
Qwen 4 vs Claude Opus 5.5: Zestien indexpunten, en wat ze per antwoord kosten
- 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 · 126 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 · 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 · 147 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 · 123 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 scoort 42,9 op de Artificial Analysis Intelligence Index en Claude Opus 5.5 scoort 59,1 — een verschil van 16,2 punten, gemeten op dezelfde suite, in dezelfde revisie (v5.0.1), binnen twee maanden van elkaar. Op hetzelfde scorebord kost één voltooide indextaak $3,27 op Qwen4-Max en $10,04 op Claude Opus 5.5. De verhouding is dus duidelijk: Opus levert 38% meer indexpunten voor 207% meer geld per taak. Of dat een koopje of weggegooid geld is, hangt volledig af van of je workload punten koopt of antwoorden koopt, en dat zijn niet dezelfde aankopen. Dit artikel beprijst beide.
De twee kaarten, dimensie voor dimensie
Alibaba heeft Qwen4-Max op 16 november 2026 algemeen beschikbaar gemaakt, op verbruiksbasis, in zes regio's; Anthropic verkoopt Claude Opus 5.5 sinds 22 september 2026. Alles hieronder is ofwel een lijstprijs van een leverancier ofwel een gelabelde meting van Artificial Analysis — de twee worden nooit in één getal vermengd.
Prijs per miljoen tokens — Qwen4-Max $1,50 in / $4,50 uit in Singapore ($1,413 / $4,24 in de Global-scope-regio's); Claude Opus 5.5 $4,00 in / $20,00 uit. Beide zijn lijstprijzen van de leverancier.
• Gecachte invoer — Qwen4-Max $0,075 per miljoen bij een cacheread, tegenover $0,20 voor Claude Opus 5.5. Qwen publiceert ook tarieven voor cacheschrijfacties: $1,875 voor een item van vijf minuten en $3,00 voor een uur.
• Contextvenster — 1.000.000 tokens gepubliceerd voor beide. De Artificial Analysis-tracker vermeldt Qwen4-Max op 983.616, wat het invoerplafond voor de denkmodus is en geen tegenstrijdigheid: Alibaba beperkt de invoer tot 991.808 zonder denken en 983.616 met denken, omdat redenering en het antwoord één uitvoerbudget van 262.144 tokens delen.
• Maximale uitvoer — Qwen4-Max 131.072 tokens in niet-denkmodus, of 262.144 verdeeld tussen redenering en antwoord wanneer denken is ingeschakeld. Claude Opus 5.5 publiceert geen equivalente splitsing.
• Indexscore — Qwen4-Max 42,9 bij xhigh-inspanning; Claude Opus 5.5 59,1 bij maximale inspanning. Artificial Analysis, v5.0.1.
• Kosten per indextaak — $3,27 versus $10,04. Artificial Analysis, dezelfde revisie.
• Gewichten — geen van beide is open. Qwen4-Max staat vermeld als propriëtair, met Alibaba Cloud als enige host; Claude Opus 5.5 is propriëtair en wordt gedistribueerd via Anthropic's API, Amazon Bedrock, Google Cloud en Microsoft Azure.
• Invoermodaliteit — beide accepteren tekst en afbeeldingen en retourneren tekst. Geen van beide ondersteunt video volgens de capability flags van de tracker.

Waar de zestien punten daadwerkelijk liggen
Een enkel indexgetal verbergt meer dan het onthult, en dit paar is een goed voorbeeld. De suites waarin de twee modellen dicht bij elkaar liggen, zijn niet de suites waar mensen over discussiëren.
• Terminal-Bench 4.0 — Claude Opus 5.5 59,6%, Qwen4-Max 48,5%. Elf punten, en degene die het meest direct aansluit bij "kan het een shell aansturen".
• {{1}}FrontierCode 2.0{{/1}} — 46,4% versus 26,5%. Dit is de grootste kloof in de set en degene met de duidelijkste commerciële consequentie, omdat het codewerk op repositoryschaal betreft en niet het genereren van één functie.
• HLE Diamond — 67,9% tegenover 44,9%. Moeilijke wetenschapsvragen, een verschil van 23 punten.
• CritPt Agentic Hard — 68,0% versus 43,0%. Een verschil van 25 punten bij redeneren op fysicaniveau.
