
Qwen4-Max obniża koszt na zadanie o 67%: skąd faktycznie bierze się oszczędność
- GoogleNOWOŚĆGoogle: Gemini 4 Carbon2026-11-10$2.00 / $10.00 za 1 mln tokenów · 90 tok/s
- AnthropicNOWOŚĆAnthropic: Claude Fable 5.22026-11-09$8.00 / $40.00 za 1 mln tokenów · 97 tok/s
- orcaNOWOŚĆOrca: OrcaC2 1.02026-11-0717 tok/s
- OrcaNOWOŚĆOrcaCyber: GLM 5.3 Abliterated / Uncensored2026-11-04$3.00 / $5.00 za 1 mln tokenów · 87 tok/s
- OrcaNOWOŚĆOrcaCyber: Hy4 Abliterated / Uncensored2026-11-04$0.80 / $1.60 za 1 mln tokenów · 133 tok/s
- OrcaNOWOŚĆOrcaCyber: Kimi K3.1 Pro Abliterated / Uncensored2026-11-04$4.00 / $20.00 za 1 mln tokenów · 72 tok/s
- OrcaOrcaCyber: MiniMax M3.1 Flash Abliterated / Uncensored2026-10-29$0.80 / $1.60 za 1 mln tokenów · 130 tok/s
- OrcaOrcaCyber: GLM 5.3 Flash Abliterated / Uncensored2026-10-27$0.80 / $1.60 za 1 mln tokenów · 65 tok/s
- OrcaOrcaCyber: Qwen3.8 Flash Next Abliterated / Uncensored2026-10-26$0.80 / $1.60 za 1 mln tokenów · 92 tok/s
- OrcaOrcaCyber: MiMo V2.6 Flash Abliterated / Uncensored2026-10-26$0.80 / $1.60 za 1 mln tokenów · 43 tok/s
- MoonshotMoonshotAI: Kimi K3.1 Pro2026-10-2447Inteligencja
- OrcaOrcaCyber: DeepSeek V4.1 Flash Abliterated / Uncensored2026-10-23$0.80 / $1.60 za 1 mln tokenów · 193 tok/s
- minimaxMiniMax: M3.1 Flash2026-10-1929Inteligencja
- OrcaOrca: OrcaCyber Ultra 1.02026-10-17$5.00 / $10.00 za 1 mln tokenów · 150 tok/s
- deepseekDeepSeek: DeepSeek V4.1 Flash 10172026-10-1733Inteligencja
- DeepSeekDeepSeek: DeepSeek V4.1 Flash2026-10-1740Inteligencja
- OrcaOrca: OrcaCyber Zero 1.52026-10-10$3.00 / $7.50 za 1 mln tokenów · 119 tok/s
- openaiOpenAI: GPT-6.1 Sol2026-09-2955Inteligencja
- anthropicAnthropic: Claude Sonnet 5.52026-09-2855Inteligencja
- typesafeTypeSafe: Jev 1.132026-09-24$0.04 / $0.00 za 1 mln tokenów · 219 tok/s
Rachunek z benchmarku to dziwny artefakt: to jedyny publiczny dokument, który wycenia przyzwyczajenia modelu. Artificial Analysis publikuje, ile kosztowało przepuszczenie Qwen4-Max przez jego Intelligence Index — 3,27 USD za zadanie — oraz publikuje cennik, którego do tego użyto. Podziel jedno przez drugie, a odzyskasz coś, czego laboratorium nigdy nie podaje wprost: ile tokenów Qwen4-Max faktycznie zużywa na myślenie. Zrób to samo z Qwen3.8-Max, modelem, który zastępuje, a 67-procentowa redukcja kosztu na zadanie dzieli się czysto na dwie liczby, które większość relacji z premiery 16 listopada łączy w jedną. Mniej więcej połowa oszczędności to obniżka ceny. Druga połowa to Qwen4-Max mówiący mniej. A pozycja, która teraz dominuje na jego rachunku, nie jest tą, na którą wskazuje cena z nagłówka.
