생성된 타이틀 카드에는 'Qwen4-Max가 Opus 5.5를 이기는 모델로 불렸다'는 제목과 '지수에서는 16점 뒤진다'는 부제, 그리고 '지수에서 43 대 59', '작업당 $3.27 대 $1.27', '작업당 시간: 미공개'라고 적힌 세 장의 수치 카드가 있다. 하단에는 '지수, 작업당 비용 및 작업당 시간은 Artificial Analysis Intelligence Index v5.0.1 기준, 2026년 11월 16일 조회.'라고 적혀 있다. 흰색 배경에 파란색과 청록색 그라데이션 액센트를 사용한 플랫 벡터 스타일링이며, 오른쪽 하단에 OrcaRouter 마크가 합성되어 있다.
Guides & Insights

Qwen4-Max는 Opus 5.5를 이기는 모델로 불렸지만, Index에서는 16점 뒤진다

작성자

jinhao.song

게시일

최신 모델 · 20모든 모델 보기 →
벤치마크: Artificial Analysis · 매일 업데이트
모든 게시물로 돌아가기

Qwen4-Max에 대한 출시 당일의 판정은 Claude Opus 5.5와 GPT-6.1 Sol, GPT-6 Astra를 모두 이기고 Claude Fable 5.2에만 뒤진다는 것이었다. 그 네 가지 비교 중 세 가지는 다섯 모델 모두를 동일한 아홉 개 평가에 통과시킨 단 하나의 점수판에서 정반대로 나온다. 2026년 11월 16일 — Qwen4-Max가 판매를 시작한 날 — 기준의 Artificial Analysis Intelligence Index v5.0.1은 Qwen4-Max를 43, Claude Opus 5.5를 59, GPT-6 Astra를 57, GPT-6.1 Sol을 55, Claude Fable 5.2를 65로 기록한다. 이긴다고 했던 모델보다 16점, 그 셋 중 두 번째로 저렴한 모델보다 14점, 세 번째로 저렴한 모델보다 12점 뒤진다. 네 번째 비교, 즉 Fable 5.2가 앞서는 비교만이 그 주장 가운데 평가 하네스와 맞닿아도 살아남는 유일한 부분이다.

그 격차는 일축하기보다 뜯어볼 가치가 있습니다. 그 주장이 지어낸 것이 아니기 때문입니다. 그것은 서로 맞지 않는 추론 강도(reasoning-effort) 설정들로 비교를 구성했을 때 나오는 결과이며, 그 불일치는 매번 한 방향으로만 발생합니다. 아래에는 Alibaba가 실제로 공개한 것, 각 래더의 각 단계에서 스코어보드가 보여주는 값, 그 주장이 문자 그대로 사실이 되는 단 하나의 해석, 그리고 트래커가 Qwen4-Max에 대해서는 전혀 가지고 있지 않은 수치가 있습니다.

알리바바가 공개한 것과 공개하지 않은 것

가장 먼저 구분해야 할 것은 벤더의 출시 자료와 그 주변의 논평입니다. 2026년 11월 16일자 Alibaba 자체 Qwen4-Max 블로그 게시물은 3,100단어 어디에도 경쟁 모델을 이름으로 언급하지 않습니다. 그 안의 모든 비교는 회사 자체의 이전 플래그십인 Qwen3.8-Max를 상대로 한 것입니다. 이는 출시 게시물이 흔히 하는 일이며 비판이 아닙니다. 다만 그것은 경쟁 구도가 벤더로부터 나온 것이 아니며, 유통되는 어떤 “Opus를 앞선다”는 진술도 누군가 다른 이가 끌어낸 추론이라는 뜻입니다.

공급업체가 실제로 주장하는 것은 다음과 같으며, 모두 공급업체가 보고한 것이고 재현되지 않은 것입니다:

• 아키텍처 — 새로운 Qwen4 아키텍처 기반의 2.4조 매개변수 백본으로, 네이티브 비전과 100만 토큰 컨텍스트 윈도우를 갖춥니다.

• Qwen3.8-Max 대비 토큰 효율성 — Alibaba의 Work360 벤치마크에서 Xhigh 추론 강도에서 토큰 24% 절감, High에서 35% 절감, Terminal-Bench 4.0에서는 48% 및 49% 절감.

