Wygenerowana karta tytułowa o treści „Qwen4-Max vs Qwen4 27B” z podtytułem „Jedna z nich ma kartę cenową. Druga ma wzmiankę ze sceny.”, nad trzema kartami: Qwen4-Max z kontekstem 1M, ceną 1,50 USD / 4,50 USD za 1M i AA Index 43; Qwen4 27B bez wag, bez karty modelu i bez ceny; Qwen3.8-27B w cenie 0,33 USD / 2,40 USD za 1M, z kontekstem 256K i AA Index 20. Stopka o treści „Dane Qwen4-Max według Alibaba i Artificial Analysis; Qwen4 27B nie ma opublikowanej specyfikacji na dzień 16 listopada 2026 r.”.
Guides & Insights

Qwen4-Max vs Qwen4 27B: 4,5-krotna różnica cen i model, którego nie można pobrać

Autor

jinhao.song

Data publikacji

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

Ciekawe pytanie w przypadku Qwen4-Max nie brzmi, czy jest dobry. Brzmi ono, czy powinieneś płacić 1,50 i 4,50 USD za milion tokenów za model, który myśli porcjami po 262 144 tokeny, skoro jego brat z 27 mld parametrów — Qwen4 27B — ma wykonywać większość tej samej pracy na sprzęcie, który posiadasz. Haczyk polega na tym, że Qwen4 27B jeszcze nie istnieje w formie, którą można uruchomić. Alibaba pokazała go na scenie podczas konferencji Apsara 22 września 2026 r. obok Qwen 4 Max, Qwen 4 Flash i Qwen 4 Plus, a od tego czasu nie opublikowała dla niego karty modelu, wag, długości kontekstu, ceny ani wyników benchmarków. Qwen4-Max natomiast 16 listopada przeszedł na rozliczanie za zużycie z oknem 1 000 000 tokenów i indeksem Artificial Analysis Intelligence Index wynoszącym 43. Zatem użyteczna wersja tego porównania zestawia flagowca, którego można wywołać, z małym modelem, którego nie można wywołać, i odpowiada na pytanie, które faktycznie decyduje o budżetach: co daje 4,5-krotna różnica w cenie tokenów i co 27B musiałby zrobić, aby zasłużyć na swoje miejsce.

Dwie karty cenowe, z których jedna ma na sobie liczby

Zacznij od tego, co jest zapisane. Wszystko w tej sekcji to opublikowana wartość; nic nie jest wywnioskowane.

• Qwen4-Max, Singapur — 1,50 USD za milion tokenów wejściowych, 4,50 USD za tokeny wyjściowe, jednolita stawka w całym oknie 1 000 000 tokenów. Odczyty z pamięci podręcznej 0,075 USD za milion, zapisy pięciominutowe 1,875 USD, zapisy jednogodzinne 3,00 USD.

• Qwen4-Max, pozostałe regiony — $1.413 i $4.24 w Frankfurcie, Wirginii, Tokio, Hongkongu i Pekinie, 5,8% zniżki na karcie Singapur przy identycznych limitach.

• Qwen4-Max, niezależny — AA Index 43 przy koszcie rozliczanym przez ewaluatora wynoszącym 3,27 USD na zadanie indeksowe, łącznie 0,80 USD za milion, 127 mln tokenów wyjściowych w całym przebiegu.

• Qwen4 27B — brak ceny. Nie „niezapowiedziany”; konkretnie nigdzie nie istnieje żaden wiersz, ponieważ nie ma modelu, do którego można by go przypisać.

Najbliższy odpowiednik małego Qwen, jaki możesz dziś uruchomić, to Qwen3.8-27B — gęsty model multimodalny z poprzedniej generacji na licencji Apache-2.0. Alibaba podaje dla niego cenę 0,50 USD i 3,00 USD za milion tokenów we własnym API; my sami hostujemy wagi i pobieramy 0,33 USD i 2,40 USD, ponieważ otwarte wagi nie wiążą się z kosztem dostawcy za token, który trzeba by przenosić. Artificial Analysis ocenia go na 20 punktów w tym samym indeksie — dwadzieścia trzy punkty mniej niż Qwen4-Max, co w jednej liczbie zawiera cały argument.