Podsumowanie samego dostawcy jest trafne, ale zbyt mocno skraca najciekawszy fragment. Qwen4-Max — jak Alibaba podaje na swojej stronie premierowej — zużywa około 24% mniej tokenów niż Qwen3.8-Max przy poziomie wysiłku Xhigh i 35% mniej przy poziomie High na Work360, a na Terminal-Bench 4.0 odpowiednio 48% i 49% mniej; średni koszt zadania na Work360 spada z 4,43 USD do 1,67 USD, czyli o 62%. Są to dane samej firmy oparte na jej własnych benchmarkach. Niezależne obliczenia poniżej dają 67% na innym benchmarku, w inny sposób, co jest tym pożytecznym rodzajem zgodności: dwie metody, ten sam kierunek, podobna skala.
Co tak naprawdę mówi niezależna tablica wyników
W serwisie Artificial Analysis Qwen4-Max uzyskuje 43 punkty w Intelligence Index wobec 34 punktów dla Qwen3.8-Max, co stanowi 27% wzrostu mierzonej zdolności. Ta sama strona wycenia oba modele na 1,50 USD za milion tokenów wejściowych i 4,50 USD za milion tokenów wyjściowych, wobec 2,00 USD i 6,00 USD — równo 25% mniej w obu kierunkach. W przypadku wejścia z pamięci podręcznej zniżka jest dramatyczna: 0,075 USD za milion wobec 0,25 USD, czyli obniżka o 70%, a stopa zniżki za trafienie w pamięć podręczną wzrasta z 87,5% do 95%.
Koszt zadania w Intelligence Index, ważony po wszystkich dziewięciu ewaluacjach w indeksie, wynosi 3,27 USD wobec 10,02 USD. Jeśli podzielić koszt przez wynik, różnica się powiększa: Qwen4-Max zapewnia punkt zmierzonej zdolności za niecałe osiem centów, a Qwen3.8-Max za około trzydzieści. To liczba, której warto się trzymać, jeśli jedynym pytaniem jest, do którego modelu przenieść obciążenie — zdolność na dolara poprawiła się o około trzy czwarte, a nie o 67%, które sugeruje sam koszt na zadanie.
Odwracanie rachunku w celu odzyskania liczby tokenów
Artificial Analysis dzieli koszt na zadanie na składniki: dane wejściowe według pełnej stawki, zapis do pamięci podręcznej, odczyt z pamięci podręcznej oraz dane wyjściowe, przy czym dane wyjściowe są dodatkowo dzielone na tokeny rozumowania i tokeny odpowiedzi. Publikuje również ceny. Podziel każdy składnik przez jego cenę, a otrzymasz liczbę tokenów. Metoda weryfikuje się w jednym wierszu — składnik danych wyjściowych podzielony przez 4,50 USD daje 104 940 tokenów na zadanie, a strona osobno podaje 104 939,8 tokenów wyjściowych na zadanie dla Qwen4-Max. Dokładna zgodność co do miejsca dziesiętnego, w wierszu obliczonym na dwa różne sposoby.
Każda pozostała pozycja dziedziczy tę pewność, przy czym jedno założenie zostało wyrażone otwarcie: że zapisy do pamięci podręcznej są rozliczane według pełnej stawki za dane wejściowe, co wynika z arytmetyki obu modeli, a nie jest czymś, co którykolwiek z dostawców dokumentuje wprost.
Co zostaje wyłączone w ramach zadania Intelligence Index:
• Tokeny wyjściowe — Qwen4-Max 104 940 wobec Qwen3.8-Max 170 794, redukcja o 39%.
• Tokeny rozumowania — 68 914 wobec 119 698, spadek o 42%. Budżet myślenia skurczył się znacznie bardziej niż budżet odpowiedzi.
• Tokeny odpowiedzi — 36,025 wobec 51,096, spadek o 30%. Qwen4-Max przeznacza teraz 66% generowanego tekstu na rozumowanie, a nie 70%, które przeznaczał jego poprzednik; nie jest jedynie krótszy, ma inne proporcje.
