
Qwen4-Max vs Tencent HY4 Preview: de ene kun je downloaden, de andere alleen huren, en geen van beide getallen betekent wat het lijkt
- 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 1.02026-11-0711 tok/s
- OrcaNIEUWOrcaCyber: GLM 5.3 Abliterated / Uncensored2026-11-04$3.00 / $5.00 per 1 mln tokens · 88 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 · 86 tok/s
- OrcaOrcaCyber: MiniMax M3.1 Flash Abliterated / Uncensored2026-10-29$0.80 / $1.60 per 1 mln tokens · 125 tok/s
- OrcaOrcaCyber: GLM 5.3 Flash Abliterated / Uncensored2026-10-27$0.80 / $1.60 per 1 mln tokens · 67 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 · 44 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 · 134 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 · 126 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 · 185 tok/s
Tencent HY4 Preview is sinds 28 augustus 2026 downloadbaar onder Apache 2.0 — 770 miljard parameters in totaal, 49 miljard geactiveerd per token, 78 lagen, 256 gerouteerde experts plus één gedeelde, een ingebouwde multi-token-voorspellingslaag voor speculatief decoderen, en een contextvenster van 1.048.576 tokens. Qwen4-Max is sinds 16 november 2026 huurbaar — 2,4 biljoen backbone-parameters, 71 miljard geactiveerd per token, plus 328 miljard N-gram-embeddingparameters, en geen enkel checkpoint van welke aard dan ook. Beide zijn Chinese vlaggenschip-sparse-mixture-of-experts-modellen met vensters van een miljoen tokens. De ene kun je in handen hebben, de andere alleen aanroepen, en met $0,834 tegen $1,50 per miljoen inputtokens is degene die je in handen hebt ook de goedkoopste van de twee volgens de eigen prijskaart van de leverancier. Het interessante deel is waarom het prijsverschil überhaupt bestaat, en wat de gepubliceerde cijfers van beide kanten weglaten.
De twee kaarten, naast elkaar

• Licentie — Apache 2.0 met gepubliceerde gewichten voor HY4 Preview versus propriëtair, geen gewichten, geen download voor Qwen4-Max
• Grootte — 770B totaal / 49B actief voor HY4 Preview vs 2,4T backbone / 71B actief plus 328B aan N-gram-embeddings voor Qwen4-Max
• Prijs per miljoen tokens — $0,834 in / $2,501 uit vs. $1,50 in / $4,50 uit
• Cache-lezen — $0,042 per miljoen vs $0,075
• Contextvenster — 1,048,576 tokens versus 1,000,000, waarvan 983,616 bruikbaar als invoer in de denkmodus
• Maximale uitvoer — 64.000 tokens versus 131.072 in niet-denkmodus, of 262.144 gedeeld met redeneren
• Invoermodaliteiten — alleen tekst vs. tekst, afbeelding en video
• Redeneerniveaus — hoog, laag en geen, standaard hoog vs laag, hoog en xhigh, standaard hoog
• Onafhankelijke indexscore — 53,21% op de Vals AI-index, 23e van 33 vs. 43 op de Artificial Analysis Intelligence Index, 38e van 81
Lees de modaliteitsrij vóór de prijsrijen. HY4 Preview is een model met tekst als invoer en tekst als uitvoer. Qwen4-Max leest video. Die twee feiten liggen niet op dezelfde as, dus voor elk team waarvan de werklast frames bevat, eindigt de vergelijking bij die rij en is de rest van dit verhaal academisch.

Apache 2.0 is niet hetzelfde aanbod bij 770 miljard parameters.
Gewichten die je kunt downloaden, zijn gewichten die je kunt inspecteren, fine-tunen, quantiseren en serveren op je eigen voorwaarden, en dat is een echt verschil met een model achter de API van iemand anders. Op deze schaal is het ook een verschil dat slechts zeer weinig teams ter beschikking staat. Een model met 770 miljard parameters, waarvan 49 miljard actief, draait op niets minder dan een acceleratorcluster met meerdere nodes, en het gepubliceerde FP8-checkpoint dat bij de preview hoorde, bestaat vooral zodat inferenceproviders en onderzoeksgroepen met toegang tot fabric het kunnen serveren. Apache 2.0 verwijdert de juridische drempel, niet de hardwaredrempel.
