
Qwen4-Max kontra Kimi K4: jeden wydano w tym tygodniu, drugi nigdy nie został wydany
- 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 · 96 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 · 152 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
Wyszukaj Kimi K4, a znajdziesz mnóstwo tekstów o modelu, który nie istnieje. Wyszukaj Qwen4-Max, a według stanu na 16 listopada 2026 znajdziesz model, który możesz wywołać i dla którego istnieje opublikowany cennik, sześć regionów oraz strona dokumentacji z sygnaturą czasową 09:46 tego ranka. To nie są porównywalne stany rzeczy, a traktowanie ich jako dwóch stron pojedynku to najczęstszy błąd w tym segmencie rynku. Ta strona spełnia więc dwa zadania: ustala, czym jest Kimi K4 — nazwą, za którą nie stoją żadna karta modelu, identyfikator API, wagi, cena ani ogłoszenie — a następnie przeprowadza porównanie, które czytelnik może realnie wykorzystać, między Qwen4-Max a Kimi K3.1 Pro, modelem, który Moonshot AI udostępnia dziś i który ma najwyższy wynik wśród modeli z otwartymi wagami w Artificial Analysis Intelligence Index.
To drugie porównanie jest ciekawsze niż to, które wpisałeś, ponieważ jest to jedyne miejsce, w którym Qwen4-Max spotyka model, który przewyższa go pod względem zmierzonej zdolności, a jednocześnie przegrywa z nim pod względem ceny. To także porównanie, które pokazuje, dlaczego brakujący benchmark Qwen4-Max jest kosztowny: w zestawieniu z Kimi K3.1 Pro po jednej stronie tabeli znajduje się rzeczywista liczba, a po drugiej puste miejsce.

Test Kimi K4 przeprowadzony jawnie
Twierdzenia, że coś nie zostało wydane, tracą na znaczeniu, więc oto dowody, a nie werdykt. Dokumentacja cenowa dla deweloperów Moonshot AI dotycząca API Kimi wymienia kimi-k3.1-pro i kimi-k3 jako modele serii K3, z oknem kontekstu wynoszącym 1 048 576 tokenów, a także serię K2, która – jak podaje ta sama strona – zostanie całkowicie wycofana do końca grudnia 2026 r. Nie pojawia się żaden identyfikator kimi-k4. Lista modeli platformy nie zawiera takiego identyfikatora. Indeks bloga samego laboratorium nie zawiera żadnego wpisu o K4. Wyszukiwanie repozytoriów w organizacji moonshotai nie zwraca żadnych wyników powyżej K3.1 Pro.
Jedynym artefaktem, jaki pojawia się pod tą nazwą, jest ponowny upload osoby trzeciej na Hugging Face, utworzony w lipcu 2026 r., z garstką pobrań, bez dokumentacji i z zestawem tagów skopiowanym w całości z Kimi K3. To nie jest artefakt Moonshot i ta strona nie traktuje go jako taki. Wprowadzony na rynek flagowiec Moonshot pozostawia w ciągu dni możliwy do sprawdzenia ślad — kartę modelu z liczbą parametrów, wiersz cennika, identyfikator API, wpis w rankingu. Nazwa, która nie pozostawiła niczego z tego, nie jest cichą premierą; to nazwa.
Warto powiedzieć to wprost, bo sposób ujęcia na tej stronie można błędnie odczytać: fakt, że K4 nie wyszło, nic nie mówi o trajektorii Moonshot. Laboratorium wydało dwa modele w ciągu czterech miesięcy, a drugi z nich, K3.1 Pro z 24 października 2026 r., jest najlepszym wynikiem wśród modeli z otwartymi wagami w obecnym indeksie. Następny model to kwestia „kiedy”, a nie „czy”. Po prostu nie „teraz”.