• GDPval — 1.866,27 versus 1.808,69. Een verschil van 3,1% op een benchmark voor taakwaarde. Bij economisch onderbouwd professioneel werk liggen de twee modellen dicht bij elkaar; bij moeilijk technisch werk niet.
• Alwetendheid — 48,1 voor Claude Opus 5.5 tegenover 27,7 voor Qwen4-Max, wat klinkt als weer een afstraffing tot je naar de hallucinatiekolom in de volgende sectie kijkt.
• Bekwaamheidsopsplitsing — het model van Anthropic leidt op elk van de zes deelscores die de tracker publiceert, met de kleinste marge bij financiën en boekhouding (59,4 versus 54,1) en de grootste bij engineering (65,3 versus 50,1).
De praktische lezing: als je werk bestaat uit samenvatten, extractie of documentanalyse met bronverankering, overdrijft de 16-puntenkop het verschil. Als je werk agentic coding is, onderschat hij het.

Beide modellen verzinnen dingen. Het ene doet dat merkbaar minder.
Artificial Analysis rapporteert een omniscience-hallusinatiepercentage naast de nauwkeurigheidsscore, en dit is de enige kolom waarin Qwen4-Max onbetwist wint: 28,4% van zijn onjuiste of niet-verifieerbare antwoorden waren hallucinaties, tegenover 50,3% voor Claude Opus 5.5. Anders gezegd: Opus heeft veel vaker gelijk, maar wanneer hij fout zit, is de kans meer dan twee keer zo groot dat hij overtuigd fout is in plaats van slechts stil.
Dat maakt uit voor alles met een menselijke beoordelingsstap. Een model dat "ik weet het niet" zegt in 50% van de gevallen waarin het zich vergist, kost je een vervolgvraag. Een model dat in 50% van de gevallen waarin het zich vergist, dingen verzint, kost je een factcheck op elke output, en dat is een andere en veel grotere kostenpost.
De factuur is input, geen output.
Beide modellen worden verkocht op basis van een in het oog springend outputtarief, en bij beide is dat outputtarief niet waar het geld naartoe gaat. Als we de eigen kostencijfers per taak van Artificial Analysis ontleden: bij Qwen4-Max gaat $2,80 van de $3,27 naar inputtokens en $0,47 naar output. Bij Claude Opus 5.5 gaat $6,57 van de $10,04 naar input en $3,47 naar output. Dat is respectievelijk 86% en 65%, en in beide gevallen bestaat het grootste deel van de inputpost uit cacheverkeer — $1,12 van Qwen4-Max' inputkosten zijn cache-leesacties en $1,67 zijn cache-schrijfacties; de equivalente Opus-cijfers zijn $4,74 en $1,80.
Daarom is de vergelijking per token tussen deze twee modellen het minst nuttige getal op de pagina. Het outputtarief van Qwen4-Max is 4,4× goedkoper dan dat van Opus, en toch is het kostenvoordeel per antwoord slechts 3,1×, omdat het een groter deel van zijn budget besteedt aan context die het moet lezen en, tegen $1,875 per miljoen bij een cache-write van vijf minuten, aan context die het moet schrijven.
Een agent met veertig beurten, twee keer geprijsd
Neem een codeeragent die per beurt 8.000 tokens aan tooluitvoer toevoegt, veertig beurten draait en elke beurt 1.500 tokens aan antwoord produceert. Geen caching, lijstprijzen:
• Qwen4-Max — 6,56 miljoen geaccumuleerde invoertokens tegen $1,50, plus 60.000 uitvoertokens tegen $4,50: $9,84 + $0,27 = $10,11.
• Claude Opus 5.5 — 6,56 miljoen input tegen $4,00, plus 60.000 output tegen $20,00: $26,24 + $1,20 = $27,44.
Nu dezelfde run met een cache-hitratio van 90% op de opgebouwde prefix, wat een goed gebouwde agent-loop in de praktijk daadwerkelijk haalt:
• Qwen4-Max — 5,904M gecachet tegen $0,075 ($0,44) + 656K nieuw tegen $1,50 ($0,98) + $0,27 uitvoer = $1,69.
• Claude Opus 5.5 — 5,904M gecachet tegen $0,20 ($1,18) + 656K nieuw tegen $4,00 ($2,62) + $1,20 output = $5,01.
