
Qwen4-Max werd een Opus 5.5-verslaander genoemd: de Index plaatst het 16 punten achter.
- GoogleNIEUWGoogle: Gemini 4 Carbon2026-11-10$2.00 / $10.00 per 1 mln tokens · 90 tok/s
- AnthropicNIEUWAnthropic: Claude Fable 5.22026-11-09$8.00 / $40.00 per 1 mln tokens · 96 tok/s
- orcaNIEUWOrca: OrcaC2 1.02026-11-0717 tok/s
- OrcaNIEUWOrcaCyber: GLM 5.3 Abliterated / Uncensored2026-11-04$3.00 / $5.00 per 1 mln tokens · 87 tok/s
- OrcaNIEUWOrcaCyber: Hy4 Abliterated / Uncensored2026-11-04$0.80 / $1.60 per 1 mln tokens · 133 tok/s
- OrcaNIEUWOrcaCyber: Kimi K3.1 Pro Abliterated / Uncensored2026-11-04$4.00 / $20.00 per 1 mln tokens · 72 tok/s
- OrcaOrcaCyber: MiniMax M3.1 Flash Abliterated / Uncensored2026-10-29$0.80 / $1.60 per 1 mln tokens · 130 tok/s
- OrcaOrcaCyber: GLM 5.3 Flash Abliterated / Uncensored2026-10-27$0.80 / $1.60 per 1 mln tokens · 65 tok/s
- OrcaOrcaCyber: Qwen3.8 Flash Next Abliterated / Uncensored2026-10-26$0.80 / $1.60 per 1 mln tokens · 92 tok/s
- OrcaOrcaCyber: MiMo V2.6 Flash Abliterated / Uncensored2026-10-26$0.80 / $1.60 per 1 mln tokens · 43 tok/s
- MoonshotMoonshotAI: Kimi K3.1 Pro2026-10-2447Intelligentie
- OrcaOrcaCyber: DeepSeek V4.1 Flash Abliterated / Uncensored2026-10-23$0.80 / $1.60 per 1 mln tokens · 193 tok/s
- minimaxMiniMax: M3.1 Flash2026-10-1929Intelligentie
- OrcaOrca: OrcaCyber Ultra 1.02026-10-17$5.00 / $10.00 per 1 mln tokens · 150 tok/s
- deepseekDeepSeek: DeepSeek V4.1 Flash 10172026-10-1733Intelligentie
- DeepSeekDeepSeek: DeepSeek V4.1 Flash2026-10-1740Intelligentie
- OrcaOrca: OrcaCyber Zero 1.52026-10-10$3.00 / $7.50 per 1 mln tokens · 120 tok/s
- openaiOpenAI: GPT-6.1 Sol2026-09-2955Intelligentie
- anthropicAnthropic: Claude Sonnet 5.52026-09-2855Intelligentie
- typesafeTypeSafe: Jev 1.132026-09-24$0.04 / $0.00 per 1 mln tokens · 219 tok/s
Het oordeel op de lanceerdag over Qwen4-Max was dat het Claude Opus 5.5 en zowel GPT-6.1 Sol als GPT-6 Astra verslaat, en alleen achterloopt op Claude Fable 5.2. Drie van die vier vergelijkingen vallen de andere kant op uit op het enige scorebord dat alle vijf modellen dezelfde negen evaluaties liet doorlopen. Artificial Analysis Intelligence Index v5.0.1, afgelezen op 16 november 2026 — de dag dat Qwen4-Max in de verkoop ging — zet Qwen4-Max op 43, Claude Opus 5.5 op 59, GPT-6 Astra op 57, GPT-6.1 Sol op 55 en Claude Fable 5.2 op 65. Zestien punten achter het model dat het naar verluidt zou verslaan, veertien achter het op één na goedkoopste van de drie, en twaalf achter het derde. De vierde vergelijking, die waarin Fable 5.2 vooroploopt, is het enige onderdeel van de bewering dat de confrontatie met de harness doorstaat.
Die kloof is het waard om uit elkaar te halen in plaats van weg te wuiven, want de bewering is niet verzonnen. Het is wat je krijgt wanneer een vergelijking wordt samengesteld uit instellingen voor redeneerinspanning die niet overeenkomen, en de mismatch toevallig elke keer dezelfde kant op valt. Hieronder: wat Alibaba daadwerkelijk heeft gepubliceerd, wat het scorebord bij elke trede van elke ladder aangeeft, de enige lezing waaronder de bewering letterlijk waar wordt, en het cijfer dat de tracker helemaal niet heeft voor Qwen4-Max.
