
Qwen4-Max vs GPT-6 Luna: 15 인덱스 포인트를 위해 22배의 작업 비용
- OrcaNEWOrcaCyber: Hy4 Flash Abliterated / Uncensored2026-11-18$0.07 / $0.28 100만 토큰당 · 187 tok/s
- tencentNEWTencent: Hy4 Flash2026-11-16$0.02 / $0.07 100만 토큰당 · 414 tok/s
- GoogleNEWGoogle: Gemini 4 Carbon2026-11-10$2.00 / $10.00 100만 토큰당 · 87 tok/s
- AnthropicNEWAnthropic: Claude Fable 5.22026-11-09$8.00 / $40.00 100만 토큰당 · 138 tok/s
- orcaNEWOrca: OrcaC2 1.02026-11-0748 tok/s
- OrcaOrcaCyber: GLM 5.3 Abliterated / Uncensored2026-11-04$3.00 / $5.00 100만 토큰당 · 90 tok/s
- OrcaOrcaCyber: Hy4 Abliterated / Uncensored2026-11-04$0.80 / $1.60 100만 토큰당 · 134 tok/s
- OrcaOrcaCyber: Kimi K3.1 Pro Abliterated / Uncensored2026-11-04$2.00 / $5.00 100만 토큰당 · 79 tok/s
- tencentTencent: Hy42026-11-04$0.83 / $2.50 100만 토큰당 · 116 tok/s
- OrcaOrcaCyber: MiniMax M3.1 Flash Abliterated / Uncensored2026-10-29$0.80 / $1.60 100만 토큰당 · 111 tok/s
- OrcaOrcaCyber: GLM 5.3 Flash Abliterated / Uncensored2026-10-27$0.80 / $1.60 100만 토큰당 · 67 tok/s
- OrcaOrcaCyber: Qwen3.8 Flash Next Abliterated / Uncensored2026-10-26$0.80 / $1.60 100만 토큰당 · 91 tok/s
- OrcaOrcaCyber: MiMo V2.6 Flash Abliterated / Uncensored2026-10-26$0.80 / $1.60 100만 토큰당 · 42 tok/s
- MoonshotMoonshotAI: Kimi K3.1 Pro2026-10-2447지능
- OrcaOrcaCyber: DeepSeek V4.1 Flash Abliterated / Uncensored2026-10-23$0.80 / $1.60 100만 토큰당 · 210 tok/s
- minimaxMiniMax: M3.1 Flash2026-10-1929지능
- OrcaOrca: OrcaCyber Ultra 1.02026-10-17$5.00 / $10.00 100만 토큰당 · 109 tok/s
- deepseekDeepSeek: DeepSeek V4.1 Flash 10172026-10-1733지능
- DeepSeekDeepSeek: DeepSeek V4.1 Flash 09102026-10-17$0.15 / $0.60 100만 토큰당 · 168 tok/s
- DeepSeekDeepSeek: DeepSeek V4.1 Flash2026-10-1740지능
Qwen4-Max 요청과 GPT-6 Luna 요청을 동일한 평가 스위트에 통과시키면 청구서는 $3.27 대 $0.15로 돌아온다. 22배다. 점수를 나란히 놓으면 43 대 28, 즉 15점 차이며, 이는 여러 시간짜리 에이전트 실행을 맡길 모델과 문서 하나를 맡길 모델의 차이다. 두 격차 모두 실제이고, 둘 다 동일한 인덱스 리비전에서 측정되었으며, 어느 것도 문제를 해결하지 못한다. Qwen4-Max는 2026년 11월 16일부터 백만 토큰당 $1.50 및 $4.50에 일반 제공되어 왔고, GPT-6 Luna는 9월 22일부터 그 10분의 1 수준에 머물러 있기 때문이다. 결정은 어느 모델이 더 나은가가 아니다. 실제로 사용할 15점이 어느 것인가이며, 그 답은 이 비교를 진행하는 동안 두 번 바뀐다.
