
Qwen4-Max называли победителем Opus 5.5: но индекс ставит его на 16 пунктов позади
- GoogleНОВИНКАGoogle: Gemini 4 Carbon2026-11-10$2.00 / $10.00 за 1 млн токенов · 90 tok/s
- AnthropicНОВИНКАAnthropic: Claude Fable 5.22026-11-09$8.00 / $40.00 за 1 млн токенов · 96 tok/s
- orcaНОВИНКАOrca: OrcaC2 1.02026-11-0717 tok/s
- OrcaНОВИНКАOrcaCyber: GLM 5.3 Abliterated / Uncensored2026-11-04$3.00 / $5.00 за 1 млн токенов · 87 tok/s
- OrcaНОВИНКАOrcaCyber: Hy4 Abliterated / Uncensored2026-11-04$0.80 / $1.60 за 1 млн токенов · 133 tok/s
- OrcaНОВИНКАOrcaCyber: Kimi K3.1 Pro Abliterated / Uncensored2026-11-04$4.00 / $20.00 за 1 млн токенов · 72 tok/s
- OrcaOrcaCyber: MiniMax M3.1 Flash Abliterated / Uncensored2026-10-29$0.80 / $1.60 за 1 млн токенов · 130 tok/s
- OrcaOrcaCyber: GLM 5.3 Flash Abliterated / Uncensored2026-10-27$0.80 / $1.60 за 1 млн токенов · 65 tok/s
- OrcaOrcaCyber: Qwen3.8 Flash Next Abliterated / Uncensored2026-10-26$0.80 / $1.60 за 1 млн токенов · 92 tok/s
- OrcaOrcaCyber: MiMo V2.6 Flash Abliterated / Uncensored2026-10-26$0.80 / $1.60 за 1 млн токенов · 43 tok/s
- MoonshotMoonshotAI: Kimi K3.1 Pro2026-10-2447Интеллект
- OrcaOrcaCyber: DeepSeek V4.1 Flash Abliterated / Uncensored2026-10-23$0.80 / $1.60 за 1 млн токенов · 193 tok/s
- minimaxMiniMax: M3.1 Flash2026-10-1929Интеллект
- OrcaOrca: OrcaCyber Ultra 1.02026-10-17$5.00 / $10.00 за 1 млн токенов · 150 tok/s
- deepseekDeepSeek: DeepSeek V4.1 Flash 10172026-10-1733Интеллект
- DeepSeekDeepSeek: DeepSeek V4.1 Flash2026-10-1740Интеллект
- OrcaOrca: OrcaCyber Zero 1.52026-10-10$3.00 / $7.50 за 1 млн токенов · 120 tok/s
- openaiOpenAI: GPT-6.1 Sol2026-09-2955Интеллект
- anthropicAnthropic: Claude Sonnet 5.52026-09-2855Интеллект
- typesafeTypeSafe: Jev 1.132026-09-24$0.04 / $0.00 за 1 млн токенов · 219 tok/s
Вердикт в день запуска Qwen4-Max гласил, что она превосходит Claude Opus 5.5, а также GPT-6.1 Sol и GPT-6 Astra, и уступает только Claude Fable 5.2. Три из этих четырёх сравнений оказываются обратными в единственной таблице результатов, где все пять моделей прошли одни и те же девять оценок. Artificial Analysis Intelligence Index v5.0.1 по состоянию на 16 ноября 2026 года — в день, когда Qwen4-Max поступила в продажу — ставит Qwen4-Max на 43, Claude Opus 5.5 на 59, GPT-6 Astra на 57, GPT-6.1 Sol на 55 и Claude Fable 5.2 на 65. На шестнадцать баллов позади модели, которую она, как утверждалось, превосходит, на четырнадцать — позади второй по дешевизне из трёх и на двенадцать — позади третьей по дешевизне. Четвёртое сравнение — то, где Fable 5.2 впереди, — единственная часть утверждения, которая выдерживает проверку испытательным стендом.
That gap is worth taking apart rather than dismissing, because the claim is not invented. It is what you get when a comparison is assembled from reasoning-effort settings that do not match, and the mismatch happens to run in one direction every time. Below: what Alibaba actually published, what the scoreboard reads at each rung of each ladder, the one reading under which the claim becomes literally true, and the figure the tracker does not have for Qwen4-Max at all.
