Титульная карточка сообщает, что Qwen4-Max сокращает стоимость задачи на 67%, с заявленным показателем $3.27 против $10.02 за задачу Intelligence Index и примечанием, что распределение — примерно половина на тарифную сетку и половина на дисциплину токенов.
Engineering & Research

Qwen4-Max сокращает затраты на задачу на 67%: откуда на самом деле берётся экономия

Автор

jinhao.song

Дата публикации

Новые модели · 20Все модели →
Бенчмарки: Artificial Analysis · обновляется ежедневно
Назад ко всем статьям

Счёт за бенчмарк — странный артефакт: это единственный публичный документ, который назначает цену привычкам модели. Artificial Analysis публикует, во сколько обошёлся прогон Qwen4-Max через его Intelligence Index — $3.27 за задачу — и публикует тарифную сетку, по которой получилась эта цифра. Разделите одно на другое — и вы восстановите то, что лаборатория никогда не заявляет прямо: сколько токенов Qwen4-Max на самом деле тратит на размышления. Проделайте то же самое с Qwen3.8-Max — моделью, которую он заменяет, — и сокращение стоимости задачи на 67% чётко распадётся на две цифры, которые большинство материалов о запуске 16 ноября смешивает в одну. Примерно половина экономии — это снижение цены. Другая половина — Qwen4-Max говорит меньше. И статья расходов, которая теперь доминирует в его счёте, — не та, на которую указывает заявленная цена.

Собственная сводка поставщика точна, но сжимает самую интересную часть. Qwen4-Max, как заявляет Alibaba на своей странице запуска, использует примерно на 24% меньше токенов, чем Qwen3.8-Max, при уровне усилий Xhigh и на 35% меньше при уровне High на Work360, а на Terminal-Bench 4.0 — на 48% и 49% меньше; средняя стоимость задачи на Work360 снижается с $4,43 до $1,67 — сокращение на 62%. Это корпоративные цифры на корпоративных бенчмарках. Независимый расчёт ниже достигает 67% на другом бенчмарке другим путём, и это полезный вид совпадения: два метода, одно направление, схожая величина.

Что на самом деле показывает независимое табло

На Artificial Analysis Qwen4-Max набирает 43 балла по Intelligence Index против 34 у Qwen3.8-Max — рост измеренной способности на 27%. На той же странице цены двух моделей указаны как $1,50 за миллион входных токенов и $4,50 за миллион выходных против $2,00 и $6,00 — ровно на 25% ниже в обе стороны. Именно на кэшированном вводе скидка впечатляет: $0,075 за миллион против $0,25, снижение на 70%, а ставка скидки за попадание в кэш меняется с 87,5% до 95%.

Стоимость выполнения одной задачи Intelligence Index, взвешенная по всем девяти оценкам индекса, составляет $3,27 против $10,02. Разделите стоимость на балл — и разрыв увеличится: Qwen4-Max обеспечивает один пункт измеренной способности менее чем за восемь центов, Qwen3.8-Max — примерно за тридцать. За эту цифру стоит держаться, если единственный вопрос — на какую модель перенести рабочую нагрузку: способность на доллар улучшилась примерно на три четверти, а не на 67%, как предполагает одна лишь стоимость за задачу.

Инвертирование счёта для восстановления количества токенов

Artificial Analysis раскладывает стоимость одной задачи на компоненты: вход по полному тарифу, запись в кэш, чтение из кэша и выход, причём выход дополнительно делится на токены рассуждений и токены ответа. Он также публикует цены. Разделите каждый компонент на его цену — и получите количество токенов. Метод проверяет сам себя на одной строке: компонент выхода, разделённый на $4.50, даёт 104,940 токенов на задачу, а страница отдельно сообщает 104,939.8 выходных токенов на задачу для Qwen4-Max. Точное совпадение до десятичного знака в строке, которая была вычислена двумя разными способами.