22×와 그것이 무엇으로 만들어졌는지
요율표부터 시작하세요. 대표로 내세운 비율이 실제로 지불하는 비율과 같지 않기 때문입니다.
• 입력 — Qwen4-Max는 싱가포르에서 백만당 $1.50, 글로벌 스코프 지역에서는 $1.413입니다. GPT-6 Luna는 $0.10입니다. 15대 1.
• 출력 — Qwen4-Max $4.50, 또는 Global $4.24. GPT-6 Luna $0.50. 9대 1.
• 캐시된 입력 — Qwen4-Max $0.075 싱가포르, $0.071 글로벌, 95% 할인. GPT-6 Luna $0.01, 90% 할인.
• 혼합 — Qwen4-Max는 트래커의 7:2:1 캐시 적중/입력/출력 가중치 기준 백만 토큰당 $0.80. GPT-6 Luna는 $0.077. 10대 1.
• Intelligence Index 작업당 비용 — Qwen4-Max $3.27, GPT-6 Luna $0.15. 22대 1.
15, 9, 10, 22. 이 네 숫자는 서로 맞지 않으며, 그 불일치가 유용한 부분이다. 작업당 비율은 혼합 가격 비율의 두 배가 넘는데, 이는 Qwen4-Max가 스위트를 끝내기 위해 더 많은 토큰을 내보내야 하기 때문이지, 그 요율이 카드가 시사하는 것보다 나쁘기 때문이 아니다. 트래커의 장황도 패널은 Qwen4-Max를 1억 2700만 출력 토큰으로, 중앙값 9000만과 대비해 표시한다. Luna는 같은 중앙값 대비 1억 1000만이다. 둘 다 장황한 편이다. Qwen4-Max는 그 정도가 15% 더 크며, 그 15%는 10× 요율 카드라면 예측했을 22× 격차에서 실제로 한몫하고 있다.
이 섹션의 모든 수치는 지수 v5.0.1에 대한 Artificial Analysis 측정값입니다. 이는 기준이 재설정된 지수이므로, 7월 리더보드의 Luna 점수는 여기서 인용된 28과 비교할 수 없습니다. 여기에 각 공급업체가 자체 공개한 요금표를 결합한 것입니다. 어느 공급업체도 동일 조건의 직접 비교를 공개하지 않았으며, 이 수치들로 구성한 어떤 비교든 두 개의 별도 실행에 대한 산술일 뿐 벤치마크가 아닙니다.

더 큰 지렛대는 effort 설정입니다.
43대 28이라는 구도가 오해를 낳는 이유는 다음과 같으며, 이는 사소한 정정이 아니다.
GPT-6 Luna는 none, low, medium, high, xhigh, max의 여섯 가지 추론 설정과 함께 출시되며, 기본값은 medium입니다. Artificial Analysis는 모든 단계를 점수화합니다. 그 격차는 반올림 차이가 아닙니다:
• Max — 인덱스 28, 작업당 $0.15, 12.2분, 초당 103 토큰.
• Xhigh — 23, 7.4분, 초당 99토큰.
• 높음 — 21, 6.0분, 초당 91토큰.
• 중간 — 18, 3.5분, 초당 93토큰. 이것이 기본값이며, 실제로 거의 모든 프로덕션 호출이 사용하는 설정입니다.
• 낮음 — 10, 0.6분, 초당 87 토큰.
• 비추론 — 9, 2.0분, 초당 84토큰.
그러므로 정직한 비교는 43 대 28이 아닙니다. effort 매개변수를 전혀 보내지 않는 호출자의 경우 43 대 18이고, 다이얼을 최대로 돌려 그 대가로 6배의 지연 시간을 치르는 호출자의 경우 43 대 28입니다. 같은 모델에서 기본값에서는 25포인트, 상한에서는 15포인트이며, 요금표상 가격 변화는 없습니다.