Czym w tym tygodniu stał się Qwen4-Max
Do 16 listopada Qwen4-Max istniał wyłącznie jako qwen4-max-preview: wynajem dostępny wyłącznie w ramach Token Plan, otwarty 11 listopada o 10:00 UTC+8, z ogłoszonym wycofaniem o 24:00 25 listopada i bez podanej gdziekolwiek ceny za token. Model GA to inny identyfikator, qwen4-max, ze stawkami pay-as-you-go, sześcioma regionami — Singapur, Pekin, Hongkong, Frankfurt, Wirginia i Tokio — i bez daty wygaśnięcia.
Opublikowana specyfikacja przewiduje kontekst 1 000 000 tokenów, maksymalną długość wyjścia 131 072 tokenów w trybie nie-myślącym, wspólny budżet 262 144 tokenów na myślenie i odpowiedź, wejście tekstowe, obrazowe i wideo oraz wyjście wyłącznie tekstowe. Myślenie jest domyślnie włączone z budżetem 131 072 tokenów i wysiłkiem rozumowania ustawionym na wysoki. API obsługuje OpenAI Chat Completions, OpenAI Responses, Anthropic Messages i DashScope, co oznacza, że istniejące Anthropic SDK wskazane na nowy bazowy URL będzie działać bez przepisywania. Dostrajanie i wdrażanie modeli są udokumentowane jako nieobsługiwane, a żadne wagi nie są publikowane.

Qwen4-Max kontra Kimi, które możesz faktycznie wywołać
Kimi K3.1 Pro było wydaniem po treningu, a nie nową architekturą: Moonshot opisuje je jako Kimi K3 ponownie wytrenowany ze znacznie większym nakładem obliczeń na etapie post-trainingu, w tym z wielkoskalowym wspólnym uczeniem ze wzmocnieniem w setkach zadań downstream. Okno kontekstu pozostało bez zmian i wynosi 1 048 576 tokenów, wejście wizyjne i wideo również się nie zmieniły, a limit wyjścia nadal wynosi 1 mln tokenów. Najistotniejsza zmiana dotyczyła ceny: $2.00 za milion tokenów wejściowych i $10.00 za milion tokenów wyjściowych, w porównaniu z $3.00 i $15.00 w K3.
• Cena wejściowa — Qwen4-Max 1,50 USD za 1 mln w Singapurze, 1,413 USD w pozostałych lokalizacjach, w porównaniu z Kimi K3.1 Pro – 2,00 USD
• Cena wyjściowa — Qwen4-Max $4.50 w Singapurze, $4.24 gdzie indziej, w porównaniu z Kimi K3.1 Pro $10.00
Odczyt z pamięci podręcznej — Qwen4-Max 0,075 USD po pięciominutowym zapisie za 1,875 USD, w porównaniu z Kimi K3.1 Pro 0,20 USD po zapisie za 2,00 USD
• Kontekst — Qwen4-Max 1 000 000 tokenów w porównaniu z Kimi K3.1 Pro 1 048 576 tokenów, przewaga 4,6% na korzyść Kimi
• Maksymalna długość wyjścia — Qwen4-Max 131 072 w trybie non-thinking, wobec limitu 1 mln tokenów Kimi K3.1 Pro — duża przewaga po stronie Kimi
• Niezależny wynik — Qwen4-Max niepublikowany, w porównaniu z Kimi K3.1 Pro 46,5 w Artificial Analysis Intelligence Index v5.0.1, najlepszy wynik wśród modeli z otwartymi wagami na liście
• Wagi — Qwen4-Max: żadne nie zostały opublikowane, w porównaniu z K3, modelem nadrzędnym Kimi K3.1 Pro, otwartym na niestandardowej licencji
• Benchmark dostawcy — Qwen4-Max: brak, w porównaniu z Kimi K3.1 Pro na poziomie 65,7% w Terminal-Bench 4.0, według danych dostawcy
Wiersz ceny tokenów wyjściowych to ten, który zmienia układ budżetu. Przy 4,50 USD wobec 10,00 USD Qwen4-Max jest o 55% tańszy na wyjściu w Singapurze i o 58% tańszy w pozostałych regionach. Potok generujący 50 mln tokenów wyjściowych miesięcznie płaci 225 USD za Qwen4-Max i 500 USD za Kimi K3.1 Pro. To realna różnica i najsilniejszy pojedynczy argument za nowszym modelem.