Каждая остальная строка наследует эту уверенность, с одним открыто сформулированным допущением: записи в кэш тарифицируются по полному тарифу входных данных — это следует из расчётов по обеим моделям, а не из того, что кто-либо из поставщиков явно документирует.

Что вытекает из задачи Intelligence Index:

• Выходные токены — Qwen4-Max 104 940 против Qwen3.8-Max 170 794, сокращение на 39%.

• Токены рассуждений — 68 914 против 119 698, снижение на 42%. Бюджет размышлений сократился гораздо сильнее, чем бюджет ответа.

• Токены ответа — 36 025 против 51 096, снижение на 30%. Qwen4-Max теперь тратит 66% своего вывода на рассуждения вместо 70%, которые тратил его предшественник; он не просто короче — у него иные пропорции.

• Токены чтения из кэша — около 14,9 млн против 22,7 млн, снижение на 34%. Это токены контекста, воспроизводимые повторно, которые доминируют в любом длительном прогоне агента.

• Токены записи в кэш — около 1,11 млн против 1,66 млн, снижение на 33%.

Бросаются в глаза две вещи. Во-первых, сокращение числа токенов сосредоточено не в видимом ответе, где пользователь заметил бы многословность, а в рассуждениях и в воспроизводимом контексте, где никто не наблюдает. Во-вторых, объёмы токенов на задачу огромны в абсолютных значениях — четырнадцать миллионов чтений кэша на задачу — что показывает, что на самом деле измеряет Intelligence Index: длительную работу с большим постоянным контекстом, а не ответы на вопросы в рамках одного хода.

Two-column scoreboard comparing Qwen4-Max and Qwen3.8-Max on cost per task of 3.27 dollars against 10.02 dollars, output tokens per task of 104,940 against 170,794, cache-read tokens of 14.9 million against 22.7 million, and Intelligence Index scores of 43 against 34.

Разделите 67% на цену и поведение

Стоимость — это цена, умноженная на объём, поэтому снижение можно разложить без остатка. Если тарифицировать объёмы токенов Qwen3.8-Max по ставкам Qwen4-Max, задача стоит $4,97 вместо $10,02 — только изменение цены даёт снижение на 50%. Если применить ещё и поведение Qwen4-Max, получается $3,27, что ещё на 34% меньше оставшейся суммы. Если перемножить, 0,496 умножить на 0,658 даёт 0,326: наблюдаемое снижение на 67% полностью объяснено, без остатка.

То, какая половина заслуживает признания, зависит от порядка, в котором вы учитываете эти факторы, и об этом стоит сказать прямо, а не выбирать лестную цифру. В процентном выражении на цену приходится около 50%, а на дисциплину расходования токенов — около 34%. В долларах — $6.76 экономии на задачу в сумме, $5.06 за счет тарифов и $1.70 за счет объема — на цену приходится три четверти. Оба способа представления верны; они отвечают на разные вопросы. Если вы прогнозируете расходы на следующий квартал, тарифная сетка — более крупный и более надежный рычаг. Если же вы спрашиваете, действительно ли модель стала экономичнее, то те 34%, которые возникают из-за меньшего расхода токенов, — более устойчивый фактор, потому что снижение цены можно отменить, а архитектуру — нельзя.

Направление собственных цифр поставщика подтверждает это разделение без всяких просьб. Alibaba одновременно объясняет сокращение обоими факторами, и её 62% на Work360 близки к 67%, независимо измеренным по Intelligence Index — два испытательных стенда, два набора задач, один вывод.

Статья расходов, которая незаметно стала самой крупной

Вот где заявленная цена вводит в заблуждение. Раньше чтения кэша составляли 57% счёта, а записи кэша — 33%. Теперь записи кэша — 51%, а чтения кэша — 34%. Модель подешевела по каждой позиции, но скидка была неравномерной — 70% на чтения кэша и 25% на записи кэша — и это перевернуло рейтинг двух крупнейших статей затрат.

