타이틀 카드에는 Qwen4-Max가 작업당 비용을 67% 절감했으며, Intelligence Index 작업당 $10.02 대비 $3.27이라는 핵심 수치를 보여 주고, 이 비용 분할이 대략 절반은 요율표(rate card), 절반은 토큰 관리(token discipline)라고 명시되어 있다.
Engineering & Research

Qwen4-Max, 작업당 비용 67% 절감: 실제 절감은 어디서 나오는가

작성자

jinhao.song

게시일

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

벤치마크 청구서는 기이한 산물이다. 모델의 습관에 값을 매기는 유일한 공개 문서다. Artificial Analysis는 Qwen4-Max를 Intelligence Index에 돌리는 데 든 비용, 즉 작업당 $3.27를 공개하고, 거기에 이르기 위해 사용한 요율표도 공개한다. 하나를 다른 하나로 나누면 연구소가 결코 대놓고 밝히지 않는 것을 복원할 수 있다. Qwen4-Max가 생각하는 데 실제로 쓰는 토큰 수다. 대체 대상인 Qwen3.8-Max에 대해서도 같은 계산을 하면, 작업당 비용 67% 감소는 대부분의 보도가 11월 16일 출시를 다루며 한데 뭉뚱그리는 두 숫자로 깔끔하게 나뉜다. 절감액의 약 절반은 가격 인하다. 나머지 절반은 Qwen4-Max가 말을 덜 하는 것이다. 그리고 이제 청구서를 지배하는 세부 항목은 헤드라인 가격이 시사하는 항목이 아니다.

벤더 자체 요약은 정확하지만 흥미로운 부분을 압축한다. Qwen4-Max는 Alibaba가 출시 페이지에서 밝힌 바에 따르면 Xhigh effort에서 Qwen3.8-Max보다 토큰을 약 24% 덜 사용하고, Work360의 High에서는 35% 덜 사용하며, Terminal-Bench 4.0에서는 48%와 49% 덜 사용한다. Work360의 작업당 평균 비용은 $4.43에서 $1.67로 떨어지며 62% 감소한다. 이는 회사 벤치마크에서 나온 회사 수치다. 아래의 독립적인 계산은 다른 벤치마크에서 다른 경로를 통해 67%에 도달하는데, 이것이 유용한 종류의 일치다: 두 방법, 같은 방향, 비슷한 규모.

독립적인 스코어보드가 실제로 말하는 것

Artificial Analysis에서 Qwen4-Max는 Intelligence Index에서 43점을 기록해 Qwen3.8-Max의 34점을 앞서며, 측정된 역량이 27% 향상되었습니다. 같은 페이지에서 두 모델의 가격은 입력 100만 토큰당 $1.50, 출력 100만 토큰당 $4.50로 책정되어 있으며, 이는 $2.00 및 $6.00에 비해 입력과 출력 양쪽 모두 정확히 25% 할인된 것입니다. 캐시된 입력에서 할인 폭이 두드러집니다: 100만 토큰당 $0.075 대 $0.25로 70% 인하되었고, 캐시 적중 할인율은 87.5%에서 95%로 올라갑니다.

인텔리전스 인덱스의 과제당 비용은 인덱스의 아홉 가지 평가 전체에 가중치를 적용하면 $3.27이며, 이는 $10.02와 대비됩니다. 비용을 점수로 나누면 격차는 더 벌어집니다. Qwen4-Max는 측정된 역량 1점을 8센트 미만에 제공하고, Qwen3.8-Max는 약 30센트에 제공합니다. 워크로드를 어느 모델로 옮길지만이 유일한 질문이라면 붙잡아야 할 숫자는 이것입니다. 달러당 역량은 약 4분의 3만큼 개선된 것이지, 과제당 비용만이 시사하는 67%만큼 개선된 것이 아닙니다.

토큰 수를 복구하기 위해 청구서를 역산하기

Artificial Analysis는 작업당 비용을 전체 요율의 입력, 캐시 쓰기, 캐시 읽기, 출력으로 나누며, 출력은 다시 추론 토큰과 답변 토큰으로 분할한다. 또한 가격도 공개한다. 각 구성 요소를 해당 가격으로 나누면 토큰 수가 나온다. 이 방법은 한 줄에서 스스로를 검증한다 — 출력 구성 요소를 $4.50으로 나누면 작업당 104,940토큰이 되고, 페이지에는 Qwen4-Max의 작업당 출력 토큰이 104,939.8로 별도로 보고된다. 서로 다른 두 방식으로 계산된 한 줄에서 소수점까지 정확히 일치한다.