What Alibaba published, and what it did not
The first thing to separate is the vendor's launch material from the commentary around it. Alibaba's own Qwen4-Max blog post, dated 16 November 2026, mentions no competing model by name anywhere in its 3,100 words. Every comparison in it is against Qwen3.8-Max, the company's own previous flagship. That is a normal thing for a launch post to do and it is not a criticism — but it means the competitive framing did not come from the vendor, and any "beats Opus" statement in circulation is an inference somebody else drew.
Что производитель всё же утверждает — причём всё это основано на данных самого производителя и не воспроизведено:
• Архитектура — основа с 2,4 трлн параметров на новой архитектуре Qwen4, с нативным зрением и контекстным окном в один миллион токенов.
• Token efficiency against Qwen3.8-Max — 24% fewer tokens at Xhigh effort and 35% fewer at High on Alibaba's Work360 benchmark, and 48% and 49% fewer on Terminal-Bench 4.0.
• Стоимость за задачу по сравнению с Qwen3.8-Max — в среднем с $4,43 до $1,67, сокращение на 62%, при этом наибольшее снижение приходится на стоимость кэшированного ввода.
• Балл Work360 — 52,69 против 47,74 у Qwen3.8-Max.
Ни одно из этих сравнений не является межлабораторным, и ни одно из них нельзя сверить с опубликованными цифрами конкурента, поскольку они измеряются на бенчмарках, которые поставщик оценивает сам. Независимая цифра появилась в тот же день с другой стороны.
Что читает независимый тестовый стенд
Искусственный интеллект Analysis v5.0.1 — это композит из девяти оценок: AA-Briefcase v1.1, AutomationBench-AA, Terminal-Bench 4.0, FrontierCode-AA 2.0, AA-Omniscience v1.1, GDP.pdf, HLE-Diamond, CritPt v2 Hard Subset и Terminal-Bench-Science 0.1 — и проводится он трекером, а не лабораториями. По нему результат Qwen4-Max, равный 43, занимает 38-е место среди 81 модели, немного выше медианы по выборке, составляющей 41. Это достойный дебют для архитектуры первого поколения. Это не лидер, и четыре модели, над которыми его поставили, все находятся впереди него:
• Claude Opus 5.5 — 59 при Max, 57 при Xhigh, 52 при High, 48 при Medium, 35 при Low. Выпущен 22 сентября 2026 года.
• GPT-6 Astra — 57 при Max, 55 при Xhigh, 55 при High, 52 при Medium, 43 при Low. Выпущена 3 сентября 2026 года, знания ограничены апрелем 2026 года.
GPT-6.1 Sol — 55 при Max, 52 при Xhigh, 50 при High, 46 при Medium, 35 при Low. Выпущено 29 сентября 2026 г.
• Claude Fable 5.2 — 65 при Max, 62 при Xhigh, 62 при High, 56 при Medium, 54 при Low. Выпущено 9 ноября 2026 года.
• Qwen4-Max — 43, опубликовано в виде единственного показателя без разбивки по уровням усилий. Выпущена 16 ноября 2026 г.
Вся суть — в этой последней асимметрии. Qwen4-Max — это модель рассуждений, и трекер оценивает её конкурентов в пяти отдельных режимах рассуждения, а Qwen4-Max — только в одном. Какая бы настройка ни дала 43, её сравнивают с сильнейшими настройками Opus 5.5, Astra и Sol, и трекер не сообщает, сколько запаса остаётся ниже неё. Так что «43 против 59» — это не сравнение потолков двух моделей в одинаковых условиях, а единственный измеренный режим Qwen4-Max против лучшего режима Opus 5.5.
Единственное прочтение, при котором утверждение истинно
Если читать лестницы сверху вниз, утверждение перестаёт быть ложным и становится вводящим в заблуждение — а это более интересный провал. Не каждая ступень каждого соперника превосходит результат Qwen4-Max, равный 43. Он превышает или повторяет нижнюю ступень у трёх из четырёх:
• В сравнении с Claude Opus 5.5 — 43 опережает 35 у настройки Low на восемь пунктов и проигрывает 48 у Medium на пять. Точка пересечения находится между Low и Medium.
