
Qwen4-Max verlaat preview: de prijskaart op basis van verbruik, en het outputbudget dat kleiner werd
- 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 · 97 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 · 119 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
Qwen4-Max is op 16 november 2026 overgegaan van een preview met tokenplan naar een model met verbruiksmeting, en het eerste getal dat je moet bekijken is geen benchmark — het is $1,50 input en $4,50 output per miljoen tokens in Singapore, tegen $2,00 en $6,00 voor Qwen3.8-Max. Dat is een regelrechte verlaging van 25% aan beide zijden van de meter. Maar dezelfde overstap die een echte prijskaart publiceerde, verkleinde ook het gedeelde budget voor denken en antwoorden van 393.216 tokens in de preview naar 262.144 bij algemene beschikbaarheid, haalde het model van een kredietplan af en zette het op facturering per token in zes regio's, en liet batch-inferentie in precies één daarvan beschikbaar. Als je de preview draaide en 16 november als een formaliteit beschouwde, zijn de specificatieverschillen het onderdeel dat pijn gaat doen, niet de korting.
Wat de switch van 16 november echt heeft veranderd
De preview was een goede deal en een beperkte: alleen Token Plan-credits, alleen Singapore, en een gedocumenteerde uitfasering op 24:00 op 25 november 2026 (UTC+8). Algemene beschikbaarheid vervangt al die drie beperkingen en voegt er twee toe waar niemand om vroeg. De modelidentificatie is nu gewoon qwen4-max; de previewstrings qwen4-max-preview en qwen4.0-max-preview zijn degene met een vervaldatum, dus een config die nog naar een van beide verwijst, staat op een klok die over negen dagen afloopt.
• Facturering — meting per token in zes regio's, tegenover Token Plan-tegoeden in één. Het gratis quotum van 1 miljoen tokens op de Singapore-kaart is 90 dagen geldig vanaf activering, modelrelease of goedkeuring, afhankelijk van welke van deze het laatst plaatsvindt.
• Regio's — Peking (Chinees vasteland), Singapore (internationaal), en Frankfurt, US Virginia, Tokio en Hongkong vallen allemaal onder de wereldwijde scope. De preview betrof alleen Singapore.
• Gedeeld outputbudget — 262.144 tokens voor denken en het definitieve antwoord samen bij GA, tegenover 393.216 op de previewkaart. Een derde van de speelruimte is verdwenen, en wel uit het deel dat langdurige agentruns het snelst verbruiken.
• Uitvoer zonder denkmodus — beperkt tot 131.072 tokens, met een invoerplafond van 991.808 tokens. In de denkmodus daalt het invoerplafond naar 983.616, omdat de redenering en het antwoord uit dezelfde bucket van 262.144 tokens komen.
• Batch-inferentie — alleen ondersteund in Beijing, en niet ondersteund in de andere vijf regio's. De previewversie had helemaal geen batchpad, dus dit is een nieuwe mogelijkheid in plaats van een regressie, maar het is regionaal beperkt op een manier die de marketing niet vooropstelt.
• Protocoloppervlak — OpenAI Chat Completions, OpenAI Responses, Anthropic Messages en DashScope, alle vier, met gestructureerde output, parallelle tool-aanroepen, prefix-completion, webzoekopdrachten en zowel expliciete als impliciete caching. Invoer accepteert tekst, afbeelding en video; uitvoer is alleen tekst.
De prijskaart, vormgegeven zoals de rekening binnenkomt
Alibaba publiceert twee verschillende kaarten voor hetzelfde model, en het verschil is niet klein genoeg om te negeren wanneer je een implementatiebereik kiest.
• Singapore, invoer en uitvoer — $1,50 / $4,50 per miljoen tokens, uniform over het volledige venster van 1.000.000 tokens, zonder staffeling bij 32K of 128K.
• Overal elders, input en output — $1,413 / $4,24 per miljoen tokens, constant over hetzelfde venster. Hetzelfde model, dezelfde limieten, 5,8% goedkoper dan Singapore per token.
• Cache-schrijfacties, Singapore — $1,875 per miljoen voor een schrijfactie van 5 minuten, $3,00 voor een schrijfactie van 1 uur. Elders: $1,767 en $2,827.
• Cache-leesbewerkingen, Singapore — $0,075 per miljoen. Elders: $0,071. Dat is 5% van het Singapore-inputtarief, en het is de grootste afzonderlijke hefboom voor een agentworkload met lange context.
• Alleen batch, uitsluitend Beijing — Batch File voor $0,707 / $2,12 per miljoen, Batch Chat voor $1,413 / $4,24. Alleen Batch File krijgt de batchkorting van 50%; Batch Chat staat vermeld tegen het realtime tarief, dus "batch" in de endpointnaam is geen prijsgarantie.
• Vergeleken met Qwen3.8-Max, dezelfde pagina — $2,00 / $6,00 in Singapore, $1,65 / $4,951 in de wereldwijde regio's. Qwen4-Max is 25% goedkoper in Singapore en 14,4% goedkoper elders, omdat de niet-Singaporese kaart van het oudere model zelf al afgeprijsd is.
