Karta tytułowa z nagłówkiem „Qwen4-Max vs Tencent HY4 Preview: jeden możesz pobrać, drugi możesz tylko wynająć”, z trzema plakietkami: HY4 Preview na licencji Apache 2.0, łącznie 770B i 49B aktywnych parametrów; Qwen4-Max z zamkniętymi wagami, szkieletem 2.4T i 71B aktywnych parametrów; oraz cena za milion tokenów wejściowych 0,834 USD wobec 1,50 USD, z podpisem odwołującym się do kart modeli dostawców, Vals AI i Artificial Analysis, z 17 listopada 2026 r.
Guides & Insights

Qwen4-Max vs Tencent HY4 Preview: Jeden możesz pobrać, drugi możesz tylko wynająć, a żadna z tych liczb nie oznacza tego, na co wygląda.

Autor

Elias Hawthorne

Data publikacji

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

T​encent HY4 Preview jest dostępny do pobrania od 28 sierpnia 2026 r. na licencji Apache 2.0 — łącznie 770 miliardów parametrów, 49 miliardów aktywowanych na token, 78 warstw, 256 ekspertów routowanych plus jeden wspólny, natywna warstwa predykcji wielu tokenów do dekodowania spekulacyjnego oraz okno kontekstu o długości 1 048 576 tokenów. Qwen4-Max można wynajmować od 16 listopada 2026 r. — 2,4 biliona parametrów szkieletu, 71 miliardów aktywowanych na token, plus 328 miliardów parametrów osadzania N-gram i brak jakiegokolwiek checkpointu. Oba są chińskimi flagowymi modelami typu sparse mixture-of-experts z oknami kontekstu o długości miliona tokenów. Jeden można mieć u siebie, drugi można tylko wywoływać, a przy $0,834 wobec $1,50 za milion tokenów wejściowych ten, którego można mieć u siebie, jest także tańszy z dwóch na karcie produktu samego dostawcy. Ciekawe jest to, dlaczego ta różnica cen w ogóle istnieje i czego nie uwzględniają publikowane liczby każdej ze stron.

Dwie karty obok siebie

A two-column scoreboard comparing Qwen4-Max and Tencent HY4 Preview: proprietary licence against Apache 2.0; 2.4T with 71B active against 770B with 49B active; $1.50 in and $4.50 out against $0.834 and $2.501; 1,000,000 context against 1,048,576; 131,072 maximum output against 64,000; text, image and video against text only. Footer records HY4 Preview at 53.21% on the Vals AI index, 23rd of 33, and Qwen4-Max at 43 on the Artificial Analysis index, 38th of 81.

• Licencja — Apache 2.0 z opublikowanymi wagami dla HY4 Preview vs własnościowa, bez wag, bez pobierania dla Qwen4-Max

• Rozmiar — 770B łącznie / 49B aktywnych dla HY4 Preview vs 2,4T rdzenia / 71B aktywnych plus 328B osadzeń N-gram dla Qwen4-Max

• Cena za milion tokenów — 0,834 USD na wejściu / 2,501 USD na wyjściu vs 1,50 USD na wejściu / 4,50 USD na wyjściu

• Odczyt z pamięci podręcznej — 0,042 USD za milion vs 0,075 USD

• Okno kontekstu — 1 048 576 tokenów w porównaniu z 1 000 000, z czego 983 616 można wykorzystać jako dane wejściowe w trybie myślenia

• Maksymalna długość odpowiedzi — 64 000 tokenów vs 131 072 w trybie bez rozumowania lub 262 144 współdzielone z rozumowaniem

• Modalności wejściowe — tylko tekst vs tekst, obraz i wideo

Poziomy rozumowania — wysoki, niski i brak, domyślnie wysoki kontra niski, wysoki i xhigh, domyślnie wysoki

• Niezależny wynik indeksu — 53,21% w indeksie Vals AI, 23. z 33 w porównaniu z 43 w Artificial Analysis Intelligence Index, 38. z 81

Przeczytaj wiersz modalności przed wierszami cen. HY4 Preview to model tekst-wejście, tekst-wyjście. Qwen4-Max odczytuje wideo. Te dwa fakty nie leżą na tej samej osi, więc dla każdego zespołu, którego obciążenie pracą obejmuje klatki, porównanie kończy się na tym wierszu, a reszta jest czysto akademicka.

A screenshot of the Hugging Face model card for tencent/Hy4-preview, showing the repository header, the Apache 2.0 licence tag, the safetensors and mixture-of-experts tags and the start of the evaluation results section.