나머지 모든 항목은 그 확신을 그대로 이어받으며, 단 하나의 가정을 공개적으로 밝힙니다. 즉 캐시 쓰기는 전체 입력 요율로 청구된다는 것인데, 이는 두 모델 모두에 걸친 계산이 시사하는 바이지 어느 공급업체도 명시적으로 문서화한 내용은 아닙니다.

Intelligence Index 작업별로 무엇이 도출되는가:

• 출력 토큰 — Qwen4-Max 104,940, Qwen3.8-Max 170,794 대비 39% 감소.

• 추론 토큰 — 119,698 대비 68,914, 42% 감소. 사고 예산은 답변 예산보다 훨씬 더 크게 줄었다.

• 답변 토큰 — 51,096 대비 36,025로 30% 감소. Qwen4-Max는 이제 출력의 66%를 추론에 사용하는데, 이전 모델은 70%를 사용했다. 단순히 더 짧아진 것이 아니라 그 구성 비율이 달라진 것이다.

• 캐시 읽기 토큰 — 2,270만 개 대비 약 1,490만 개로 34% 감소했습니다. 이는 긴 에이전트 실행을 지배하는 재생된 컨텍스트 토큰입니다.

• 캐시 쓰기 토큰 — 166만 대비 약 111만으로, 33% 감소.

두 가지가 두드러진다. 첫째, 토큰 감소는 사용자가 장황함을 알아차릴 수 있는 눈에 보이는 답변에 집중된 것이 아니라, 아무도 지켜보지 않는 추론과 재생된 컨텍스트에 집중되어 있다. 둘째, 작업당 토큰 볼륨은 절대치로 보면 어마어마하다 — 작업당 1,400만 회의 캐시 읽기 — 이는 Intelligence Index가 실제로 무엇을 측정하는지를 보여준다. 즉, 단일 턴 질의응답이 아니라 대규모의 지속적인 컨텍스트를 동반한 장기간 작업을 측정한다.

Two-column scoreboard comparing Qwen4-Max and Qwen3.8-Max on cost per task of 3.27 dollars against 10.02 dollars, output tokens per task of 104,940 against 170,794, cache-read tokens of 14.9 million against 22.7 million, and Intelligence Index scores of 43 against 34.

67%를 가격과 행동으로 나누세요

비용은 가격에 사용량을 곱한 것이므로, 감소분을 깔끔하게 분해할 수 있습니다. Qwen3.8-Max의 토큰 사용량을 Qwen4-Max의 요율로 청구하면 한 작업 비용이 $10.02 대신 $4.97이 됩니다 — 가격 변화만으로 50% 절감이 설명됩니다. 여기에 Qwen4-Max의 동작 방식까지 적용하면 $3.27이 되어, 남은 금액에서 34%가 추가로 줄어듭니다. 곱하면 0.496 × 0.658 = 0.326입니다. 즉 관측된 67% 감소가 아무것도 남지 않고 완전히 설명됩니다.

어느 절반에 공을 돌릴지는 비용을 어떤 순서로 따지느냐에 달려 있으며, 듣기 좋은 숫자만 고르기보다 그 점을 말하는 편이 좋다. 백분율로 보면 가격이 약 50%, 토큰 규율이 약 34%의 몫을 차지한다. 달러로 보면 — 작업당 총 $6.76 절감, 요율에서 $5.06, 물량에서 $1.70 — 가격이 4분의 3을 차지한다. 두 방식 모두 맞고, 서로 다른 질문에 답한다. 다음 분기 지출을 예측하는 중이라면 요율표가 더 크고 더 확실한 지렛대다. 모델이 정말로 더 경제적인지 묻는 것이라면 더 적은 토큰을 쓰는 데서 나오는 34%가 더 지속 가능한 몫이다. 가격 인하는 되돌릴 수 있지만 아키텍처는 되돌릴 수 없기 때문이다.

벤더 자체 수치의 방향은 요청하지도 않았는데 그 분리를 뒷받침한다. 알리바바는 그 감소를 같은 문장에서 두 요인 모두에 돌리며, Work360에서의 62%는 Intelligence Index에서 독립적으로 측정된 67%에 가깝다 — 두 개의 하네스, 두 세트의 과제, 하나의 결론.

조용히 가장 큰 항목이 된 그 세부 항목

바로 여기서 대표 가격이 오해를 부릅니다. 이전에는 캐시 읽기가 청구서의 57%, 캐시 쓰기가 33%였습니다. 이후에는 캐시 쓰기가 51%, 캐시 읽기가 34%입니다. 모델은 모든 항목에서 저렴해졌지만, 할인은 한쪽으로 치우쳐 있었습니다 — 캐시 읽기 70% 할인, 캐시 쓰기 25% 할인 — 그리고 그것이 두 최대 비용의 순위를 뒤집었습니다.

