「Qwen4-Max vs Qwen4 27B」と記された生成タイトルカード。サブヘッドは「片方には料金表がある。もう片方にはステージでの言及がある。」で、3枚のカード上に表示される:Qwen4-Maxはコンテキスト1M、100万トークンあたり$1.50 / $4.50、AA Index 43。Qwen4 27Bは重みなし、モデルカードなし、価格なし。Qwen3.8-27Bは100万トークンあたり$0.33 / $2.40、コンテキスト256K、AA Index 20。フッターには「Qwen4-Maxの数値はAlibabaおよびArtificial Analysisによるもの。Qwen4 27Bには2026年11月16日時点で公開された仕様がない。」と記されている。
Guides & Insights

Qwen4-Max vs Qwen4 27B:4.5倍の価格差と、ダウンロードできないモデル

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

Qwen4-Maxについての興味深い問いは、それが優れているかどうかではない。262,144トークン単位で思考するモデルに100万トークンあたり1.50ドルと4.50ドルを支払うべきなのか、それとも270億パラメータの兄弟モデル——Qwen4 27B——が、自分が所有するハードウェア上で同じ仕事の大半をこなすはずなのか、ということだ。問題は、Qwen4 27Bが、実際に実行できるものとしてはまだ存在しないことだ。Alibabaは2026年9月22日のApsara Conferenceで、Qwen 4 Max、Qwen 4 Flash、Qwen 4 PlusとともにQwen4 27Bを舞台で披露したが、それ以降、モデルカードも重みもコンテキスト長も価格もベンチマークも公開していない。対照的にQwen4-Maxは11月16日に従量課金となり、1,000,000トークンのウィンドウとArtificial Analysis Intelligence Index 43を備えている。したがって、この比較の有用な版は、呼び出せるフラッグシップと、まだ呼び出せない小型モデルを対置し、予算を実際に左右する問いに答えるものになる。4.5倍のトークン価格差は何を買うのか、そして27Bがその地位を得るには何をする必要があるのか。

価格カードが2枚あり、そのうち1枚には数字が書かれています

書き留められていることから始めましょう。このセクションの内容はすべて公表された数値であり、推測は一切含まれていません。

• Qwen4-Max、シンガポール — 入力トークン100万あたり1.50ドル、出力4.50ドル、100万トークンウィンドウ全体で一律。キャッシュ読み取りは100万あたり0.075ドル、5分書き込み1.875ドル、1時間書き込み3.00ドル。

• Qwen4-Max、その他の地域 — フランクフルト、バージニア、東京、香港、北京の各地で $1.413 と $4.24、同一の上限に対してシンガポールのカードでは 5.8% の割引。

• Qwen4-Max、独立系 — AA Index 43、インデックスタスク1件あたりの評価者請求コスト $3.27、ブレンド単価は100万トークンあたり $0.80、実行全体で出力トークン 127M。

• Qwen4 27B — 価格なし。「未発表」ではない。具体的には、価格を紐付けるモデルが存在しないため、どこにも行が存在しない。

今日実行できる小型Qwenに最も近いのは、前世代のApache-2.0 DenseマルチモーダルモデルであるQwen3.8-27Bです。Alibabaは自社APIで100万トークンあたり$0.50と$3.00で掲載しています。当社は重みをセルフホストし、$0.33と$2.40を請求します。なぜなら、オープンウェイトには転嫁すべきトークンあたりのベンダーコストがないからです。Artificial Analysisは同じインデックスで20点と評価しています。これはQwen4-Maxを23ポイント下回っており、その数字一つで議論全体を物語っています。

つまり、誠実な比率は幻の存在を基準に測られるものではない。Qwen4-Max を、実際に出荷された最後の 27B と比較すると、入力で 4.5 倍、出力で 1.9 倍——そしてその差に対して 23 インデックスポイント分の能力ということになる。それが割安かどうかは、あなたのワークロードがトークンを何に費やしているかに完全に左右される。そしてそれは、どちらのベンダーについての問いではなく、あなたのトレースについての問いなのだ。

A generated two-column scoreboard titled 'Qwen4-Max vs Qwen3.8-27B — the scoreboard', using the same six row labels on both sides. Qwen4-Max: context 1,000,000 tokens, price per 1M $1.50 / $4.50, inputs text, image and video, open weights no, AA Index 43, cost per task $3.27. Qwen3.8-27B: context 256,000 tokens, price per 1M $0.33 / $2.40, inputs text, image and video, open weights Apache-2.0, AA Index 20, cost per task $3.53. Footer: 'Price and context vendor-reported; Qwen3.8-27B price is OrcaRouter self-hosted, Alibaba lists $0.50 / $3.00. AA Index and cost per task per Artificial Analysis v5.0.1. Qwen4 27B has no published figures.'