Zatem rzetelny stosunek nie jest mierzony względem fantomu. Wynosi 4,5-krotność na wejściu i 1,9-krotność na wyjściu, gdy porównasz Qwen4-Max z ostatnim 27B, który faktycznie został wydany — oraz dwadzieścia trzy punkty indeksu zdolności za tę różnicę. Czy to okazja, zależy wyłącznie od tego, na co Twoje obciążenie wydaje tokeny, co jest pytaniem o Twoje ślady, a nie o któregokolwiek z dostawców.

A generated two-column scoreboard titled 'Qwen4-Max vs Qwen3.8-27B — the scoreboard', using the same six row labels on both sides. Qwen4-Max: context 1,000,000 tokens, price per 1M $1.50 / $4.50, inputs text, image and video, open weights no, AA Index 43, cost per task $3.27. Qwen3.8-27B: context 256,000 tokens, price per 1M $0.33 / $2.40, inputs text, image and video, open weights Apache-2.0, AA Index 20, cost per task $3.53. Footer: 'Price and context vendor-reported; Qwen3.8-27B price is OrcaRouter self-hosted, Alibaba lists $0.50 / $3.00. AA Index and cost per task per Artificial Analysis v5.0.1. Qwen4 27B has no published figures.'

Co daje 27B, czego nie potrafi flagowy model z 2,4 biliona parametrów

Trzy rzeczy, a żadna z nich nie jest jakością.

Pierwszy to stały rachunek. Hostowany model flagowy to koszt zmienny, który skaluje się wraz z ruchem i z tym, jak rozwlekły model jest danego dnia; otwarty model 27B na własnym sprzęcie to koszt kapitałowy i harmonogram amortyzacji. Przy stawkach 0,33 USD i 2,40 USD za milion tokenów zespół wydający 3000 USD miesięcznie na model flagowy wydaje około 700 USD na mały model przy tym samym wolumenie tokenów — a gdy ten wolumen się podwoi, jedna z tych liczb się zmieni, a druga nie.

Drugą jest opóźnienie, które kontrolujesz. Gęsty model 27B na pojedynczym węźle odpowiada w przewidywalny sposób, ponieważ nie ma za nim kolejki ani budżetu myślenia o długim horyzoncie, o który nie prosiłeś. Qwen4-Max domyślnie ustawia reasoning_effort: high z budżetem myślenia wynoszącym 131 072 tokeny, a żądanie, które niczego nie ustawia, zarezerwowało więcej zapasu na dane wyjściowe, niż wykorzysta większość zadań. To ustawienie domyślne jest właściwe dla modelu flagowego, a niewłaściwe dla klasyfikatora, routera czy tysiąca drobnych decyzji, które agent podejmuje między tymi interesującymi.

Trzecią kwestią jest licencja. Wagi na licencji Apache-2.0 oznaczają, że model można kwantyzować, dostrajać, osadzać w produkcie, który dostarczasz, oraz uruchamiać w jurysdykcji, w której API nie jest dostępne. Qwen4-Max jest własnościowy, udostępniany z sześciu regionów i zwraca wyłącznie tekst — bez wag, bez dostrajania, bez wdrożenia lokalnego. Dokumentacja Alibaby stwierdza, że dostrajanie i wdrażanie modelu nie są dla niego obsługiwane w żadnym miejscu.

To, czego model 27B nie może ci zapewnić, jest tym, do czego zbudowano Qwen4-Max. Rdzeń o 2,4 biliona parametrów z 71 miliardami aktywnych parametrów, 328 miliardami parametrów osadzania N-gramów, warstwy Gated DeltaNet kompresujące historię do stałego stanu dla każdej warstwy Qwen Sparse Attention — żaden z tych elementów architektury nie przenosi się w dół do gęstego modelu 27B, podobnie jak okno 1 000 000 tokenów. Własne ujęcie tej rodziny przez dostawcę polega na tym, że mniejsze modele są „dostrojone do tego, w czym małe modele są najlepsze”, co jest eleganckim sposobem powiedzenia, że nie są tym samym produktem.