Qwen4-Max의 사다리는 low, high, xhigh의 세 단계이며 기본값은 high입니다. medium은 없습니다. Chat Completions와 DashScope 모두 medium을 high로 매핑하므로, 중간 설정을 요청해도 최상위 설정과 같은 비용이 듭니다. 이는 Luna의 다이얼보다 더 나쁜 다이얼이며, 그 이유도 같습니다. 어떤 단계를 호출하느냐가 점수를 결정하는데, Qwen4-Max는 더 적게 사는 방법을 더 적게 제공합니다.
트래커가 Qwen4-Max에 대해 공개하지 않는 것은 세 단계 각각의 점수입니다. 페이지에는 43까지 실려 있고 거기서 멈춥니다. Luna의 전체 6단계 사다리는 공개되어 있어, Luna는 모델링하기는 더 쉬운 모델이지만 견적을 내기는 더 어려운 모델입니다. 비용 예측을 세우고 있다면, 완전히 공개된 사다리는 단일한 더 나은 숫자 하나보다 더 가치가 있습니다. 비용이 꺾이는 지점이 어디인지 볼 수 있기 때문입니다.

Luna의 272,000토큰 절벽
두 모델 모두 100만 토큰 컨텍스트를 광고하지만, 그 전체 구간에 동일한 요율을 부과하는 모델은 둘 중 하나뿐이며, 이는 구매자가 놓칠 수 있는 가장 값비싼 단 하나의 사실입니다.
• Qwen4-Max — 전체 1,000,000토큰 창에 걸쳐 $1.50 및 $4.50의 균일 요금이며, 32K나 128K에서 구간별 요금 차등이 없습니다. 문서에 명시된 입력 상한은 비사고 시 991,808토큰, 사고 활성화 시 983,616토큰입니다. 비사고 출력은 최대 131,072토큰이고, 사고와 답변은 262,144토큰을 공유합니다.
• GPT-6 Luna — 입력 토큰 272,000개까지 $0.10 및 $0.50, 그 이상은 입력 $0.20 및 출력 $0.75입니다. 재가격 책정은 초과분이 아니라 전체 요청에 적용됩니다. 즉, 300,000토큰 프롬프트는 마지막 28,000개가 아니라 전체 300,000개에 대해 두 배를 지불합니다. 컨텍스트 창은 OpenAI 문서 기준 1,050,000개, 트래커 기준 1M이며, 최대 입력은 922,000개, 출력 상한은 128,000개입니다.
장문 컨텍스트 케이스를 실행하면 22×는 7.5× 쪽으로 줄어든다. 40만 토큰 문서에 8,000토큰 답변을 붙이면 Qwen4-Max에서는 입력 $0.60, 출력 $0.09로 싱가포르 요율 기준 $0.69이다. 같은 요청을 Luna에서 처리하면 입력 $0.08, 출력 $0.006으로 $0.086이다. 22배가 아니라 7.5배다. Luna는 여전히 극적으로 저렴하며, 헤드라인 숫자가 암시하는 차이의 3분의 1만큼만 저렴하다.
그 역전에는 두 번째 칼날이 있고, 그 칼날은 반대 방향으로 작용한다. 272,000토큰 미만에서는 이 절벽이 결코 적용되지 않으며, 대부분의 에이전트 워크로드 — 코드베이스 컨텍스트, 지원 대화, 도구 호출 루프 — 는 그보다 훨씬 낮은 수준에 머문다. 두 카드 모두에서 "1M 컨텍스트"를 보고 500,000토큰 작업에 Luna를 $0.10으로 예산 책정한 팀은 입력에서 2배, 출력에서 1.5배 예산을 과소 책정한 것이며, 그 실수는 청구서에서야 드러난다.
가격을 따지기 전에 알아둘 만한 레지던시 관련 사항도 있습니다. Luna의 EU 데이터 레지던시는 Standard 처리에서만 사용할 수 있으므로 Batch 및 Fast 할인은 전혀 적용할 수 없습니다. 레지던시 요구 사항이 범위에 포함된다면, 적용되는 Luna 요율은 표준 요율이며, 기대하던 할인 구조는 이용할 수 없습니다.
