Wygenerowana karta tytułowa z napisem Qwen4-Max vs GPT-6 Luna, z podtytułem „22 razy koszt zadania, 15 punktów indeksu” oraz trzema płaskimi ikonami liniowymi sugerującymi rosnącą krzywą kosztów, pasek wyniku i ramkę wideo.
Guides & Insights

Qwen4-Max vs GPT-6 Luna: 22× większy koszt zadania za 15 punktów indeksu

Autor

Alistair Wren

Data publikacji

Najnowsze modele · 20Zobacz wszystkie modele →
Benchmarki: Artificial Analysis · aktualizowane codziennie
Powrót do wszystkich wpisów

Przepuść żądanie do Qwen4-Max i żądanie do GPT-6 Luna przez ten sam zestaw ewaluacyjny, a rachunek wynosi 3,27 USD wobec 0,15 USD. Dwadzieścia dwa razy. Zestaw wyniki obok siebie, a otrzymasz 43 wobec 28 — piętnaście punktów, co stanowi różnicę między modelem, któremu powierzyłbyś wielogodzinne zadanie agentowe, a takim, któremu powierzyłbyś dokument. Obie te luki są rzeczywiste, obie są mierzone na tej samej wersji indeksu i żadna z nich nie rozstrzyga tej kwestii, ponieważ Qwen4-Max jest ogólnie dostępny od 16 listopada 2026 r. w cenie 1,50 USD i 4,50 USD za milion tokenów, podczas gdy GPT-6 Luna utrzymuje się na poziomie jednej dziesiątej tej ceny od 22 września. Decyzja nie polega na tym, który model jest lepszy. Polega na tym, które piętnaście punktów faktycznie wykorzystasz, a odpowiedź zmienia się dwukrotnie w trakcie tego porównania.

22× i z czego jest wykonany

Zacznij od cennika, ponieważ wskaźnik podany w nagłówku to nie ten, który faktycznie płacisz.

• Wejście — Qwen4-Max 1,50 USD za milion w Singapurze, 1,413 USD w regionach o zasięgu globalnym. GPT-6 Luna 0,10 USD. Piętnaście do jednego.

• Wyjście — Qwen4-Max $4.50, czyli $4.24 Global. GPT-6 Luna $0.50. Dziewięć do jednego.

• Wejście z pamięci podręcznej — Qwen4-Max 0,075 USD Singapur, 0,071 USD Globalnie, zniżka 95%. GPT-6 Luna 0,01 USD, zniżka 90%.

• Mieszana — Qwen4-Max $0.80 za milion przy ważeniu 7:2:1 trafień w pamięć podręczną / danych wejściowych / danych wyjściowych stosowanym przez tracker. GPT-6 Luna $0.077. Dziesięć do jednego.

• Koszt na zadanie w Indeksie Inteligencji — Qwen4-Max 3,27 USD, GPT-6 Luna 0,15 USD. Dwadzieścia dwa do jednego.

Piętnaście, dziewięć, dziesięć, dwadzieścia dwa. Te cztery liczby się nie zgadzają, a ta niezgodność jest właśnie tym, co użyteczne: stosunek na zadanie jest ponad dwukrotnie większy niż stosunek ceny mieszanej, ponieważ Qwen4-Max musi emitować więcej tokenów, aby ukończyć zestaw, a nie dlatego, że jego stawki są gorsze, niż sugeruje karta. Panel gadatliwości trackera podaje Qwen4-Max na 127 milionów tokenów wyjściowych wobec mediany 90 milionów; Luna na 110 milionów wobec tej samej mediany. Oba są po gadatliwej stronie. Qwen4-Max jest o 15% bardziej gadatliwy, a te 15% wykonuje realną pracę w luce 22×, którą karta stawek 10× przewidywałaby.

Wszystkie liczby w tej sekcji to pomiary Artificial Analysis na indeksie v5.0.1 — indeksie po przeindeksowaniu, więc wyniku Luna z lipcowego rankingu nie można porównywać z 28 cytowanymi tutaj — w połączeniu z własnym opublikowanym cennikiem każdego dostawcy. Żaden z dostawców nie opublikował wyrównanego porównania bezpośredniego, a wszelkie porównanie zbudowane na tych liczbach to arytmetyka na dwóch osobnych przebiegach, a nie test porównawczy.

A generated two-column scoreboard for Qwen4-Max and GPT-6 Luna across six shared dimensions: index 43 against 28 at max and 18 at the default, price $1.50 and $4.50 against $0.10 and $0.50 per 1M, cost per index task $3.27 against $0.15, time per task 29.8 minutes against 12.2, output speed 59 against 103 tokens per second, and input modalities text, image and video against text and image.

