
Qwen4-Max vs Step-5 Preview: veertien indexpunten, een halve cent per punt
- 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
Deel je wat elk model per taak kost door wat het scoort, dan liggen beide kanten van deze vergelijking binnen zes procent van elkaar. Qwen4-Max, dat Alibaba vandaag, 16 november 2026, heeft uitgebracht, scoort 43 op de Artificial Analysis Intelligence Index v5.0.1 tegen een gemeten $3,27 per indextaak — ongeveer 7,6 cent per indexpunt. Step-5 Preview, het sparse mixture-of-experts-model van StepFun met 600 miljard parameters, uitgebracht op 20 september 2026, scoort 29 op dezelfde index tegen $2,35 per taak — ongeveer 8,1 cent per punt. Het ene model is 48% slimmer op de enige meetlat waarlangs beide zijn gelegd. Het andere is goedkoper aan beide kanten van de meter, een derde op input en 40% op output. En per eenheid gemeten capaciteit liggen de twee binnen zeven procent van elkaar, met het gloednieuwe vlaggenschip nipt voorop.
Geen van beide leveranciers verkoopt die vergelijking, en toch is zij het die daadwerkelijk over een migratie beslist. Er komt ook een asymmetrie bij kijken die in geen enkel lanceringsbericht wordt genoemd: een van deze twee modellen heeft een onafhankelijk gemeten uitvoersnelheid en het andere heeft nog helemaal geen gemeten snelheid, omdat het pas een paar uur oud is. Wat volgt scheidt wat gedocumenteerd is van wat gemeten is, werkt de cacherekenkunde uit die de prijskloof van 33% naar iets heel anders verschuift, en eindigt met de twee assen waarop het antwoord allesbehalve nipt is — gewichten en het uitvoerplafond.
Wat elk ervan is, per vandaag
Qwen4-Max is Alibaba's vierde generatie vlaggenschipmodel, gebouwd op een backbone met 2,4 biljoen parameters, met 71 miljard actieve parameters per token plus 328 miljard N-gram-embeddingparameters. Het accepteert tekst, afbeeldingen en video en retourneert tekst. Het gedocumenteerde contextvenster is 1.000.000 tokens, met een invoerplafond van 991.808 tokens in de niet-denkmodus en 983.616 in de denkmodus — het verschil is de redeneerruimte. De maximale uitvoer is 131.072 tokens wanneer denken uit staat; wanneer denken aan staat, delen de redenering en het antwoord een budget van 262.144 tokens. Denken staat standaard aan met een budget van 131.072 tokens bij een standaard redeneerinspanning van hoog, selecteerbaar tussen laag, hoog en xhigh. Die cijfers komen uit Alibaba's eigen documentatie, en Qwen4-Max publiceert geen gewichten, biedt in geen enkele regio ondersteuning voor fine-tuning en biedt ook in geen enkele regio ondersteuning voor modeldeployment.
Step-5 Preview is StepFuns vlaggenschip voor agentisch werk: 600 miljard totale parameters, 27 miljard actief, een contextvenster van 1M tokens en tekst-, beeld- en video-invoer met tekstuitvoer. De redeneerintensiteit is selecteerbaar op laag, gemiddeld en hoog. De maximale uitvoer is gedocumenteerd op 64.000 tokens, waarbij max_tokens standaard geen limiet heeft, zodat het model de lengte kiest. Het ondersteunt streaming, tool calling, JSON Schema-uitvoer en prompt-caching, en de API is OpenAI-compatibel.
Drie maanden na de lancering is "Preview" in de naam zijn betekenis ontgroeid. StepFun vermeldt het vandaag nog steeds als Preview in het modeloverzicht, terwijl de BF16- en FP8-checkpoints sinds 15 oktober op Hugging Face staan onder de StepFun Model License 1.0. Beschouw het label als een naamgevingsgewoonte, niet als een waarschuwing dat het endpoint onder je vandaan zal veranderen — maar lees het ook niet als een GA-toezegging, want die heeft de leverancier niet gedaan.
Het prijsverschil is een derde; de cacheberekening is wat daar verandering in brengt.
Op lijstprijzen zijn de twee eenvoudig samen te vatten: Step-5 Preview is aan beide kanten van de meter goedkoper, en met meer dan een afrondingsfout.