Wiersz limitu wyjścia jest tym, który może to przekreślić. Kimi K3.1 Pro wygeneruje milion tokenów w jednej odpowiedzi; Qwen4-Max ma limit 131 072 poza trybem myślenia i 262 144 współdzielone z tym trybem. Jeśli Twoje obciążenie obejmuje generowanie długich dokumentów, przepisywanie całych plików lub rozbudowane ślady rozumowania w jednym wywołaniu, tańszy model może nie być w stanie dokończyć zadania za żadną cenę, a 55% zniżki na żądanie, które trzeba podzielić na osiem wywołań, nie jest zniżką.
Dlaczego puste pole w kolumnie wyników jest sednem sprawy
Każde porównanie modeli publikowane na tym blogu napotyka ten sam mur w przypadku nowych flagowych modeli Alibaba: dokumentacja jest niezwykle precyzyjna co do mechaniki i całkowicie milczy o jakości. Strona Qwen4-Max podaje domyślną temperaturę w każdym trybie, wartości top-p i top-k, budżet rozumowania, dokładne górne limity tokenów wejściowych i wyjściowych w każdym trybie oraz sześć regionów wraz z ich zakresami wdrożenia. Nie publikuje żadnej tabeli benchmarków — ani raportowanej przez dostawcę, ani żadnej innej — a w indeksie modeli Artificial Analysis nie ma wpisu Qwen4: adres URL dla danego modelu zwraca 404.
W zestawieniu z Kimi K3.1 Pro ta asymetria ma konkretną konsekwencję. Po stronie Kimi dostępny jest wynik własny, który każdy może zobaczyć, oraz niezależny wynik dla tej samej wersji indeksu — oba na szczycie rankingu modeli z otwartymi wagami. Po stronie Qwen jest cena i karta specyfikacji. Kupujący, porównując je, nie porównuje dwóch modeli; porównuje model zmierzony z modelem udokumentowanym, a jedynym sposobem na zasypanie tej luki jest dokonanie własnego pomiaru.
Co jest tańsze, niż się wydaje. Sto promptów pobranych z Twojego własnego ruchu, uruchomionych na obu, przy tych stawkach, kosztuje kilka dolarów. To cały budżet ewaluacji potrzebny do przekształcenia Qwen4-Max z niewiadomej w znaną wielkość dla Twojego obciążenia — i to mniej niż koszt jednego tygodnia błędnego zgadywania ceny wyjściowej.
Jedno miejsce, w którym te dwa projekty najbardziej się rozchodzą
Architektura K3 od Moonshot opiera się na Kimi Delta Attention – mechanizmie liniowej uwagi z rekurencyjnym stanem o stałym rozmiarze – w 69 spośród 92 swoich warstw rzadkich. To właśnie dzięki temu rozwiązaniu obsługa kontekstu o długości 1 mln tokenów jest przystępna kosztowo, a jednocześnie jest to powód, dla którego niezależni ewaluatorzy nie dają wiary deklaracjom o długim kontekście zgłaszanym przez samych dostawców w całej branży: hybrydy z liniową uwagą zwykle tracą kilka punktów w wyszukiwaniu typu „igła w stogu siana” względem pełnej uwagi. Qwen nie publikuje żadnych informacji o projekcie uwagi Qwen4-Max, więc nie sposób ustalić, po której stronie tego kompromisu się znajduje.