Ustawienie wysiłku jest większą dźwignią

Oto, co sprawia, że ujęcie „43 przeciwko 28” jest mylące — i nie jest to drobna korekta.

GPT-6 Luna jest dostarczany z sześcioma ustawieniami rozumowania — brak, niski, średni, wysoki, bardzo wysoki i maksymalny — i domyślnie ustawiony jest na średni. Artificial Analysis ocenia każdy poziom. Rozpiętość wyników nie jest efektem zaokrąglenia:

• Max — 28 w indeksie, 0,15 USD za zadanie, 12,2 minuty, 103 tokeny na sekundę.

• Xhigh — 23, 7,4 minuty, 99 tokenów na sekundę.

• Wysoki — 21, 6,0 minuty, 91 tokenów na sekundę.

• Średni — 18, 3,5 minuty, 93 tokeny na sekundę. To ustawienie domyślne i to jego faktycznie używa niemal każde wywołanie produkcyjne.

• Niski — 10, 0,6 minuty, 87 tokenów na sekundę.

• Bez rozumowania — 9, 2,0 minuty, 84 tokeny na sekundę.

Uczciwe porównanie to więc nie 43 kontra 28. To 43 kontra 18 dla wywołującego, który nie wysyła parametru wysiłku, oraz 43 kontra 28 dla tego, kto przekręca pokrętło na maksimum i płaci za to sześciokrotnie większym opóźnieniem. Dwadzieścia pięć punktów przy ustawieniu domyślnym i piętnaście przy maksimum, z tego samego modelu, bez zmiany ceny w cenniku.

Drabina Qwen4-Max ma trzy szczeble — low, high, xhigh — i domyślnie ustawiona jest na high. Nie ma poziomu medium: zarówno Chat Completions, jak i DashScope mapują medium na high, więc proszenie o ustawienie środkowe kosztuje tyle, co najwyższe. To gorsze pokrętło niż u Luny i ma to znaczenie z tego samego powodu — szczebel, który wybierzesz, decyduje o wyniku, a Qwen4-Max daje mniej sposobów, by kupić mniej.

To, czego tracker nie publikuje dla Qwen4-Max, to wyniku na każdym z jego trzech szczebli; strona podaje 43 i na tym się kończy. Pełna sześcioszczeblowa drabina Luny jest publiczna, co sprawia, że Luna jest modelem łatwiejszym do modelowania, a trudniejszym do wycenienia. Jeśli budujesz prognozę kosztów, w pełni opublikowana drabina jest warta więcej niż pojedyncza lepsza liczba, ponieważ widać, gdzie znajduje się punkt przegięcia.

A screenshot of the OrcaRouter model page for openai/gpt-6-luna, captured in an English interface, showing the OpenAI breadcrumb, the openai/gpt-6-luna identifier, a 128K max output, vision and tools and JSON and reasoning capability chips, an output modality of text, and a public-benchmarks line attributed to OpenAI dated 2026-09-22.

Klif Luny na poziomie 272 000 tokenów

Oba modele reklamują kontekst o długości miliona tokenów, ale tylko jeden z nich stosuje tę samą stawkę w całym jego zakresie — i jest to jedyna tak kosztowna rzecz, którą kupujący może przeoczyć.

• Qwen4-Max — 1,50 USD i 4,50 USD bez zmian w całym oknie 1 000 000 tokenów, bez taryfikacji progowej przy 32K ani 128K. Udokumentowany limit wejścia wynosi 991 808 tokenów bez myślenia i 983 616 z włączonym myśleniem; wyjście bez myślenia jest ograniczone do 131 072, a myślenie i odpowiedź współdzielą limit 262 144.

GPT-6 Luna — 0,10 USD i 0,50 USD do 272 000 tokenów wejściowych, a powyżej 0,20 USD za wejście i 0,75 USD za wyjście. Nowa cena dotyczy całego żądania, a nie tylko nadwyżki: monit o długości 300 000 tokenów płaci podwójnie za wszystkie 300 000, a nie za ostatnie 28 000. Okno kontekstu wynosi 1 050 000 zgodnie z dokumentacją OpenAI i 1 mln w trackerze; maksymalne wejście: 922 000; limit wyjścia: 128 000.

Uruchom scenariusz długiego kontekstu, a 22× spada w stronę 7,5×. Dokument o 400 000 tokenów z odpowiedzią o 8000 tokenów kosztuje 0,60 USD na wejściu i 0,09 USD na wyjściu w Qwen4-Max — 0,69 USD według stawek singapurskich. To samo zapytanie w Luna kosztuje 0,08 USD na wejściu i 0,006 USD na wyjściu, 0,086 USD. Siedem i pół razy, nie dwadzieścia dwa. Luna wciąż jest dramatycznie tańsza, ale jej przewaga cenowa to jedna trzecia tej, którą sugeruje nagłówkowa liczba.

