生成されたタイトルカードには「Qwen 4 vs Claude Opus 5.5:16インデックスポイントの差、そしてそれが回答あたりいくらかかるか」と表示され、サブタイトルは「Opusは完了タスクあたり207%のコスト増で38%多いインデックスポイントを提供し、その請求額の大半は入力によるもの」。3つの番号付き行には「インデックススコア 42.9 対 59.1、Artificial Analysis v5.0.1」「完了したインデックスタスクあたりのコスト $3.27 対 $10.04」「キャッシュ読み取り 100万トークンあたり $0.075 対 $0.20」と書かれている。フッターには「スコアおよびタスクあたりコストは Artificial Analysis Intelligence Index v5.0.1 による。価格は各ベンダーが公開している料金表による。」とある。白い背景にフラットベクタースタイル、ブルーとシアンのグラデーションアクセント、右下にOrcaRouterのマークを合成。
Guides & Insights

Qwen 4 対 Claude Opus 5.5:16ポイントのインデックス差と、回答あたりにかかるコスト

著者

Gideon Frost

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はArtificial Analysis Intelligence Indexで42.9を記録し、Claude Opus 5.5は59.1を記録しています——16.2ポイントの差で、同じテストスイート、同じリビジョン(v5.0.1)で、互いに2か月以内に測定されたものです。同じボード上では、インデックスタスクを1件完了するコストはQwen4-Maxで3.27ドル、Claude Opus 5.5で10.04ドルです。したがって比率は明確です。Opusはタスクあたり207%多くの費用で38%多いインデックスポイントを提供します。それがお買い得か無駄かは、あなたのワークロードがポイントを買っているのか回答を買っているのかに完全にかかっており、両者は同じ買い物ではありません。本稿ではその両方の価格を算定します。

2枚のカードを、次元ごとに

Alibabaは2026年11月16日、Qwen4-Maxを6つのリージョンで従量課金制の一般提供(GA)としてリリースしました。Anthropicは2026年9月22日からClaude Opus 5.5を販売しています。以下の内容はすべて、ベンダーの定価またはラベル付きのArtificial Analysisの測定値のいずれかであり、この2つが1つの数値に混在することはありません。

• 100万トークンあたりの価格 — Qwen4-Max はシンガポールで入力 $1.50 / 出力 $4.50(グローバルスコープのリージョンでは $1.413 / $4.24)、Claude Opus 5.5 は入力 $4.00 / 出力 $20.00。いずれもベンダーの定価です。

• キャッシュ入力 — Qwen4-Max はキャッシュ読み取りで100万トークンあたり0.075ドル、対して Claude Opus 5.5 は0.20ドル。Qwen はキャッシュ書き込みの料金も公表しており、5分間のエントリで1.875ドル、1時間で3.00ドルとなっている。

• コンテキストウィンドウ — 両方とも1,000,000トークンと公表されている。Artificial AnalysisのトラッカーではQwen4-Maxが983,616と記載されているが、これは矛盾ではなく思考モードの入力上限だ。アリババは、思考なしでは入力を991,808に、思考ありでは983,616に制限している。推論と回答が1つの262,144トークンの出力予算を共有するためである。

• 最大出力 — Qwen4-Max は非シンキングモードで 131,072 トークン、シンキングがオンの場合は推論と回答に分割して 262,144 トークン。Claude Opus 5.5 は同等の分割を公開していません。

• インデックススコア — Qwen4-Max は xhigh エフォートで 42.9、Claude Opus 5.5 は max エフォートで 59.1。Artificial Analysis、v5.0.1。

• インデックスタスクあたりのコスト — 3.27ドル 対 10.04ドル。Artificial Analysis、同一リビジョン。

• モデルの重み — どちらもオープンではありません。Qwen4-Max はプロプライエタリとして記載され、Alibaba Cloud が唯一のホスティング先です。Claude Opus 5.5 はプロプライエタリであり、Anthropic の API、Amazon Bedrock、Google Cloud、Microsoft Azure を通じて提供されています。

• 入力モダリティ — どちらもテキストと画像を受け取り、テキストを返します。トラッカーの機能フラグ上は、どちらも動画には対応していません。

A generated two-column scoreboard titled 'Qwen4-Max vs Claude Opus 5.5 - the scoreboard'. The Qwen4-Max column reads index score 42.9, cost per index task $3.27, cents per index point 7.6, input per million $1.50, output per million $4.50, hallucination rate 28.4%. The Claude Opus 5.5 column reads index score 59.1, cost per index task $10.04, cents per index point 17.0, input per million $4.00, output per million $20.00, hallucination rate 50.3%. A footer reads 'Scores and per-task cost per Artificial Analysis Intelligence Index v5.0.1; prices per each vendor's published rate card.' The OrcaRouter mark is composited bottom right.