Twee dingen vallen op. Caching verlaagt beide rekeningen met meer dan 80%, dus een agent zonder promptcaching betaalt vijf tot zes keer zoveel als nodig. En de verhouding verandert nauwelijks — 2,7× zonder cache, 3,0× met cache — omdat de voorsprong van Qwen4-Max geconcentreerd is in het cache-schrijftarief, dat het gecachte scenario vooraf gebruikt. Dit is rekenwerk met lijstprijzen op gepubliceerde tarieven, geen gemeten rekeningen; je aantal beurten, prefixgroei en cache-hitratio zullen de absolute cijfers aanzienlijk beïnvloeden.
Dit is ook waar een routeringslaag zijn bestaansrecht verdient in plaats van alleen maar handig te zijn. Wij geven de lijstprijzen van de provider door met 0% marge, dus het verschil hierboven is het verschil van de provider, niet het onze — en als Anthropic de Opus-kaart wijzigt, is die wijziging dezelfde dag live op dezelfde sleutel. Beide modellen zijn aanroepbaar via één endpoint met automatische failover, wat hier juist van belang is omdat de twee twee maanden na elkaar zijn uitgebracht: een regressie specifiek voor Qwen4-Max komt naar voren als een mislukte aanvraag, niet als een slecht antwoord dat je een week later opmerkt.
Wat "afgesneden van distillatie" eigenlijk beweert
De bewering die rond deze confrontatie circuleert — dat Qwen4-Max op leveranciersbenchmarks concurrerend lijkt en vervolgens door de mand valt op de onafhankelijke index, en dat het afsnijden van Alibaba van distillatie de terugval verklaart — bestaat uit twee beweringen in één jasje, en alleen de eerste is meetbaar.
Het eerste is waar en niet mysterieus. Alibaba's lanceringsmateriaal meldt Work360 op 52,69 tegenover 47,74 voor de vorige generatie, 24% en 35% minder tokens op dezelfde benchmark, 48% en 49% op Terminal-Bench 4.0, en een verlaging van de kosten per taak van $4,43 naar $1,67. Dat alles is door de leverancier gerapporteerd en niet gereproduceerd. Tegenover een onafhankelijke index met negen suites, waaronder FrontierCode 2.0 en CritPt Agentic Hard — suites waarvoor Alibaba geen cijfers publiceert — komt het model uit op 42,9. Een leveranciersbenchmarksuite en een onafhankelijke suite die verschillende dingen meten, zullen van elkaar afwijken; dat is het normale geval, geen bewijs voor iets.
De tweede bewering, over distillatie, is niet iets wat een koper kan verifiëren of op basis waarvan hij kan handelen, en het is geen eigenschap van het model die je kunt aanroepen. Wat verifieerbaar en nuttig is, is de vorm van het tekort: geconcentreerd in code op repositoryschaal en harde wetenschap, dun in waarde voor professionele taken. Dat is een uitspraak over waar je het model moet inzetten, en die blijft overeind ongeacht wat waar blijkt te zijn over hoe het is getraind.

Een van beide krijgen
Claude Opus 5.5 staat in onze catalogus als anthropic/claude-opus-5.5 tegen Anthropic's lijstprijs, $4.00 input en $20.00 output per miljoen. Qwen4-Max staat niet in onze catalogus — een qwen4-identifier geeft vandaag not-found — en de route ernaartoe loopt via Alibaba's eigen Model Studio API en verschillende platforms van derden. Dat zullen we niet anders voorstellen, en het eerlijke alternatief aan onze kant is qwen/qwen3.8-max, het vorige vlaggenschip, voor $2.00 en $6.00.
De beslisregel is dus enger dan het scorebord suggereert. Als je werklast bestaat uit coderen op repositoryschaal, zwaar technisch redeneren, of alles waarbij een fout antwoord duur is en een langzaam antwoord niet, dan zijn de 16 punten reëel en is $10,04 per taak de prijs daarvoor. Als je werklast bestaat uit documentwerk met brononderbouwing op grote schaal, waar GDPval zegt dat de twee modellen binnen 3% van elkaar liggen, betaal je het tarief van Opus voor een verschil dat niet in je evaluatieset zal opduiken — en Qwen4-Max tegen $3,27 is de betere koop, met een lagere hallucinatiegraad als bonus. Het getal dat je moet berekenen voordat je beslist, is niet de indexkloof. Het is welk deel van je invoer in de cache zit.
Vergeleken in dit artikel2
Herkend uit dit artikel · Benchmarks: Artificial Analysis · dagelijks bijgewerkt