Apache 2.0 to nie ta sama oferta przy 770 miliardach parametrów

Wagi, które można pobrać, to wagi, które można sprawdzić, dostroić, skwantyzować i udostępniać na własnych zasadach — i to jest rzeczywista różnica w stosunku do modelu stojącego za czyimś API. To także, w tej skali, różnica dostępna dla bardzo niewielu zespołów. Model z 770 miliardami parametrów, z których 49 miliardów jest aktywnych, nie uruchomi się na niczym mniejszym niż wielowęzłowy klaster akceleratorów, a opublikowany checkpoint FP8, który towarzyszył podglądowi, istnieje głównie po to, aby dostawcy usług inferencji i grupy badawcze mające dostęp do fabric mogły go udostępniać. Apache 2.0 usuwa barierę prawną, nie sprzętową.

Dlatego praktyczna wartość licencji ujawnia się gdzie indziej niż w samodzielnym hostowaniu. Ujawnia się jako konkurencyjna podaż: ponieważ każdy może udostępniać HY4 Preview, robi to wiele platform, a w ślad za tym idzie dyscyplina cenowa. Qwen4-Max nie ma takiego mechanizmu. Istnieje jedno wdrożenie, prowadzone przez A​libaba, a każda platforma podająca cenę Qwen4-Max podaje cenę A​libaba z taką marżą, jaką może dodać. Dlatego jego karta regionu Global i karta singapurska różnią się o 5,8%, a nic innego nie różni się znacząco — nie ma mocy podmiotów trzecich, które mogłyby podciąć jego cenę.

Liczba, której nie należy ufać na każdej karcie

Materiały premierowe Tencent obejmują wewnętrzną ocenę w ciemno — 163 ekspertów, 203 zadania inżynierskie — w której HY4 Preview uzyskał średnio 2,99 w porównaniu z 2,92 dla GLM 5.3 i 2,94 dla Kimi K3. To badanie przeprowadzone przez dostawcę, porównujące trzy modele, opublikowane przez dostawcę, który zajął pierwsze miejsce, na zdefiniowanej przez niego skali ocen. Nie jest to dowód na wiele poza kierunkiem testów prowadzonych przez sam zespół, a Tencent starannie opublikował je wraz z listą znanych niedoskonałości: model poświęca więcej czasu niż trzeba na rozumowanie i nadmiernie weryfikuje własną pracę.

Po stronie niezależnej Vals AI umieszcza HY4 Preview na poziomie 53,21% w swoim indeksie, co daje 23. miejsce spośród 33 przetestowanych modeli. W przeprowadzonym przez Vals przebiegu Terminal-Bench 4.0 wersja preview osiąga 8,08%. Materiały Tencenta podają wyniki dla agenta terminalowego rzędu osiemdziesięciu kilku procent — na innej wersji tego benchmarku, w innym środowisku testowym, dlatego te dwie liczby nie tyle się wykluczają, ile pokazują, że wyniki benchmarków agentowych są cechą środowiska testowego w takim samym stopniu jak modelu. Ktokolwiek cytuje którąkolwiek z tych liczb bez podania wersji, wyrządza czytelnikowi niedźwiedzią przysługę.

Qwen4-Max ma odwrotny problem. Jego dane producenta są nietypowo szczegółowe — Work360 na poziomie 52,69 wobec 47,74 w Qwen3.8-Max, średni koszt zadania spadł z 4,43 USD do 1,67 USD, a współczynniki zaliczeń na poziomie funkcji dla bezpiecznego kodu wynoszą od 22,0% do 31,8% — i żadne z nich nie wymieniają konkurenta. To, co opublikowała Alibaba, jest porównaniem z własną poprzednią generacją, czyli najbardziej obronnym rodzajem benchmarku producenta i najmniej użytecznym przy wyborze między dostawcami. Jedynym odczytem międzydostawcowym jest Artificial Analysis, które przyznaje Qwen4-Max 43 punkty i nie odnotowuje dla niego żadnego pomiaru szybkości.

Gdzie trafia 45-procentowa różnica cen

HY4 Preview kosztuje 0,834 USD za wejście i 2,501 USD za wyjście; Qwen4-Max kosztuje 1,50 USD i 4,50 USD. To o 45% taniej na wejściu i o 44% taniej na wyjściu — w praktyce niemal równoważne stałemu rabatowi, czego można by oczekiwać od dwóch modeli wycenianych przy podobnych kosztach sprzętowych. Ta różnica nie jest darmowa: limit wyjścia HY4 Preview wynoszący 64 000 tokenów to połowa wartości Qwen4-Max w trybie nie-myślącym, jego kontekst jest wyłącznie tekstowy, a oba modele zapewniają odmienną kontrolę rozumowania. Qwen4-Max daje też trzy poziomy wysiłku wobec wysokiego, niskiego i braku u Tencenta, choć oba domyślnie ustawiają najwyższy poziom i oba przyjmują nieznane ciągi poziomu wysiłku, zamiast je odrzucać.