• Invoer — Qwen4-Max $1,50 per miljoen tokens in Singapore, $1,413 in de andere vijf regio's, tegenover Step-5 Preview $1,00
Uitvoer — Qwen4-Max $4,50, tegenover Step-5 Preview $2,70
• Cache lezen — Qwen4-Max $0,075 per miljoen, een korting van 95%, tegenover Step-5 Preview $0,10, een korting van 90%
• Cache-schrijfactie — Qwen4-Max $1.875 per miljoen voor een TTL van vijf minuten en $3.00 voor één uur, tegenover niets bij Step-5 Preview, omdat cache-miss-invoer tegen $1.00 het schrijven van de prefix al omvat
Gemengd, volgens Artificial Analysis' 7:2:1-verhouding cache-hit/input/output — Qwen4-Max $0,80 per miljoen versus Step-5 Preview $0,54
Die cache-schrijflijn is de regel die wordt overgeslagen, en die kan de rangorde omdraaien bij de juiste workload. Neem een document van 300.000 tokens dat in vier passes wordt doorgenomen met elk 3.000 outputtokens, tegen Singapore-tarieven, zonder thinking. Op Qwen4-Max schrijft de eerste pass het prefix voor $0.5625 en produceert $0.0135 aan output; de volgende drie lezen het voor $0.0225 per stuk plus samen $0.0405 aan output. Totaal $0.684. Op Step-5 Preview kost de eerste pass $0.30 aan input en $0.0081 aan output; de volgende drie kosten $0.03 per stuk plus $0.0243. Totaal $0.422. Step-5 Preview is 38% goedkoper voor die taak.
Breng het terug tot één enkele doorgang en de kloof wordt groter in plaats van kleiner — $0.576 tegenover $0.308, waarbij Step-5 Preview 46% goedkoper is — maar de reden verandert. Bij één doorgang valt er geen leesbewerking te amortiseren, dus betaal je de cache-schrijfpremie van Qwen4-Max voor een prefix die je nooit zult hergebruiken. De praktische regel: de caching van Qwen4-Max beloont een prefix dat vaak wordt gelezen en bestraft een prefix dat slechts één keer wordt gelezen. De vaste cache-leesprijs van $0.10 van Step-5 Preview en de miss-prijs waarin schrijven is inbegrepen, vormen de vriendelijkere structuur voor workloads waarbij je het trefferpercentage niet kunt voorspellen.

Veertien punten, en een bewijskloof die de andere kant op wijst
Beide modellen zijn doorgerekend met Intelligence Index v5.0.1, dat negen evaluaties omvat: AA-Briefcase v1.1, AutomationBench-AA, Terminal-Bench 4.0, FrontierCode-AA 2.0, AA-Omniscience v1.1, GDP.pdf, HLE-Diamond, CritPt v2 en Terminal-Bench-Science 0.1. Op geen van beide modelpagina's worden afzonderlijke scores per reasoning-inspanning gepubliceerd, dus dit zijn enkele cijfers bij de instelling die Artificial Analysis heeft gebruikt.
• Index — Qwen4-Max 43, gerangschikt als 38e van de 81 in zijn klasse, tegenover Step-5 Preview 29, gerangschikt als 10e van de 29 onder grote open-weight-modellen. De klassemedianen verschillen (41 en 23), daarom zijn die rangen niet onderling vergelijkbaar, ook al zijn de scores dat wel
• Kosten per indextaak — $3,27 versus $2,35
• Kosten per indexpunt — 7,6 cent versus 8,1 cent, dus het duurdere model per taak is het goedkopere per eenheid capaciteit
• Uitvoersnelheid — Step-5 Preview 124 tokens per seconde, tegenover geen gepubliceerd cijfer voor Qwen4-Max. Artificial Analysis vermeldt de tijd per taak als onbekend en de providerpagina rapporteert helemaal geen provider-benchmarks.
• Tijd tot eerste antwoordtoken — Step-5 Preview 23,53 seconden, tegenover niets gepubliceerd voor Qwen4-Max
• Tijd per indextaak — Step-5 Preview 15,2 minuten versus de mediaan van 13,3 minuten voor zijn klasse; Qwen4-Max heeft geen cijfer
• Breedsprakigheid — Qwen4-Max produceerde over de index 127 miljoen outputtokens, tegen een mediaan van 78,6 miljoen, versus 129 miljoen voor Step-5 Preview tegen een mediaan van 104 miljoen. Beide zijn breedsprakig; Qwen4-Max is breedsprakig ten opzichte van een zuiniger peergroep.