De 14,4%-figuur is degene die ertoe doet als je al in Frankfurt of Virginia draait: de verlaging ten opzichte van de vorige generatie is daar kleiner dan de kop uit Singapore suggereert, en de claim van de leverancier over gemiddeld 62% kosten per taak doet veel werk dat de per-tokenkaart alleen niet verricht.

Een uitgewerkt voorbeeld, zodat de cachelijn niet langer abstract is
Neem een documentprefix van 400.000 tokens dat in drie rondes wordt beoordeeld, met 8.000 outputtokens per ronde, non-thinking, tarieven voor Singapore. Dit is rekenwerk op basis van de gepubliceerde lijstprijzen, niet een gemeten run.
• Doorgang één — de prefix wordt naar de cache geschreven tegen $1,875 per miljoen, $0,75, plus 8.000 outputtokens tegen $4,50 per miljoen, $0,036. Totaal $0,786.
• Doorgangen twee en drie — de prefix wordt gelezen tegen $0,075 per miljoen, $0,03 per doorgang, plus dezelfde $0,036 aan output. $0,066 per stuk.
Drie passes met caching — $0,918. Dezelfde drie passes die elke keer de volledige invoer betalen — $1,908. De prefix wordt twee keer gelezen voor minder dan de prijs van één nieuwe pass.
• Een vierde doorgang — caching wint met een steeds grotere marge telkens wanneer je opnieuw leest, en dat is precies het patroon van een lange agent-run die een vaste system prompt, toolschema en documentenset voor een veranderende vraag vasthoudt.
Het break-evenpunt ligt vrijwel direct: de premie voor cacheschrijven bovenop het normale invoertarief is $0,375 per miljoen in Singapore, dus een gecachte prefix verdient zichzelf al bij de eerste herlezing terug. Het punt waarop dit niet meer werkt, is een prefix die bij elke beurt verandert — je betaalt de schrijfpremie en krijgt er nooit iets voor terug, en het standaard schrijfvenster van 5 minuten is kort genoeg dat een trage tool-aanroep het kan laten verlopen.
Drie standaardinstellingen die de factuur bepalen voordat je prompt dat doet
Qwen4-Max wordt geleverd met redeneren ingeschakeld en op hoog ingesteld. Dat is een redelijke standaard voor een vlaggenschip en een dure voor een classifier.
• De inspanning staat standaard op high — reasoning_effort accepteert low, high en xhigh, en als je het weglaat, krijg je high. thinking_budget staat eveneens standaard op 131,072, en max_completion_tokens op 262,144 in de thinking-modus. Een verzoek dat niets instelt, heeft meer outputbudget gereserveerd dan de meeste taken zullen gebruiken.
• Er is geen medium — Chat Completions en DashScope vertalen minimal naar low, medium naar high en max naar xhigh. Op het Anthropic Messages-pad is de parameter output_config.effort en die wordt op dezelfde manier gemapt. Om medium vragen kost hetzelfde als high.
• preserve_thinking staat standaard op true — eerdere redeneringen worden bij aanroepen met meerdere beurten in de context meegenomen. Dat blaast de inputzijde van elke follow-up op en verhoogt tegelijkertijd de kans dat de prefix nog steeds overeenkomt met de cache. In een lange agentlus heffen de twee effecten elkaar gedeeltelijk op; in een korte chat doen ze dat niet, en betaal je voor het opnieuw lezen van gedachten die je nooit zult gebruiken.
• De standaardwaarden voor sampling zijn 1,0 / 0,95 / 20 in denkmodus en 0,7 / 0,8 / 20 in niet-denkmodus voor temperatuur, top_p en top_k, met presence_penalty op 1,5 buiten de denkmodus. Als je de temperatuur expliciet instelt zonder de effort aan te passen, verandert dat de vorm van de uitvoer, maar niet de factuur.
Wat de leverancier zegt dat er verbeterd is, en wat niemand heeft gecontroleerd
Elk getal in deze sectie is van Alibaba zelf en is buiten het lab niet gereproduceerd. Met ingang van 16 november is er geen onafhankelijke indexvermelding voor Qwen4-Max, dus beschouw de vergelijking als een bewering in plaats van een meting.
• Work360 — 52,69 tegenover 47,74 voor Qwen3.8-Max, op een taxonomie die de leverancier zelf heeft gebouwd: 26 Tier-1-domeinen, 182 Tier-2, 721 Tier-3.
• Tokenefficiëntie — ongeveer 24% minder tokens bij xhigh effort en 35% bij high op Work360; ongeveer 48% en 49% op Terminal-Bench 4.0. Dit is de bewering die in combinatie met de prijsverlaging extra doorwerkt, en dit is degene die je eerst op je eigen traces moet testen, omdat tokenbesparingen afhankelijk zijn van de workload.
• Gemiddelde kosten per taak — van $4,43 naar $1,67 op Work360, een daling van 62%. Dat cijfer vermenigvuldigt een prijsverlaging met een bewering over tokenbesparing; geen van beide factoren is onafhankelijk geverifieerd.
