
Qwen4-Max vs Step-5 Preview: czternaście punktów indeksu, pół centa za punkt
- 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
Podziel koszt każdego modelu na zadanie przez jego wynik, a obie strony tego porównania mieszczą się w granicach sześciu procent od siebie. Qwen4-Max, którego Alibaba udostępniła dziś, 16 listopada 2026 r., osiąga 43 punkty w Artificial Analysis Intelligence Index v5.0.1 przy zmierzonym koszcie 3,27 USD na zadanie indeksowe — około 7,6 centa za punkt indeksowy. Step-5 Preview, rzadki model typu mixture-of-experts StepFun z 600 miliardami parametrów, udostępniony 20 września 2026 r., osiąga 29 punktów w tym samym indeksie przy koszcie 2,35 USD na zadanie — około 8,1 centa za punkt. Jeden model jest o 48% inteligentniejszy na jedynej skali, na której oba zostały zmierzone. Drugi jest tańszy po obu stronach licznika — o jedną trzecią na wejściu i o 40% na wyjściu. A w przeliczeniu na jednostkę zmierzonej zdolności oba mieszczą się w granicach siedmiu procent od siebie, przy czym najnowszy flagowiec jest nieznacznie z przodu.
To nie jest porównanie, które sprzedaje którykolwiek z dostawców, a właśnie ono rozstrzyga o migracji. Wiąże się z nim też asymetria, o której nie wspomina żaden wpis premiery: jeden z tych dwóch modeli ma niezależnie zmierzoną prędkość wyjściową, a drugi nie ma jeszcze w ogóle zmierzonej prędkości, bo ma zaledwie kilka godzin. W dalszej części oddzielam to, co udokumentowane, od tego, co zmierzone, przeprowadzam arytmetykę cache'owania, która przesuwa różnicę cen z 33% na coś zupełnie innego, i kończę na dwóch osiach, na których odpowiedź nie jest bliska — wagach i pułapie wyjściowym.
Czym każde z nich jest na dzień dzisiejszy
Qwen4-Max to flagowy model czwartej generacji Alibaby, zbudowany na szkielecie o 2,4 biliona parametrów, z 71 miliardami parametrów aktywnych na token oraz 328 miliardami parametrów osadzeń N-gramowych. Przyjmuje tekst, obrazy i wideo, a zwraca tekst. Udokumentowane okno kontekstu wynosi 1 000 000 tokenów, z limitem wejścia 991 808 tokenów w trybie niemyślącym i 983 616 w trybie myślenia — różnica to zapas na rozumowanie. Maksymalne wyjście to 131 072 tokeny przy wyłączonym myśleniu; przy włączonym myśleniu rozumowanie i odpowiedź dzielą budżet 262 144 tokenów. Myślenie jest domyślnie włączone z budżetem 131 072 tokenów przy domyślnym poziomie wysiłku rozumowania high, z możliwością wyboru spośród low, high i xhigh. Te liczby pochodzą z własnej dokumentacji Alibaby, a Qwen4-Max nie publikuje wag, nie obsługuje dostrajania w żadnym regionie i nie obsługuje również wdrażania modelu w żadnym regionie.
Step-5 Preview to flagowy model StepFun do pracy agentowej: 600 miliardów parametrów łącznie, 27 miliardów aktywnych, okno kontekstu 1 mln tokenów oraz wejście tekstowe, obrazowe i wideo z wyjściem tekstowym. Poziom wysiłku rozumowania można wybrać jako niski, średni lub wysoki. Maksymalna długość wyjścia jest udokumentowana na 64 000 tokenów, przy czym max_tokens domyślnie nie ma limitu, więc model sam wybiera długość. Obsługuje strumieniowanie, wywoływanie narzędzi, wyjście w formacie JSON Schema i buforowanie promptów, a API jest zgodne z OpenAI.
Trzy miesiące po premierze słowo „Preview” w nazwie straciło już sens. StepFun nadal wymienia go jako Preview w swoim przeglądzie modeli, podczas gdy checkpointy BF16 i FP8 są dostępne na Hugging Face od 15 października na licencji StepFun Model License 1.0. Traktuj tę etykietę jako nawyk nazewniczy, a nie ostrzeżenie, że endpoint zmieni się pod tobą — ale nie odczytuj jej też jako zobowiązania GA, ponieważ dostawca go nie złożył.
