
Qwen4-Max vs LongCat 2.5:誰もスコアを付けていない2つのフラッグシップ、価格差は12倍
- GoogleNEWGoogle: Gemini 4 Carbon2026-11-10$2.00 / $10.00 100万トークンあたり · 90 tok/s
- AnthropicNEWAnthropic: Claude Fable 5.22026-11-09$8.00 / $40.00 100万トークンあたり · 96 tok/s
- orcaNEWOrca: OrcaC2 1.02026-11-0717 tok/s
- OrcaNEWOrcaCyber: GLM 5.3 Abliterated / Uncensored2026-11-04$3.00 / $5.00 100万トークンあたり · 87 tok/s
- OrcaNEWOrcaCyber: Hy4 Abliterated / Uncensored2026-11-04$0.80 / $1.60 100万トークンあたり · 133 tok/s
- OrcaNEWOrcaCyber: Kimi K3.1 Pro Abliterated / Uncensored2026-11-04$4.00 / $20.00 100万トークンあたり · 72 tok/s
- OrcaOrcaCyber: MiniMax M3.1 Flash Abliterated / Uncensored2026-10-29$0.80 / $1.60 100万トークンあたり · 130 tok/s
- OrcaOrcaCyber: GLM 5.3 Flash Abliterated / Uncensored2026-10-27$0.80 / $1.60 100万トークンあたり · 65 tok/s
- OrcaOrcaCyber: Qwen3.8 Flash Next Abliterated / Uncensored2026-10-26$0.80 / $1.60 100万トークンあたり · 92 tok/s
- OrcaOrcaCyber: MiMo V2.6 Flash Abliterated / Uncensored2026-10-26$0.80 / $1.60 100万トークンあたり · 43 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 · 193 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 · 152 tok/s
- deepseekDeepSeek: DeepSeek V4.1 Flash 10172026-10-1733知能
- DeepSeekDeepSeek: DeepSeek V4.1 Flash2026-10-1740知能
- OrcaOrca: OrcaCyber Zero 1.52026-10-10$3.00 / $7.50 100万トークンあたり · 119 tok/s
- openaiOpenAI: GPT-6.1 Sol2026-09-2955知能
- anthropicAnthropic: Claude Sonnet 5.52026-09-2855知能
- typesafeTypeSafe: Jev 1.132026-09-24$0.04 / $0.00 100万トークンあたり · 219 tok/s
珍しい性質を持つ比較がある。どちらの側にも数字がないのだ。2026年11月16日からAlibabaが一般提供しているQwen4-Maxは、料金表とコンテキストウィンドウ、機能一覧を公開しているが、ベンチマークは一切ない。Meituanが2026年11月2日に公開したLongCat 2.5には、31行のベンダー評価表が付属しているものの、それでも独立したスコアはない。Artificial AnalysisのリーダーボードにLongCat 2.5の項目はなく、あるのは前身のLongCat 2.0だけで、それにも指数値は載っていない。つまりQwen4-MaxとLongCat 2.5を並べてみたとき、両者を実際に分けているのは能力ではない。出力トークンあたり$1.20対$4.50という価格であり、そして唯一存在する表がベンダー自身の表であるとき、それを信じるかどうか、なのだ。
そのため、このページはよくある直接対決とは種類の異なる比較になっています。どちらのモデルが優れているかを問うているのではありません。それは2つの研究所の外にいる誰にも答えられないからです。問うているのは、どちらについてならコストをかけて知ることができるのか、そして各ベンダーのドキュメントが何を保証し、何を保証していないのかということです。

美団が11月2日に実際にリリースしたもの
LongCat 2.5は、トークンあたり約480億パラメータを活性化する1.6兆パラメータのスパース混合エキスパートモデルであり、新しい設計ではなく、LongCat 2.0と同じアーキテクチャの反復版です。特定の珍しい意味でネイティブにマルチモーダルです。視覚信号は、セマンティックで整列されたエンコーダからの特徴に対する残差ベクトル量子化を通じて多階層の離散トークンとして符号化されるため、画像とテキストは後付けアダプターを介さず、単一のトークン語彙としてバックボーンに入ります。ベンダーが示すユースケースはそこから導かれます — スクリーンショットからページを構築する、説明から3Dシーンを生成する、ポスターを作成する。