To odwrócenie ma drugą krawędź i tnie w przeciwnym kierunku. Poniżej 272 000 tokenów klif nigdy nie obowiązuje, a większość obciążeń agentowych — kontekst bazy kodu, rozmowa ze wsparciem, pętla wywołań narzędzi — mieści się znacznie poniżej tego progu. Zespół, który na obu kartach widzi „1M kontekstu” i planuje dla Luny 0,10 USD na zadanie o 500 000 tokenów, zaniżył budżet 2× na wejściu i 1,5× na wyjściu, a błąd wychodzi dopiero na fakturze.

Jest też kwestia rezydencji danych, którą warto znać, zanim cena zacznie mieć znaczenie: rezydencja danych w UE na platformie Luna jest dostępna tylko w przypadku przetwarzania Standard, co całkowicie wyklucza rabaty Batch i Fast. Jeśli wymóg rezydencji danych jest w zakresie, obowiązująca stawka Luna to stawka standardowa, a struktura rabatów, na którą liczyłeś, nie jest dla Ciebie dostępna.

Wideo i rząd, do którego Luna nie może wejść

Różnica między modalnościami jest mniejsza, niż sugeruje marketing, a zarazem większa, niż wynika to z pobieżnego spojrzenia na kartę specyfikacji.

• GPT-6 Luna — tekst i obraz na wejściu, tekst na wyjściu. To nie jest model wideo ani audio. Generowanie obrazów, generowanie mowy, transkrypcja i tłumaczenie są udokumentowane jako nieobsługiwane.

• Qwen4-Max — tekst, obraz i wideo na wejściu, tekst na wyjściu, z natywną obsługą widzenia, a nie przez ekstraktor. Po stronie protokołu: OpenAI Chat Completions, OpenAI Responses, Anthropic Messages i DashScope, wobec Responses, Chat Completions i Batch od Luna.

Qwen4-Max jest więc jedynym z tej dwójki, któremu można wskazać nagranie ekranu, zapis wykładu lub recenzję wideo i zadać na ich temat pytanie. To rzeczywista różnica w możliwościach, a nie różnica w wynikach benchmarków — żaden indeks na którejkolwiek z kart tego nie mierzy, a żadne dostrajanie poziomu wysiłku w Lunie tego nie zapewni. Jeśli wideo jest częścią obciążenia, porównanie kończy się tutaj, a 22× to cena wejścia.

Jeśli nie chodzi o wideo, ten wiersz to kwestia dekoracji, a szerokość obsługiwanych protokołów jest tą ciekawszą połową. Qwen4-Max obsługuje cztery formaty transmisji; Luna obsługuje trzy i zamyka swoją najbogatszą powierzchnię narzędzi za Responses — działają tam wbudowane narzędzia, takie jak wyszukiwanie w sieci, wyszukiwanie plików, interpreter kodu i hostowany shell, a wywoływanie funkcji w Chat Completions działa tylko wtedy, gdy poziom wysiłku rozumowania jest ustawiony na none. Pipeline, który przechodzi na Chat Completions, aby zaoszczędzić pieniądze, a mimo to oczekuje wywołań narzędzi, zawodzi już przy pierwszym żądaniu. To pułapka migracyjna, a nie luka w możliwościach, i to taka, która kosztuje tydzień, a nie procent.

To jest ten styk, na którym warstwa routingu okazuje swoją wartość, a nie wybór modelu. OrcaRouter już obsługuje openai/gpt-6-luna w cenach katalogowych OpenAI z 0% marży przekazywanej dalej — więc zmiana ceny Luna jest tu widoczna tego samego dnia, w którym trafia na kartę O​penAI — a Qwen4-Max nie jest tu hostowany; jest dostępny przez własne API Model Studio A​libaba oraz kilka platform zewnętrznych. Jedno API dla ponad 200 modeli, jeden klucz oraz DSL routingu, który klasyfikuje żądanie i wysyła je do tego z dwóch, do którego według wiersza należy: Luna dla warstwy ekstrakcji o dużym wolumenie, klasa Qwen dla pracy z wideo i długim kontekstem, której Luna strukturalnie nie może podjąć. Automatyczne przełączanie awaryjne pokrywa dzień, w którym tania warstwa ma złą godzinę — a to dzień, w którym potok oparty na jednym dostawcy odkrywa, że taki dzień istnieje.

A screenshot of the Artificial Analysis page for GPT-6 Luna, captured in an English interface, showing the Intelligence, Performance and Price panels, a 1M-token context note, a speed figure, a 12.2-minute time per task and the model's measured intelligence score of 28.