Jedyna rzecz, jaką Alibaba powiedziała o Qwen4 27B, i ile jest warta

W poście o wydaniu Qwen4-Max z 16 listopada ostatni akapit brzmi: „A Max to dopiero pierwsze spojrzenie na Qwen4. Mniejsze modele z rodziny trafią do open source, oparte na tej samej linii rozwojowej i trenowane z użyciem technik tej samej generacji, dostrojone do tego, w czym małe modele radzą sobie najlepiej”.

To najświeższe i najbardziej konkretne stwierdzenie, jakie istnieje na temat poziomu 27B, i jest warte dokładnie tyle, ile mówi — czyli mniej, niż się wydaje. „Pojawi się w open source” to zobowiązanie do licencji, nie data. „Ta sama linia pochodzenia” to twierdzenie o pochodzeniu architektury, a nie o wydanym checkpoincie. Zdanie w ogóle nie wymienia 27B; nazwa poziomu pochodzi z wrześniowego ogłoszenia etapu, podczas którego szef LLM w Q​wen pokazał cztery modele i powiedział jedynie, że rodzina pojawi się wkrótce. Między tymi dwoma stwierdzeniami jest dwumiesięczna luka: obiecano cztery poziomy, dostarczono jeden, a ten z otwartymi wagami — historycznie poziom, który pojawia się pierwszy w formie do pobrania — wciąż nie istnieje.

To, co uczyniłoby tę stronę nieaktualną, można sprawdzić w trzech miejscach — i wszystkie trzy to te, które sygnalizowały każde wydanie Qwen. Repozytorium w organizacji Qwen na Hugging Face o nazwie Qwen4; najnowsze repozytoria modeli tej organizacji mają dziś wszystkie nazwę Qwen3.8 i były ostatnio aktualizowane na początku listopada. Karta modelu na qwen.ai podająca nazwę poziomu wraz z długością kontekstu i licencją. Albo wiersz cennika dla hostowanego modelu 27B, który powiedziałby, jaką wartość przypisuje temu poziomowi Alibaba, zanim pojawią się wagi. Dopóki jedno z nich się nie zmieni, wszelkie liczby parametrów, okna kontekstu lub wyniki, jakie przeczytasz dla Qwen4 27B, są ekstrapolacją z Qwen3.8-27B i należy je tak oznaczyć.

Przykład: ta sama pętla agenta na obu kartach

Weźmy agenta do automatyzacji obsługi klienta: 40 000-tokenowy prompt systemowy i schemat narzędzi, 6 000-tokenowa rozmowa, osiem wywołań narzędzi na zgłoszenie, 900 tokenów wyjściowych na wywołanie, bez trybu myślenia, 20 000 zgłoszeń miesięcznie. Buforuj prefiks. To arytmetyka na publikowanych cenach katalogowych.

• Qwen4-Max, Singapur, bez pamięci podręcznej — 46 000 tokenów wejściowych na wywołanie przy 1,50 USD za milion to 0,069 USD; osiem wywołań to 0,552 USD na zgłoszenie. Wyjście przy 900 tokenach i 4,50 USD za milion to 0,00405 USD na wywołanie, 0,0324 USD na zgłoszenie. 0,584 USD na zgłoszenie, 11 690 USD miesięcznie.

• Qwen4-Max z prefiksem zapisanym w pamięci podręcznej — prefiks o długości 40 000 tokenów jest zapisywany raz po 1,875 USD za milion i odczytywany w kolejnych siedmiu wywołaniach po 0,075 USD. Na zgłoszenie prefiks kosztuje 0,075 USD za zapis plus 0,021 USD za siedem odczytów; zmienne 6 000 tokenów kosztuje 0,072 USD w ośmiu wywołaniach. Koszt wejścia wynosi 0,168 USD, wyjście pozostaje na 0,0324 USD. 0,20 USD na zgłoszenie, 4 010 USD miesięcznie — a pamięć podręczna zrobiła dla rachunku więcej niż jakakolwiek zamiana modelu.

