Wygenerowana karta tytułowa 16:9 z napisem „Qwen4-Max vs Kimi K4” i podtytułem „Jeden został wydany w tym tygodniu; drugi nigdy nie został wydany”, z dwiema zaokrąglonymi kartami: udokumentowanym modelem GA z sześcioma regionami i cennikiem pay-as-you-go oraz nazwą bez karty modelu, bez identyfikatora API i bez ogłoszenia. Logo OrcaRouter w prawym dolnym rogu.
Guides & Insights

Qwen4-Max kontra Kimi K4: jeden wydano w tym tygodniu, drugi nigdy nie został wydany

Autor

jinhao.song

Data publikacji

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

Wyszukaj K​imi 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 K​imi 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.

A generated two-column scoreboard titled 'Qwen4-Max vs Kimi K3.1 Pro - the scoreboard', comparing $1.50 and $4.50 per million tokens against $2.00 and $10.00, a 1,000,000-token context against 1,048,576, a 131,072 maximum output against a 1,000,000-token ceiling, no independent score against 46.5, and no weights against an open parent under a custom licence, over a footer reading 'Qwen4-Max per Alibaba; Kimi figures per Moonshot and Artificial Analysis Index v5.0.1.' OrcaRouter logo bottom-right.

Test K​imi 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 K​imi 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 O​penAI Chat Completions, O​penAI Responses, A​nthropic Messages i DashScope, co oznacza, że istniejące A​nthropic SDK wskazane na nowy bazowy URL będzie działać bez przepisywania. Dostrajanie i wdrażanie modeli są udokumentowane jako nieobsługiwane, a żadne wagi nie są publikowane.

A screenshot of Alibaba Cloud Model Studio's 'Model releases and updates' changelog, dated 2026-11-16 and headed qwen4-max, with the 2026-11-11 qwen4-max-preview entry visible below and the documentation timestamp at the top of the page.

Qwen4-Max kontra K​imi, 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 K​imi

• 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 A​libaba: 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 K​imi 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. Q​wen nie publikuje żadnych informacji o projekcie uwagi Qwen4-Max, więc nie sposób ustalić, po której stronie tego kompromisu się znajduje.

To, co Q​wen 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 K​imi 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.

A screenshot of the OrcaRouter model page for Kimi K3.1 Pro, showing the identifier kimi/kimi-k3.1-pro, $2.00 input and $10.00 output per million tokens, the 1,048,576-token context window, the large maximum output figure, text, image and video input, and the 2026-10-24 vendor date.

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 K​imi 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 K​imi 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