27Bで得られる、2.4兆パラメータのフラッグシップには得られないもの

3つのこと、そしてそのどれも品質ではない。

最初のものは固定の請求書です。ホステッド型のフラッグシップは、トラフィックと、その日にモデルがどれだけ饒舌に感じるかに応じて変動する変動費です。一方、自社ハードウェア上のオープンな27Bモデルは資本費であり、減価償却スケジュールです。100万トークンあたり$0.33と$2.40では、フラッグシップに月$3,000を使っているチームは、同じトークン量に対して小さいモデルには約$700を使っている計算になります。そしてその量が倍になった瞬間、そのうち一方の数字は動き、もう一方は動きません。

第二は、あなたが制御できるレイテンシです。単一ノード上の27Bデンスモデルは、背後にキューがなく、頼んでもいない長期的な思考予算もないため、予測可能な形で応答します。Qwen4-Maxはデフォルトで reasoning_effort: high となり、131,072トークンの思考予算を伴います。何も設定しないリクエストは、ほとんどのジョブが使う以上の出力余裕を確保してしまっています。そのデフォルトはフラッグシップには適切ですが、分類器、ルーター、あるいはエージェントが興味深い判断の合間に行う千もの小さな決定には不適切です。

三つ目はライセンスです。Apache-2.0 のウェイトは、モデルを量子化し、ファインチューニングし、出荷する製品に組み込み、API が利用できない法域で実行できることを意味します。Qwen4-Max はプロプライエタリで、6つのリージョンから提供され、返すのはテキストのみです。ウェイトも、ファインチューニングも、オンプレミス展開もありません。Alibaba のドキュメントには、これについてファインチューニングとモデル展開はどこでもサポートされていないと記載されています。

27Bモデルでは手に入らないものこそ、Qwen4-Maxが作られた理由だ。2.4兆パラメータのバックボーンと710億のアクティブパラメータ、3280億のN-gram埋め込みパラメータ、各Qwen Sparse Attention層のために履歴を固定状態へ圧縮するGated DeltaNet層——そうしたアーキテクチャはどれも27Bのdenseモデルには受け継がれず、1,000,000トークンのウィンドウも同様だ。ベンダー自身によるこのファミリーの位置づけは、小型モデルは「小型モデルが最も得意とする用途に合わせて調整されている」というもので、これはそれらが同じ製品ではないと言う優雅な言い方だ。

アリババがQwen4 27Bについて語った唯一のこと、そしてそれにどれだけの価値があるか

11月16日のQwen4-Maxリリース投稿では、結びの段落は次のように記されています。「そしてMaxは、Qwen4の最初の姿にすぎません。同じ系譜に基づき、同じ世代の技術で訓練され、小規模モデルが最も得意とする領域に合わせて調整された、ファミリー内のより小型のモデルたちがオープンソースとして公開される予定です。」

それは27Bティアについて現存する中で最も新しく、最も具体的な発言であり、その価値は書かれている内容ちょうど——見た目より小さい。 「オープンソース化予定」はライセンスへの約束であり、日付ではない。 「同じ系譜」はアーキテクチャ上の系統についての主張であり、公開済みチェックポイントについてではない。 そしてその文は27Bに一切言及していない。ティア名は9月のステージ発表に由来し、そこではQwenのLLM責任者が4つのモデルを示し、ファミリーがまもなく登場するとだけ述べた。 二つの発言の間には2か月の空白があり、4つのティアが約束され、1つが提供済みで、オープンウェイトのもの——歴史的に、ダウンロード可能な重みとして最初にリリースされるティア——は依然として存在しない。

このページが古くなるかどうかは3か所で確認でき、そのすべてがこれまでのQ​wenの各リリースで兆候を示してきた場所だ。Hugging Face上のQ​wen組織にある、Qwen4という名前のリポジトリ。同組織の最新のモデルリポジトリは現在すべてQwen3.8で、最終更新は11月上旬だ。qwen.ai上のモデルカードで、コンテキスト長とライセンスを伴ってそのティア名が示されているもの。あるいはホスト型27Bの価格行で、これは重みが公開される前にA​libabaがそのティアにどれだけの価値があると考えているかを教えてくれる。それらのどれかが動くまでは、Qwen4 27Bについて目にするパラメータ数、コンテキストウィンドウ、スコアはすべてQwen3.8-27Bからの外挿であり、そのように明記されるべきだ。

