
Qwen 4 vs Gemini 4 Argon: 7점보다 더 많은 것을 좌우하는 4.3%
- GoogleNEWGoogle: Gemini 4 Carbon2026-11-10$2.00 / $10.00 100만 토큰당 · 90 tok/s
- AnthropicNEWAnthropic: Claude Fable 5.22026-11-09$8.00 / $40.00 100만 토큰당 · 97 tok/s
- orcaNEWOrca: OrcaC2 1.02026-11-0717 tok/s
- OrcaNEWOrcaCyber: GLM 5.3 Abliterated / Uncensored2026-11-04$3.00 / $5.00 100만 토큰당 · 87 tok/s
- OrcaNEWOrcaCyber: Hy4 Abliterated / Uncensored2026-11-04$0.80 / $1.60 100만 토큰당 · 133 tok/s
- OrcaNEWOrcaCyber: Kimi K3.1 Pro Abliterated / Uncensored2026-11-04$4.00 / $20.00 100만 토큰당 · 72 tok/s
- OrcaOrcaCyber: MiniMax M3.1 Flash Abliterated / Uncensored2026-10-29$0.80 / $1.60 100만 토큰당 · 126 tok/s
- OrcaOrcaCyber: GLM 5.3 Flash Abliterated / Uncensored2026-10-27$0.80 / $1.60 100만 토큰당 · 65 tok/s
- OrcaOrcaCyber: Qwen3.8 Flash Next Abliterated / Uncensored2026-10-26$0.80 / $1.60 100만 토큰당 · 92 tok/s
- OrcaOrcaCyber: MiMo V2.6 Flash Abliterated / Uncensored2026-10-26$0.80 / $1.60 100만 토큰당 · 44 tok/s
- MoonshotMoonshotAI: Kimi K3.1 Pro2026-10-2447지능
- OrcaOrcaCyber: DeepSeek V4.1 Flash Abliterated / Uncensored2026-10-23$0.80 / $1.60 100만 토큰당 · 193 tok/s
- minimaxMiniMax: M3.1 Flash2026-10-1929지능
- OrcaOrca: OrcaCyber Ultra 1.02026-10-17$5.00 / $10.00 100만 토큰당 · 147 tok/s
- deepseekDeepSeek: DeepSeek V4.1 Flash 10172026-10-1733지능
- DeepSeekDeepSeek: DeepSeek V4.1 Flash2026-10-1740지능
- OrcaOrca: OrcaCyber Zero 1.52026-10-10$3.00 / $7.50 100만 토큰당 · 123 tok/s
- openaiOpenAI: GPT-6.1 Sol2026-09-2955지능
- anthropicAnthropic: Claude Sonnet 5.52026-09-2855지능
- typesafeTypeSafe: Jev 1.132026-09-24$0.04 / $0.00 100만 토큰당 · 219 tok/s
The scoreboard everyone reaches for in this matchup is the headline index: 42.9 for Qwen4-Max against 50.4 for Gemini 4 Argon, seven and a half points in Google's favour. But the number that should stop a deployment decision sits three columns to the right of the one everybody quotes. Gemini 4 Argon hallucinates on 4.3% of the questions it gets wrong. Qwen4-Max hallucinates on 28.4% of them. That is a factor of 6.6, and for anyone shipping output that a human reads, it is worth more than seven index points.
두 수치는 동일한 스위트인 Artificial Analysis v5.0.1에서 나온 것이며, 어느 것도 공급업체의 주장이 아닙니다. Google은 Argon에 대한 환각률을 공개하지 않았고, Alibaba는 Qwen4-Max에 대한 환각률을 공개하지 않았습니다. 독립적인 측정이 존재하는 유일한 측정입니다.
같은 슬롯에 판매된 두 모델
Both are million-token, image-capable, text-out flagships from companies that build their own silicon. Qwen4-Max went metered on 16 November 2026 in six Alibaba Cloud regions; Gemini 4 Argon has been on sale since 30 September 2026 through Google's API. The cards are close enough that price is not the differentiator people assume.
• 입력, 백만 토큰당 — Gemini 4 Argon $2.00; Qwen4-Max는 싱가포르에서 $1.50, 나머지 다섯 개 지역에서는 $1.413입니다. Google은 싱가포르 비교에서 33% 더 비싸고, 글로벌 요율 대비 41% 더 비쌉니다.
• 출력, 백만당 — Argon $10.00; Qwen4-Max $4.50 및 $4.24. 이쪽이 더 큰 격차입니다: 헤드라인 수치 기준 2.2배.
