
Qwen 4 kontra Gemini 4 Argon: 4,3%, które waży więcej niż siedem punktów
- 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 · 126 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 · 44 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 · 147 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 · 123 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
The scoreboard everyone reaches for in this matchup is the headline index: 42.9 for Qwen4-Max against 50.4 for Gemini 4 Argon, seven and a half points in Google's favour. But the number that should stop a deployment decision sits three columns to the right of the one everybody quotes. Gemini 4 Argon hallucinates on 4.3% of the questions it gets wrong. Qwen4-Max hallucinates on 28.4% of them. That is a factor of 6.6, and for anyone shipping output that a human reads, it is worth more than seven index points.
The two figures come from the same suite, Artificial Analysis v5.0.1, and neither is a vendor claim. Google has not published a hallucination rate for Argon, and Alibaba has not published one for Qwen4-Max. The independent measurement is the only one that exists.
Dwa modele sprzedawane w tym samym segmencie
Both are million-token, image-capable, text-out flagships from companies that build their own silicon. Qwen4-Max went metered on 16 November 2026 in six Alibaba Cloud regions; Gemini 4 Argon has been on sale since 30 September 2026 through Google's API. The cards are close enough that price is not the differentiator people assume.
• Input, per million tokens — Gemini 4 Argon $2.00; Qwen4-Max $1.50 in Singapore and $1.413 in the other five regions. Google is 33% more expensive on the Singapore comparison and 41% more against the Global rate.
• Wynik na milion — Argon 10,00 USD; Qwen4-Max 4,50 USD i 4,24 USD. To większa różnica: 2,2× w głównej liczbie.
• Cached input — Argon $0.10 per million; Qwen4-Max $0.075 on a read, plus published write rates of $1.875 (five minutes) and $3.00 (one hour) that Google does not break out the same way.
• Koszt ukończonego zadania indeksowania — {{1}}Argon{{/1}} 4,97 USD; {{2}}Qwen4-Max{{/2}} 3,27 USD. Mimo 2,2× niższej wydajności wyjściowej {{2}}Qwen4-Max{{/2}} jest tylko o 34% tańszy na zadanie, ponieważ większość obu rachunków stanowi wejście.
• Efektywny wysiłek rozumowania — Argon jest mierzony na poziomie high; Qwen4-Max na poziomie xhigh. Oba modele udostępniają drabinkę, a żadna z tych liczb nie jest porównywalna z domyślnym ustawieniem drugiego modelu.
• Kontekst — 1 000 000 tokenów w Argonie; Qwen4-Max to ten sam milion na karcie dostawcy, przy czym tracker odnotowuje 983 616, ponieważ wejście w trybie myślenia jest tam ograniczone.
• Hosts — Argon is served by Google; Qwen4-Max by Alibaba Cloud. Neither is open-weight.

Podział na poszczególne zadania nie faworyzuje tańszej karty
Rozłóż $4.97 i $3.27, a niespodzianka polega na tym, który z nich wydaje więcej na myślenie. Argon generuje 116 368 tokenów wyjściowych na zadanie indeksowe, z czego 68 301 to rozumowanie; Qwen4-Max generuje 104 940, z czego 68 914 to rozumowanie. Objętość rozumowania jest niemal identyczna. Różnica tkwi w odpowiedzi: Argon zapisuje 48 067 tokenów końcowej odpowiedzi na zadanie, podczas gdy Qwen4-Max 36 025. Argon jest bardziej rozwlekły tam, gdzie jest to widoczne, i równie rozwlekły tam, gdzie nie jest.
That is a cheerful anomaly in Gemini's favour, because it means the 2.2× output rate is buying 33% more answer text. The per-task premium of 52% is therefore smaller than the rate card suggests, and for workloads where output dominates — long-form generation, code the model writes itself — the gap narrows further. For workloads where input dominates, which is most RAG and most agent loops, Qwen4-Max's input rate does the work instead.
Warto powiedzieć wprost: to koszty modelowane przez zestaw benchmarkowy, a nie faktury. Twoja mieszanka tokenów będzie inna, a stosunek między oboma modelami przesunie się wraz z nią.
W czym Qwen4-Max naprawdę przoduje
Argumenty przeciwko Qwen4-Max w tym starciu są mocne, ale nie jednomyślne, a dwa wiersze wskazują przeciwny kierunek w sposób, który ma znaczenie.
• GDPval — Qwen4-Max 1 808,69 wobec 1 633,51 Argonu. W profesjonalnych zadaniach opartych na realiach ekonomicznych Qwen4-Max wyprzedza o 10,7% model, który przewyższa go o 7,5 punktu indeksowego. To najwyraźniejsza pojedyncza inwersja w tym porównaniu.
• FrontierCode 2.0 — 26,5% wobec 25,7%. W granicach jednego punktu; w praktyce remis, w zestawie testów, w którym czołowa przewaga Argonu pozwalałaby oczekiwać wyraźnej różnicy.
• AutomationBench — 72,6% wobec 77,5%. Argon wygrywa, ale o pięć punktów w zestawie, który jest bliższy automatyzacji biurowej niż inżynierii oprogramowania.
• Terminal-Bench 4.0 — 48,5% wobec 57,1%. Tutaj przewaga Argonu jest realna: osiem i pół punktu w pracy opartej na powłoce.
• HLE Diamond — 44,9% wobec 56,7%. Dwanaście punktów w trudnej nauce.
• Terminal-Bench Science — 23,3% wobec 52,9%. Największa różnica na tablicy i ta, która najdobitniej oddziela zdolności badawcze obu modeli.
• Dokładność Omniscience — 27,7 wobec 46,1, z zastrzeżeniem dotyczącym halucynacji z początku tego tekstu, odnoszącym się do obu.
Rozpatrywane łącznie, wzorzec jest taki, że Qwen4-Max trzyma poziom w zadaniach wymagających oceny eksperckiej, a wyraźnie przegrywa we wszystkim, co wymaga długotrwałego rozumowania technicznego. To węższe i bardziej użyteczne stwierdzenie niż „siedem punktów indeksu w tyle” i wskazuje na inne wdrożenie.