캐시 쓰기는 입력 요율인 100만 개당 $1.50로 청구되며, 이는 캐시 읽기 요율 $0.075의 20배입니다. 컨텍스트를 재생하는 것보다 더 자주 다시 쓰는 워크로드는 이제 그 습관의 대가를 이 가격표에서 가장 비싼 요율로 치르게 됩니다. 이것이 출시 보도가 대부분 놓친 가격 변경의 실질적 결과이며, 안정적인 프롬프트 접두사, 수명이 긴 세션, 전체 컨텍스트 재구축 감소라는 화려하지 않은 작업의 필요성을 뒷받침합니다. Qwen3.8-Max에서는 재생이 어차피 청구서를 지배할 만큼 비쌌기 때문에 그런 습관이 덜 중요했습니다.

이 교훈은 이 모델을 넘어 일반화된다. 제공자가 한 토큰 클래스를 다른 것들보다 훨씬 더 크게 인하하면, 최적의 프롬프트 아키텍처도 그에 따라 바뀌며, 받는 청구서는 이전 카드에 맞춰 구축한 아키텍처를 뒤늦게 보여주는 지표일 뿐이다.

Alibaba Cloud Model Studio documentation page for qwen4-max, showing the model name as the page title, a release date of 11-16, the model invocation ID qwen4-max, and the listed regions including Singapore and US (Virginia).

효율은 상대적인 것이고, 절대적인 수치는 보기 좋지 않다

출력 토큰이 39% 줄었다는 것은 간결한 모델처럼 들린다. 하지만 다른 모델들과 비교해 보면, 그것은 매우 말이 많은 모델의 더 간결한 버전일 뿐이다. 전체 인덱스 실행에서 Qwen4-Max는 1억 2,700만 개의 출력 토큰을 생성했다. 중간값 모델은 7,860만 개를 생성한다. Qwen3.8-Max는 1억 5,000만 개를 생성했다. 두 Qwen 모델 모두 훨씬 장황한 쪽에 속하며, Qwen4-Max는 중간값의 1.9배에서 1.6배로 옮겨간 것에 불과하다.

그것은 효율성 주장과 모순되는 것이 아니라, 그 주장을 올바르게 읽은 것입니다. 주장은 Qwen4-Max가 더 적은 토큰을 사용하면서 이전 모델보다 더 나은 결과를 얻는다는 것이며, 두 부분 모두 성립합니다. 그것은 모델이 조용하다는 주장이 아니며, 높은 점수를 받는 모델은 반드시 간결해야 한다는 가정 위에 세워진 예산형 모델은 크게 틀릴 것입니다. 출력량이 비용을 좌우한다면, Qwen4-Max로 이동하는 것은 그 수를 줄여 줄 뿐 범주를 바꾸지는 않습니다.

벤더의 사전 학습 수치는 다른 계층에서도 같은 방향을 가리킨다. 자체 BPB 평가에서 Qwen4-Max-Base는 모든 도메인에서 Qwen3.8-Max-Base보다 5–13% 더 우수하면서도 활성화되는 파라미터는 25% 더 적다. 즉, 이 아키텍처는 단위 연산당 더 많은 일을 하고 있으며, 이는 결론에 도달하는 데 더 적은 토큰이 필요한 모델과 일관된다. 2.4조 파라미터 백본, 710억 개의 활성화 파라미터, 추가된 3,280억 개의 N-gram 임베딩 파라미터가 그 이유인지는 벤더의 설명일 뿐이며, 알리바바 외부에서 누구도 재현한 측정값은 아니다.

비용 현황에서 빠진 부분은 무엇인가요?

지연 시간부터가 그렇다. Intelligence Index 카드에는 Qwen4-Max의 작업당 시간이 해당 없음으로 표시되어 있고, Qwen3.8-Max의 경우 13.3분 중앙값 대비 48.1분으로 측정된 결과 중 가장 느린 축에 속한다. 작업당 비용이 67% 더 저렴하지만 작업당 실제 경과 시간은 알 수 없는 모델은 어떤 것과도 충분히 비교된 것이 아니다. 기다려야 하는 저렴한 토큰은 별개의 제품이다.

또 하나는 공급자 폭이다. 위의 모든 수치 뒤에 있는 가격은 Alibaba Cloud의 단일 자사 요율이며, 해당 모델은 현재 한 호스트에서만 제공된다. 차익 거래를 할 두 번째 소스가 없으므로 요율표가 곧 요율이다. 그리고 Qwen3.8-Max는 이제 Qwen4-Max로 대체되어 사용 중단으로 표시되었고, 6시간이 아니라 18시간마다 벤치마크되므로 비교 기준선이 그 기준으로 측정되는 모델보다 더 느리게 갱신된다.