• Kwaliteit van het basismodel — 5% tot 13% lagere bits per byte dan Qwen3.8-Max-Base terwijl 25% minder parameters worden geactiveerd, in-house gemeten op kennis, code, QA en STEM. De leverancier merkt op dat twee van de vergeleken checkpoints post-trained zijn, wat de positionering als basismodel verzwakt.
• Veilig coderen — Het slagingspercentage op functieniveau van de laatste Secure Code Bench is gestegen van 22,0% naar 31,8%, en code die tegelijkertijd veilig is op functie-, bestands- en repositoryniveau is gestegen van 8% naar 14,7%.
De architectuur achter de efficiëntieclaim is een sparse mixture-of-experts-backbone met 2,4 biljoen parameters, waarvan 71 miljard parameters per token worden geactiveerd, plus nog eens 328 miljard in N-gram-embeddingparameters die worden opgezocht in plaats van vermenigvuldigd. Drie Gated DeltaNet-lagen comprimeren geschiedenis tot een state van vaste grootte voor elke Qwen Sparse Attention-laag, die context op microblokgranulariteit selecteert via een lichtgewicht indexeerder, en vier parallelle residual-takken met dynamische lees- en schrijfpoorten stabiliseren de diepe stack. Het is een plausibele verklaring waarom de kosten voor lange context dalen. Het blijft een verklaring.

Het uitproberen zonder er een productiepad naartoe te verplaatsen
Het ongemakkelijke deel van deze lancering is dat het model echt nieuw is, de benchmarks niet geaudit zijn, en het prijsoverzicht aantrekkelijk genoeg is dat iemand het deze week in productie wil hebben. Die drie feiten wijzen op een stagingstrategie in plaats van een migratie.
Qwen4-Max is bereikbaar via Alibaba's eigen Model Studio API en verschillende platforms van derden; het staat per 16 november niet in de OrcaRouter-catalogus. Qwen3.8-Max wel, voor $2,00 in en $6,00 out per miljoen tokens in Singapore — de lijstprijs van de leverancier wordt doorgegeven met 0% opslag, dus het verschil van 25% met Qwen4-Max is een echt verschil en geen routingmarge. Dat maakt de eerlijke test goedkoop: houd het zittende model op de sleutel die je al hebt, stuur een schaduwdeel van het verkeer naar het nieuwe model via de leverancier, en vergelijk kosten per voltooide taak in plaats van kosten per token. De eigen framing van de leverancier — $4,43 tot $1,67 — is een kosten-per-taakgetal, en kosten per taak is de enige vergelijking waarin een claim over token-efficiëntie en een prijsverlaging op dezelfde as uitkomen.
Voor teams die al via OrcaRouter routeren, zijn de overstapkosten die dit soort evaluaties normaal tegenhouden de tweede overeenkomst en de tweede SDK. Eén API voor meer dan 200 modellen, automatische failover tussen providers, en een routing-DSL die meerdere modellen samenvoegt tot één aanroep maken van de gemengde toestand — de incumbent verwerkt het volume, de kandidaat een deel — een configuratiewijziging in plaats van een integratie. Voor een onbewezen model is dat het verschil tussen een proof van twee weken en een van twee dagen, en failover voorkomt dat de proof een storing wordt wanneer de kandidaat een slechte middag heeft.

Wat te doen vóór 25 november
Als je de preview gebruikt, is de deadline niet vrijblijvend: qwen4-max-preview staat gedocumenteerd voor uitfasering om 24:00 op 25 november 2026 UTC+8, en de GA-aanduiding is qwen4-max met andere limieten. Migreer de string en controleer vervolgens twee dingen opnieuw die geen foutmelding geven als ze niet kloppen: elke code die uitging van een gedeeld budget van 393.216 tokens, heeft nu 262.144, en elke job die afhankelijk was van Token Plan-credits, wordt nu per token afgerekend.
Als je overweegt om over te stappen, is het argument om te wachten zwakker dan een week geleden, omdat de metered card en de cacheprijsstelling nu gepubliceerd zijn en de prijs in elke regio echt onder die van de vorige generatie ligt. Het argument voor voorzichtigheid zijn het gedeelde outputbudget, het batchpad dat alleen in Peking beschikbaar is, en een benchmarksuite die de leverancier zelf heeft geschreven. Draai de schaduwslice, bereken de prijs per voltooide taak en laat de komende twee weken je eigen traces beslissen — dat bewijs zal meer waard zijn dan een 52,69 op een taxonomie die niemand van ons kan auditen.
Er komt nog iets aan dat de berekening opnieuw verandert: Alibaba zegt dat de kleinere Qwen4-modellen op dezelfde lijn open source worden gemaakt, wat historisch betekent dat de prijsbodem onder dit segment binnen een kwartaal verschuift. Alles waar je je vandaag tegen de huidige tarieven aan vastlegt, moet een verbintenis zijn waar je van weg kunt lopen.