• Против GPT-6 Astra — 43 в точности совпадает с настройкой Low у Astra (43) и на девять уступает Medium с 52.
• Против GPT-6.1 Sol — 43 обходит настройку Low у Sol (35) на восемь пунктов и уступает Medium (46) на три. Это самый близкий результат в таблице.
• Против Claude Fable 5.2 — результат 43 проигрывает каждому уровню, включая 54 у настройки Low, на одиннадцать очков. Нет ни одной настройки Fable 5.2, до которой дотягивает Qwen4-Max.
Итак, сравнение, в котором Qwen4-Max противопоставлялся конкурентам, работающим в режиме Low effort, дало бы в точности заявленный порядок для Opus 5.5 и Sol, в точности заявленный результат «на равных или лучше» против Astra и в точности заявленное поражение от Fable 5.2. Это согласованный, самосогласованный набор результатов, и это единственный набор на данном стенде, который даёт порядок, находящийся в обращении. Собрал ли кто-то его намеренно или пришёл к нему, сравнивая конфигурацию по умолчанию с самым низким параметром, арифметика сходится именно так.
Практическое следствие — это то, что важно для любого, кто читает тред о запуске, а не таблицу результатов: при равных усилиях на рассуждение Qwen4-Max примерно на одну ступень отстаёт от GPT-6.1 Sol и на две ступени — от Claude Opus 5.5. Это по-настоящему конкурентоспособный дебют. Это не лидерство, и это далеко не соответствует формулировке «превосходит».

Стоимость за задачу отделяет два утверждения от одного
Возможности — это лишь половина того, что утверждали в обсуждениях запуска, а что касается денег, картина более благоприятна для Qwen4-Max — для двух из трёх моделей, но не для третьей.
• {{1}}Цена по прайс-листу{{/1}} — Qwen4-Max стоит $1.50 за миллион входных токенов и $4.50 за миллион выходных, со скидкой 95% за кэширование и смешанной ставкой $0.80 за миллион. Эта смешанная ставка — самая низкая среди всех пяти моделей здесь: GPT-6.1 Sol — $1.47, Claude Opus 5.5 — $2.94, Claude Fable 5.2 — $5.74 и GPT-6 Astra — $7.70.
• Стоимость одной выполненной задачи — Claude Fable 5.2 $26.54, Claude Opus 5.5 $10.04, GPT-6 Astra $6.24, Qwen4-Max $3.27, GPT-6.1 Sol $1.27. Все — при максимальной настройке каждой модели.
• Инверсия — у Qwen4-Max самая низкая смешанная ставка в таблице и третья по дешевизне стоимость задачи. По стоимости за задачу она в три раза обходит Claude Opus 5.5 и примерно в два раза — GPT-6 Astra, а GPT-6.1 Sol уступает в 2,6 раза.
The mechanism is verbosity, and the tracker measures it directly: Qwen4-Max generated 127 million output tokens completing the index, against a field median of 78.6 million, and is classed as very verbose. A model that writes 60% more than the median spends its rate advantage doing so. Alibaba's own 24-to-35% token-reduction figures are real improvements against Qwen3.8-Max and say nothing about how verbose the model is in absolute terms, which is the number that reaches an invoice.
Итак, затратная половина утверждения чётко разделяется. «Дешевле в эксплуатации, чем Opus 5.5 и Astra» — это верно в расчёте на одну задачу, причём с большим отрывом, и это самый сильный аргумент в этой статье в пользу Qwen4-Max. «Дешевле, чем GPT-6.1 Sol» — неверно в расчёте на задачу: на деле дороже в 2,6 раза, хотя средневзвешенный тариф Qwen4-Max ниже на 46%. У любого, кто планировал бюджет по прайс-листу, а в счёте получил противоположный результат, обнаружился тот же разрыв.
Показатель, которого нет у трекера
Одна колонка на странице Qwen4-Max пуста, и это заслуживает внимания. Artificial Analysis приводит время выполнения задачи для каждой модели, которую здесь перечисляет: Claude Opus 5.5 — 24,9 минуты на Max, GPT-6 Astra — 20,9, GPT-6.1 Sol — 22,9, Claude Fable 5.2 — 41,8, а для Qwen4-Max указывает N/A, причём на графике времени стоит пометка «Нет общедоступного API».