• Qwen3.8-27B według naszej stawki za własny hosting — 46 000 tokenów wejściowych na wywołanie przy $0,33 za milion to $0,0152; osiem wywołań $0,121. Dane wyjściowe przy 900 tokenach i $2,40 za milion to $0,00216 na wywołanie, $0,0173 na zgłoszenie. $0,139 na zgłoszenie, $2 780 miesięcznie.

Wynikają z tego dwie rzeczy. Buforowanie prefiksu w modelu flagowym oszczędza 66% i sprawia, że jego cena jest w granicach 1,4× ceny małego modelu bez buforowania — różnica między poziomami jest mniejsza niż różnica między korzystaniem z pamięci podręcznej a jej nieużywaniem. A przewaga małego modelu jest realna, ale przy tym wolumenie tokenów nie jest przełomowa: około 1200 dolarów miesięcznie przy 20 000 zgłoszeń. Przełomowa staje się przy dziesięciokrotnie większym wolumenie albo tam, gdzie praca jest wystarczająco prosta, by model z 20 indeksami wystarczył — co w przypadku routingu wywołań narzędzi i klasyfikacji zwykle ma miejsce.

Gdzie flagowiec nie jest opcją

Istnieje kategoria pracy, w której poziom 27B nie jest tańszym zamiennikiem, lecz rozwiązaniem, które w ogóle nie wchodzi w grę, a jasne mówienie o tym to różnica między użytecznym porównaniem a stroną sprzedażową.

• Praca z długim kontekstem powyżej 256 000 tokenów — Qwen3.8-27B zatrzymuje się na 262 144; Qwen4-Max obsługuje 1 000 000, z limitem wejściowym 991 808 tokenów w trybie nie-myślącym. Przegląd umowy o długości 400 000 tokenów w ogóle nie mieści się w małym modelu.

• Uruchomienia agentów w długim horyzoncie — deklaracje agentowe firmy A​libaba dotyczące Qwen4-Max to 48-godzinny autonomiczny cykl odkrywania materiałów na platformie mokrego laboratorium oraz prawny przegląd due diligence obejmujący 198 dokumentów roboczych, którego wynikiem jest 86-stronicowy raport. Cokolwiek sądzić o prezentacjach dostawców, opisują one klasę zadań, których model 20-indeksowy nie podejmuje.

• Długie wejście wideo — Qwen4-Max przyjmuje wideo i okno 1M; rodzina 27B przyjmuje wideo przy 262K. Arytmetyka klatek na sekundę materiału jest bezlitosna.

• Bezpieczne kodowanie — Alibaba podaje, że wskaźniki zaliczeń Last Secure Code Bench na poziomie funkcji rosną między generacjami w wariancie Max z 22,0% do 31,8%, a odsetek kodu bezpiecznego jednocześnie na poziomie funkcji, pliku i repozytorium — z 8% do 14,7%. To dane producenta i nie zostały niezależnie odtworzone, ale są to właśnie takie liczby, o jakie pyta przegląd bezpieczeństwa, a karta małego modelu ich nie zawiera.

Wzorzec jest taki, że flagowy model uzasadnia swoją cenę przy zadaniach długich, multimodalnych lub takich, w których błąd jest kosztowny, a nie przy zadaniach licznych. Większość systemów produkcyjnych zawiera oba rodzaje, dlatego odpowiedź na pytanie „który” brzmi zwykle „oba, z routingiem”.

Uruchamianie stanu mieszanego na jednym kluczu

OrcaRouter oferuje rodzinę Qwen3.8 — Qwen3.8-Max, Qwen3.8-Flash i Qwen3.8-27B — w ramach jednego punktu końcowego zgodnego z OpenAI w cenie katalogowej dostawcy z 0% marży, a model 27B uruchamiamy na własnej infrastrukturze z wag Apache-2.0, dlatego jego cena wynosi 0,33 USD i 2,40 USD, a nie 0,50 USD i 3,00 USD w przypadku A​libaba. Nie oferuje modelu Qwen4-Max: model ten jest dostępny przez własne Model Studio API firmy A​libaba oraz kilka platform zewnętrznych i na dzień 16 listopada nie znajduje się w katalogu.