비디오, 그리고 루나가 들어갈 수 없는 행
모달리티 차이는 마케팅이 시사하는 것보다 작고, 스펙 시트를 한눈에 훑어볼 때 짐작되는 것보다 크다.
• GPT-6 Luna — 텍스트와 이미지 입력, 텍스트 출력. 비디오 또는 오디오 모델이 아닙니다. 이미지 생성, 음성 생성, 전사 및 번역은 모두 지원되지 않는 것으로 문서화되어 있습니다.
• Qwen4-Max — 텍스트, 이미지, 비디오를 입력받아 텍스트를 출력하며, 비전을 추출기를 거치지 않고 네이티브로 처리합니다. 프로토콜 측면에서는 OpenAI Chat Completions, OpenAI Responses, Anthropic Messages, DashScope를 지원하고, Luna의 Responses, Chat Completions, Batch에 대응합니다.
Qwen4-Max는 둘 중 화면 녹화, 강의 캡처 또는 비디오 리뷰를 가리키며 그것에 대해 질문할 수 있는 유일한 제품입니다. 이는 실제 역량 차이이며 벤치마크 차이가 아닙니다 — 어느 카드의 어떤 지표도 이를 측정하지 못하고, Luna의 effort-level을 아무리 조정해도 이를 만들어낼 수 없습니다. 워크로드에 비디오가 포함된다면 비교는 여기서 끝나며, 22×는 입장료입니다.
비디오가 아니라면 해당 행은 장식일 뿐이고, 더 흥미로운 절반은 프로토콜의 폭이다. Qwen4-Max는 네 가지 와이어 형식을 지원하고, Luna는 세 가지를 지원하며 가장 풍부한 도구 표면은 Responses를 통해서만 제공한다 — 웹 검색, 파일 검색, 코드 인터프리터, 호스티드 셸 같은 내장 도구가 거기서 실행되며, Chat Completions의 함수 호출은 추론 강도가 none으로 설정된 경우에만 작동한다. 비용을 아끼려고 Chat Completions로 옮겼는데도 여전히 도구 호출을 기대하는 파이프라인은 첫 요청에서 실패한다. 그것은 역량 격차가 아니라 마이그레이션 함정이며, 퍼센트가 아니라 일주일을 잡아먹는 종류의 일이다.
이것이 바로 라우팅 레이어가 모델 선택이 아니라 존재 가치를 입증하는 지점입니다. OrcaRouter는 이미 openai/gpt-6-luna 를 OpenAI 정가에 0% 마크업을 그대로 적용한 가격으로 제공합니다 — 따라서 Luna 가격이 바뀌면 OpenAI 가격표에 반영되는 당일 여기에서도 바로 적용됩니다 — 그리고 Qwen4-Max는 여기에서 호스팅되지 않으며, Alibaba 자체의 Model Studio API와 여러 서드파티 플랫폼을 통해 접근할 수 있습니다. 200개 이상의 모델을 위한 하나의 API, 하나의 키, 그리고 요청을 분류해 해당 행이 지정하는 두 모델 중 하나로 보내는 라우팅 DSL이 있습니다. 대량 추출 계층에는 Luna를, Luna가 구조적으로 감당할 수 없는 비디오 및 장문 컨텍스트 작업에는 Qwen급을 배치합니다. 자동 페일오버는 저렴한 계층이 일시적 장애를 겪는 날을 대비합니다. 바로 단일 제공자 파이프라인이 자신에게도 그런 날이 있음을 깨닫는 날이죠.

각 모델이 적합한 경우
세 가지 워크로드, 세 가지 서로 다른 답, 그리고 세 번째야말로 대부분의 팀이 실제로 있는 지점입니다.
대량 처리, 사양이 명확함, 검증 완료. 코퍼스 분류, 문서 세트에서의 추출, 요약, 파이프라인의 지원 트리아지 단계. Luna가 작업당 $0.15이고 Qwen4-Max가 $3.27이라는 것은 43이 전혀 필요 없었던 작업에서 95%의 비용 절감입니다. Luna의 기본 설정에서 얻는 18은 해당 가격대의 중앙값을 웃돌고 출력은 검증 가능하다는 것이 이 주장의 전부입니다. 이건 근소한 차이가 아닙니다.