Read that annotation carefully before drawing a conclusion from it, because it is not a statement that the model cannot be called. Alibaba publishes per-token prices for Qwen4-Max and its launch post says API prices were lowered relative to Qwen3.8-Max, and the tracker itself lists Alibaba Cloud as the model's provider and quotes a $3.27 per-task cost. A model with a rate card, a provider and a measured per-task cost has an API. The more likely reading is that the timing measurement was not obtainable through whatever path the tracker used, and the page does not say which. The tracker's own FAQ, on the same page, says the model "is available via API through 1 provider", which does not square with the chart annotation either.
После устранения неоднозначности остаётся более узкий, но всё ещё полезный вывод: на день запуска Qwen4-Max не существует независимого показателя задержки, тогда как у каждой модели, с которой её сравнивают, такой показатель есть. Если ваша рабочая нагрузка чувствительна к задержке, вы делаете выбор на основе числа, которое ещё никто не опубликовал, и честная позиция — измерить задержку самостоятельно, прежде чем закреплять за моделью производственный путь.

Что подтверждается в заявлениях о запуске
Три циркулирующих утверждения о фактах подтверждаются, и их стоит изложить прямо, потому что проверка утверждений, которая только вычитает, — это не проверка утверждений:
• Контекстное окно — заявлено в один миллион токенов, а трекер насчитал 984 000. Это настоящая модель на миллион токенов, а не округлённые в большую сторону 200K.
• Native vision — трекер фиксирует ввод текста и изображений с текстовым выводом, что соответствует описанию производителя «native vision», а не дополнительному энкодеру, прикрученному к текстовой модели.
• Снижение цены — $1.50 и $4.50 за миллион против более высокого тарифа Qwen3.8-Max, и самая низкая комбинированная ставка среди пяти сравниваемых здесь моделей. Направление ценового тренда не вызывает споров.
Не выдерживает критики именно рейтинг, а рейтинг — это та часть, которую повторяли чаще всего.
Что с этим делать в день запуска
Полезный ход с такой моделью — не вставать на чью-то сторону в споре, а сохранить опцион дешёвым. Qwen4-Max — это архитектура первого поколения по действительно низкой удельной цене, с независимой оценкой на среднем уровне и без данных о задержке: профиль, который вознаграждает пробное внедрение и наказывает миграцию.
That is what routing is for. Claude Opus 5.5, GPT-6 Astra, GPT-6.1 Sol and Claude Fable 5.2 are all routed on OrcaRouter at each vendor's list price with 0% markup, so a vendor rate change is live on the same day and the per-task arithmetic above stays current without a second contract or an SDK change. Qwen4-Max is not routed on OrcaRouter — it is reachable through Alibaba's own Model Studio API and several third-party platforms, and this article will not pretend otherwise. What routing buys you in that situation is the comparison: the four models it was measured against sit behind one key across 200-plus models, so benchmarking Qwen4-Max against them is a configuration change on one side of the fence rather than procurement on both.
И если Qwen4-Max всё-таки заслужит своё место, автоматическое переключение при сбое — это именно то, что делает неизмеренную модель безопасной для включения в рабочий путь: запрос переходит к модели, задержка которой вам известна, вместо того чтобы завершаться ошибкой, когда новая модель медленная или недоступна так, как на это намекает отсутствующая цифра её тайминга.

В день запуска это подавалось так, будто дешёвая китайская модель обогнала два американских флагмана. На самом деле тестовый стенд показывает, что это доступная по цене модель на одну ступень ниже самой дешёвой из них и на две ступени ниже лучшей, с реальными визуальными возможностями, реальным контекстным окном в миллион токенов и без опубликованных данных о скорости. Это продукт лучше, чем звучало из заявления, и рейтинг хуже, а разница между этими двумя вещами — это ровно расстояние между тредом и табло.
Сравнение в этой статье2
Определено по этой статье · Бенчмарки: Artificial Analysis · обновляется ежедневно