• Tokeny odczytu z pamięci podręcznej — około 14,9 mln wobec 22,7 mln, spadek o 34%. To odtwarzane tokeny kontekstu, które dominują w każdym długim przebiegu agentowym.
• Tokeny zapisu do pamięci podręcznej — około 1,11 mln wobec 1,66 mln, spadek o 33%.
Dwie rzeczy zwracają uwagę. Po pierwsze, redukcja liczby tokenów nie koncentruje się w widocznej odpowiedzi, gdzie użytkownik zauważyłby rozwlekłość, lecz w rozumowaniu i odtwarzanym kontekście, gdzie nikt tego nie obserwuje. Po drugie, wolumeny tokenów na zadanie są ogromne w wartościach bezwzględnych — czternaście milionów odczytów z pamięci podręcznej na zadanie — co mówi, co tak naprawdę mierzy Intelligence Index: długoterminową pracę z dużym trwałym kontekstem, a nie odpowiadanie na pytania w jednej turze.

Podziel 67% na cenę i zachowanie
Koszt to cena pomnożona przez wolumen, więc obniżkę można czysto rozłożyć. Rozlicz wolumeny tokenów Qwen3.8-Max według stawek Qwen4-Max, a zadanie kosztuje 4,97 USD zamiast 10,02 USD — sama zmiana ceny odpowiada za 50% obniżki. Zastosuj także zachowanie Qwen4-Max, a wynik spada do 3,27 USD — kolejne 34% mniej od tego, co pozostało. Pomnożone razem, 0,496 razy 0,658 daje 0,326: zaobserwowana 67% obniżka, w pełni wyjaśniona, bez reszty.
To, która połowa zasługuje na uznanie, zależy od kolejności, w jakiej rozliczasz oszczędności, i warto to powiedzieć, zamiast wybierać pochlebniejszą liczbę. W ujęciu procentowym na cenę przypada około 50%, a na dyscyplinę w zakresie tokenów około 34%. W dolarach — łącznie 6,76 USD oszczędności na zadanie, z czego 5,06 USD z tytułu stawek i 1,70 USD z tytułu wolumenu — na cenę przypada trzy czwarte. Oba ujęcia są poprawne; odpowiadają na różne pytania. Jeśli prognozujesz wydatki na następny kwartał, cennik stawek jest większą i pewniejszą dźwignią. Jeśli pytasz, czy model jest rzeczywiście bardziej ekonomiczny, trwalsze jest te 34%, które wynika z mniejszego zużycia tokenów, ponieważ obniżkę ceny można cofnąć, a architektury nie.
Kierunek własnych liczb dostawcy potwierdza ten podział, choć nikt o to nie prosił. Alibaba jednym tchem przypisuje spadek obu czynnikom, a jej 62% w Work360 jest bliskie 67% zmierzonym niezależnie w Intelligence Index — dwa stanowiska testowe, dwa zestawy zadań, jeden wniosek.
Pozycja, która po cichu stała się największą.
I tu właśnie cena z nagłówka wprowadza w błąd. Wcześniej odczyty z pamięci podręcznej stanowiły 57% rachunku, a zapisy do pamięci podręcznej 33%. Po zmianie zapisy do pamięci podręcznej stanowią 51%, a odczyty z pamięci podręcznej 34%. Model potaniał w każdej pozycji, ale rabat był nierówny — 70% zniżki na odczyty z pamięci podręcznej, 25% na zapisy do pamięci podręcznej — i odwrócił ranking dwóch największych kosztów.
Zapisy do pamięci podręcznej są rozliczane według stawki za dane wejściowe, 1,50 USD za milion, czyli dwudziestokrotności stawki odczytu z pamięci podręcznej wynoszącej 0,075 USD. Obciążenie, które przepisuje swój kontekst częściej, niż go odtwarza, płaci teraz za ten nawyk najdroższą walutą na cenniku. To praktyczna konsekwencja zmiany cennika, którą relacje z premiery w większości pominęły, i przemawia za nieefektowną pracą: stabilne prefiksy promptów, długotrwałe sesje, mniej pełnych przebudów kontekstu. W przypadku Qwen3.8-Max te nawyki miały mniejsze znaczenie, ponieważ odtwarzanie było wystarczająco kosztowne, by i tak zdominować rachunek.