Dlaczego warto płacić za wskaźnik halucynacji wynoszący 4,3%
Ujmij tę różnicę w liczbach. Jeśli recenzent może zweryfikować twierdzenie w trzydzieści sekund, a sfabrykowane twierdzenie kosztuje dziesięć minut przeróbki, gdy trafi do produkcji, to oczekiwany koszt przeglądu na tysiąc odpowiedzi jest napędzany niemal wyłącznie przez udział twierdzeń sfabrykowanych, a nie przez udział twierdzeń błędnych. 4,3% dla Argon oznacza, że mniej więcej jedna odpowiedź na dwadzieścia trzy w jego zbiorze niepoprawnych wymaga przeróbki; 28,4% dla Qwen4-Max oznacza mniej więcej jedną na trzy i pół.
W zestawieniu z tym 52-procentowa premia za zadanie znika w przypadku każdego przepływu pracy z ludzkim recenzentem, ponieważ czas recenzenta przyćmiewa wydatki na tokeny przy niemal każdej stawce z narzutami. Znika ona w drugą stronę w przypadku każdego przepływu pracy, który recenzenta nie ma, ponieważ sfabrykowana odpowiedź bez recenzenta nie jest kosztem — jest incydentem.
The honest caveat: hallucination rate is measured on a fixed question set and is a property of the measurement as much as the model. Google could change Argon's behaviour with a system-prompt revision tomorrow and this number would not move until the suite is re-run. Treat it as a strong prior, not a guarantee.
Kwestia routingu — odpowiedź dla jednej strony
Gemini 4 Argon is on our catalogue as google/gemini-4-argon at Google's list price, $2.00 in and $10.00 out per million, with 0% markup on top — the same rates Google publishes, passed through rather than repriced. Qwen4-Max is not on our catalogue: a qwen4 identifier returns not-found, its route is Alibaba's Model Studio API and several third-party platforms, and the closest Qwen model we serve is qwen/qwen3.8-max at $2.00 and $6.00.
Ta asymetria sama w sobie jest odpowiedzią na pytanie o wdrożenie dla większości zespołów. Model, który wygrywa w kolumnie halucynacji, to ten, który możesz wywołać już dziś przez endpoint, który już masz, a model, który wygrywa w GDPval, kosztuje cię drugą umowę z dostawcą, żeby go wypróbować. Jeśli chcesz przetestować twierdzenie o GDPval na własnych danych przed podjęciem decyzji, DSL routingu pozwala wysłać stały zestaw ewaluacyjny obiema ścieżkami z jednego wywołania i porównać wyniki obok siebie — co jest tańszym eksperymentem, niż sugeruje cena za zadanie któregokolwiek z modeli.

Czego siedem punktów ci nie mówi
Dwie rzeczy zmieniłyby to porównanie i żadna z nich nie jest odległa. Niezależny pomiar halucynacji na wdrożeniu Qwen4-Max z promptem systemowym dostrojonym do wstrzymywania się od odpowiedzi pozwoliłby sprawdzić, czy 28,4% jest właściwością modelu, czy sposobu, w jaki go odpytywano — żaden dostawca nie opublikował takiego pomiaru. A ponowne uruchomienie GDPval na większej próbie powiedziałoby nam, czy 10,7% przewagi Qwen4-Max w zadaniach profesjonalnych jest rzeczywiste, czy to szum, ponieważ przedziały tego benchmarku są szerokie, a dwa modele są wystarczająco blisko, by kolejność mogła się odwrócić.
Until either lands, the split is clean and it is not the one the index suggests. Sustained technical reasoning, science, shell work, or anything a customer reads unreviewed: Gemini 4 Argon, and the 52% premium is the least interesting number in the deal. Grounded professional judgement at volume, with a review step you were going to run anyway: Qwen4-Max is 10.7% better on the suite that measures exactly that, and it is 34% cheaper per task while you find out.