De {{1}}23,53 seconden tot het eerste token{{/1}} is het getal dat iedereen zorgen zou moeten baren die een interactieve implementatie van Step-5 Preview overweegt. Het is geen netwerkartefact: het is wat een model met 600 miljard parameters en standaard ingeschakeld redeneren je kost voordat het antwoord begint. {{2}}De standaardinstellingen voor redeneren van Qwen4-Max{{/2}} — redeneren aan, een budget van 131.072 tokens, inspanning op hoog — wijzen in dezelfde richting, en zolang niemand het meet, is er geen eerlijke manier om te zeggen welke langzamer is. Dat is de praktische prijs van kopen op de dag van de lancering: je krijgt een score en een tariefkaart, en je krijgt geen latentiegetal.
Alibaba's eigen evaluatiemateriaal is een aparte zaak en moet worden gelezen als door de leverancier gerapporteerd, niet gereproduceerd. Op Work360, zijn interne benchmark die 26 topniveau-industriedomeinen omvat, rapporteert de leverancier 52,69 voor Qwen4-Max tegenover 47,74 voor Qwen3.8-Max. Hij rapporteert ook dat de gemiddelde kosten per Work360-taak dalen van $4,43 naar $1,67, een daling van 62%, en dat het tokengebruik met ongeveer 24% daalt bij xhigh effort en met 35% bij high effort op die benchmark, met dalingen van 48% en 49% op Terminal-Bench 4.0. Dat zijn beweringen over Qwen4-Max ten opzichte van zijn voorganger. Ze zeggen niets over Step-5 Preview, en geen ervan is onafhankelijk gecontroleerd.

Gewichten: deze komt niet in de buurt.
Step-5 Preview is vandaag te downloaden. De Hugging Face-repository bevat BF16- en FP8-safetensors onder de StepFun Model License 1.0 — een licentie in Apache-2.0-stijl met een naamsvermeldingsvereiste en een voorwaarde voor commercieel gebruik — plus de chatsjabloon, drie gekwantiseerde varianten en deploymentrecepten: FP8 op vier B300's of acht H200's onder vLLM, FP8 op dezelfde hardware onder SGLang, BF16 op acht B300's of zestien H200's. Ongeveer 1.600 downloads in de afgelopen maand.
Qwen4-Max heeft geen checkpoint en geen weg ernaartoe. Alibaba's documentatie bestempelt fine-tuning als niet-ondersteund in elke regio en modeldeployment als niet-ondersteund in elke regio, wat een sterkere uitspraak is dan "de gewichten zijn er nog niet" — het betekent dat de leverancier je dit model helemaal niet zelf via zijn platform laat draaien. Als je vereiste is dat je een model kunt kwantiseren, fine-tunen, in een air-gapomgeving kunt draaien of aan een specifieke build kunt vastpinnen, eindigt de vergelijking hier en eindigt die in het voordeel van StepFun.
Het verandert ook wat "open" je oplevert. De licentie van Step-5 Preview staat commercieel gebruik onder voorwaarden toe, dus een juridische toets maakt deel uit van de adoptiekosten, en de deploymentrecepten gaan uit van een node met vier tot zestien GPU's — dit is geen model dat je op een workstation draait. Maar het is een model waarvan het gedrag niet onder je vandaan kan worden veranderd door een stille provider-update, en voor iedereen die een gereguleerd of langdurig systeem bouwt, is dat meer waard dan veertien indexpunten.
Het outputplafond, en een documentatieconflict waarvan je op de hoogte moet zijn
Dit is het minst glamoureuze verschil en het verschil dat het meest waarschijnlijk een specifieke workload dwarszit. Qwen4-Max geeft je 131.072 tokens output met thinking uit en een gedeeld budget van 262.144 tokens met thinking aan. De API-documentatie van Step-5 Preview zegt maximaal 64.000 tokens output. De Hugging Face-modelkaart zegt dat de output kan oplopen tot de volledige 1M tokens, waarbij input en output tegen dezelfde limiet meetellen.
Die twee uitspraken zijn van dezelfde leverancier, binnen een maand van elkaar, en geen van beide is als verouderd gemarkeerd. Als je een taak met een lange output plant — een volledig rapport, een grote patch, een gegenereerd document — lees dan de API-documentatie in plaats van de kaart, en test het plafond voordat je je architectuur erop baseert. Het getal van 64.000 is consistent met de tijd van 15,2 minuten per indextaak; het getal van 1M zou iets heel anders impliceren.
Nog een asymmetrie die het vermelden waard is: beide modellen accepteren video-invoer, maar alleen StepFun publiceert de operationele details. Maximaal 60 afbeeldingen per verzoek in lage of hoge detailweergave, video als URL, Base64 of een stepfile://-referentie, MP4 onder 128 MB, waarbij clips van minder dan vijf minuten worden aanbevolen. Alibaba documenteert video-invoer voor Qwen4-Max zonder vergelijkbare limieten op de modelpagina te publiceren. Als video centraal staat in uw workload en niet incidenteel, dan is dat verschil in documentatiekwaliteit op zichzelf een signaal over welke leverancier eerder deze vraag heeft gekregen.