提供仕様は具体的だ。コンテキストは入力1,048,576トークン、出力131,072トークン。api.longcat.chatには2つのエンドポイントがある。OpenAI互換の/openai/v1/chat/completionsと、Anthropic互換の/anthropic/v1/messagesだ。Claude Code、Codex、Hermes、OpenCode、Kilo Codeがサポート対象のハーネスとして挙げられており、それぞれに公式ガイドがある。重みは公開されていない。ブログのGitHubボタンとHugging Faceボタンはどちらも「Coming soon」と表示され、日付はない。LongCat 2.0はMITでリリースされたため、2.5のライセンスに関する疑問は前例で答えが出ているというより、真に未解決である。

対照的に、AlibabaのQwen4-Maxは別の形でクローズドです。ドキュメントではファインチューニングとモデルデプロイが明確に非対応と記載されており、これは「近日提供予定」よりも断定的な表現です。入力はテキスト、画像、動画で、出力はテキスト。100万トークンのウィンドウ、思考モード外では131,072トークンの出力、思考はデフォルトでオンで131,072トークンの予算です。6地域——シンガポール、北京、香港、フランクフルト、バージニア、東京——に対し、LongCatは単一のファーストパーティプラットフォームのみです。
価格差と、それが何をもたらすか
• 入力 — Qwen4-Max はシンガポールで100万あたり$1.50、その他の地域では$1.413、一方LongCat 2.5は$0.30
• 出力 — Qwen4-Max はシンガポールで $4.50、その他地域で $4.24、対して LongCat 2.5 は $1.20
• キャッシュ済み入力 — Qwen4-Max は $1.875 の5分間書き込み後の読み取りが $0.075、対して LongCat 2.5 は読み取りが $0.006
• コンテキスト — Qwen4-Max 1,000,000トークン 対 LongCat 2.5 1,048,576トークン
• 最大出力 — Qwen4-Max は非思考時 131,072 トークン、思考時と共有で 262,144 トークン、対して LongCat 2.5 は 131,072 トークン
• モダリティ — Qwen4-Max はテキスト・画像・動画入力、LongCat 2.5 はテキスト・画像入力に対応し、ネイティブの視覚トークン化を備えています
• 重み — どちらも一切公開していませんが、LongCat 2.5 は「近日公開」と述べている一方、Qwen4-Max は未対応と述べています
• 地域 — Qwen4-Max は6つ、LongCat 2.5 は1プラットフォーム
• 独立したスコア — どちらにもない
出力トークンではシンガポールで12倍の差、入力では3.5倍の差です。実際のパイプラインで数字を計算すると、月100万回の呼び出し、入力2,000トークン、出力500トークンで、Qwen4-Max Singaporeでは$5,250、LongCat 2.5では$1,200かかります。その10倍の量では、差は月$52,500対$12,000になり、これは丸め誤差ではなく、人件費1人分です。

追加費用で買えるのは、公表されている記録を見る限り、能力ではない。買えるのはリージョン展開だ——フランクフルト、バージニア、東京は、データ居住性の義務を負う欧州や米国の企業にとって極めて重要であり、Meituanの単一プラットフォームはそれらを提供していない。買えるのは、LongCatが文書化していない動画入力経路だ。そして買えるのは、何年も企業向けに最先端モデルを販売してきたベンダーが持つ運用上の確実性であり、それは、自社の価格ページで数値を期間限定と記し、最後に「価格は変更される場合があります」と述べているプラットフォームと対比される。
その最後の点は重く見るべきだ。LongCatの料金表は、自社の数値についての権威ある情報源ではないと告げている。今朝公開されたQwen4-Maxの料金表は、そうではない。
ベンダーテーブルが唯一のテーブルである場合に、そのテーブルを読み取る
Meituanのリリースページには31行の評価項目が掲載されており、それらについてまず興味深いのは比較対象の選定だ。GPT-5.5、GPT-5.6 Sol、Claude-Opus-4.8、Claude-Opus-5が並んでいる。9月29日から一般提供されているOpenAIのGPT-6.1 Solは表に含まれていない。Claude Codeのopusエイリアスが解決先とするモデルであるClaude Opus 5.5も同様だ。対戦相手は選ばれていたのだ。