Daarom komt de praktische waarde van de licentie ergens anders dan bij selfhosting tot uiting. Die komt tot uiting als concurrerend aanbod: omdat iedereen HY4 Preview kan aanbieden, doen meerdere platforms dat, en volgt prijsdiscipline. Qwen4-Max heeft geen dergelijk mechanisme. Er is één deployment, beheerd door Alibaba, en elk platform dat een Qwen4-Max-prijs noemt, noemt de prijs van Alibaba met de marge die het kan toevoegen. Daarom verschillen de Global-regio-kaart en de Singapore-kaart met 5,8% en wijkt de rest nauwelijks af — er is geen capaciteit van derden om het te onderbieden.
Het nummer dat je op elke kaart moet wantrouwen
Het lanceringsmateriaal van Tencent bevat een interne blinde evaluatie — 163 experts, 203 engineeringtaken — waarin HY4 Preview gemiddeld 2,99 scoorde tegenover GLM 5.3 met 2,92 en Kimi K3 met 2,94. Dat is een door de leverancier uitgevoerd onderzoek waarin drie modellen worden vergeleken, gepubliceerd door de leverancier die als eerste eindigde, op een door hemzelf gedefinieerde beoordelingsschaal. Het is nauwelijks bewijs voor meer dan de richting van de eigen tests van het team, en Tencent was zorgvuldig genoeg om het samen met een lijst van bekende ruwe kantjes te publiceren: het model besteedt meer tijd dan nodig aan redeneren en verifieert zijn eigen werk te veel.
Aan de onafhankelijke kant plaatst Vals AI HY4 Preview op 53,21% in zijn index, als 23e van de 33 geteste modellen. In de eigen Terminal-Bench 4.0-run van Vals scoort de preview 8,08%. Het materiaal van Tencent noemt terminal-agentcijfers in de tachtig — op een andere revisie van de benchmark, onder een andere harness, waardoor de twee cijfers niet zozeer een tegenstrijdigheid zijn als wel een demonstratie dat scores op agentische benchmarks net zozeer een eigenschap van de harness als van het model zijn. Wie een van beide cijfers citeert zonder de bijbehorende revisie erbij te vermelden, doet de lezer tekort.
Qwen4-Max heeft het tegenovergestelde probleem. De cijfers van de leverancier zijn ongewoon gedetailleerd — Work360 op 52,69 tegenover de 47,74 van Qwen3.8-Max, gemiddelde kosten per taak van $4,43 naar $1,67, slagingspercentages op functieniveau voor veilige code van 22,0% naar 31,8% — en geen ervan noemt een concurrent. Wat Alibaba publiceerde, is een zelfvergelijking met zijn eigen vorige generatie, het meest verdedigbare soort leveranciersbenchmark en het minst nuttig om tussen leveranciers te kiezen. De enige vergelijking tussen leveranciers is Artificial Analysis, dat Qwen4-Max een score van 43 geeft en geen snelheidsmeting voor het model vermeldt.
Waar het prijsverschil van 45% naartoe gaat
HY4 Preview kost $0,834 voor invoer en $2,501 voor uitvoer; Qwen4-Max kost $1,50 en $4,50. Dat is 45% goedkoper op invoer en 44% goedkoper op uitvoer — vrijwel een uniforme korting, wat je zou verwachten van twee modellen die volgens vergelijkbare hardware-economie zijn geprijsd. Dat verschil komt niet zonder prijs: het uitvoerplafond van 64.000 tokens van HY4 Preview is de helft van Qwen4-Max' waarde in niet-denkmodus, de context is alleen tekst en de twee modellen bieden verschillende controle over redeneren. Qwen4-Max geeft je ook drie inspanningsniveaus tegenover hoog, laag en geen van Tencent, hoewel beide standaard op hun hoogste instelling staan, en beide vangen onbekende effort-strings op in plaats van ze te weigeren.