Innym miejscem, w którym zniżka może wyparować, jest zachowanie przy weryfikacji. Tencent dokumentuje, że wersja preview nadmiernie weryfikuje; niezależny łączny wynik tokenów Qwen4-Max to 127 mln tokenów wyjściowych w Intelligence Index wobec mediany 78,6 mln, co Artificial Analysis określa jako bardzo gadatliwe. Innymi słowy, oba modele są gadatliwe, a zniżka za token w przypadku modelu, który zużywa więcej tokenów niż jego konkurent, daje mniejsze oszczędności, niż obiecuje cennik. Zmierz wolumen tokenów wyjściowych na zadanie, zanim zamodelujesz oszczędność.

Jeden model jest w wersji zapoznawczej, a drugi — w wersji ogólnie dostępnej.

To jest ta asymetria, która umyka, ilekroć obie nazwy pojawiają się w tym samym zdaniu. HY4 Preview ukazał się w sierpniu, a T​encent od tego czasu posunął tę linię naprzód — listopadowe wydanie ogólnodostępne Hy4 dodało natywne widzenie i obsługę komputera, a w rodzinie jest osobny Hy4 Flash. Ciąg „preview” to wersja dostępna z otwartymi wagami i jest podglądem, bo tak powiedział T​encent, z udokumentowanymi niedociągnięciami.

Qwen4-Max to ogólne wydanie, na karcie rozliczanej według zużycia, w sześciu regionach, z generacją preview, która jest wycofywana 25 listopada. To różne etapy dojrzałości, a porównywanie ich na podstawie wyników benchmarków schlebia temu, któremu akurat sprzyjał harness.

A screenshot of the OrcaRouter model page for tencent/hy4-preview, showing the 1M-token context badge, the 64K maximum output, the model identifier and the start of the pricing panel.

Uruchamianie obu bez wcześniejszego wybierania zwycięzcy

OrcaRouter kieruje ruch do T​encent HY4 Preview po $0.834 za milion tokenów wejściowych i $2.501 za milion tokenów wyjściowych, z buforowanym wejściem po $0.042 — karta modelu samego T​encent, przekazywana bez marży 0% — przez ten sam klucz i ten sam endpoint zgodny z OpenAI co Claude Opus 5.5, GPT-6.1 Sol, Grok 4.5 i Qwen3.8-Max. Qwen4-Max nie ma w katalogu; generacja Qwen4 nie została jeszcze dodana, więc ta strona porównania to bezpośrednie dane uwierzytelniające A​libaba.

Oto układ, który ta para faktycznie nagradza. Umieść model open-weight za warstwą routingu, w której działa failover, a model zamknięty trzymaj na bezpośrednim kluczu, dopóki nie ustalisz jego zachowania, i zdecyduj na podstawie własnego ruchu: zadania tylko tekstowe kieruj do trasy, która kosztuje o 45% mniej i strumieniuje od kilku dostawców, a wszystko z obrazami lub wideo wysyłaj do modelu, który potrafi je odczytać. DSL routingu czyni z tego regułę opartą na modalności, a nie decyzję, którą ktoś musi pamiętać, a model fusion — panel modeli odpowiadających wspólnie — to tani sposób, by sprawdzić, czy te dwa modele nie zgadzają się co do zadań, na których ci zależy, zanim którykolwiek z nich trafi do produkcji.

O co tak naprawdę chodzi w sporze o wagi

Wpis Alibaby zapowiadający premierę kończy się stwierdzeniem, że mniejsze modele Qwen4 zostaną udostępnione jako open source. To zdanie oddaje kształt nadchodzącego roku: otwarta warstwa chińskich flagowych rodzin modeli będzie wciąż trafiać na rynek o generację za wersją zamkniętą, na licencji Apache i do pobrania, a zespoły będą nadal wybierać między modelem, który mogą mieć u siebie, a modelem, który wyprzedza go o sześć miesięcy.

Na razie wybór jest niezwykle klarowny. HY4 Preview to uczciwa opcja otwarta w tej skali, odpowiednio wyceniona, z interfejsem wyłącznie tekstowym i danymi producenta, które wymagają podłączenia stanowiska testowego, by cokolwiek znaczyć. Qwen4-Max to nowsza opcja zamknięta, lepiej wyspecyfikowana na każdej osi, którą da się zmierzyć w karcie, z jednym niezależnym wynikiem niższym, niż sugeruje jej premierowa narracja, i całkowitym brakiem liczby dotyczącej opóźnienia. Żadna z tych kart nie opowiada całej historii, a 45% między nimi jest mniejsze niż różnica w tym, do czego można skierować każdą z nich.