2つ目の興味深い点は、発表で使われている要約文が、LongCat 2.5のスコアは「Claude-Opus-4.8とClaude-Opus-5の間」にあるとしていることです。同じ表の最新の評価ハーネスでは、Opus 5より15ポイント低くなっています。どちらの記述も同じページから出ています。これはモデルをけなすものではありません。中国国産のアクセラレータ上でエンドツーエンドで学習され、出力$1.20で提供される1.6Tのスパースモデルは、真に成果と言えます。しかし、その表をスコアカードではなく、選ばれた部分集合として読むべき理由ではあります。
Qwen4-Maxの問題は逆である。表がまったく存在しない。Alibabaのドキュメントは、その仕組みを異例なほど精密に規定している——思考ありではデフォルト温度1.0、思考なしでは0.7、top-p 0.95と0.8、top-k 20、131,072トークンの思考予算、非思考モードでは入力上限991,808トークン、思考モードでは983,616トークンという別個の上限、展開スコープを伴う6つのリージョン——そして品質については一切何も述べていない。Artificial AnalysisのモデルインデックスにはQwen4の項目は存在せず、モデル別URLは404を返す。
つまり、割り引いて考えなければならないテーブルと、テーブルがまったくないという選択の差は、見た目よりも小さいのです。どちらのモデルも、本番前に自身で評価する必要があります。違いは、Meituan が最初の仮説を示してくれているのに対し、Alibaba は仕様を示してくれていることです。
実際にこれを決めるワークロードの分担
3つのパターンがあり、それぞれ答えが異なります。
• 大量テキスト生成 — コストの計算では LongCat 2.5 が圧倒的に有利で、欠けているベンチマークはほとんど問題にならない。3.5倍から12倍安ければ、品質で目に見える差をつけられても、タスクを1件仕上げるあたりのコストでは勝てる。ご自身のプロンプトを100本走らせて確認してみてほしい。
• スクリーンショットやそれに類する入力を使った視覚処理 — LongCat のネイティブな視覚トークン化こそが、このモデルが存在する理由であり、そのリリースにおいて宣伝ではなくアーキテクチャに基づく唯一の主張です。Qwen4-Max も動画を受け付けるため、入力が静止画ではなく動画であれば、この2つのうちリクエストを受け付けるのは Qwen4-Max だけです。
• 規制対象またはレイテンシーに敏感なデプロイメント — Qwen4-Maxの6つのリージョン対単一プラットフォームという比較は、価格の考慮事項ではなく、適格性の考慮事項です。データをフランクフルトまたはバージニアに留める必要がある場合、12倍の価格差は無関係です。なぜなら、より安価な選択肢ではそもそもあなたにサービスを提供できないからです。
両方の選択肢を残しておく
OrcaRouter は現在、LongCat 2.5 や Qwen4-Max をルーティングしていません。どちらも上記の料金表のとおり、各ベンダー自身の API から利用できます。当社側でこの比較を行う対象とすべきモデルは、すでに同じキーのカタログに掲載されているモデルです — GLM-5.3 は 100 万トークンあたり $1.40 と $4.40、Qwen3.8-Max は $2.00 と $6.00、Kimi K3.1 Pro は $2.00 と $10.00 — なぜなら、スコアが付いていないモデルを、価格と実測値のあるモデルと三者比較するのが、新しいモデルがそもそも定価に見合う価値があるかどうかを確かめる最も安価な方法だからです。
そのテストを安く済ませられるのは、ルーティング層があるからだ。ポリシーを使って、ライブトラフィックのサンプルを LongCat 2.5 と既知のモデルへ並行して送り、信頼できる任意のジャッジで出力を比較し、そのうえでようやくトラフィック量を移すかどうかを決められる。自動フェイルオーバーはいつも以上に重要になる——これほど新しい2つのモデルを扱うとなればなおさらだ。どちらも、単一プロバイダーへの依存を正当化できるほどの実績がまだなく、プライマリ経路が健全なうちはフォールバックチェーンにコストはかからない。
正直な評価
大量のテキストと画像を扱う仕事なら、LongCat 2.5 はこのページでより興味深いモデルであり、その出力価格が12倍有利という点は、どちらのベンダーもあなたに示した唯一の具体的な数値です。仕事で動画入力、地域別展開、またはエンタープライズでの実績を持つベンダーが必要なら、Qwen4-Max がその要件を満たすモデルであり、価格はその要件を満たすことの対価です。
どちらのモデルも、評価を省く理由にはならない。スコアが公開されていない2つのフラッグシップが、2週間違いで発表され、価格が10倍違う——これはまさに、インターネット上のあらゆる比較表(この表も含めて)より、自分のトラフィックで半日試すほうが価値がある状況だ。どちら側でも注目すべき点は同じだ。変更履歴の項目ではなく、モデルカードがあるかどうかだ。パラメータ、コンテキスト、価格、API識別子が1つの文書に揃っていることが、モデルが完成した証だ。LongCat 2.5の「weights」ボタンは今も「近日公開」と表示され、Qwen4-Maxのページにはベンチマーク表が入るはずの場所が今も空欄のままだ。
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