De andere plek waar de korting kan verdampen, is verificatiegedrag. Tencent documenteert dat de preview overmatig verifieert; het onafhankelijke totale aantal tokens van Qwen4-Max is 127 miljoen outputtokens over de Intelligence Index, tegen een mediaan van 78,6 miljoen, wat Artificial Analysis zeer verbose noemt. Beide modellen zijn met andere woorden praatgraag, en een korting per token op een model dat meer tokens verbruikt dan zijn concurrent, levert minder op dan de prijslijst belooft. Meet het outputvolume per taak voordat u de besparing doorrekent.
Het ene model is een preview, het andere is een algemene release.
Dit is de asymmetrie die verloren gaat zodra de twee namen in dezelfde zin opduiken. HY4 Preview verscheen in augustus en Tencent heeft de productlijn sindsdien verder gebracht — de Hy4-release met algemene beschikbaarheid in november voegde native vision en computer use toe, en er is een aparte Hy4 Flash in de familie. De preview-string is wat beschikbaar is met open weights, en het is een preview omdat Tencent dat heeft gezegd, met de ruwe kantjes gedocumenteerd.
Qwen4-Max is een algemene release, op een kaart met verbruiksfacturering, in zes regio's, met een preview-generatie die op 25 november wordt uitgefaseerd. Dat zijn verschillende rijpheidstadia, en ze op benchmarkscores vergelijken bevoordeelt degene waar het harnas toevallig bij paste.

Beide uitvoeren zonder eerst een winnaar te kiezen.
OrcaRouter routeert Tencent HY4 Preview tegen $0,834 per miljoen input en $2,501 per miljoen output, met gecachte input tegen $0,042 — de eigen kaart van Tencent, doorgegeven tegen 0% markup — via dezelfde sleutel en hetzelfde OpenAI-compatibele endpoint als Claude Opus 5.5, GPT-6.1 Sol, Grok 4.5 en Qwen3.8-Max. Qwen4-Max staat niet in de catalogus; de Qwen4-generatie is nog niet toegevoegd, dus dat deel van de vergelijking is een rechtstreekse Alibaba-credential.
Dit is de opstelling waar dit paar daadwerkelijk profijt van heeft. Zet het open-weightmodel achter de routeringslaag waar failover geldt, houd het gesloten model op een directe sleutel terwijl je het gedrag ervan in kaart brengt, en beslis op basis van je eigen verkeer: stuur werk dat alleen tekst bevat naar de route die 45% minder kost en van meerdere providers streamt, en stuur alles met afbeeldingen of video naar het model dat die kan lezen. De routerings-DSL maakt daar een regel op modaliteit van in plaats van een beslissing die iemand moet onthouden, en modelfusie — een panel van modellen dat samen antwoordt — is de goedkope manier om te zien of de twee het oneens zijn over de taken die je belangrijk vindt, voordat je een van beide in productie neemt.
Waar het argument over gewichten echt over gaat
De aankondigingspost van Alibaba eindigt met de woorden dat er kleinere Qwen4-modellen open source beschikbaar komen. Die zin is de vorm van het komende jaar: het open aanbod van Chinese vlaggenschipfamilies zal steeds een generatie achterblijven bij het gesloten aanbod, onder Apache-licentie en downloadbaar, en teams zullen blijven kiezen tussen het model dat ze kunnen vasthouden en het model dat zes maanden vooruitloopt.
Voorlopig is de keuze ongewoon duidelijk. HY4 Preview is op deze schaal de eerlijke open optie, dienovereenkomstig geprijsd, met een alleen-tekst-oppervlak en leverancierscijfers die een testharnas nodig hebben om iets te betekenen. Qwen4-Max is de nieuwere gesloten optie, beter gespecificeerd op elke as die een specblad kan meten, met één onafhankelijke score die lager is dan de framing bij de lancering suggereert en helemaal geen latentiecijfer. Geen van beide kaarten vertelt het hele verhaal, en de 45% tussen hen is kleiner dan het verschil in waarop elk kan worden gericht.