• Qwen3.8-Max 대비 작업당 비용 — 평균 $4.43에서 $1.67로 62% 절감되었으며, 캐시 입력 요금에서 가장 큰 인하가 이루어졌습니다.

• Work360 점수 — Qwen3.8-Max의 47.74 대비 52.69.

그중 어느 것도 교차 실험실 비교가 아니며, 경쟁사가 공개한 수치와 대조해 검증할 수도 없다. 왜냐하면 그것들은 벤더가 자체적으로 점수를 매기는 벤치마크에서 측정되기 때문이다. 독립적인 수치는 같은 날 다른 방향에서 나왔다.

독립 하네스가 읽는 내용

Artificial Analysis v5.0.1은 9개 평가로 구성된 복합 지수입니다 — AA-Briefcase v1.1, AutomationBench-AA, Terminal-Bench 4.0, FrontierCode-AA 2.0, AA-Omniscience v1.1, GDP.pdf, HLE-Diamond, CritPt v2 Hard Subset, Terminal-Bench-Science 0.1 — 연구소가 아니라 트래커가 운영합니다. 이 지수에서 Qwen4-Max의 43점은 81개 모델 중 38위로, 분야 중앙값 41점을 약간 웃돕니다. 1세대 아키텍처로서는 괜찮은 데뷔입니다. 선두주자는 아니며, 이 모델 위에 배치된 네 모델은 모두 이 모델보다 앞서 있습니다:

• Claude Opus 5.5 — Max에서 59, Xhigh에서 57, High에서 52, Medium에서 48, Low에서 35. 2026년 9월 22일 출시.

• GPT-6 Astra — Max에서 57, Xhigh에서 55, High에서 55, Medium에서 52, Low에서 43. 2026년 9월 3일 출시, 지식 기준 시점 2026년 4월.

• GPT-6.1 Sol — Max에서 55, Xhigh에서 52, High에서 50, Medium에서 46, Low에서 35. 2026년 9월 29일 출시.

• Claude Fable 5.2 — Max에서 65, Xhigh에서 62, High에서 62, Medium에서 56, Low에서 54. 2026년 11월 9일 출시.

• Qwen4-Max — 43, 노력 수준별 단계 구분 없이 단일 수치로 공개됨. 2026년 11월 16일 출시.

마지막 비대칭이 핵심입니다. Qwen4-Max는 추론 모델인데, 트래커는 경쟁 모델들을 다섯 가지 개별 추론 설정에서 평가하는 반면 Qwen4-Max는 단 하나의 설정에서만 평가합니다. 43이라는 점수를 만들어낸 설정이 무엇이든 그것은 Opus 5.5와 Astra, Sol의 가장 강한 설정과 비교되고 있으며, 트래커는 그 아래에 얼마나 많은 향상 여지가 있는지 알려주지 않습니다. 따라서 "43 대 59"는 두 모델의 상한을 동일 조건에서 비교한 것이 아닙니다. 그것은 Qwen4-Max의 단일 측정 설정을 Opus 5.5의 최고 설정과 비교한 것입니다.

그 주장이 참이 되는 유일한 해석

사다리를 아래로 읽어 보면, 그 주장은 더 이상 거짓이 아니라 오해를 불러일으키기 시작하며, 이는 더 흥미로운 실패다. Qwen4-Max의 43은 모든 상대의 모든 칸에 의해 능가당하는 것은 아니다. 그것은 네 명 중 세 명의 최하위 칸을 앞서거나 동률을 이룬다:

• Claude Opus 5.5 대비 — 43은 Low 설정의 35를 8점 차로 앞서고, Medium의 48에는 5점 차로 뒤진다. 교차점은 Low와 Medium 사이에 있다.

• GPT-6 Astra 대비 — 43은 Astra의 Low 설정인 43과 정확히 동일하며, Medium의 52에는 9점 차로 뒤진다.

• GPT-6.1 Sol 상대 — 43은 Sol의 Low 설정인 35를 8점 차로 이기고, Medium의 46에는 3점 차로 진다. 이는 보드에서 가장 접전인 항목이다.