Wat Alibaba publiceerde, en wat niet.
Het eerste dat je moet scheiden, is het lanceermateriaal van de leverancier en het commentaar eromheen. Alibaba's eigen Qwen4-Max-blogpost, gedateerd 16 november 2026, noemt in de 3.100 woorden nergens een concurrerend model bij naam. Elke vergelijking erin is met Qwen3.8-Max, het eigen vorige vlaggenschip van het bedrijf. Dat is normaal voor een lanceerpost en het is geen kritiek — maar het betekent dat de concurrerende framing niet van de leverancier kwam, en elke bewering "verslaat Opus" die circuleert, is een gevolgtrekking die iemand anders heeft gemaakt.
Wat de leverancier wél beweert, allemaal door de leverancier gerapporteerd en niet gereproduceerd:
• Architectuur — een backbone met 2,4 biljoen parameters op een nieuwe Qwen4-architectuur, met native vision en een contextvenster van één miljoen tokens.
• Tokenefficiëntie ten opzichte van Qwen3.8-Max — 24% minder tokens bij Xhigh-inspanning en 35% minder bij High op Alibaba's Work360-benchmark, en 48% en 49% minder op Terminal-Bench 4.0.
• Kosten per taak ten opzichte van Qwen3.8-Max — gemiddeld van $4,43 naar $1,67, een verlaging van 62%, met de grootste dalingen bij de prijs voor gecachte invoer.
• Work360-score — 52,69 tegenover 47,74 voor Qwen3.8-Max.
Geen daarvan is een vergelijking tussen laboratoria, en geen ervan kan worden getoetst aan gepubliceerde cijfers van een concurrent, omdat ze zijn gemeten op benchmarks die de leverancier zelf scoort. Het onafhankelijke cijfer kwam dezelfde dag uit een andere hoek.
Wat de onafhankelijke harness leest
Artificial Analysis v5.0.1 is een samengestelde score van negen evaluaties — 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 en Terminal-Bench-Science 0.1 — uitgevoerd door de tracker, niet door de labs. Daarin staat de 43 van Qwen4-Max op rang 38 van 81 modellen, iets boven de mediaan van het veld van 41. Dat is een respectabel debuut voor een eerste-generatiearchitectuur. Het is geen leider, en de vier modellen waar het boven werd geplaatst, staan allemaal voor op het:
• Claude Opus 5.5 — 59 bij Max, 57 bij Xhigh, 52 bij High, 48 bij Medium, 35 bij Low. Uitgebracht op 22 september 2026.
• GPT-6 Astra — 57 bij Max, 55 bij Xhigh, 55 bij High, 52 bij Medium, 43 bij Low. Uitgebracht op 3 september 2026, kennisafsluiting april 2026.
• GPT-6.1 Sol — 55 bij Max, 52 bij Xhigh, 50 bij Hoog, 46 bij Gemiddeld, 35 bij Laag. Uitgebracht op 29 september 2026.
• Claude Fable 5.2 — 65 bij Max, 62 bij Xhigh, 62 bij High, 56 bij Medium, 54 bij Low. Uitgebracht op 9 november 2026.
• Qwen4-Max — 43, gepubliceerd als één enkel getal zonder een ladder per inspanningsniveau. Uitgebracht op 16 november 2026.
Die laatste asymmetrie is het hele verhaal. Qwen4-Max is een reasoning-model, en de tracker beoordeelt zijn concurrenten bij vijf afzonderlijke reasoning-instellingen, terwijl hij Qwen4-Max bij één instelling beoordeelt. De instelling die de 43 opleverde, wordt vergeleken met de sterkste van Opus 5.5, Astra en Sol, en de tracker vertelt je niet hoeveel ruimte er onder die waarde zit. Dus "43 tegenover 59" is geen gelijkwaardige vergelijking van de plafonds van de twee modellen — het is de enige gemeten instelling van Qwen4-Max tegenover de beste instelling van Opus 5.5.
De enige lezing waaronder de bewering waar is
Lees de ladders van boven naar beneden en de bewering houdt op onjuist te zijn en begint misleidend te worden, wat een interessantere fout is. De 43 van Qwen4-Max wordt niet door elke trede van elke tegenstander overtroffen. Het komt boven de onderste trede van drie van de vier uit of evenaart die:
• Tegen Claude Opus 5.5 — 43 verslaat de 35 van de Low-instelling met acht punten, en verliest met vijf punten van de 48 van Medium. Het omslagpunt ligt tussen Low en Medium.