장기 과제, 무인 실행, 잘못되면 비용이 큰 작업. 수 시간에 걸친 에이전트 실행, 저장소 규모의 리팩터링, 수십 번의 도구 호출에 걸친 리서치. 15점의 지수 차이는 계획을 유지할 수 있는 모델과 계획을 놓치는 모델을 가르는 차이이며, 작업당 $3.27은 엔지니어 1시간을 들여 다시 해야 하는 실행에 비하면 가격은 제약이 아닙니다. Qwen4-Max는 둘 중 비디오 입력을 받는 유일한 모델이기도 하며, 이는 점점 더 큰 비중을 차지하는 에이전트 작업 — 스크린샷, 화면 녹화, UI 트레이스 — 에서 워크로드가 성립하는지 여부를 가르는 차이입니다.
지연에 민감한, 중간쯤. 이것은 두 카드 모두 답하지 못하는 사례입니다. Luna는 최대 노력에서 초당 103토큰, 기본 설정에서는 초당 93토큰으로 디코딩합니다. Qwen4-Max는 초당 59토큰입니다. Luna는 인덱스 작업을 최대 설정에서 12.2분, 기본 설정에서 3.5분에 끝냅니다. Qwen4-Max는 29.8분입니다. 사람이 기다리고 있다면 초당 59토큰은 제품이 살아 있다고 느껴지는지를 결정하는 수치이며, 어떤 작업별 절감도 멈추는 인터페이스를 상쇄하지 못합니다. 아무도 기다리지 않는다면 29.8분은 일정을 조정할 수 있는 실제 경과 시간입니다.
대부분의 팀에 맞는 올바른 형태는 이 둘 중 하나가 아니라 둘 다입니다 — 그 이유는 결정 경계가 계약 수준이 아니라 요청 수준의 속성이기 때문입니다. Luna에서 분류하고 분류기가 확신하지 못할 때 프런티어 모델로 에스컬레이션하는 파이프라인은 쉬운 90%에서 95% 절감을, 나머지에서 15포인트를 얻습니다. 그것이 라우팅 DSL의 용도이며, 이 비교에서 패자를 고를 필요가 없는 유일한 구성입니다.
실제로 예측할 수 있는 청구서
인덱스 포인트 15개에 작업 비용은 22배다. 하나를 다른 하나로 나누면 Qwen4-Max는 인덱스 포인트당 $0.076이고 Luna는 $0.0054다 — 포인트당 14배 더 비싸며, 이 숫자는 Luna를 당연한 구매처럼 보이게 하는 동시에 가장 쓸모없는 숫자다. 아무도 인덱스 포인트를 소비하지 않기 때문이다.
사람들이 소비하는 것은 워크로드이며, 그 워크로드에는 이를 결정하는 세 가지 속성이 있다. 컨텍스트가 몇 개의 토큰에 이르는지, 사람이 기다리고 있는지, 그리고 잘못된 답을 잡아내는 비용이 저렴한지다. Luna는 처음 두 가지에서 완전히 승리하고, 세 번째에서는 비교가 뒤집힐 정도로 참패한다. Qwen4-Max는 세 번째에서 승리하며, 그 대가를 대안이 재실행일 때만 납득되는 요율로 청구한다.
모든 것을 견뎌내는 예측: 이 둘 사이에서 가격으로 선택하고 있다면, 이미 잘못 선택한 것이다. 왜냐하면 22×는 파이프라인의 모든 요청마다 지불해야 하는 프리미엄이 아니라, 그것이 필요한 소수 요청에만 지불하는 프리미엄이기 때문이다. 그 소수만 라우팅하라. 나머지는 다른 것에 쓸 수 있는 반올림 오차일 뿐이다.
이 글에서 비교한 모델1
이 글에서 자동 인식 · 벤치마크: Artificial Analysis · 매일 업데이트