Запись в кэш тарифицируется по ставке ввода — $1,50 за миллион, что в двадцать раз больше ставки чтения из кэша — $0,075. Рабочая нагрузка, которая перезаписывает свой контекст чаще, чем воспроизводит его, теперь платит за эту привычку самой дорогой валютой в прайс-листе. Это практическое следствие изменения цен, которое материалы о запуске по большей части упустили, и оно говорит в пользу неброской работы: стабильные префиксы промптов, долгоживущие сессии, меньше полных перестроек контекста. На Qwen3.8-Max эти привычки значили меньше, потому что воспроизведение и так было достаточно дорогим, чтобы доминировать в счёте.

Урок выходит за пределы этой модели. Когда провайдер снижает стоимость одного класса токенов гораздо сильнее, чем остальных, оптимальная архитектура промптов меняется вместе с этим, а счёт, который вы получаете, — запаздывающий индикатор архитектуры, которую вы построили для предыдущей карты.

Alibaba Cloud Model Studio documentation page for qwen4-max, showing the model name as the page title, a release date of 11-16, the model invocation ID qwen4-max, and the listed regions including Singapore and US (Virginia).

Эффективность относительна, а абсолютный показатель неутешителен.

Сокращение количества выходных токенов на 39% звучит как признак экономной модели. Но в сравнении с остальными это лишь более экономная версия очень разговорчивой модели. За весь прогон индекса Qwen4-Max сгенерировала 127 млн выходных токенов; медианная модель генерирует 78,6 млн. Qwen3.8-Max сгенерировала 150 млн. Обе модели Qwen заметно смещены в сторону многословности, и Qwen4-Max лишь перешла от 1,9-кратного превышения медианы к 1,6-кратному.

Это не противоречит утверждению об эффективности — это его правильное понимание. Утверждение состоит в том, что Qwen4-Max получает лучший результат, чем его предшественник, при этом расходуя меньше токенов, и обе части этого утверждения верны. Это не утверждение о том, что модель немногословна, и любая бюджетная модель, построенная на предположении, что модель с высокими оценками должна быть лаконичной, ошибётся с большим отрывом. Если объём вывода определяет ваши затраты, переход на Qwen4-Max уменьшает количество, но не меняет категорию.

Предтренировочные показатели вендора указывают в том же направлении, но на другом уровне. Во внутренних оценках BPB модель Qwen4-Max-Base на 5–13% лучше Qwen3.8-Max-Base во всех доменах, активируя при этом на 25% меньше параметров, — архитектура выполняет больше работы на единицу вычислений, что согласуется с моделью, которой требуется меньше токенов, чтобы прийти к выводу. Являются ли причиной базовая модель на 2,4 трлн параметров, 71 млрд активируемых параметров и дополнительные 328 млрд параметров N-граммовых эмбеддингов — это объяснение вендора, а не измерение, которое кто-либо за пределами Alibaba воспроизвёл.

Чего не хватает в картине затрат?

Начнём с задержки. В карточке Intelligence Index время на задачу указано как неприменимое для Qwen4-Max; для Qwen3.8-Max оно составляет 48,1 минуты против медианы 13,3 минуты — один из самых медленных измеренных результатов. Модель, которая на 67% дешевле в расчёте на задачу и тратит неизвестное количество фактического времени на задачу, ещё не была полностью сопоставлена ни с чем. Дешёвые токены, которых приходится ждать, — это другой продукт.

Широта провайдеров — ещё один момент. Цена, стоящая за каждой приведённой выше цифрой, — это единственный тариф из первых рук от Alibaba Cloud, а модель сейчас представлена только у одного хостера. Нет второго источника для арбитража, поэтому тарифная сетка — это и есть тариф. А Qwen3.8-Max теперь помечен как устаревший в пользу Qwen4-Max и тестируется каждые восемнадцать часов, а не каждые шесть, что означает, что базовая линия сравнения обновляется медленнее, чем модель, с которой её сравнивают.