Różnica w cenie to jedna trzecia; to arytmetyka pamięci podręcznej sprawia, że się zmienia.
Przy cenach katalogowych łatwo podsumować te dwa rozwiązania: Step-5 Preview jest tańszy po obu stronach licznika i to o więcej niż błąd zaokrąglenia.
• Dane wejściowe — Qwen4-Max 1,50 USD za milion tokenów w Singapurze, 1,413 USD w pozostałych pięciu regionach, w porównaniu z Step-5 Preview 1,00 USD
• Dane wyjściowe — Qwen4-Max 4,50 USD, w porównaniu z Step-5 Preview 2,70 USD
• Odczyt z pamięci podręcznej — Qwen4-Max $0,075 za milion, zniżka 95%, w porównaniu z Step-5 Preview $0,10, zniżka 90%
• Zapis do pamięci podręcznej — Qwen4-Max 1,875 USD za milion przy pięciominutowym TTL i 3,00 USD za godzinę, w porównaniu z Step-5 Preview, gdzie nie ma opłaty, ponieważ dane wejściowe przy chybieniu pamięci podręcznej po 1,00 USD już obejmują zapis prefiksu
• Mieszane, przy proporcji trafień w pamięć podręczną/danych wejściowych/danych wyjściowych 7:2:1 według Artificial Analysis — Qwen4-Max 0,80 USD za milion w porównaniu z Step-5 Preview 0,54 USD
Ta linia zapisu do pamięci podręcznej jest tą, która zostaje pominięta, i to ona może odwrócić ranking przy odpowiednim obciążeniu. Weź dokument o 300 000 tokenów przeglądany w czterech przebiegach po 3 000 tokenów wyjściowych każdy, przy stawkach singapurskich, bez myślenia. W Qwen4-Max pierwszy przebieg zapisuje prefiks za 0,5625 USD i generuje 0,0135 USD danych wyjściowych; kolejne trzy odczytują go za 0,0225 USD każdy plus 0,0405 USD danych wyjściowych łącznie. Razem 0,684 USD. W Step-5 Preview pierwszy przebieg kosztuje 0,30 USD danych wejściowych i 0,0081 USD danych wyjściowych; kolejne trzy kosztują po 0,03 USD plus 0,0243 USD. Razem 0,422 USD. Step-5 Preview jest o 38% tańszy w tym zadaniu.
Sprowadź to do pojedynczego przebiegu, a różnica się powiększa, a nie zmniejsza — $0.576 wobec $0.308, przy czym Step-5 Preview jest o 46% tańszy — ale powód się zmienia. Przy jednym przebiegu nie ma odczytu do amortyzacji, więc płacisz premię Qwen4-Max za zapis do pamięci podręcznej za prefiks, którego nigdy nie użyjesz ponownie. Praktyczna zasada: buforowanie Qwen4-Max wynagradza prefiks odczytywany wiele razy, a karze jednorazowy odczyt. Stała stawka $0.10 za odczyt z pamięci podręcznej w Step-5 Preview oraz cena chybienia obejmująca zapis to przyjaźniejsza struktura dla obciążeń, w których nie można przewidzieć współczynnika trafień.

Czternaście punktów i luka dowodowa, która biegnie w drugą stronę
Oba modele zostały przetestowane za pomocą Intelligence Index v5.0.1, który obejmuje dziewięć ewaluacji: AA-Briefcase v1.1, AutomationBench-AA, Terminal-Bench 4.0, FrontierCode-AA 2.0, AA-Omniscience v1.1, GDP.pdf, HLE-Diamond, CritPt v2 oraz Terminal-Bench-Science 0.1. Żadna ze stron modeli nie publikuje osobnych wyników dla poszczególnych poziomów wysiłku rozumowania, więc są to pojedyncze wartości przy ustawieniu, którego użyło Artificial Analysis.