• Tegen GPT-6 Astra — 43 evenaart precies Astra's Low-instelling van 43, en verliest met negen punten van Medium's 52.
• Tegen GPT-6.1 Sol — 43 verslaat Sols Low-instelling van 35 met acht punten, en verliest met drie punten van Mediums 46. Dit is de niptste beslissing op het bord.
• Tegen Claude Fable 5.2 — 43 verliest met elf punten van elke trede, inclusief de 54 van de Low-instelling. Er is geen instelling van Fable 5.2 die Qwen4-Max bereikt.
Een vergelijking waarin Qwen4-Max tegenover concurrenten werd gezet die op Low effort draaiden, zou precies de gerapporteerde rangorde voor Opus 5.5 en Sol opleveren, precies de gerapporteerde gelijk-of-beter-score tegen Astra, en precies de gerapporteerde nederlaag tegen Fable 5.2. Dat is een coherente, zelfconsistente set resultaten, en het is de enige set op deze harness die de gangbare rangorde oplevert. Of iemand die nu bewust zo heeft samengesteld of erop is uitgekomen door een standaardconfiguratie met een laagste instelling te vergelijken, de rekensom komt daarop uit.
De praktische consequentie is het deel dat ertoe doet voor iedereen die een lanceringsthread leest in plaats van een scorebord: bij gelijke redeneerinspanning staat Qwen4-Max ongeveer één trede achter GPT-6.1 Sol en twee treden achter Claude Opus 5.5. Dat is een echt competitief debuut. Het is geen voorsprong, en het is verre van de framing dat het "beter presteert".

Kosten per taak scheiden twee claims van één.
Capabiliteit is slechts de helft van wat de lanceringgeruchten beweerden, en qua geld is het beeld gunstiger voor Qwen4-Max — voor twee van de drie modellen, en niet voor het derde.
• Lijstprijs — Qwen4-Max kost $1,50 per miljoen input en $4,50 per miljoen output, met 95% cachekorting en een gecombineerd tarief van $0,80 per miljoen. Dat gecombineerde tarief is het laagste van alle vijf modellen hier: GPT-6.1 Sol is $1,47, Claude Opus 5.5 $2,94, Claude Fable 5.2 $5,74 en GPT-6 Astra $7,70.
• Kosten per voltooide taak — 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. Allemaal op de Max-instelling van elk model.
• De omkering — Qwen4-Max heeft het goedkoopste blended tarief op de lijst en de op twee na goedkoopste taak. Het verslaat Claude Opus 5.5 per taak met een factor drie en GPT-6 Astra met ongeveer twee, en verliest van GPT-6.1 Sol met een factor 2.6.
Het mechanisme is breedsprakigheid, en de tracker meet dat rechtstreeks: Qwen4-Max genereerde 127 miljoen outputtokens bij het voltooien van de index, tegenover een veldmediaan van 78,6 miljoen, en wordt geclassificeerd als zeer breedsprakig. Een model dat 60% meer schrijft dan de mediaan, besteedt zijn tariefvoordeel daaraan. De cijfers van Alibaba zelf voor tokenreductie van 24 tot 35% zijn echte verbeteringen ten opzichte van Qwen3.8-Max en zeggen niets over hoe breedsprakig het model in absolute termen is, en dat is het getal dat op een factuur terechtkomt.
De kostenkant van de bewering valt dus netjes uiteen. {{1}}“Goedkoper in gebruik dan Opus 5.5 en Astra”{{/1}} is per taak waar, met ruime marge, en is het sterkste punt in dit artikel voor Qwen4-Max. {{2}}“Goedkoper dan GPT-6.1 Sol”{{/2}} is per taak onjuist met een factor 2,6, ook al is het gecombineerde tarief van Qwen4-Max 46% lager. Iedereen die op basis van de tarievenkaart budgetteerde en op de factuur het tegenovergestelde uitkwam, heeft dezelfde kloof gevonden.
Het getal dat de tracker niet heeft
Eén kolom op de Qwen4-Max-pagina is leeg op een manier die het verdient om opgemerkt te worden. Artificial Analysis rapporteert de tijd per taak voor elk model dat het hier vermeldt — Claude Opus 5.5 met 24,9 minuten op Max, GPT-6 Astra met 20,9, GPT-6.1 Sol met 22,9, Claude Fable 5.2 met 41,8 — en rapporteert N/A voor Qwen4-Max, met de annotatie "No publicly available API" bij de timinggrafiek.