To, co jest dziś możliwe, to wzorzec routingu, za którym opowiada się to porównanie, bez czekania na model 27B. Jedno API dla ponad 200 modeli sprawia, że decyzja o poziomie przestaje być decyzją zakupową: żądanie, które mieści się w 256K i wygląda rutynowo, trafia do qwen/qwen3.8-27b; żądanie długie, multimodalne lub oznaczone jako wysokiego ryzyka trafia do modelu frontier na tym samym kluczu; DSL routingu wyraża ten podział jako regułę, a nie jako gałąź w kodzie aplikacji. Automatyczne przełączanie awaryjne sprawia, że tani poziom może obsłużyć wolumen, nie stając się pojedynczym punktem awarii, gdy zdarzy mu się gorszy dzień, a obniżka ceny od dowolnego dostawcy trafia na Twój klucz tego samego dnia, ponieważ cena katalogowa jest przekazywana dalej, a nie zawyżana.

Fuzja modeli to trzecia opcja w tym zestawie narzędzi i ta, która najmniej pasuje do tej konkretnej pary — panel modeli odpowiadających wspólnie kosztuje więcej niż każdy z nich osobno, a powodem, by ją stosować, jest niezgoda w trudnych pytaniach, a nie wolumen. Warto wiedzieć, że istnieje; nie warto po nią sięgać w routerze zgłoszeń pomocy technicznej.

A screenshot of the OrcaRouter model page for Qwen3.8-27B at the identifier qwen/qwen3.8-27b, showing the $0.33 input and $2.40 output prices, the Vision, Tools, JSON and Reasoning capability tags, the attribution to Qwen dated 2026-08-13, and the description of it as Alibaba's open-weight 27B dense multimodal model released under Apache-2.0 and self-hosted on OrcaRouter's own infrastructure, accepting text, images and video with a 256K-token context window.

Co zrobić, zanim dotrą ciężary

Jeśli powodem, dla którego czekasz na Qwen4 27B, jest chęć posiadania małego otwartego modelu, który możesz uruchomić samodzielnie, oczekiwanie niewiele Cię kosztuje: Qwen3.8-27B ma licencję Apache-2.0, oferuje okno 256K, czyta tekst, obrazy i wideo oraz uzyskuje 90,3 w LiveCodeBench v6 i 89,2 w GPQA Diamond na własnej karcie Qwena — to dane producenta, i to mocne jak na ten rozmiar. Zacznij od tego, zmierz, co model 20-index robi z Twoim współczynnikiem sukcesu zadań, a dowiesz się, zanim pojawi się checkpoint Qwen4, czy ten poziom jest w ogóle odpowiedni dla Twojego obciążenia.

Jeśli powodem są koszty, najpierw buforuj prefiks. Przykład powyżej pokazuje 66% oszczędności w modelu flagowym dzięki jednemu parametrowi żądania, co jest większe niż różnica między modelem flagowym a małym modelem przy tej samej podstawie bez buforowania. Zespoły rutynowo szukają tańszego modelu, gdy drogą częścią ich rachunku jest prefiks, który odczytują ponownie po pełnej cenie.

A jeśli twoim powodem są możliwości, żaden model 27B nie będzie zamiennikiem. Dwadzieścia trzy punkty indeksu między Qwen3.8-27B a Qwen4-Max to różnica między modelem, który dobrze radzi sobie z rutynową pracą, a takim, który podejmuje długie, multimodalne zadania o wysoką stawkę — a język roadmapy samej firmy Alibaba mówi, że małe modele są dostrajane do tego, co małe modele robią najlepiej, co jest obietnicą efektywności, a nie parytetu. Zbuduj podział routingu już teraz, na istniejących poziomach, a w dniu, w którym Qwen4 27B trafi na Hugging Face, będzie to pozycja w katalogu i zmiana reguły, a nie migracja.

A screenshot of Alibaba Cloud Model Studio's documentation page for qwen4-max (Latest Model), dated 11-16, showing the model description as the next-generation flagship multimodal model in the Qwen family covering text generation, image and video understanding and deep reasoning, its support for web search, tool calling and structured outputs, its OpenAI and Anthropic API compatibility, and its deployment regions including China (Beijing), Singapore and Germany (Frankfurt).