• Claude Fable 5.2 대비 — 43은 Low 설정의 54를 포함한 모든 단계에 11점 차로 뒤진다. Qwen4-Max가 도달하는 Fable 5.2의 설정은 없다.

따라서 Qwen4-Max를 Low effort로 실행 중인 경쟁자들과 비교했다면 Opus 5.5와 Sol에 대해 보고된 순서가 정확히 나왔을 것이고, Astra에 대해서는 보고된 동점 또는 우위가 정확히 나왔을 것이며, Fable 5.2에 대해서는 보고된 패배가 정확히 나왔을 것이다. 이는 일관되고 자기모순이 없는 결과 집합이며, 이 하네스에서 유통 중인 순서를 만들어내는 유일한 집합이다. 누군가 그것을 의도적으로 조립했든, 기본 구성과 최저 설정을 비교함으로써 그 결론에 도달했든, 산술은 결국 거기로 귀결된다.

실질적인 함의는 점수판이 아니라 출시 스레드를 읽는 사람에게 중요한 부분이다. 동일한 추론 노력에서 Qwen4-Max는 대략 GPT-6.1 Sol보다 한 단계, Claude Opus 5.5보다 두 단계 뒤처진다. 이는 진정으로 경쟁력 있는 데뷔다. 선두는 아니며, "능가한다"는 프레이밍과는 거리가 멀다.

A generated two-column scoreboard titled 'Qwen4-Max vs Claude Opus 5.5 — the scoreboard'. The Qwen4-Max column reads 'Index at Max effort: 43', 'Lowest published effort: 43, single score', 'Blended price: $0.80 per million', 'Cost per index task: $3.27', 'Time per task: not published', 'Context window: 984k'. The Claude Opus 5.5 column reads 'Index at Max effort: 59', 'Lowest published effort: 35 at Low', 'Blended price: $2.94 per million', 'Cost per index task: $10.04', 'Time per task: 24.9 minutes', 'Context window: 1M'. A footer reads 'Index, per-task cost and time per task per Artificial Analysis v5.0.1, read 16 November 2026; prices per vendor cards.'

작업당 비용은 두 가지 주장을 하나로부터 분리한다.

성능은 출시 당시의 요란한 주장이 내세운 것의 절반에 불과하며, 비용 측면에서는 Qwen4-Max에 더 유리한 그림이 나온다 — 세 모델 중 두 모델에서는 그렇고, 세 번째 모델에서는 아니다.

• 정가 — Qwen4-Max는 입력 100만 토큰당 $1.50, 출력 100만 토큰당 $4.50이며, 캐시 할인 95%와 100만 토큰당 $0.80의 혼합 요율을 적용합니다. 이 혼합 요율은 여기 있는 다섯 모델 중 가장 낮습니다: GPT-6.1 Sol은 $1.47, Claude Opus 5.5는 $2.94, Claude Fable 5.2는 $5.74, GPT-6 Astra는 $7.70입니다.

• 완료된 작업당 비용 — Claude Fable 5.2 $26.54, Claude Opus 5.5 $10.04, GPT-6 Astra $6.24, Qwen4-Max $3.27, GPT-6.1 Sol $1.27. 모두 각 모델의 Max 설정 기준입니다.

• 역전 — Qwen4-Max는 전체에서 혼합 요율이 가장 저렴하고 작업당 비용은 세 번째로 저렴합니다. 작업당 Claude Opus 5.5보다 3배 저렴하고 GPT-6 Astra보다는 약 2배 저렴하지만, GPT-6.1 Sol보다는 2.6배 비쌉니다.

메커니즘은 장황함이며, 트래커는 이를 직접 측정한다: Qwen4-Max는 인덱스를 완료하는 데 1억 2,700만 개의 출력 토큰을 생성했는데, 이는 분야 중앙값 7,860만 개와 대비되는 수치이며 매우 장황한 것으로 분류된다. 중앙값보다 60% 더 많이 쓰는 모델은 그렇게 함으로써 자신의 요율 우위를 소모한다. 알리바바 자체의 24~35% 토큰 감소 수치는 Qwen3.8-Max 대비 실제 개선이지만, 모델이 절대적 기준에서 얼마나 장황한지에 대해서는 아무 말도 하지 않으며, 청구서에 도달하는 숫자는 바로 그 절대적 수치다.

