
Qwen4-Max 対 GPT-6 Luna:15インデックスポイントのために22倍のタスクコスト
- OrcaNEWOrcaCyber: Hy4 Flash Abliterated / Uncensored2026-11-18$0.07 / $0.28 100万トークンあたり · 187 tok/s
- tencentNEWTencent: Hy4 Flash2026-11-16$0.02 / $0.07 100万トークンあたり · 414 tok/s
- GoogleNEWGoogle: Gemini 4 Carbon2026-11-10$2.00 / $10.00 100万トークンあたり · 87 tok/s
- AnthropicNEWAnthropic: Claude Fable 5.22026-11-09$8.00 / $40.00 100万トークンあたり · 138 tok/s
- orcaNEWOrca: OrcaC2 1.02026-11-0748 tok/s
- OrcaOrcaCyber: GLM 5.3 Abliterated / Uncensored2026-11-04$3.00 / $5.00 100万トークンあたり · 90 tok/s
- OrcaOrcaCyber: Hy4 Abliterated / Uncensored2026-11-04$0.80 / $1.60 100万トークンあたり · 134 tok/s
- OrcaOrcaCyber: Kimi K3.1 Pro Abliterated / Uncensored2026-11-04$2.00 / $5.00 100万トークンあたり · 79 tok/s
- tencentTencent: Hy42026-11-04$0.83 / $2.50 100万トークンあたり · 116 tok/s
- OrcaOrcaCyber: MiniMax M3.1 Flash Abliterated / Uncensored2026-10-29$0.80 / $1.60 100万トークンあたり · 111 tok/s
- OrcaOrcaCyber: GLM 5.3 Flash Abliterated / Uncensored2026-10-27$0.80 / $1.60 100万トークンあたり · 67 tok/s
- OrcaOrcaCyber: Qwen3.8 Flash Next Abliterated / Uncensored2026-10-26$0.80 / $1.60 100万トークンあたり · 91 tok/s
- OrcaOrcaCyber: MiMo V2.6 Flash Abliterated / Uncensored2026-10-26$0.80 / $1.60 100万トークンあたり · 42 tok/s
- MoonshotMoonshotAI: Kimi K3.1 Pro2026-10-2447知能
- OrcaOrcaCyber: DeepSeek V4.1 Flash Abliterated / Uncensored2026-10-23$0.80 / $1.60 100万トークンあたり · 210 tok/s
- minimaxMiniMax: M3.1 Flash2026-10-1929知能
- OrcaOrca: OrcaCyber Ultra 1.02026-10-17$5.00 / $10.00 100万トークンあたり · 109 tok/s
- deepseekDeepSeek: DeepSeek V4.1 Flash 10172026-10-1733知能
- DeepSeekDeepSeek: DeepSeek V4.1 Flash 09102026-10-17$0.15 / $0.60 100万トークンあたり · 168 tok/s
- DeepSeekDeepSeek: DeepSeek V4.1 Flash2026-10-1740知能
同じ評価スイートでQwen4-MaxへのリクエストとGPT-6 Lunaへのリクエストを実行すると、請求額は3.27ドル対0.15ドルで返ってくる。22倍だ。スコアを並べると43対28、つまり15ポイント差で、これは数時間に及ぶエージェント実行を任せるモデルと、文書を任せるモデルの違いに相当する。これらの差はどちらも実在し、どちらも同じインデックス改訂で測定されたもので、しかもどちらも問題の決着にはならない。なぜならQwen4-Maxは2026年11月16日から100万トークンあたり1.50ドルと4.50ドルで一般提供されているのに対し、GPT-6 Lunaは9月22日からその10分の1の価格にとどまっているからだ。判断すべきはどちらのモデルが優れているかではない。実際に使うのはその15ポイントのどれかであり、その答えはこの比較を進める途中で2回変わる。