Ta lekcja uogólnia się poza ten model. Gdy dostawca obniża cenę jednej klasy tokenów znacznie mocniej niż pozostałych, optymalna architektura promptów zmienia się wraz z tym, a rachunek, który otrzymujesz, jest opóźnionym wskaźnikiem architektury zbudowanej pod poprzednią kartę.

Wydajność jest względna, a bezwzględna liczba nie wygląda korzystnie.
Redukcja liczby tokenów wyjściowych o 39% brzmi jak oszczędny model. Zestaw to z konkurencją, a okaże się, że to oszczędniejsza wersja bardzo gadatliwego modelu. W całym przebiegu indeksu Qwen4-Max wygenerował 127 milionów tokenów wyjściowych; mediana modeli generuje 78,6 miliona. Qwen3.8-Max wygenerował 150 milionów. Oba modele Qwen są daleko po gadatliwej stronie, a Qwen4-Max przesunął się jedynie z 1,9-krotności mediany do 1,6-krotności.
To nie jest sprzeczność z twierdzeniem o efektywności — to jego właściwe odczytanie. Twierdzenie mówi, że Qwen4-Max osiąga lepszy wynik niż poprzednik, zużywając mniej tokenów, i obie te części są prawdziwe. Nie twierdzi się w nim, że model jest oszczędny w słowach, a każdy model budżetowy oparty na założeniu, że wysoko punktowany model musi być zwięzły, będzie się mylił znacząco. Jeśli o Twoich kosztach decyduje objętość danych wyjściowych, przejście na Qwen4-Max zmniejsza ich liczbę i nie zmienia kategorii.
Dane producenta dotyczące wstępnego trenowania wskazują w tym samym kierunku na innej warstwie. W wewnętrznych ewaluacjach BPB Qwen4-Max-Base wypada o 5–13% lepiej niż Qwen3.8-Max-Base w każdej dziedzinie, aktywując przy tym o 25% mniej parametrów — architektura wykonuje więcej pracy na jednostkę obliczeń, co jest spójne z modelem, który potrzebuje mniej tokenów, aby dojść do wniosku. To, czy powodem jest szkielet o 2,4 biliona parametrów, 71 miliardów aktywowanych parametrów i dodatkowe 328 miliardów parametrów osadzania N-gramów, jest wyjaśnieniem producenta, a nie pomiarem, który ktokolwiek spoza Alibaby odtworzył.
Czego brakuje w obrazie kosztów
Po pierwsze, opóźnienie. Karta Intelligence Index podaje czas na zadanie jako nie dotyczy w przypadku Qwen4-Max; dla Qwen3.8-Max wynosi on 48,1 minuty wobec mediany 13,3 minuty, co jest jednym z najwolniejszych zmierzonych wyników. Model, który jest o 67% tańszy na zadanie, a dessen czas zegarowy na zadanie jest nieznany, nie został w pełni porównany z niczym. Tanie tokeny, na które trzeba czekać, to inny produkt.
Szerokość oferty dostawców to kolejna kwestia. Cena stojąca za każdą powyższą liczbą to jedna stawka własna od Alibaba Cloud, a model obecnie występuje u jednego hosta. Nie ma drugiego źródła do arbitrażu, więc cennik jest stawką. Qwen3.8-Max jest teraz oznaczony jako przestarzały na rzecz Qwen4-Max i benchmarkowany co osiemnaście godzin, a nie co sześć, co oznacza, że podstawa porównania odświeża się wolniej niż mierzony względem niej model.

