
Qwen4-Max verlaagt de kosten per taak met 67%: waar de besparing echt vandaan komt
- 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
Een benchmarkfactuur is een vreemd artefact: het is het enige openbare document dat een prijskaartje hangt aan de gewoonten van een model. Artificial Analysis publiceert wat het kostte om Qwen4-Max door zijn Intelligence Index te laten lopen — $3,27 per taak — en publiceert de tariefkaart die daarvoor is gebruikt. Deel het ene door het andere en je achterhaalt iets wat het lab nooit ronduit zegt: hoeveel tokens Qwen4-Max daadwerkelijk aan nadenken besteedt. Doe hetzelfde met Qwen3.8-Max, het model dat het vervangt, en de 67% kostenreductie per taak valt netjes uiteen in twee getallen die de meeste verslaggeving over de lancering van 16 november op één hoop gooit. Ongeveer de helft van de besparing is een prijsverlaging. De andere helft is dat Qwen4-Max minder praat. En de kostenregel die nu zijn factuur domineert, is niet degene die de headline-prijs doet vermoeden.
De eigen samenvatting van de leverancier is accuraat, maar comprimeert het interessante deel. Qwen4-Max, zo stelt Alibaba op de lanceringspagina, gebruikt ongeveer 24% minder tokens dan Qwen3.8-Max bij Xhigh-inspanning en 35% minder bij High op Work360, en 48% en 49% minder op Terminal-Bench 4.0; de gemiddelde kosten per taak op Work360 dalen van $4,43 naar $1,67, een verlaging van 62%. Dat zijn bedrijfscijfers op bedrijfsbenchmarks. De onafhankelijke berekening hieronder komt via een andere route op 67% uit op een andere benchmark, en dat is het nuttige soort overeenstemming: twee methoden, dezelfde richting, vergelijkbare grootte.
Wat het onafhankelijke scorebord eigenlijk zegt
Op Artificial Analysis scoort Qwen4-Max 43 op de Intelligence Index, tegenover 34 voor Qwen3.8-Max, een stijging van 27% in gemeten capaciteit. Dezelfde pagina prijst de twee modellen op $1,50 per miljoen inputtokens en $4,50 per miljoen outputtokens, tegenover $2,00 en $6,00 — een korting van precies 25% in beide richtingen. Bij gecachte input is de korting spectaculair: $0,075 per miljoen tegenover $0,25, een verlaging van 70%, en het kortingspercentage voor cachehits gaat van 87,5% naar 95%.
De kosten per Intelligence Index-taak, gewogen over alle negen evaluaties in de index, komen uit op $3,27 tegenover $10,02. Deel de kosten door de score en de kloof wordt groter: Qwen4-Max levert een punt gemeten capaciteit voor minder dan acht cent, Qwen3.8-Max voor ongeveer dertig. Dat is het getal om aan vast te houden als de enige vraag is naar welk model je een workload moet verplaatsen — capaciteit per dollar verbeterde met ruwweg driekwart, niet met de 67% die alleen de kosten per taak suggereren.
De factuur omkeren om de tokenaantallen te herstellen
Artificial Analysis splitst de kosten per taak op in componenten: input tegen het volledige tarief, cacheschrijfactie, cachelezing en output, waarbij output verder wordt opgesplitst in reasoning- en antwoordtokens. Het publiceert ook de prijzen. Deel elke component door de bijbehorende prijs en je hebt de tokens. De methode valideert zichzelf op één regel — de outputcomponent gedeeld door $4,50 komt uit op 104.940 tokens per taak, en de pagina meldt afzonderlijk 104.939,8 outputtokens per taak voor Qwen4-Max. Exacte overeenkomst tot op de decimaal, op een regel die op twee verschillende manieren is berekend.
Elke andere regel erft dat vertrouwen, met één openlijk genoemde aanname: dat cacheschrijfacties tegen het volledige invoertarief worden gefactureerd, wat de berekening over beide modellen impliceert, en niet iets wat welke leverancier dan ook expliciet documenteert.
Wat eruit volgt, per taak van de Intelligence Index:
• Uitvoertokens — Qwen4-Max 104.940 tegenover Qwen3.8-Max 170.794, een vermindering van 39%.
• Redeneertokens — 68.914 tegen 119.698, 42% lager. Het denkbudget is veel sterker gekrompen dan het antwoordbudget.
• Antwoordtokens — 36.025 tegenover 51.096, een daling van 30%. Qwen4-Max besteedt nu 66% van zijn output aan redeneren in plaats van de 70% die zijn voorganger besteedde; het is niet alleen korter, het is anders geproportioneerd.
• Cache-read-tokens — ongeveer 14,9 miljoen tegenover 22,7 miljoen, een daling van 34%. Dit zijn de opnieuw afgespeelde contexttokens die elke lange agentische run domineren.
• Cache-write-tokens — ongeveer 1,11 miljoen tegenover 1,66 miljoen, een daling van 33%.