16のポイントが実際に存在する場所

単一の指標番号は明らかになる以上のものを隠す。このペアはその良い例だ。2つのモデルが接近しているスイートは、人々が議論するスイートではない。

• Terminal-Bench 4.0 — Claude Opus 5.5 59.6%、Qwen4-Max 48.5%。11ポイント差であり、「シェルを操作できるか」に最も直接対応する指標です。

• FrontierCode 2.0 — 46.4% 対 26.5%。これはこのセット内で最大の差であり、単一関数の生成ではなくリポジトリ規模のコード作業であるため、商業的影響が最も明確に現れる項目です。

• HLE Diamond — 67.9% 対 44.9%。難度の高い科学問題で、23ポイントの差。

• CritPt Agentic Hard — 68.0% 対 43.0%。物理グレードの推論における25ポイントの差。

• GDPval — 1,866.27 対 1,808.69。タスク価値ベンチマークにおける3.1%の差。経済的に根拠づけられた専門業務では、両モデルはほぼ隣り合っているが、難しい技術業務ではそうではない。

• 全知性 — Claude Opus 5.5 の 48.1 に対し Qwen4-Max は 27.7。次のセクションのハルシネーション列を見るまでは、また一方的な圧勝のように思える。

• 能力の内訳 — Anthropicのモデルは、トラッカーが公開している6つのサブスコアすべてで首位に立ち、差が最も小さいのは財務・会計(59.4対54.1)、最も大きいのはエンジニアリング(65.3対50.1)でした。

実践的に読み解くとこうなる。自分の業務が要約・抽出・根拠に基づく文書分析であれば、16ポイントという見出しの数字は差を過大に示している。エージェント型コーディングが業務なら、その数字は差を過小に示している。

A headless-browser screenshot of the Artificial Analysis page for Claude Opus 5.5, captured 17 November 2026 in English, showing Anthropic's mark, the label Proprietary model, Released September 2026, Intelligence #5 of 81, Performance #65 of 79, Cost #75 of 80, the price block reading In $4.00 and Out $20.00, a $10.04 per-task figure, an index reading of 59, and the summary paragraph describing the model as leading in intelligence but expensive for its price band and notably slow per task.

どちらのモデルも事実をでっち上げる。一方はそれが明らかに少ない。

Artificial Analysisは精度スコアと併せて全知性ハルシネーション率も報告しており、これがQwen4-Maxが完全に優位に立つ唯一の項目だ。誤りまたは検証不能だった回答のうち28.4%がハルシネーションであったのに対し、Claude Opus 5.5は50.3%だった。言い換えれば、Opusははるかに高い頻度で正しいが、誤るときには単に沈黙するのではなく、自信満々に誤る可能性が2倍以上高いということだ。

これは、人によるレビューの工程があるあらゆる場面に関係します。間違っているときに50%の確率で「わかりません」と言うモデルは、追加の問い合わせというコストを生みます。間違っているときに50%の確率で捏造するモデルは、すべての出力に対するファクトチェック工程というコストを生み、これは別物で、はるかに大きな費目になります。

請求書は入力であり、出力ではありません。

両モデルは目玉となる出力レートで販売されていますが、どちらも出力レートがコストの大半を占めているわけではありません。Artificial Analysisのタスク別コスト数値を分解すると、Qwen4-Maxでは3.27ドルのうち2.80ドルが入力トークンに、0.47ドルが出力に充てられています。Claude Opus 5.5では10.04ドルのうち6.57ドルが入力に、3.47ドルが出力に充てられています。これはそれぞれ86%と65%で、どちらの場合も入力費目の大半はキャッシュトラフィックです。Qwen4-Maxの入力コストのうち1.12ドルはキャッシュ読み取り、1.67ドルはキャッシュ書き込みです。Opusの相当額は4.74ドルと1.80ドルです。

だからこそ、これら2モデル間のトークン単位の比較は、このページで最も役に立たない数字なのだ。Qwen4-Maxの出力料金はOpusの4.4分の1なのに、回答あたりのコスト優位性は3.1倍にとどまる。なぜなら、読む必要のあるコンテキストに予算のより大きな割合を費やし、さらに書き込む必要のあるコンテキストには、5分間のキャッシュ書き込みで100万トークンあたり1.875ドルを費やすからだ。

40ターンのエージェント、二度の値付け

1ターンあたり8,000トークンのツール出力を追加し、40ターン実行し、各ターン1,500トークンの回答を出力するコーディングエージェントを想定します。キャッシュなし、定価:

• Qwen4-Max — 累積入力トークン656万個を$1.50で、さらに出力トークン60,000個を$4.50で:$9.84 + $0.27 = $10.11。