OrcaRouter model page for qwen/qwen3.8-max, showing the model id, input and output prices of $2.00 and $6.00 per million tokens, a 1,000,000-token context window, and the capability badges for vision, tools, JSON and reasoning.

산수를 당신이 통제하는 예산으로 바꾸기

이 분해에서 두 가지 레버가 도출되며, 이 둘은 서로 독립적입니다. 첫 번째는 가격입니다. 협상할 수 없는 요금표라도 우회할 수 있는 요금표이기는 마찬가지이며, 이는 정가를 지불하고 그 이상은 지불하지 않는 경우에 해당합니다. OrcaRouter 는 공급자 정가를 0% 마진으로 그대로 전달합니다. 따라서 11월 16일 알리바바가 단행한 것과 같은 공급업체의 인하가 다음 계약 갱신 때가 아니라 같은 날 청구서에 반영됩니다. 그리고 특히 캐시된 입력에 대한 70%라는 이번 인하의 폭은, 패스스루 방식이 조용히 흡수하지 않고 가시화하는 바로 그런 종류의 변화입니다.

두 번째 지렛대는 볼륨이며, 이는 모델이 대신 만들어 줄 수 없는 것입니다. 라우팅 DSL은 여러 모델을 하나의 호출로 구성하므로, 파이프라인의 대부분은 저렴한 모델에서 실행되고, 진짜로 2.4조 매개변수 MoE가 필요한 어려운 꼬리 작업은 그것을 갖춘 모델로 전송됩니다. 이 분할이 바로 프런티어 요금을 지불하지 않고도 34%의 행동 배당을 확보하는 방법이며, 작업당 1,400만 개의 컨텍스트 토큰이 정상인 워크로드에 대한 자연스러운 대응입니다.

제공하는 것과 제공하지 않는 것을 분명히 하자면: Qwen4-Max는 2026년 11월 16일 기준으로 저희 카탈로그에 없습니다. 현재 저희가 라우팅하는 Qwen 모델은 qwen/qwen3.8-max이며, 이 글에서 기준선으로 삼는 전신 모델입니다. 토큰 감소가 자사 트래픽에서도 유지되는지 확정하기 전에 테스트하려는 팀에게는 자동 페일오버가 저위험 방식입니다 — 일부 트래픽을 라우팅하고 폴백을 활성 상태로 유지한 뒤 벤치마크 작업이 아닌 실제 트레이스를 비교하세요.

이 해석을 바꿀 요인은 무엇인가요?

Artificial Analysis는 모델별 총 토큰 수를 집계하며, 이 글은 비용 구성 요소로부터 작업별 볼륨을 추론한다. 두 실행 사이에 하네스가 바뀌었다면 — 작업 구성이 달라졌거나 가중치가 달라졌다면 — 39% 출력 감소의 일부는 모델이 아니라 하네스일 수 있다. 출력 라인에서의 정확한 수치 정합은 그 가능성에 반하는 근거가 되지만, 완전히 배제하지는 못한다. 따라서 자체 트래픽을 가진 사람은 누구든 도출된 수치를 계획의 근거로 삼을 사실이 아니라 검증해야 할 가설로 다뤄야 한다.

공급업체의 Work360 수치에는 알리바바 스스로 밝힌 또 다른 유의점이 있다. BPB 비교의 체크포인트 중 두 개는 베이스가 아니라 사후 학습된 것이어서 동일 조건 비교라는 틀을 약화한다. Work360의 62% 비용 절감은 고정된 작업 세트에서 출시된 모델을 비교한 것이므로 이 점의 영향을 받지 않지만, 사전 학습 관련 주장은 이를 염두에 두고 읽어야 한다.

그 모든 것에서 살아남는 것은 답의 정밀도보다 그 형태다. 가격 인하로 포장된 출시는 또한, 대략 비슷한 정도로, 모델이 답에 도달하기 위해 얼마나 많은 비용을 쓰는지의 변화이기도 하며, 그 후반부는 경쟁자가 요금표를 조정하는 것으로는 따라 할 수 없는 부분이다. 그것이 더 작은 Qwen4 모델들이 출시될 때 지켜봐야 할 숫자다. 왜냐하면 토큰 절약이 아키텍처적 속성이라면 그 모델들과 함께 갈 것이고, 이 하나의 체크포인트의 속성이었다면 그렇지 않을 것이기 때문이다.

이 글에서 비교한 모델1

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