Twee dingen vallen op. Ten eerste is de tokenreductie niet geconcentreerd in het zichtbare antwoord, waar een gebruiker breedsprakigheid zou opmerken, maar in redenering en in opnieuw afgespeelde context, waar niemand meekijkt. Ten tweede zijn de tokenvolumes per taak enorm in absolute termen — veertien miljoen cache-leesbewerkingen per taak — wat je vertelt wat de Intelligence Index eigenlijk meet: werk over een lange horizon met een grote persistente context, niet vraagbeantwoording in één beurt.

Splits de 67% op in prijs en gedrag
Kosten zijn prijs vermenigvuldigd met volume, dus de daling kan netjes worden ontleed. Factureer de tokenvolumes van Qwen3.8-Max tegen de tarieven van Qwen4-Max en een taak kost $4,97 in plaats van $10,02 — de prijsverandering alleen al verklaart een verlaging van 50%. Pas ook het gedrag van Qwen4-Max toe en het komt uit op $3,27, nog eens 34% minder op wat overbleef. Met elkaar vermenigvuldigd geeft 0,496 maal 0,658 0,326: de waargenomen daling van 67%, volledig verklaard, zonder dat er iets overblijft.
Welke helft de eer verdient, hangt af van de volgorde waarin je het toerekent, en het is de moeite waard om dat te zeggen in plaats van het getal te kiezen dat het beste uitkomt. In procenten vertegenwoordigt prijs ongeveer 50% en token-discipline ongeveer 34%. In dollars — $6,76 per taak in totaal bespaard, $5,06 door tarieven en $1,70 door volume — neemt prijs driekwart voor zijn rekening. Beide invalshoeken zijn correct; ze beantwoorden verschillende vragen. Als je de uitgaven voor volgend kwartaal voorspelt, is de tariefkaart de grotere en zekerder hefboom. Als je je afvraagt of het model echt zuiniger is, is de 34% die voortkomt uit het besteden van minder tokens de duurzamere, omdat een prijsverlaging kan worden teruggedraaid en een architectuur niet.
De strekking van de eigen cijfers van de leverancier bevestigt de tweedeling, ongevraagd. Alibaba schrijft de daling in één adem aan beide factoren toe, en zijn 62% op Work360 ligt dicht bij de 67% die onafhankelijk op de Intelligence Index is gemeten — twee meetopstellingen, twee sets taken, één conclusie.
De regelpost die stilletjes de grootste werd
Dit is waar de prijs in de kop misleidt. Eerst waren cachelezingen 57% van de rekening en cacheschrijvingen 33%. Daarna zijn cacheschrijvingen 51% en cachelezingen 34%. Het model werd op elke regel goedkoper, maar de korting was scheef — 70% korting op cachelezingen, 25% op cacheschrijvingen — en het draaide de rangorde van de twee grootste kostenposten om.
Schrijfacties naar de cache worden tegen het invoertarief gefactureerd: $1,50 per miljoen, twintig keer het cache-leestarief van $0,075. Een werklast die zijn context vaker herschrijft dan dat hij die opnieuw afspeelt, betaalt die gewoonte nu met de duurste valuta op de prijskaart. Dit is de praktische consequentie van de prijswijziging die de berichtgeving rond de lancering grotendeels miste, en het pleit voor het weinig glamoureuze werk: stabiele promptprefixen, langdurige sessies, minder heropbouwen van de volledige context. Op Qwen3.8-Max maakten die gewoonten minder uit, omdat opnieuw afspelen toch al duur genoeg was om de rekening te domineren.
De les gaat verder dan dit model. Wanneer een provider de prijs van één tokenklasse veel sterker verlaagt dan van andere, verandert de optimale promptarchitectuur mee, en de rekening die je krijgt is een achterlopende indicator van de architectuur die je voor de vorige kaart hebt gebouwd.

De efficiëntie is relatief, en het absolute cijfer is weinig flatteus.
Een reductie van 39% in outputtokens klinkt als een zuinig model. Zet dat af tegen het veld en het is een zuiniger versie van een zeer spraakzaam model. Over de hele indexrun genereerde Qwen4-Max 127 miljoen outputtokens; het mediane model genereert 78,6 miljoen. Qwen3.8-Max genereerde 150 miljoen. Beide Qwen-modellen zitten ver aan de wijdlopige kant, en Qwen4-Max ging slechts van 1,9 keer de mediaan naar 1,6 keer de mediaan.
Dat is geen tegenspraak van de efficiëntieclaim — het is de juiste interpretatie ervan. De claim is dat Qwen4-Max een beter resultaat behaalt dan zijn voorganger terwijl het minder tokens verbruikt, en beide delen kloppen. Het is geen claim dat het model zwijgzaam is, en elk budgetmodel dat is gebouwd op de aanname dat een hoog scorend model noodzakelijkerwijs beknopt moet zijn, zal er ruim naast zitten. Als de omvang van de output je kosten bepaalt, verlaagt de overstap naar Qwen4-Max het aantal en verandert dat de categorie niet.