22×と、それが何でできているか
まずレートカードから始めましょう。見出しの比率は、実際に支払う比率ではないからです。
• 入力 — Qwen4-Max はシンガポールで100万トークンあたり$1.50、グローバルスコープ地域では$1.413。GPT-6 Luna は$0.10。15対1。
• 出力 — Qwen4-Max $4.50、または Global で $4.24。GPT-6 Luna $0.50。9対1。
• キャッシュ済み入力 — Qwen4-Max $0.075 シンガポール、$0.071 グローバル、95%割引。GPT-6 Luna $0.01、90%割引。
• ブレンド — Qwen4-Max はトラッカーの7:2:1のキャッシュヒット/入力/出力の重み付けで100万トークンあたり0.80ドル。GPT-6 Luna は0.077ドル。10対1。
• Intelligence Indexタスクあたりのコスト — Qwen4-Max $3.27、GPT-6 Luna $0.15。22対1。
15、9、10、22。これら4つの数字は一致していないが、その不一致こそが有用な部分だ。タスクごとの比率は、混合価格の比率の2倍超になっている。なぜなら Qwen4-Max はスイートを完了するためにより多くのトークンを出力しなければならないからであり、その料率が料金表から示唆されるより悪いからではない。トラッカーの冗長性パネルでは、Qwen4-Max は出力トークン1億2700万で中央値9000万に対し、Luna は同じ中央値に対して1億1000万だ。どちらも冗長側にいる。Qwen4-Max はさらに15%冗長であり、その15%が、10倍の料金表なら予測できたはずの22倍の差で実際に効いている。
このセクションの数値はすべて、インデックス v5.0.1 における Artificial Analysis の測定値(リベース後のインデックスであるため、7月のリーダーボードに掲載された Luna スコアは、ここで引用している28とは比較できません)と、各ベンダーが自ら公開している料金表を組み合わせたものです。どちらのベンダーも、条件を揃えた直接比較を公開しておらず、これらの数値から構築した比較は、別々の2回の実行結果に対する算術であり、ベンチマークではありません。

エフォート設定のほうが、より大きなレバーになります
43対28という見方がなぜ誤解を招くのか、その理由は次のとおりです。しかも、これは小さな訂正ではありません。
GPT-6 Lunaには6つの推論設定——none、low、medium、high、xhigh、max——があり、デフォルトはmediumです。Artificial Analysisは各段階をスコア化しています。その差は丸め誤差ではありません:
• Max — インデックスで28、タスクあたり$0.15、12.2分、1秒あたり103トークン。
• Xhigh — 23、7.4分、1秒あたり99トークン。
• 高 — 21、6.0分、1秒あたり91トークン
• 中 — 18、3.5分、毎秒93トークン。これがデフォルトであり、実際の本番呼び出しのほぼすべてが使う設定です。
• 低 — 10、0.6分、87トークン/秒。
• 非推論 — 9、2.0分、毎秒84トークン。
つまり、正直な比較は43対28ではない。effortパラメータを送らない呼び出し元にとっては43対18であり、ダイヤルを最大まで回してその代わりに6倍のレイテンシを払う呼び出し元にとっては43対28だ。同じモデルで、デフォルトでは25ポイント、上限では15ポイントであり、料金表に価格の変更はない。
Qwen4-Maxのラダーはlow、high、xhighの3段で、デフォルトはhighです。mediumという段はありません。Chat CompletionsとDashScopeはどちらもmediumをhighにマッピングするため、中間の設定を指定しても最上位の設定と同じコストがかかります。これはLunaのダイヤルより劣るもので、理由も同じです。どの段を呼ぶかがスコアを決めるのであり、Qwen4-Maxではより少ないスコアを買う方法が少ないのです。
トラッカーがQwen4-Maxについて公開していないのは、その3つの段階それぞれのスコアだ。ページには43が載っているところで終わっている。Lunaの6段階すべてのラダーは公開されているので、Lunaはモデル化するには容易で、引用するには難しいモデルだ。コスト予測を組み立てているなら、完全に公開されたラダーは、単一のより良い数値よりも価値がある。どこに膝点があるかが見えるからだ。

Lunaの272,000トークンの崖