• Indeks — Qwen4-Max 43, sklasyfikowany na 38. miejscu na 81 w swojej klasie, w porównaniu z Step-5 Preview 29, sklasyfikowanym na 10. miejscu na 29 wśród dużych modeli z otwartymi wagami. Mediany klas różnią się (41 i 23), dlatego te pozycje nie są ze sobą porównywalne, mimo że wyniki są
• Koszt na zadanie indeksowania — 3,27 USD w porównaniu z 2,35 USD
• Koszt na punkt indeksu — 7,6 centa wobec 8,1 centa, więc model droższy w przeliczeniu na zadanie jest tańszy w przeliczeniu na jednostkę zdolności
Szybkość wyjściowa — Step-5 Preview 124 tokeny na sekundę, w porównaniu z brakiem opublikowanej wartości dla Qwen4-Max. Artificial Analysis podaje jego czas na zadanie jako nieznany, a jego strona dostawcy nie podaje żadnych benchmarków dostawcy.
• Czas do pierwszego tokenu odpowiedzi — Step-5 Preview 23,53 sekundy, w porównaniu z brakiem opublikowanych danych dla Qwen4-Max
• Czas na zadanie indeksu — Step-5 Preview 15,2 minuty w porównaniu z medianą 13,3 minuty dla swojej klasy; Qwen4-Max nie podaje wartości
• Gadatliwość — Qwen4-Max wygenerował 127 milionów tokenów wyjściowych w całym indeksie wobec mediany 78,6 miliona, podczas gdy Step-5 Preview wygenerował 129 milionów wobec mediany 104 milionów. Oba są gadatliwe; Qwen4-Max jest gadatliwy na tle szczuplejszej grupy porównawczej.
Pierwszy token po 23.53 sekundy to liczba, która powinna zaniepokoić każdego, kto planuje interaktywne wdrożenie Step-5 Preview. To nie artefakt sieciowy: to koszt, jaki ponosisz, zanim odpowiedź się zacznie, w przypadku modelu z 600 miliardami parametrów i domyślnie włączonym myśleniem. Domyślne ustawienia rozumowania Qwen4-Max — włączone myślenie, budżet 131 072 tokenów, wysoki poziom wysiłku — wskazują ten sam kierunek, a dopóki ktoś tego nie zmierzy, nie ma uczciwego sposobu stwierdzić, który jest wolniejszy. To praktyczny koszt zakupu w dniu premiery: dostajesz wynik i cennik, ale nie dostajesz liczby dotyczącej opóźnienia.
Własne materiały ewaluacyjne Alibaby to osobna kwestia i należy je odczytywać jako dane zgłoszone przez dostawcę, niespowtórzone. W Work360, swoim wewnętrznym benchmarku obejmującym 26 głównych dziedzin branżowych, dostawca podaje 52,69 dla Qwen4-Max wobec 47,74 dla Qwen3.8-Max. Podaje również, że średni koszt na zadanie Work360 spadł z 4,43 USD do 1,67 USD, czyli o 62%, a zużycie tokenów spadło o około 24% przy ustawieniu xhigh i o 35% przy ustawieniu high w tym benchmarku, wraz ze spadkami o 48% i 49% na Terminal-Bench 4.0. To twierdzenia dotyczące Qwen4-Max w stosunku do jego poprzednika. Nie mówią nic o Step-5 Preview i żadne z nich nie zostało niezależnie zweryfikowane.

Wagi: ten nie jest blisko
Step-5 Preview można pobrać już dziś. Repozytorium Hugging Face zawiera safetensory BF16 i FP8 na licencji StepFun Model License 1.0 — licencji w stylu Apache-2.0 z wymogiem atrybucji i warunkiem dotyczącym użycia komercyjnego — a także szablon czatu, trzy warianty skwantyzowane i receptury wdrożeniowe: FP8 na czterech B300 lub ośmiu H200 w vLLM, FP8 na tym samym sprzęcie w SGLang, BF16 na ośmiu B300 lub szesnastu H200. Około 1600 pobrań w ciągu ostatniego miesiąca.