OrcaRouter model page for qwen/qwen3.8-max, showing the model id, input and output prices of $2.00 and $6.00 per million tokens, a 1,000,000-token context window, and the capability badges for vision, tools, JSON and reasoning.

Превращаем расчёты в бюджет, который вы контролируете

Из этой декомпозиции следуют два независимых рычага. Первый — цена: прайс-лист, по которому нельзя торговаться, всё равно остаётся прайс-листом, который можно обойти, — и именно так обстоит дело, когда вы платите цену из прайс-листа и ни рубля сверху. OrcaRouter передаёт прайс-листы провайдеров без наценки — 0%, поэтому снижение цен поставщиком, подобное тому, что Alibaba провела 16 ноября, отражается в вашем счёте в тот же день, а не при следующем продлении контракта, — и масштаб именно этого снижения, особенно 70% на кэшированный ввод, — как раз из тех изменений, которые схема сквозной передачи цен делает заметными, а не тихо поглощает.

Второй рычаг — это объём, и именно его модель не может создать за вас. DSL маршрутизации объединяет несколько моделей в один вызов, поэтому основная часть конвейера может работать на дешёвой модели, а сложный хвост — задачи, которым действительно нужна MoE с 2,4 трлн параметров — отправляется той модели, у которой она есть. Именно такое разделение позволяет получить 34%-ный дивиденд от поведения, не платя по тарифам передовых моделей за работу, которая в них никогда не нуждалась, и это естественный ответ на нагрузку, где 14 млн контекстных токенов на задачу — норма.

Будем точны в том, что мы предлагаем, а что нет: по состоянию на 16 ноября 2026 года Qwen4-Max отсутствует в нашем каталоге. Модель Qwen, которую мы маршрутизируем сегодня, — qwen/qwen3.8-max, предшественник, который эта статья использует в качестве базовой линии. Для команды, желающей проверить, сохраняется ли сокращение токенов на её собственном трафике, прежде чем принять решение, автоматическое переключение при сбое — это способ начать с низким уровнем риска — маршрутизируйте часть трафика, оставляйте резервный вариант включённым и сравнивайте реальные трейсы, а не бенчмарк-задачи.

Что могло бы изменить это прочтение?

Artificial Analysis публикует агрегированные количества токенов по моделям, а в этом материале объёмы по задачам выводятся из компонентов стоимости. Если тестовый стенд изменился между двумя запусками — другой набор задач, другая весовая схема — часть сокращения вывода на 39% могла быть обусловлена стендом, а не моделью. Точная сверка по строке вывода свидетельствует против этого, но не исключает этого, и любой, у кого есть собственный трафик, должен рассматривать полученные числа как гипотезу для проверки, а не как факт, на который можно опираться при планировании.

Показатели Work360 от поставщика сопровождаются другой оговоркой, которую Alibaba приводит сама: две контрольные точки в сравнении BPB являются постобученными, а не базовыми, что ослабляет сопоставление на равных условиях. На снижение стоимости Work360 на 62% это не влияет, поскольку там сравниваются выпущенные модели на фиксированном наборе задач, но утверждения о предобучении следует читать с учётом этой оговорки.

После всего этого остаётся форма ответа, а не его точность. Запуск, подаваемый как снижение цены, — это ещё и, примерно в равной мере, изменение того, сколько модель тратит, чтобы прийти к ответу; и вторая половина — это то, что конкурент не может скопировать, просто скорректировав тарифную сетку. Именно за этим числом стоит следить, когда выйдут младшие модели Qwen4, потому что если дисциплина токенов заложена в архитектуре, она будет присуща и им, а если это было свойство лишь этого чекпоинта — то нет.

Сравнение в этой статье1

Определено по этой статье · Бенчмарки: Artificial Analysis · обновляется ежедневно

© 2026 OrcaRouter