To, co Qwen publikuje, to implementacja buforowania promptów z trybami jawnym i niejawnym oraz pięciominutowym zapisem do pamięci podręcznej po 1,875 USD za milion w porównaniu z odczytem po 0,075 USD — 96% zniżki na odczycie. Odpowiednik Kimi to 2,00 USD za zapis i 0,20 USD za odczyt, czyli 90% zniżki. Oba rozwiązania nagradzają stabilny prefiks i karzą prompt, który zmienia się w każdej turze, a żadne z nich nie zmienia arytmetyki w przypadku pojedynczego żądania.
W przypadku pracy z dokumentami w długim kontekście — obciążenia, które sprzedają obaj dostawcy — praktyczny test jest taki sam na obu modelach: zbuduj test igły na własnym korpusie, zanim zaufasz reklamowanemu oknu kontekstu. Model, który odpowiada poprawnie przy 900K tokenów na twoich danych, jest wart więcej niż taki, który odpowiada poprawnie przy 1M na syntetycznym benchmarku, a tylko jedną z tych dwóch liczb można poznać bez własnego stanowiska testowego.
Wywoływanie ich obok siebie
OrcaRouter udostępnia Kimi K3.1 Pro jako kimi/kimi-k3.1-pro w cenie katalogowej Moonshot — 2,00 USD za wejście i 10,00 USD za wyjście za milion — przekazywanej bez marży, pod tym samym bazowym adresem URL zgodnym z OpenAI co reszta 215-identyfikatorowego katalogu, z punktami końcowymi /v1/chat/completions i /v1/responses. Qwen4-Max nie znajduje się dziś w tym katalogu; jest dostępny przez własne API Alibaby, gdzie obowiązuje powyższa regionalna tabela cen.

Powodem, dla którego warto utrzymać dostęp do obu modeli zamiast wybierać jeden, jest to, że decyzja między nimi zależy od charakteru obciążenia, a nie od samych modeli. Przy długich generacjach liczy się górny limit odpowiedzi Kimi. Przy generowaniu na dużą skalę, gdzie odpowiedzi są krótkie, liczy się cena odpowiedzi Qwen4-Max. Wszędzie tam, gdzie błędna odpowiedź jest kosztowna, potrzebny jest model z oceną, dopóki nie wygenerujesz oceny dla drugiego. Polityka routingu wyraża to w postaci reguł, a nie decyzji architektonicznej, a automatyczne przełączanie awaryjne zapobiega temu, by nowszy z dwóch modeli stał się pojedynczym punktem awarii, dopóki wciąż gromadzisz dowody.
Co to oznacza dla wyszukiwania, które rozpocząłeś
Jeśli przyszedłeś z myślą o Kimi K4, odpowiedź brzmi: nie został wydany, nic o nim nie ogłoszono, a modelem, który należy dziś ocenić, jest Kimi K3.1 Pro — który w obecnym indeksie jest najsilniejszym dostępnym dla każdego modelem o otwartych wagach. Wypatruj karty modelu, a nie plotki: dokument zawierający jednocześnie parametry, kontekst, cenę i identyfikator API to sygnał, którego ten blog używał przez cały rok, by odróżnić wydany model od nazwy krążącej w obiegu.
Jeśli przyszedłeś ze względu na Qwen4-Max, odpowiedź brzmi: jest prawdziwy, ma ustaloną cenę i jest tani dokładnie w jednym wymiarze, który ma znaczenie — tokeny wyjściowe — jednocześnie ograniczając się do ułamka tego, co model Kimi wygeneruje w jednej odpowiedzi, i w ogóle nie podając pomiaru jakości. Kupuj go tam, gdzie dominuje objętość wyjścia, a odpowiedzi są krótkie. Przetestuj go, zanim kupisz go gdziekolwiek indziej. A różnicę między $4.50 a $10.00 potraktuj jako zaproszenie do przeprowadzenia własnej ewaluacji, bo to jedyna liczba w tym porównaniu, która jest obecnie darmowa.
Porównane w tym artykule2
Wykryto na podstawie tego artykułu · Benchmarki: Artificial Analysis · aktualizowane codziennie