Lees die annotatie zorgvuldig voordat je er een conclusie uit trekt, want het is geen bewering dat het model niet kan worden aangeroepen. Alibaba publiceert prijzen per token voor Qwen4-Max en in het bericht over de lancering staat dat de API-prijzen verlaagd zijn ten opzichte van Qwen3.8-Max, en de tracker zelf vermeldt Alibaba Cloud als provider van het model en noemt een kostenpost van $3,27 per taak. Een model met een tariefkaart, een provider en een gemeten kostenpost per taak heeft een API. De waarschijnlijkere lezing is dat de timingmeting niet verkrijgbaar was via het pad dat de tracker gebruikte, en de pagina zegt niet welk pad dat is. De FAQ van de tracker zelf, op dezelfde pagina, zegt dat het model "beschikbaar is via API via 1 provider", wat ook niet strookt met de annotatie in de grafiek.
Wat er na de ambiguïteit overblijft, is beperkter en nog steeds nuttig: er is geen onafhankelijk latencycijfer voor Qwen4-Max op de dag dat het uitkwam, terwijl elk model waarmee het wordt vergeleken er een heeft. Als je workload latencygevoelig is, kies je op basis van een getal dat nog niemand heeft gepubliceerd, en de eerlijke houding is om het zelf te meten voordat je je er met een productiepad aan vastlegt.

Welke lanceerclaims houden stand
Drie van de feitelijke beweringen die in omloop zijn, kloppen en verdienen het ronduit te worden gezegd, want een feitencheck die alleen aftrekt is geen feitencheck:
• Het contextvenster — geadverteerd als één miljoen tokens, door de tracker gemeten op 984.000. Dat is een echt model met één miljoen tokens, niet een naar boven afgerond 200K-model.
• Native vision — de tracker registreert tekst- en beeldinvoer met tekstuitvoer, wat overeenkomt met de beschrijving "native vision" van de leverancier in plaats van een extra encoder die aan een tekstmodel is vastgeschroefd.
• De prijsverlaging — $1.50 en $4.50 per miljoen tegenover de hogere prijskaart van Qwen3.8-Max, en het laagste gemengde tarief van de vijf hier vergeleken modellen. De richting van het prijsverhaal staat niet ter discussie.
Wat geen stand houdt, is de rangschikking, en de rangschikking is het deel dat het meest werd herhaald.
Wat moet je hiermee doen op de dag van de lancering?
De nuttige zet bij een model als dit is niet om partij te kiezen in het debat, maar om de optie goedkoop te houden. Qwen4-Max is een eerste-generatiearchitectuur tegen een oprecht lage prijs per eenheid, met een onafhankelijke score in de middenmoot en geen latentiecijfer — een profiel dat uitproberen beloont en migratie bestraft.
Daar is routing voor bedoeld. Claude Opus 5.5, GPT-6 Astra, GPT-6.1 Sol en Claude Fable 5.2 worden allemaal via OrcaRouter gerouteerd tegen de lijstprijs van elke leverancier, met 0% opslag, dus een tariefwijziging van een leverancier is dezelfde dag live en blijft de bovenstaande berekening per taak actueel zonder een tweede contract of een SDK-wijziging. Qwen4-Max wordt niet via OrcaRouter gerouteerd — het is bereikbaar via Alibaba's eigen Model Studio API en verschillende platformen van derden, en dit artikel zal niet doen alsof dat anders is. Wat routing je in die situatie oplevert, is de vergelijking: de vier modellen waarmee het werd vergeleken, zitten achter één sleutel voor meer dan 200 modellen, dus Qwen4-Max tegen hen benchmarken is een configuratiewijziging aan één kant van het hek in plaats van inkoop aan beide kanten.
En als Qwen4-Max wel een plek verdient, automatische failoveris juist wat een ongemeten model veilig maakt om in een live pad te zetten — het verzoek valt door naar een model waarvan je de latency wél hebt, in plaats van te falen wanneer het nieuwe model traag of niet beschikbaar is op de manier die zijn ontbrekende timingcijfer doet vermoeden.

De framing op de dag van de lancering was dat een goedkoop Chinees model twee Amerikaanse topmodellen had ingehaald. Wat de harness feitelijk laat zien, is een goed geprijsd model dat één trede onder de goedkoopste daarvan staat en twee treden onder de beste, met echte visiemogelijkheden, een echt venster van een miljoen tokens en geen gepubliceerde snelheid. Dat is een beter product dan de claim deed vermoeden en een slechtere rangorde, en het verschil tussen die twee is precies de afstand tussen een thread en een scorebord.
Vergeleken in dit artikel2
Herkend uit dit artikel · Benchmarks: Artificial Analysis · dagelijks bijgewerkt