実例:両方のカードで同じエージェントループ

サポート自動化エージェントを考えてみましょう。40,000トークンのシステムプロンプトとツールスキーマ、6,000トークンの会話、チケットあたり8回のツール呼び出し、呼び出しあたり900出力トークン、思考モードなし、月間20,000チケット。プレフィックスをキャッシュします。これは公開されている定価に基づく算術です。

• Qwen4-Max、シンガポール、キャッシュなし — 1回の呼び出しあたり46,000入力トークン、100万トークンあたり$1.50で$0.069。8回で1チケットあたり$0.552。出力は900トークン、100万トークンあたり$4.50で、1回あたり$0.00405、1チケットあたり$0.0324。1チケットあたり$0.584、月額$11,690。

• プレフィックスをキャッシュしたQwen4-Max — 40,000トークンのプレフィックスは100万トークンあたり$1.875で1回書き込まれ、続く7回の呼び出しでは$0.075で読み取られます。チケットあたり、プレフィックスのコストは書き込みが$0.075、さらに7回の読み取りが$0.021です。変動する6,000トークンは8回の呼び出し全体で$0.072かかります。入力は$0.168に収まり、出力は$0.0324のままです。チケットあたり$0.20、月額$4,010 — そして請求額に対しては、どのモデルへの切り替えよりもキャッシュの方が大きな効果を発揮しました。

• Qwen3.8-27B を当社のセルフホスト料金で試算すると、1回の呼び出しあたり入力46,000トークン、100万トークンあたり$0.33で$0.0152、8回で$0.121です。出力は900トークン、100万トークンあたり$2.40で1回あたり$0.00216、1チケットあたり$0.0173です。1チケットあたり$0.139、月額$2,780です。

2つのことが導かれる。フラッグシップモデルでプレフィックスをキャッシュすると66%削減でき、小モデルのキャッシュなし価格の1.4倍以内に収まる——ティア間の差は、キャッシュを使う場合と使わない場合の差よりも小さい。そして小モデルの優位性は確かに存在するが、このトークン量では劇的ではない。20,000チケットで月約1,200ドルだ。これが劇的になるのは、その10倍の量の場合か、作業が十分に単純で20-indexモデルで足りる場合であり、ツール呼び出しのルーティングや分類では通常そうだ。

フラッグシップが欠かせない場面

27Bクラスが安価な代替ではなく、そもそも選択肢にすらならない仕事のカテゴリがあり、そのことを明確に示すかどうかが、有用な比較と販売ページの分かれ目になる。

• 256,000トークンを超える長文コンテキスト処理 — Qwen3.8-27Bは262,144トークンで頭打ちになるのに対し、Qwen4-Maxは1,000,000トークンを扱え、非思考モードでは入力上限が991,808トークンに達します。400,000トークンの契約書レビューは、小型モデルにはまったく収まりません。

• 長期間にわたるエージェント実行 — AlibabaがQwen4-Maxについて掲げるエージェント能力の主張は、ウェットラボ平台上での48時間の自律的な材料探索実行と、198件のワーキングペーパーを対象に86ページのレポートを作成するリーガル・デューデリジェンスの実施である。ベンダーのデモをどう評価するにせよ、これらは20インデックスのモデルが試みない類のタスクを描写している。

• 長尺の動画入力 — Qwen4-Maxは動画と100万トークンのウィンドウを扱い、27Bファミリーは262Kで動画を扱う。映像の秒間フレーム数に関する計算は容赦がない。

• セキュアコーディング — Alibabaは、Maxティアにおいて、Last Secure Code Benchの関数レベルの合格率が世代間で22.0%から31.8%に上昇したと報告している。また、関数・ファイル・リポジトリの各粒度で同時にセキュアなコードの割合は8%から14.7%に上昇した。これらはベンダー公表の数値であり再現されてはいないものの、セキュリティレビューが求める類の数値であり、小規模モデルのモデルカードには記載されていない。

パターンはこうだ。フラグシップは、長い、マルチモーダル、または間違えると高くつくタスクでその価格に見合うのであり、数の多いタスクで見合うのではない。ほとんどの本番システムには両方の種類が含まれている。だからこそ「どちらを使うか」への答えは、通常「両方を使い、ルーティングする」になる。

