものだからこそ、正確に述べておく価値がある。必要なのが、素早くストリーミングが始まる応答——チャット画面や、ユーザーが見ている文書要約——であれば、Qwen4-Maxの22秒の先行は、体感速度を左右する数字であり、そのロングテールは、ユーザーが回答全体を待たない限り見えない。必要なのが、完了するタスクであれば、12.9分という数字が支配的であり、32.3分という数字こそが、スタック内のあらゆるタイムアウトと衝突するものである。

どちらのモデルも絶対的な意味では速くない。同じボードの中央値タスクは12.4分で完了するため、Astraはまさに平均的で、Qwen4-Maxは全体のほぼ3倍の時間がかかる。これは、高速な2つのモデル同士の比較ではなく、標準的な速度のモデルと遅いモデルの比較である。

The Artificial Analysis page for GPT-6.2 Astra on Intelligence Index v5.0.1, showing a score of 62 with the cost, speed and timing panel for the same nine-evaluation suite.

これらのモデルのうちの 1 つは、曲線全体を公開しています。

どちらの料金表よりも多くの導入可否を左右する非対称性はここにあります。GPT-6.2 Astraの開発者向けドキュメントとトラッカーを合わせると、5つのエフォートレベルとそれぞれのインデックススコアが示されています。maxで62、Xhighで62、highで60、mediumで57、lowで46です。より安価な設定でどの程度の能力を犠牲にするかが正確にわかり、つまりチームはその曲線上のある点を意図的に選べます。mediumの57はQwen4-Maxの公表済み最高数値を依然として14ポイント上回り、しかもmaxエフォートの場合よりはるかに少ないトークン数で出力します。

Qwen4-Maxはlow、high、Xhighの3つのレベルを公開し、デフォルトはhighで、独立に測定されたポイントはちょうど1つだけあり、それは提供する中で最も高価な設定であるXhighで取得されている。その思考予算はデフォルトで131,072トークンであり、lowやhighが実際に時間や請求額にどう影響するかをA​libaba以外で計測したものはない。

「タスクあたり18%安い」の意味が変わる。比較はAstraの測定構成とQwen4-Maxの測定構成の対比であり、Qwen4-Maxの測定構成はどの製品もデフォルトでは出荷しないものだ。それをhighに落とすと、時間はおそらく改善し、スコアはおそらく下がる——どれだけかは未公開の数値であり、ベンダー自身の効率に関する主張はXhighと同様にhighでも述べられている。これは、その設定がフォールバックではなく実用的であることを意図していると分かる。

どちらの料金表にも記載されていない請求差額

Astra側の1つのルールにはQwen4-Maxに対応するものがなく、料金比較では決して表面化しない形でコストがかかります。この世代から、APIは会話途中での履歴変更——プレフィックスの編集、モデルのダウングレード、エンドユーザーまたは組織の変更——を検出すると、推論アイテムを破棄します。するとモデルはすでに完了した作業を再導出し、その分を再度支払うことになります。

ターン間でシステムプロンプトを書き換えるエージェントループにとって、それはどのトークン単価比較にも現れない継続的なコストであり、Astraが測定したタスクあたり4.00ドルを本番環境で楽観的に見せてしまう最も可能性の高いメカニズムである。Qwen4-Maxには公表された同等のルールが存在しないが、それは同等の挙動が存在しないことと同じではない——それはその挙動が文書化されておらず、ログの中で見つけることになるという意味である。

The OrcaRouter model page for openai/gpt-6-astra, listing the routable endpoint for Astra's predecessor at vendor list price.

どちらかに電話をかけること

どちらのモデルも当社のカタログにはありません。GPT-6.2 AstraとQwen4-Maxはどちらも、それぞれのベンダーのAPIおよび複数のサードパーティプラットフォームを通じて利用可能であり、そうでないとは示唆しません。ここにはQwen4-Max向けの経路は存在せず、Astraの前身向けの経路は存在します。

そこから残るのは、読むより実行してみたくなる比較であり、ルーティング論争の正直な版は射程が狭い。両モデルはどちらも新しく、公開されている数値はデプロイではなく構成を表している。同じ20件のトレースを、1つのキーの背後でモデルを差し替えられるルートに通すこと——そして32分の通話が29分目に落ちたときにフェイルオーバーすること——によって、あなたのワークロードがこの2つの曲線のどちらに位置するかが分かる。Astraの前身であるGPT-6 AstraとQwen3.8-Maxはどちらも現在、ベンダー定価でマークアップ0%でルーティング可能であり、どちらの新モデルに対するA/Bも2つ目の契約ではなく構成変更になる。

何がそれを決めるのか

質問が2つあり、この順番でお願いします。2つ目は、1つ目がある特定の結果になった場合にだけ意味を持ちます。

まず、あなたのワークロードは日常的に272,000入力トークンを超えますか? はいの場合、選択は事実上決まっており、インデックス差は問題にならなくなります。なぜなら、Astraのしきい値はリクエスト全体で5倍の入力比率を10倍に変えますが、Qwen4-Maxのフラットなカードはそうしないからです。長文書、長尺動画、一括抽出の作業では、Qwen4-Maxの方が桁違いに安上がりな選択肢であり、抽出には43インデックスポイントで十分です。

第二に、プロンプトが短いなら、19の指標ポイントは必要でしょうか?Astraはタスクあたり22%高コストですが、タスクを40%の時間で完了し、公開されている5段階のエフォート曲線を使って下位に切り替えられます。Qwen4-Maxはタスクあたりのコストがより低く、より早く答え、はるかに遅く完了し、実測済みの設定を1つ提供します。短いプロンプトでは、トークンあたりの差はほとんど消え、能力差は消えません。

どちらのモデルも決着をつけていないのは、今週両モデルが売り込まれた当のもの、すなわち仕事だ。Astraのローンチ時の売り文句は値下げで、それは測定可能であり、すでに測定されている。Qwen4-Maxのそれは実世界の仕事に関するスローガンで、これも測定可能だ——ただし、ローンチ投稿を読んだだけの人には測れない。32.3分という時間と、単一の測定済みエフォートレベルこそが、そのスローガンが試される場所であり、自分の評価に持ち込むべき2つの数値だ。なぜなら、それがマーケティングが引用しなかった2つの数値だからだ。

この記事で比較したモデル2

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