• 캐시된 입력 — Argon은 백만 개당 $0.10; Qwen4-Max는 읽기 기준 $0.075이며, 여기에 공개된 쓰기 요금 $1.875(5분) 및 $3.00(1시간)이 추가되는데, Google은 이를 같은 방식으로 세분화해 공개하지 않습니다.
• 완료된 인덱스 작업당 비용 — Argon $4.97; Qwen4-Max $3.27. 출력 속도가 2.2배 더 낮음에도 Qwen4-Max는 작업당 비용이 34%만 더 저렴한데, 두 비용 청구의 대부분이 입력이기 때문입니다.
• 실효 추론 강도 — Argon은 high에서, Qwen4-Max는 xhigh에서 측정됩니다. 두 모델 모두 단계 사다리를 제공하며, 어느 쪽 수치도 다른 모델의 기본값과 비교할 수 없습니다.
• 컨텍스트 — Argon에서 1,000,000토큰; Qwen4-Max는 벤더 카드상 동일한 100만 토큰이지만, 사고 모드 입력이 해당 지점에서 상한에 걸리므로 트래커에는 983,616으로 기록됩니다.
• 호스트 — Argon은 Google이 제공하고, Qwen4-Max는 Alibaba Cloud가 제공합니다. 둘 다 오픈 웨이트가 아닙니다.

작업별 분할은 더 저렴한 카드에 유리하지 않습니다.
$4.97과 $3.27을 분해해 보면, 놀라운 점은 어느 쪽이 사고에 더 많이 쓰는가이다. Argon은 인덱스 작업당 116,368개의 출력 토큰을 내보내며, 그중 68,301개가 추론이다. Qwen4-Max는 104,940개를 내보내며, 그중 68,914개가 추론이다. 추론 분량은 거의 동일하다. 차이는 답에 있다: Argon은 작업당 최종 답변으로 48,067토큰을 쓰는 반면 Qwen4-Max는 36,025토큰을 쓴다. Argon은 보이는 곳에서 더 장황하고, 보이지 않는 곳에서도 똑같이 장황하다.
그것은 Gemini에 유리한 반가운 예외입니다. 2.2× 출력 속도가 33% 더 많은 답변 텍스트를 확보한다는 뜻이기 때문입니다. 따라서 작업당 52%의 프리미엄은 요금표가 시사하는 것보다 작으며, 출력이 주도하는 워크로드 — 장문 생성, 모델이 스스로 작성하는 코드 — 에서는 격차가 더 좁아집니다. 입력이 주도하는 워크로드, 즉 대부분의 RAG와 대부분의 에이전트 루프에서는 대신 Qwen4-Max의 입력 요금이 그 역할을 합니다.
분명히 말해 두자면, 이는 벤치마크 하니스에서 모델링한 비용이지 청구서가 아닙니다. 토큰 구성은 달라질 것이며, 두 모델 간의 비율도 그에 따라 달라집니다.
Qwen4-Max가 진정으로 앞서는 부분
이번 맞대결에서 Qwen4-Max에 반대하는 주장은 강력하지만 만장일치는 아니며, 두 개의 행은 중요한 의미에서 반대 방향을 가리킨다.
• GDPval — Qwen4-Max 1,808.69 대 Argon의 1,633.51. 경제적 근거를 갖춘 전문 작업에서 Qwen4-Max는 7.5 지수 포인트 차로 자신을 앞서는 모델보다 10.7% 앞서 있습니다. 이는 비교에서 가장 명확한 단일 역전입니다.
• FrontierCode 2.0 — 25.7% 대비 26.5%. 1포인트 이내로 사실상 동점이며, Argon의 대표적인 우위라면 격차가 날 것으로 예상되는 스위트에서의 결과입니다.
• AutomationBench — 72.6% 대 77.5%. Argon이 이겼지만, 소프트웨어 엔지니어링보다 사무 자동화에 더 가까운 테스트 스위트에서 5점 차이입니다.
• Terminal-Bench 4.0 — 48.5% 대 57.1%. 여기서 Argon의 우위는 실질적입니다: 셸 기반 작업에서 8.5포인트 차이입니다.
• HLE Diamond — 44.9% 대 56.7%. 어려운 과학 분야에서 12점 차이.
• Terminal-Bench Science — 23.3% 대 52.9%. 이 보드에서 가장 큰 격차이며, 두 모델의 연구 역량을 가장 명확하게 구분 짓는 항목입니다.