両モデルとも100万トークンのコンテキストをうたっていますが、その全域で同じ料金を適用しているのは片方だけであり、これは購入者が見落としうる中で最も高くつくポイントです。
• Qwen4-Max — 1,000,000トークンの全ウィンドウを通じて$1.50と$4.50の一律料金で、32Kや128Kでの段階設定はありません。ドキュメント上の入力上限は非思考時991,808トークン、思考オン時983,616トークンです。非思考時の出力上限は131,072トークンで、思考と回答は262,144トークンを共有します。
• GPT-6 Luna — 入力トークン272,000までは$0.10と$0.50、それを超えると入力$0.20、出力$0.75。この価格改定は超過分だけではなくリクエスト全体に適用される。つまり300,000トークンのプロンプトは、最後の28,000トークンではなく300,000トークン全体に対して2倍の料金を支払うことになる。コンテキストウィンドウはOpenAIのドキュメントでは1,050,000、トラッカーでは1M。最大入力は922,000、出力上限は128,000。
長文コンテキストのケースを実行すると、22倍は7.5倍程度まで縮みます。400,000トークンの文書に8,000トークンの回答を付ける場合、Qwen4-Maxでは入力$0.60、出力$0.09、シンガポール料金で$0.69です。同じリクエストをLunaで実行すると、入力$0.08、出力$0.006、合計$0.086です。22倍ではなく7.5倍です。Lunaは依然として劇的に安いものの、その安さの差は見出しの数字が示唆する差の3分の1にすぎません。
その逆転にはもう一つの刃があり、それは逆方向に切り込む。272,000トークン未満では、その崖は決して適用されず、ほとんどのエージェントワークロード——コードベースのコンテキスト、サポート会話、ツール呼び出しループ——は、それをはるかに下回っている。両方のカードで「1Mコンテキスト」を読み、500,000トークンのジョブに対してLunaを$0.10で予算計上するチームは、入力で2倍、出力で1.5倍の過小予算計上をしており、その間違いは請求書で初めて明らかになる。
価格を気にする前に知っておく価値のあるデータレジデンシー(データ所在地)に関する記述もあります。Luna の EU データレジデンシーは Standard 処理でのみ利用可能で、その場合 Batch と Fast の割引はまったく利用できません。レジデンシー要件が対象に含まれる場合、Luna の実効料金は標準料金となり、当てにしていた割引体系は利用できません。
ビデオ、そしてルナが入れない列
モダリティの違いは、マーケティングが示唆するより小さく、仕様表を一瞥しただけでは推測されるより大きい。
• GPT-6 Luna — テキストと画像を入力し、テキストを出力します。動画や音声のモデルではありません。画像生成、音声生成、文字起こし、翻訳はすべて非対応と明記されています。
• Qwen4-Max — テキスト、画像、動画を入力し、テキストを出力。ビジョンは抽出器を介さずネイティブに処理されます。プロトコル面では OpenAI Chat Completions、OpenAI Responses、Anthropic Messages、DashScope に対応するのに対し、Luna は Responses、Chat Completions、Batch に対応します。
つまり、画面録画や講義の収録、動画レビューを指して質問できるのは、この2つのうち Qwen4-Max だけです。これは実際の能力差であり、ベンチマークの差ではありません。どちらのカード上のどの指標もそれを測定しておらず、Luna をどれだけ effort レベルで調整してもそれを生み出すことはできません。ワークロードに動画が含まれるなら、比較はここで終わり、その 22× が参入コストになります。
動画がそうでなければ、その行は飾りであり、プロトコルの広さのほうがより興味深い半分だ。Qwen4-Maxは4つのワイヤフォーマットに対応し、Lunaは3つに対応し、最も豊富なツールサーフェスをResponsesの背後に制限している——ウェブ検索、ファイル検索、コードインタープリター、ホスト型シェルなどの組み込みツールはそこで動作し、Chat Completionsでの関数呼び出しは、reasoning effortがnoneに設定されている場合にのみ動作する。コストを節約するためにChat Completionsへ移行し、それでもツール呼び出しを期待するパイプラインは、最初のリクエストで失敗する。それは能力の差ではなく移行の罠であり、パーセンテージではなく1週間を犠牲にする類のものだ。