그래서 그 주장에서 비용 부분은 깔끔하게 둘로 갈린다. “Opus 5.5와 Astra보다 운영 비용이 저렴하다”는 작업당 기준으로 사실이며 격차도 크고, 이 글에서 Qwen4-Max에 가장 유리한 부분이다. “GPT-6.1 Sol보다 저렴하다”는 작업당 기준으로는 2.6배 더 비싸므로 거짓이다. Qwen4-Max의 혼합 요금이 46% 더 낮음에도 그렇다. 요금표를 보고 예산을 잡았는데 청구서에서 정반대 결과를 받은 사람이라면 같은 간극을 발견한 셈이다.

추적기가 가지고 있지 않은 수치

Qwen4-Max 페이지의 한 열은 주목할 만한 방식으로 비어 있습니다. Artificial Analysis는 여기 나열된 모든 모델에 대해 작업당 시간을 보고합니다 — Claude Opus 5.5는 Max에서 24.9분, GPT-6 Astra는 20.9분, GPT-6.1 Sol은 22.9분, Claude Fable 5.2는 41.8분 — 그리고 Qwen4-Max에 대해서는 N/A를 보고하며, 타이밍 차트에는 "공개적으로 사용 가능한 API 없음"이라는 주석이 달려 있습니다.

그 주석에서 결론을 내리기 전에 주의 깊게 읽어 보십시오. 왜냐하면 그것은 해당 모델을 호출할 수 없다는 진술이 아니기 때문입니다. Alibaba는 Qwen4-Max의 토큰당 가격을 공개하며, 출시 게시물에서는 API 가격이 Qwen3.8-Max 대비 인하되었다고 말합니다. 또한 트래커 자체도 Alibaba Cloud를 해당 모델의 제공자로 나열하고 작업당 $3.27 비용을 인용합니다. 요금표와 제공자, 측정된 작업당 비용이 있는 모델에는 API가 있습니다. 더 가능성 높은 해석은 트래커가 사용한 어떤 경로를 통해서든 타이밍 측정값을 얻을 수 없었다는 것이며, 페이지에는 어느 경로인지 나와 있지 않습니다. 같은 페이지에 있는 트래커 자체의 FAQ에는 해당 모델이 "1개 제공자를 통해 API로 이용 가능"하다고 되어 있는데, 이 역시 차트 주석과 맞지 않습니다.

모호함 속에서 남는 것은 더 좁지만 여전히 유용하다. Qwen4-Max가 출시된 당일의 독립적인 지연 시간 수치는 존재하지 않지만, 이 모델과 비교되는 모든 모델에는 그 수치가 있다. 워크로드가 지연 시간에 민감하다면, 아직 누구도 공개하지 않은 숫자를 기준으로 선택하고 있는 것이며, 정직한 입장은 프로덕션 경로로 채택하기 전에 직접 측정하는 것이다.

A headless-browser screenshot of the Artificial Analysis model page for Qwen4 Max, captured 16 November 2026 in English, showing the Alibaba proprietary-model header with 'Released November 2026', the rank badges Intelligence #38/81, Performance Cost #44/80 and Verbosity #65/80, the price block reading In $1.50, Out $4.50 and Cache 95%, the $3.27 per intelligence index task figure, the 127M output-token count, the summary prose noting a score of 43 against a median of 41, and a technical specification block reading Reasoning Yes, Input modality Text+Image, Output modality Text and Context window 984k.

출시 관련 주장 중 무엇이 사실로 입증되는가

회자되는 사실 주장 중 세 가지는 사실로 확인되며 분명히 밝힐 가치가 있습니다. 오직 깎아내리기만 하는 주장 검증은 주장 검증이 아니기 때문입니다:

• 컨텍스트 윈도우 — 100만 토큰으로 광고되지만, 트래커에서 측정한 값은 984,000입니다. 이는 200K를 올림한 수치가 아니라 실제 100만 토큰 모델입니다.