Wie moet deze week wat kiezen?
Kies Qwen4-Max als het plafond meer uitmaakt dan de rekening: zwaar redeneerwerk, langdurig agentisch werk, of alles waarbij 43 tegenover 29 op een index van negen evaluaties het verschil is tussen een taak die wordt voltooid en een die dat niet wordt. Accepteer daarvoor twee risico's. Het eerste is dat je op dag één koopt zonder onafhankelijk latentiecijfer en zonder reproductie door derden van de Work360-claims van de leverancier. Het tweede is de cache-schrijfpremie, die single-pass werk met een lange context stilletjes belast tegen $1.875 per miljoen geschreven tokens.
Kies Step-5 Preview als u het model in eigen beheer wilt hebben, als u een gemeten 124 tokens per seconde en een eerste token van 23,53 seconden nodig hebt waarop u kunt plannen, of als uw workload op een manier die u niet kunt voorspellen cache-intensief is. Accepteer dat u 29 indexpunten koopt, dat het eerste token langzaam aankomt en dat het uitvoerplafond door de leverancier op twee verschillende manieren wordt gedocumenteerd.
De derde optie is deze week voor de meeste teams de eerlijke keuze: geen van beide, exclusief. Het verschil tussen deze twee modellen per eenheid gemeten capaciteit is 6%, ruim binnen de foutmarge van één enkele indexversie, en beide zijn slechts één keer geëvalueerd door één harness. Een team dat op grond van een score van de lanceringdag voor een van beide kiest, neemt een standpunt in over een getal dat niet is gereproduceerd.
Beide draaien zonder een tweede contract
Geen van beide modellen staat vandaag in de OrcaRouter-catalogus — 215 modelidentificatoren, vanochtend gecontroleerd, zonder Qwen4-vermelding en zonder StepFun-tekstmodel daartussen. Beide zijn bereikbaar via de API's van hun eigen leveranciers: Alibaba's zes regio's voor Qwen4-Max, StepFun's OpenAI-compatibele endpoint op api.stepfun.ai/v1 voor Step-5 Preview. Iets anders beweren zou het soort claim zijn dat binnen een week slecht veroudert.
Wat we routeren, is het model dat Qwen4-Max vervangt. Qwen3.8-Max staat in onze catalogus als qwen/qwen3.8-max tegen Alibaba's eigen lijstprijs van $2.00 voor input en $6.00 voor output per miljoen tokens, doorgegeven zonder opslag, samen met 214 andere identifiers op één OpenAI-compatibele basis-URL. Dat maakt in deze vergelijking om precies één reden uit: een model dat op de lanceerdag verschijnt, is het slechtst denkbare waarop je een productiepad kunt baseren, en de verstandige houding is om de bewezen generatie op de route te houden terwijl je het nieuwe model meet aan je eigen verkeer. De routing-DSL drukt dat uit als een beleid in plaats van een codewijziging — stuur de moeilijke, redeneerintensieve aanroepen naar het nieuwe model, houd het hoogvolume werk op het goedkopere bewezen model, en laat automatische failover het geval opvangen waarin een gloednieuw endpoint achteruitgaat onder belasting die je niet had voorspeld.
Doorberekende prijzen betekenen ook dat de rekensom in dit artikel eerlijk blijft. Wanneer Alibaba een tarief verlaagt — zoals vandaag, door Qwen4-Max naar $1,50 en $4,50 te brengen vanaf Qwen3.8-Max's $2,00 en $6,00 — weerspiegelt een catalogus die de lijstprijs van de provider doorberekent dat dezelfde dag, in plaats van bij de volgende contractverlenging. Dat is geen argument om ons te verkiezen boven de eigen API van een van beide leveranciers. Het is een argument om niets te ondertekenen dat een prijs vastlegt die je nog geen maand hebt zien standhouden.

De vergelijking die lezers over twee weken zullen willen, is niet die uit deze kop. Het is de latentie van Qwen4-Max en de stabiele release van Step-5 Preview, beide gemeten door iemand die niet de leverancier is, op workloads die mensen daadwerkelijk draaien. Tot die tijd is de verdedigbare positie smal en weinig glorieus: een capaciteitskloof van 48%, een prijskloof van 33%, een kloof van 6% per eenheid capaciteit, en een reeks beslissingen — gewichten, outputplafond, cachestructuur — die geen enkele indexscore vastlegt en die deze lanceerweek zullen overleven.