Qwen4-Max nie ma checkpointu ani drogi do jego uzyskania. Dokumentacja Alibaby oznacza dostrajanie jako nieobsługiwane w każdym regionie, a wdrażanie modelu jako nieobsługiwane w każdym regionie, co jest mocniejszym stwierdzeniem niż „wagi nie są jeszcze dostępne” — oznacza, że dostawca w ogóle nie zamierza pozwolić ci uruchomić tego modelu samodzielnie przez swoją platformę. Jeśli twoim wymaganiem jest model, który możesz kwantyzować, dostrajać, uruchomić w środowisku odizolowanym sieciowo lub przypiąć do konkretnej kompilacji, porównanie kończy się tutaj i kończy się na korzyść StepFun.
Zmienia to także to, co daje ci „otwartość”. Licencja Step-5 Preview dopuszcza użycie komercyjne pod warunkami, więc przegląd prawny jest częścią kosztu wdrożenia, a zalecane konfiguracje wdrożeniowe zakładają węzeł z czterema do szesnastu GPU — to nie jest model, który uruchomisz na stacji roboczej. Ale to model, którego zachowania nie zmieni ci pod nogami cicha aktualizacja dostawcy, a dla każdego, kto buduje system regulowany lub długowieczny, jest to warte więcej niż czternaście punktów indeksu.
Limit wyjściowy oraz konflikt w dokumentacji, o którym warto wiedzieć
To najmniej efektowna różnica i ta, która najprawdopodobniej da się we znaki konkretnemu obciążeniu. Qwen4-Max zapewnia 131 072 tokeny wyjściowe przy wyłączonym myśleniu oraz współdzielony budżet 262 144 tokenów przy włączonym myśleniu. Dokumentacja API Step-5 Preview podaje 64 000 tokenów maksymalnego wyjścia. Karta modelu na Hugging Face mówi, że wyjście może osiągnąć pełne 1 mln tokenów, przy czym wejście i wyjście liczą się do tego samego limitu.
Te dwa stwierdzenia pochodzą od tego samego dostawcy w odstępie miesiąca od siebie i żadne z nich nie jest oznaczone jako przestarzałe. Jeśli planujesz zadanie z długim wyjściem — pełny raport, dużą łatkę, wygenerowany dokument — przeczytaj dokumentację API, a nie kartę, i przetestuj limit, zanim zaprojektujesz wokół niego architekturę. Liczba 64 000 jest spójna z czasem 15,2 minuty na zadanie indeksowe; liczba 1M sugerowałaby coś zupełnie innego.
Jeszcze jedna asymetria warta odnotowania: oba modele przyjmują dane wejściowe w postaci wideo, ale tylko StepFun publikuje szczegóły operacyjne. Do 60 obrazów na żądanie w niskim lub wysokim poziomie szczegółowości, wideo jako URL, Base64 lub odwołanie stepfile://, MP4 poniżej 128 MB, przy czym zalecane są klipy krótsze niż pięć minut. Alibaba dokumentuje obsługę wideo dla Qwen4-Max, nie publikując porównywalnych limitów na stronie modelu. Jeśli wideo ma dla Twojego obciążenia pracą znaczenie kluczowe, a nie incydentalne, ta różnica w jakości dokumentacji sama w sobie jest sygnałem, który dostawca był już wcześniej pytany o to zagadnienie.
Kto powinien co wybrać w tym tygodniu?
Wybierz Qwen4-Max, jeśli górna granica możliwości liczy się bardziej niż rachunek: trudne wnioskowanie, długoterminowa praca agentowa albo cokolwiek, gdzie 43 wobec 29 w indeksie dziewięciu ocen stanowi różnicę między zadaniem, które się kończy, a takim, które nie. W zamian zaakceptuj dwa ryzyka. Pierwsze: kupujesz w pierwszym dniu, bez niezależnego pomiaru opóźnienia i bez reprodukcji przez strony trzecie twierdzeń dostawcy dotyczących Work360. Drugie: premia za zapis do pamięci podręcznej, która po cichu obciąża jednoprzebiegową pracę z długim kontekstem stawką $1.875 za milion zapisanych tokenów.