• Claude Opus 5.5 — 入力656万トークン、$4.00、さらに出力6万トークン、$20.00:$26.24 + $1.20 = $27.44。

では、蓄積されたプレフィックスに対して90%のキャッシュヒット率で同じ実行を行った場合を見てみましょう。これは、うまく構築されたエージェントループが実際に達成する数値です:

• Qwen4-Max — 5.904Mを$0.075でキャッシュ($0.44)+656Kを$1.50で新規($0.98)+出力$0.27=$1.69。

• Claude Opus 5.5 — キャッシュ済み 5.904M($0.20、$1.18)+新規 656K($4.00、$2.62)+出力 $1.20 = $5.01。

2つのことが導かれます。キャッシュによって両方の請求額が80%以上削減されるため、プロンプトキャッシュを使わないエージェントは本来の5〜6倍を支払っていることになります。また、比率はほとんど変わりません — キャッシュなしで2.7倍、キャッシュありで3.0倍 — なぜならQwen4-Maxの優位性はキャッシュ書き込み料金に集中しており、キャッシュありのシナリオではそれが最初に使われるからです。これらは公開料金に基づく定価計算であり、実測の請求額ではありません。ターン数、プレフィックスの増加、キャッシュヒット率によって絶対額は大きく変わります。

ここはまた、ルーティングレイヤーが単に便利というだけでなく、その真価を発揮する場面でもある。当社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しており、したがって上の差額は当社のものではなくプロバイダーの差額だ——そしてAnthropicがOpusのカードを変更すれば、その変更は同じ日に同じキーで反映される。両モデルは自動フェイルオーバー付きの単一エンドポイントから呼び出せる。これはまさにここで重要な点だ。なぜなら両者はリリース日が2か月離れているため、Qwen4-Max固有のリグレッションは、1週間後に気づくような悪い回答としてではなく、失敗したリクエストとして現れるからだ。

「蒸留から切り離されている」とは、実際には何を主張しているのか

この対決にまつわる流布した主張——Qwen4-Maxはベンダーのベンチマークでは競争力があるように見えながら、独立系インデックスでは崩れ、しかもAlibabaが蒸留から切り離されたことがその失速を説明するという主張——は、一つの外套をまとった二つの主張であり、測定可能なのは最初の一つだけだ。

最初の点は事実であり、不思議なことではない。アリババの発表資料は、Work360が52.69、前世代が47.74だと報告しており、同じベンチマークでトークン数が24%と35%削減、Terminal-Bench 4.0で48%と49%、タスクあたりコストが$4.43から$1.67に削減されたとしている。これらはすべてベンダー報告であり、再現されていない。FrontierCode 2.0とCritPt Agentic Hardを含む9スイートの独立インデックス——アリババが数値を公表していないスイート——に対して、モデルは42.9となる。ベンダーのベンチマークスイートと、異なるものを測定する独立系のスイートが食い違うのは当然であり、それは何かの証拠ではない。

蒸留に関する第2の主張は、購入者が検証したり、それに基づいて行動したりできるものではなく、呼び出して確認できるモデルの特性でもありません。検証可能で有用なのは、不足の形です。つまり、リポジトリ規模のコードと難解な科学に集中しており、専門業務タスクでの価値は薄いという形です。これはモデルをどこに配備すべきかについての陈述であり、どのように訓練されたかについて何が真実だと判明しても揺らぎません。

A headless-browser screenshot of the OrcaRouter model page for Claude Opus 5.5, captured 17 November 2026 in English, showing the identifier anthropic/claude-opus-5.5, the FLAGSHIP badge, by Anthropic dated 2026-09-22, a context window of 1M tokens, max output 128K, input listed as text, image and file, and output as text.

どちらかを入手すること

Claude Opus 5.5は当カタログにanthropic/claude-opus-5.5として掲載されておりAnthropicの定価、100万トークンあたり入力$4.00、出力$20.00です。Qwen4-Maxは当カタログにはなく、qwen4という識別子は現時点でnot-foundを返します。これにアクセスする経路はAlibaba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です。そこを偽るつもりはありませんし、当社側での正直な代替はqwen/qwen3.8-max、すなわち前世代のフラッグシップで、$2.00と$6.00です。

判断基準はスコアボードが示唆するよりも狭い。あなたのワークロードがリポジトリ規模のコーディング、高度な技術的推論、あるいは誤った回答は高くつくが遅い回答は高くつかない種類の作業なら、その16ポイントは実在し、1タスク$10.04はその対価だ。あなたのワークロードが大量の根拠に基づく文書作業で、GDPvalが両モデルは3%以内だとしているなら、あなたは評価セットには現れない差のためにOpusの料金を払っていることになり、$3.27のQwen4-Maxの方が買い得で、幻覚率が低いのもおまけだ。判断前に計算すべき数字は指数の差ではない。入力のうちどれだけの割合がキャッシュされているかだ。

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