1つのキーで混合状態を実行する

OrcaRouterはQwen3.8ファミリー——Qwen3.8-Max、Qwen3.8-Flash、Qwen3.8-27B——を、OpenAI互換の単一エンドポイントでプロバイダーの定価にマークアップ0%で提供しています。また27Bは、Apache-2.0のウェイトから当社自身のインフラ上で稼働させているモデルであり、そのためAibabaの$0.50と$3.00ではなく、$0.33と$2.40という価格設定になっています。Qwen4-Maxは提供していません。このモデルはAibaba自身のModel Studio APIおよび複数のサードパーティプラットフォームから利用可能で、11月16日時点ではカタログに含まれていません。

これによって今日可能になるのは、27Bを待つことなく、この比較が主張するルーティングパターンです。200以上のモデルに対応する1つのAPIにより、ティアの判断は調達上の判断ではなくなります。256Kに収まり定型に見えるリクエストはqwen/qwen3.8-27bへ送られ、長いリクエスト、マルチモーダルなリクエスト、または重要度が高いとフラグ付けされたリクエストは、同じキーのフロンティアモデルへ送られます。ルーティングDSLは、その分割をアプリケーションコード内の分岐ではなくルールとして表現します。自動フェイルオーバーにより、安価なティアは、調子の悪い時間帯があっても単一障害点になることなく、そのボリュームを担えます。また、どのベンダーの値下げも、定価が上乗せされずにそのまま反映されるため、同じ日にあなたのキーに反映されます。

モデル融合はそのツールキットにおける第3の選択肢であり、この特定のペアには最も当てはまりにくいものです。複数のモデルが一緒に回答するパネルは、どちらか単独よりもコストがかかり、それを使う理由は難問における意見の相違であって、処理量ではありません。存在を知っておく価値はありますが、サポートチケットのルーターで手を伸ばす価値はありません。

A screenshot of the OrcaRouter model page for Qwen3.8-27B at the identifier qwen/qwen3.8-27b, showing the $0.33 input and $2.40 output prices, the Vision, Tools, JSON and Reasoning capability tags, the attribution to Qwen dated 2026-08-13, and the description of it as Alibaba's open-weight 27B dense multimodal model released under Apache-2.0 and self-hosted on OrcaRouter's own infrastructure, accepting text, images and video with a 256K-token context window.

ウェイトが届く前にやっておくべきこと

Qwen4 27Bを待つ理由が、自分で動かせる小型のオープンモデルが欲しいというものであるなら、待つことによるコストはほとんどありません。Qwen3.8-27BはApache-2.0で、256Kウィンドウを備え、テキスト、画像、動画を読み取り、Qwen自身のカード上でLiveCodeBench v6では90.3、GPQA Diamondでは89.2を記録しています——ベンダー公表値であり、このサイズとしては強力な数値です。まずそこから始め、20インデックスのモデルがタスク成功率にどう影響するかを測定すれば、Qwen4チェックポイントが届く前に、そのティアが自分のワークロードにそもそも適しているかどうかが分かります。

コストが理由なら、まずプレフィックスをキャッシュしてください。上記の実例は、1つのリクエストパラメータによってフラッグシップで66%の節約になることを示しており、これは同じキャッシュなしの条件におけるフラッグシップと小型モデルの差よりも大きくなります。請求の高額部分がフルプライスで読み直しているプレフィックスである場合、チームは日常的により安価なモデルを探すものです。

そして理由が能力面にあるなら、27Bでは代用できない。Qwen3.8-27BとQwen4-Maxの間にある23インデックスポイントは、定型業務をうまくこなすモデルと、長く、マルチモーダルで、重要度の高いタスクに挑むモデルとの違いだ。さらにA​libaba自身のロードマップ上の表現では、小規模モデルは小規模モデルが最も得意とするものに合わせて調整されているとされており、それは同等性ではなく効率性を約束するものだ。今、存在するティアでルーティング分割を構築しておけば、Qwen4 27BがHugging Faceに登場する日には、それは移行ではなく、カタログへの追加とルール変更で済む。

A screenshot of Alibaba Cloud Model Studio's documentation page for qwen4-max (Latest Model), dated 11-16, showing the model description as the next-generation flagship multimodal model in the Qwen family covering text generation, image and video understanding and deep reasoning, its support for web search, tool calling and structured outputs, its OpenAI and Anthropic API compatibility, and its deployment regions including China (Beijing), Singapore and Germany (Frankfurt).