Wybierz Step-5 Preview, jeśli potrzebujesz mieć model na własność, jeśli potrzebujesz zmierzonych 124 tokenów na sekundę i pierwszego tokenu w 23,53 sekundy, który możesz uwzględnić w planach, albo jeśli Twoje obciążenie w nieprzewidywalny sposób mocno opiera się na pamięci podręcznej. Zaakceptuj, że kupujesz 29 punktów indeksu, że pierwszy token pojawia się powoli oraz że producent dokumentuje limit wyjścia na dwa różne sposoby.
Trzecia opcja jest w tym tygodniu uczciwym wyborem dla większości zespołów: żadna z nich, i to wyłącznie. Różnica między tymi dwoma modelami na jednostkę zmierzonej zdolności wynosi 6%, co z dużym zapasem mieści się w marginesie błędu pojedynczej wersji indeksu, a oba modele zostały ocenione tylko raz przez jedno środowisko testowe. Zespół, który wybiera jeden z nich na podstawie wyniku z dnia premiery, zajmuje pozycję wobec liczby, której nie odtworzono.
Uruchamianie obu bez drugiej umowy
Żaden z tych modeli nie znajduje się dziś w katalogu OrcaRouter — 215 identyfikatorów modeli, sprawdzonych dziś rano, bez wpisu Qwen4 i bez modelu tekstowego StepFun wśród nich. Oba są dostępne przez API własnych dostawców: sześć regionów Alibaby dla Qwen4-Max oraz zgodny z OpenAI punkt końcowy StepFun pod api.stepfun.ai/v1 dla Step-5 Preview. Twierdzenie inaczej byłoby rodzajem deklaracji, która źle się starzeje w ciągu tygodnia.
To, co kierujemy, to właśnie to, co zastępuje model Qwen4-Max. Qwen3.8-Max jest w naszym katalogu jako qwen/qwen3.8-max w cenie katalogowej samego Alibaby wynoszącej 2,00 USD za wejście i 6,00 USD za wyjście za milion tokenów, przekazywanej bez żadnej marży, obok 214 innych identyfikatorów w ramach jednego bazowego adresu URL zgodnego z OpenAI. Ma to znaczenie dokładnie z jednego powodu w tym porównaniu: model z dnia premiery to najgorsza możliwa rzecz, na której można oprzeć ścieżkę produkcyjną, a rozsądnym podejściem jest utrzymanie sprawdzonej generacji na trasie, podczas gdy nową mierzysz na własnym ruchu. DSL routingu wyraża to jako politykę, a nie zmianę w kodzie — trudne, wymagające rozumowania wywołania kieruj do nowego modelu, pracę o dużej objętości zostaw na tańszym, sprawdzonym, i pozwól automatycznemu przełączaniu awaryjnemu wychwycić przypadek, w którym zupełnie nowy endpoint degraduje się pod obciążeniem, którego nie przewidziałeś.
Ceny przenoszone bezpośrednio oznaczają też, że arytmetyka w tym artykule pozostaje uczciwa. Gdy Alibaba obniża stawkę — jak dziś, przenosząc Qwen4-Max na 1,50 USD i 4,50 USD z 2,00 USD i 6,00 USD w Qwen3.8-Max — katalog, który przenosi cenę cennikową dostawcy, odzwierciedla to tego samego dnia, a nie przy kolejnym odnowieniu umowy. To nie jest argument, by wybrać nas zamiast własnego API któregokolwiek z dostawców. To argument, by nie podpisywać niczego, co zamraża cenę, której nie widziałeś utrzymującej się przez miesiąc.

Porównanie, którego czytelnicy będą chcieli za dwa tygodnie, nie jest tym z tego nagłówka. To czas odpowiedzi Qwen4-Max i stabilne wydanie Step-5 Preview, oba zmierzone przez kogoś spoza dostawcy, na obciążeniach, które ludzie faktycznie uruchamiają. Do tego czasu możliwa do obrony pozycja jest wąska i mało efektowna: 48% luka w możliwościach, 33% luka w cenie, 6% luka na jednostkę możliwości oraz zestaw decyzji — wagi, limit wyjścia, struktura pamięci podręcznej — których nie ujmuje żaden wynik indeksu i które przetrwają ten tydzień premiery.