ここは、モデル選択ではなくルーティング層が真価を発揮する接点です。OrcaRouter はすでに openai/gpt-6-luna を OpenAI の定価で、0% のマークアップをそのまま通して提供しています — つまり Luna の価格変更は、OpenAI の料金表に反映されたその日にここでも有効になります — そして Qwen4-Max はここではホストされていません。それは Alibaba 独自の Model Studio 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できます。 200 以上のモデルに対応する 1 つの API、1 つのキー、そしてリクエストを分類し、行が示す所属先である 2 つのうちどちらかに送るルーティング DSL:大量抽出層には Luna、Luna が構造上扱えない動画および長文コンテキストの作業には Qwen クラスです。自動フェイルオーバーは、低コスト層が不調になる日に備えます。それはまさに、単一プロバイダーのパイプラインが自分にもそうした日があると気づく日です。

各モデルが適切な選択となる場面
3つのワークロード、3つの異なる答え。そして3つ目こそが、ほとんどのチームが実際にいる場所です。
大量処理・仕様明確・検証可能なタスクに最適。コーパス全体の分類、文書セットからの抽出、要約、パイプラインのサポートトリアージ段階などが該当します。Lunaなら1タスク$0.15、Qwen4-Maxなら$3.27。43すら必要としない作業に対して、これは95%のコスト削減です。Lunaのデフォルトで得られる18は、その価格帯の中央値を上回っており、しかも出力は検証可能です。これこそが決め手です。これは僅差の話ではありません。
長期的で、無人で、間違えると高くつく作業。 数時間に及ぶエージェント実行、リポジトリ規模のリファクタリング、数十回のツール呼び出しにまたがる調査。インデックス15ポイントは、計画を保持できるモデルとそれを失うモデルの差であり、1タスク$3.27に対して、やり直すのにエンジニア1時間かかる実行では、価格は制約ではない。Qwen4-Maxはまた、2つのうち動画入力を受け付ける唯一のモデルでもあり、エージェント型作業の増加する割合——スクリーンショット、画面録画、UIトレース——にとって、これはそのワークロードが存在するかしないかの差になる。
レイテンシに敏感で、中間に位置するケース。 これはどちらのカードも答えないケースだ。Lunaは最大エフォート時で毎秒103トークン、デフォルトで93トークンをデコードする。Qwen4-Maxは59トークンだ。Lunaはインデックスタスクを最大設定で12.2分、デフォルトで3.5分で終える。Qwen4-Maxは29.8分だ。人間が待っているなら、毎秒59トークンという数値が、製品が生きていると感じられるかを左右し、タスクごとの節約では、固まるインターフェースを補えない。誰も待っていないなら、29.8分は予定に組み込める実時間だ。
ほとんどのチームにとって正しい形は、この2つのどちらかではなく両方です。その理由は、決定境界が契約レベルの性質ではなくリクエストレベルの性質だからです。Lunaで分類し、分類器が不確かなときにフロンティアモデルへエスカレーションするパイプラインは、簡単な90%で95%の節約を、残りで15ポイントを得ます。それがルーティングDSLの目的であり、この比較でどちらかを犠牲にする必要がない唯一の構成です。
実際に予測できる請求額
15インデックスポイントに対するタスクコストは22倍。一方を他方で割ると、Qwen4-Maxは1インデックスポイントあたり$0.076、Lunaは$0.0054で、1ポイントあたり14倍高い。これがLunaを明らかな買い得に見せる数字であり、最も役に立たない数字でもある。なぜなら、インデックスポイントを消費する人は誰もいないからだ。
人々が消費するのはワークロードであり、そのワークロードにはこれを左右する3つの性質がある。コンテキストが何トークンに達するか、人間が待っているかどうか、そして誤った答えを安く見つけられるかどうかだ。Lunaは最初の2つで完全に優位に立ち、3つ目では比較が逆転してしまうほど大きく劣る。Qwen4-Maxは3つ目で優位に立ち、その代償として、代替手段が再実行しかない場合にのみ筋の通る料金を課している。
そのすべてを経てもなお生き残る予測はこうだ。この2つを価格で選んでいるなら、すでに選び方を間違えている。なぜなら、22×はパイプライン内のすべてのリクエストに払うべき割増ではなく、それを必要とするごく一部のリクエストに払う割増だからだ。その一部をルーティングせよ。残りは、別の何かに使える丸め誤差にすぎない。
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