• 전지성 정확도 — 27.7 대 46.1, 이 글 서두의 환각 관련 단서가 둘 모두에 적용됨.
전체를 하나의 묶음으로 읽으면, 패턴은 Qwen4-Max가 전문적 판단 작업에서는 뒤지지 않지만 지속적인 기술적 추론이 필요한 작업에서는 크게 뒤진다는 것입니다. 이는 "지수 7포인트 뒤"보다 더 좁고 더 유용한 진술이며, 다른 배포 방식을 가리킵니다.

왜 4.3%의 환각률에 비용을 지불할 가치가 있는가
차이에 숫자를 붙여 보자. 검토자가 어떤 주장을 30초 안에 확인할 수 있고, 조작된 주장이 프로덕션에 도달하면 10분의 재작업이 필요하다면, 답변 1,000개당 예상 검토 비용은 틀린 비중보다 조작된 비중에 의해 거의 전적으로 좌우된다. Argon의 4.3%는 오답 집합에서 대략 23개 중 1개의 답변에 재작업이 필요하다는 뜻이고, Qwen4-Max의 28.4%는 대략 3.5개 중 1개라는 뜻이다.
그에 비추어 볼 때, 작업당 52% 프리미엄은 인간 검토자가 있는 모든 워크플로에서는 사라진다. 거의 모든 부담률 기준에서 검토자 시간이 토큰 지출을 압도하기 때문이다. 검토자가 없는 워크플로에서는 정반대 이유로 사라진다. 검토자 없이 꾸며낸 답변은 비용이 아니라 사고이기 때문이다.
정직한 단서: 환각률은 고정된 질문 세트에서 측정되며, 모델만큼이나 측정 방식 자체의 속성이기도 합니다. Google이 내일 시스템 프롬프트 개정으로 Argon의 동작을 바꿀 수 있으며, 이 수치는 평가 스위트를 다시 실행하기 전까지 변하지 않을 것입니다. 이를 강한 사전 신호로 간주하되 보장으로 여기지 마세요.
라우팅 질문, 한쪽 편에서 답하다
Gemini 4 Argon is on our catalogue as google/gemini-4-argon at Google's list price, $2.00 in and $10.00 out per million, with 0% markup on top — the same rates Google publishes, passed through rather than repriced. Qwen4-Max is not on our catalogue: a qwen4 identifier returns not-found, its route is Alibaba's Model Studio API and several third-party platforms, and the closest Qwen model we serve is qwen/qwen3.8-max at $2.00 and $6.00.
그 비대칭성 자체가 대부분의 팀에게 배포 질문에 대한 답입니다. 환각 열에서 이기는 모델은 이미 보유한 엔드포인트를 통해 오늘 호출할 수 있는 모델이고, GDPval에서 이기는 모델은 시도하려면 두 번째 벤더 계약 비용이 듭니다. 약정하기 전에 자체 데이터로 GDPval 주장을 테스트하고 싶다면, 라우팅 DSL을 사용하면 한 번의 호출로 고정된 평가 세트를 두 경로 모두로 보낼 수 있어 출력을 나란히 비교할 수 있습니다 — 이는 어느 모델의 작업당 가격이 시사하는 것보다 더 저렴한 실험입니다.

일곱 가지 요점이 말해 주지 않는 것
이 비교를 바꿀 두 가지가 있는데, 둘 다 그리 먼 이야기가 아니다. 답변을 보류하도록 조정된 시스템 프롬프트를 사용하는 Qwen4-Max 배포 환경에서 독립적으로 환각을 측정하면 28.4%가 모델 자체의 속성인지, 아니면 질의 방식의 속성인지 시험할 수 있을 것이다 — 어떤 공급업체도 그러한 측정치를 공개하지 않았다. 그리고 더 큰 표본에서 GDPval을 다시 실행하면 Qwen4-Max가 전문 작업에서 보이는 10.7% 우위가 실제인지 잡음인지 알 수 있을 것이다. 해당 벤치마크의 구간은 넓고 두 모델은 순위가 뒤집힐 만큼 충분히 가깝기 때문이다.
Until either lands, the split is clean and it is not the one the index suggests. Sustained technical reasoning, science, shell work, or anything a customer reads unreviewed: Gemini 4 Argon, and the 52% premium is the least interesting number in the deal. Grounded professional judgement at volume, with a review step you were going to run anyway: Qwen4-Max is 10.7% better on the suite that measures exactly that, and it is 34% cheaper per task while you find out.