Kiedy każdy model jest właściwym wyborem

Trzy obciążenia, trzy różne odpowiedzi, a większość zespołów faktycznie znajduje się przy trzeciej z nich.

Wielkoskalowe, dobrze wyspecyfikowane, poddane kontroli.Klasyfikacja korpusu, ekstrakcja ze zbiorów dokumentów, streszczanie, etap triażu zgłoszeń wsparcia w potoku. Luna po 0,15 USD za zadanie w porównaniu z Qwen4-Max po 3,27 USD to redukcja kosztów o 95% w przypadku pracy, która nigdy nie wymagała 43. Wynik 18, który otrzymujesz przy domyślnych ustawieniach Luny, jest powyżej mediany jej przedziału cenowego, a dane wyjściowe są sprawdzalne — i to jest cały argument. To nie jest trudna decyzja.

Długi horyzont, praca bez nadzoru, wysoki koszt błędu. Wielogodzinne uruchomienia agentów, refaktoryzacje w skali repozytorium, badania obejmujące dziesiątki wywołań narzędzi. Piętnaście punktów indeksu to różnica między modelem, który potrafi utrzymać plan, a takim, który go gubi, a przy 3,27 USD za zadanie w porównaniu z uruchomieniem, którego powtórzenie kosztuje godzinę pracy inżyniera, cena nie jest ograniczeniem. Qwen4-Max jest także jedynym z tych dwóch, który przyjmie wejście wideo, co w przypadku rosnącej części pracy agentowej — zrzutów ekranu, nagrań ekranu, śladów interfejsu użytkownika — stanowi różnicę między obciążeniem, które istnieje, a takim, które nie istnieje.

Wrażliwy na opóźnienia, gdzieś pośrodku. To przypadek, na który nie odpowiada żadna z kart. Luna dekoduje 103 tokeny na sekundę przy maksymalnym wysiłku i 93 przy ustawieniu domyślnym; Qwen4-Max — 59. Luna kończy zadanie indeksowania w 12,2 minuty przy maksimum i w 3,5 przy ustawieniu domyślnym; Qwen4-Max w 29,8. Jeśli człowiek czeka, 59 tokenów na sekundę to liczba, która decyduje o tym, czy produkt sprawia wrażenie żywego, a żadna oszczędność na pojedynczym zadaniu nie zrekompensuje interfejsu, który się zacina. Jeśli nikt nie czeka, 29,8 minuty to czas rzeczywisty, wokół którego można planować.

Właściwym rozwiązaniem dla większości zespołów nie jest jeden z tych dwóch, lecz oba — a powód jest taki, że granica decyzyjna jest właściwością na poziomie żądania, a nie na poziomie kontraktu. Potok, który klasyfikuje na Luna i eskaluje do modelu frontier, gdy klasyfikator nie jest pewny, uzyskuje 95% oszczędności na łatwych 90% i piętnaście punktów na pozostałych. Do tego służy routing DSL i jest to jedyna konfiguracja w tym porównaniu, która nie wymaga wybierania przegranego.

Rachunek, którego wysokość naprawdę możesz przewidzieć

Dwadzieścia dwa razy wyższy koszt zadania za piętnaście punktów indeksu. Podziel jedno przez drugie, a Qwen4-Max kosztuje $0.076 za punkt indeksu wobec $0.0054 Luny — czternaście razy więcej za punkt, czyli liczba, przez którą Luna wygląda na oczywisty zakup, i zarazem najmniej użyteczna, bo nikt nie zużywa punktów indeksu.

To, co ludzie konsumują, to obciążenie robocze, a obciążenie to ma trzy właściwości, które o tym decydują: ile tokenów liczy kontekst, czy człowiek czeka oraz czy błędną odpowiedź można tanio wychwycić. Luna wygrywa bezapelacyjnie w dwóch pierwszych i przegrywa w trzeciej tak dotkliwie, że porównanie się odwraca. Qwen4-Max wygrywa w trzeciej i pobiera za to opłatę w wysokości, która ma sens tylko wtedy, gdy alternatywą jest ponowne przeliczenie.

Prognoza, która przetrwała to wszystko: jeśli wybierasz między tymi dwoma po cenie, to już wybrałeś źle, ponieważ 22× to nie premia, którą powinieneś płacić przy każdym żądaniu w potoku — to premia, którą płacisz przy niewielkim odsetku żądań, które jej potrzebują. Kieruj ten odsetek. Reszta to błąd zaokrąglenia, który możesz wydać na coś innego.

Porównane w tym artykule1

Wykryto na podstawie tego artykułu · Benchmarki: Artificial Analysis · aktualizowane codziennie