Przekształcanie arytmetyki w budżet, który kontrolujesz
Z tego podziału wynikają dwie dźwignie i są one niezależne. Pierwsza to cena: cennik, którego nie można negocjować, to nadal cennik, który można obejść, co dotyczy płacenia ceny katalogowej i niczego ponad nią. OrcaRouter przekazuje ceny katalogowe dostawców dalej przy 0% narzutu, więc obniżka dostawcy w rodzaju tej, której Alibaba dokonała 16 listopada, trafia na Twój rachunek tego samego dnia, a nie dopiero przy kolejnym odnowieniu umowy — a skala tej konkretnej obniżki, zwłaszcza 70% w przypadku danych wejściowych z pamięci podręcznej, to dokładnie ten rodzaj zmiany, który mechanizm przekazywania cen uwidacznia, zamiast po cichu ją wchłaniać.
Drugą dźwignią jest wolumen — i to ta, której model nie może za ciebie wytworzyć. Routing DSL składa kilka modeli w jedno wywołanie, dzięki czemu większość potoku może działać na tanim modelu, a trudny ogon — zadania, które naprawdę potrzebują MoE z 2,4 biliona parametrów — jest wysyłany do modelu, który go ma. Ten podział pozwala przechwycić 34% dywidendy behawioralnej bez płacenia stawek frontier za pracę, która nigdy ich nie potrzebowała, i jest naturalną odpowiedzią na obciążenie, w którym czternaście milionów tokenów kontekstu na zadanie to norma.
Mówiąc precyzyjnie o tym, co oferujemy, a czego nie: Qwen4-Max nie znajduje się w naszym katalogu na dzień 16 listopada 2026 r. Model Qwen, do którego obecnie kierujemy ruch, to qwen/qwen3.8-max, poprzednik, który ten artykuł przyjmuje jako punkt odniesienia. Dla zespołu, który chce sprawdzić, czy redukcja tokenów utrzymuje się na własnym ruchu, zanim podejmie decyzję, automatyczne przełączanie awaryjne to niskoryzykowny sposób na start — skieruj wycinek ruchu, pozostaw ścieżkę zapasową aktywną i porównuj rzeczywiste ślady zamiast zadań benchmarkowych.
Co zmieniłoby tę interpretację?
Artificial Analysis publikuje zagregowane liczby tokenów na model, a ten tekst wnioskuje wolumeny na zadanie na podstawie składników kosztów. Jeśli między dwoma przebiegami zmienił się harness — inne zestawy zadań, inne ważenie — część 39% redukcji wyjścia mogła wynikać z harnessu, a nie z modelu. Dokładne uzgodnienie w wierszu wyjściowym przemawia przeciwko temu, ale tego nie wyklucza, a każdy, kto ma własny ruch, powinien traktować wyliczone liczby jako hipotezę do sprawdzenia, a nie fakt, na którym można opierać planowanie.
Dane dostawcy dotyczące Work360 wiążą się z innym zastrzeżeniem, które sam Alibaba podaje: dwa z checkpointów w porównaniu BPB są po treningu dodatkowym, a nie bazowe, co osłabia ujęcie oparte na bezpośrednim porównaniu. Nie ma to wpływu na 62-procentową redukcję kosztów w Work360, ponieważ porównuje ona dostarczone modele na stałym zestawie zadań, ale twierdzenia dotyczące wstępnego trenowania należy czytać, mając to na uwadze.
To, co po tym wszystkim zostaje, to kształt odpowiedzi, a nie jej precyzja. Premiera przedstawiana jako obniżka ceny jest także — i to w przybliżeniu w równym stopniu — zmianą w tym, ile model zużywa, aby dotrzeć do odpowiedzi, a ta druga połowa to część, której konkurent nie może skopiować, dostosowując cennik. To jest liczba, na którą trzeba uważać, gdy mniejsze modele Qwen4 wejdą na rynek, ponieważ jeśli dyscyplina tokenów jest architektoniczna, przeniesie się wraz z nimi, a jeśli była właściwością tego jednego checkpointu, to nie.
Porównane w tym artykule1
Wykryto na podstawie tego artykułu · Benchmarki: Artificial Analysis · aktualizowane codziennie