• 네이티브 비전 — 이 트래커는 텍스트 및 이미지 입력을 텍스트 출력과 함께 기록하므로, 텍스트 모델에 덧붙인 추가 인코더가 아니라 공급업체의 "네이티브 비전" 설명과 일치합니다.

• 가격 인하 — 백만 개당 $1.50 및 $4.50로, Qwen3.8-Max의 더 높은 가격표와 대비되며, 여기서 비교한 다섯 모델 중 가장 낮은 혼합 요율입니다. 가격 책정 이야기의 방향은 논쟁의 여지가 없습니다.

설득력이 없는 것은 순위이며, 그 순위는 가장 많이 반복된 부분이다.

출시 당일에는 이걸 어떻게 해야 할까요?

이런 모델에서 유용한 움직임은 논쟁에서 편을 고르는 것이 아니라 선택지를 저렴하게 유지하는 것입니다. Qwen4-Max는 진정으로 낮은 단가의 1세대 아키텍처이며, 독립 점수는 중간권이고 지연 시간 수치는 없습니다 — 시험 사용에는 보상을 주고 마이그레이션에는 벌을 주는 프로필입니다.

바로 이런 상황을 위한 것이 라우팅입니다. Claude Opus 5.5, GPT-6 Astra, GPT-6.1 Sol, Claude Fable 5.2는 모두 각 벤더의 정가에 0% 마크업으로 OrcaRouter에서 라우팅되므로 벤더 요율이 변경되면 같은 날 바로 반영되고, 위의 작업별 계산도 두 번째 계약이나 SDK 변경 없이 최신 상태로 유지됩니다. Qwen4-Max는 OrcaRouter에서 라우팅되지 않습니다. 이 모델은 알리바바 자체의 Model Studio API와 여러 서드파티 플랫폼을 통해 접근할 수 있으며, 이 글은 그렇지 않은 척하지 않겠습니다. 그 상황에서 라우팅이 제공하는 것은 비교입니다. 이 모델을 비교 측정 대상으로 삼은 네 모델은 200개 이상의 모델을 하나의 키로 묶여 있으므로, Qwen4-Max를 그것들과 벤치마킹하는 일은 양쪽에서 조달을 진행하는 것이 아니라 한쪽에서 설정을 바꾸는 일이 됩니다.

그리고 Qwen4-Max가 정말로 자리를 얻게 된다면, 자동 페일오버가 측정되지 않은 모델을 운영 경로에 안전하게 투입할 수 있게 해 주는 것입니다 — 새 모델이 느려지거나, 빠져 있는 타이밍 수치가 암시하듯 사용할 수 없게 될 때 요청이 실패하는 대신, 지연 시간을 이미 파악하고 있는 모델로 요청이 넘어가기 때문입니다.

A headless-browser screenshot of the OrcaRouter model page for anthropic/claude-opus-5.5, captured 16 November 2026 in English, showing the FLAGSHIP and ZDR badges, the Claude Opus 5.5 heading with its identifier, the Anthropic attribution and 'Public benchmarks by Anthropic · 2026-09-22' line, Vision, Tools, JSON and Reasoning capability badges, a p50 time to first token of 7.98 s, a zero-data-retention availability note, the description placing it as Anthropic's flagship for reasoning, coding and long-horizon agentic work with a 1M-token context, the /v1/chat/completions and /v1/messages endpoints, and the price block reading $4.00 input and $20.00 output per million tokens.

출시 당일의 프레임은 저렴한 중국 모델이 미국 플래그십 두 개를 단숨에 앞질렀다는 것이었다. 그러나 하네스가 실제로 보여주는 것은 가격이 합리적인 한 모델이 그중 가장 저렴한 모델보다 한 계단 뒤, 최고 모델보다 두 계단 뒤에 있으며, 실제 비전 기능과 실제 100만 토큰 윈도를 갖췄지만 공개된 속도는 없다는 점이다. 그것은 그 주장이 시사했던 것보다 더 나은 제품이자 더 나쁜 순위이며, 그 둘 사이의 차이는 정확히 스레드와 점수판 사이의 거리다.

이 글에서 비교한 모델2

이 글에서 자동 인식 · 벤치마크: Artificial Analysis · 매일 업데이트