De pre-trainingcijfers van de leverancier wijzen op een ander niveau in dezelfde richting. Bij interne BPB-evaluaties is Qwen4-Max-Base in elk domein 5–13% beter dan Qwen3.8-Max-Base, terwijl het 25% minder parameters activeert — de architectuur verzet meer werk per eenheid rekenkracht, wat consistent is met een model dat minder tokens nodig heeft om tot een conclusie te komen. Of de backbone van 2,4 biljoen parameters, de 71 miljard geactiveerde parameters en de extra 328 miljard N-gram-embeddingparameters de reden zijn, is een uitleg van de leverancier, niet een meting die iemand buiten Alibaba heeft gereproduceerd.
Wat ontbreekt er aan het kostenplaatje
Latentie, om te beginnen. De Intelligence Index-kaart vermeldt de tijd per taak als niet van toepassing voor Qwen4-Max; voor Qwen3.8-Max is die 48,1 minuten tegenover een mediaan van 13,3 minuten, een van de traagste gemeten resultaten. Een model dat 67% goedkoper is per taak en een onbekende hoeveelheid kloktijd per taak vergt, is nog niet volledig met iets vergeleken. Goedkope tokens waarop je moet wachten, zijn een ander product.
Providerbreedte, ten tweede. De prijs achter elk cijfer hierboven is één enkel first-party tarief van Alibaba Cloud, en het model verschijnt momenteel bij één host. Er is geen tweede bron om op te arbitreren, dus de tariefkaart is het tarief. En Qwen3.8-Max is nu gemarkeerd als verouderd ten gunste van Qwen4-Max en wordt elke achttien uur gebenchmarkt in plaats van elke zes uur, wat betekent dat de vergelijkingsbasis langzamer wordt vernieuwd dan het model waartegen het wordt afgemeten.

De rekensom omzetten in een budget dat u zelf bepaalt
Uit de decompositie volgen twee hefbomen, en ze zijn onafhankelijk. De eerste is prijs: een tariefkaart waarover je niet kunt onderhandelen is nog steeds een tariefkaart die je kunt omzeilen, wat het geval is bij het betalen van de lijstprijs en niets daarboven. OrcaRouter geeft de lijstprijzen van providers door tegen 0% opslag, zodat een korting van een leverancier zoals Alibaba die op 16 november doorvoerde, dezelfde dag op je factuur terechtkomt in plaats van bij de volgende contractverlenging — en de omvang van deze specifieke korting, met name de 70% op gecachte input, is precies het soort wijziging dat een doorgeefregeling zichtbaar maakt in plaats van stilletjes absorbeert.
De tweede hefboom is volume, en dat is degene die het model niet voor je kan realiseren. De routing DSL stelt meerdere modellen samen in één aanroep, zodat het grootste deel van een pipeline op een goedkoop model kan draaien, terwijl de moeilijke staart — de taken die echt een MoE met 2,4 biljoen parameters nodig hebben — naar een model wordt gestuurd dat die heeft. Die splitsing is hoe je het gedragsdividend van 34% incasseert zonder frontier-tarieven te betalen voor werk dat die nooit nodig had, en het is de natuurlijke reactie op een workload waarbij veertien miljoen contexttokens per taak normaal is.
Om precies te zijn over wat we wel en niet aanbieden: Qwen4-Max staat per 16 november 2026 niet in onze catalogus. Het Qwen-model dat we vandaag routeren is qwen/qwen3.8-max, de voorganger die dit artikel als uitgangspunt gebruikt. Voor een team dat wil testen of de tokenreductie standhoudt op het eigen verkeer voordat het zich vastlegt, is automatische failover de laagrisicomanier om ermee te beginnen — routeer een deel van het verkeer, houd de fallback actief en vergelijk echte traces in plaats van benchmarktaken.
Wat zou deze lezing veranderen?
Artificial Analysis publiceert geaggregeerde tokentellingen per model, en dit stuk leidt per-taakvolumes af uit de kostencomponenten ervan. Als de harness tussen de twee runs is veranderd — andere taakmixen, een andere weging — zou een deel van de 39% outputreductie door de harness kunnen komen en niet door het model. De exacte reconciliatie op de outputregel pleit daartegen, maar sluit het niet uit, en iedereen met eigen verkeer zou de afgeleide cijfers moeten behandelen als een hypothese om te testen, niet als een feit om op te plannen.
De cijfers van de leverancier over Work360 hebben een andere kanttekening, die Alibaba zelf aangeeft: twee van de checkpoints in de BPB-vergelijking zijn nagetraind in plaats van basis, wat een vergelijking op gelijke basis verzwakt. De kostenreductie van 62% op Work360 wordt daardoor niet beïnvloed, omdat daarbij geleverde modellen op een vaste set taken worden vergeleken, maar de pretrainingclaims moeten met dat in gedachten worden gelezen.
Wat dat allemaal overleeft, is de vorm van het antwoord in plaats van de precisie ervan. Een lancering die als prijsverlaging wordt gepresenteerd, is ook, en ongeveer in gelijke mate, een verandering in hoeveel het model besteedt om tot een antwoord te komen — en dat tweede deel is het deel dat een concurrent niet kan kopiëren door aan een tariefkaart te sleutelen. Dat is het getal om in de gaten te houden wanneer de kleinere Qwen4-modellen uitkomen, want als de tokendiscipline architecturaal is, reist die met hen mee, en als het een eigenschap van deze ene checkpoint was, dan niet.
