
Qwen4-Max против GPT-6 Luna: в 22 раза выше стоимость задачи за 15 пунктов индекса
- OrcaНОВИНКАOrcaCyber: Hy4 Flash Abliterated / Uncensored2026-11-18$0.07 / $0.28 за 1 млн токенов · 187 tok/s
- tencentНОВИНКАTencent: Hy4 Flash2026-11-16$0.02 / $0.07 за 1 млн токенов · 414 tok/s
- GoogleНОВИНКАGoogle: Gemini 4 Carbon2026-11-10$2.00 / $10.00 за 1 млн токенов · 87 tok/s
- AnthropicНОВИНКАAnthropic: Claude Fable 5.22026-11-09$8.00 / $40.00 за 1 млн токенов · 138 tok/s
- orcaНОВИНКАOrca: OrcaC2 1.02026-11-0748 tok/s
- OrcaOrcaCyber: GLM 5.3 Abliterated / Uncensored2026-11-04$3.00 / $5.00 за 1 млн токенов · 90 tok/s
- OrcaOrcaCyber: Hy4 Abliterated / Uncensored2026-11-04$0.80 / $1.60 за 1 млн токенов · 134 tok/s
- OrcaOrcaCyber: Kimi K3.1 Pro Abliterated / Uncensored2026-11-04$2.00 / $5.00 за 1 млн токенов · 79 tok/s
- tencentTencent: Hy42026-11-04$0.83 / $2.50 за 1 млн токенов · 116 tok/s
- OrcaOrcaCyber: MiniMax M3.1 Flash Abliterated / Uncensored2026-10-29$0.80 / $1.60 за 1 млн токенов · 111 tok/s
- OrcaOrcaCyber: GLM 5.3 Flash Abliterated / Uncensored2026-10-27$0.80 / $1.60 за 1 млн токенов · 67 tok/s
- OrcaOrcaCyber: Qwen3.8 Flash Next Abliterated / Uncensored2026-10-26$0.80 / $1.60 за 1 млн токенов · 91 tok/s
- OrcaOrcaCyber: MiMo V2.6 Flash Abliterated / Uncensored2026-10-26$0.80 / $1.60 за 1 млн токенов · 42 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 · 210 tok/s
- minimaxMiniMax: M3.1 Flash2026-10-1929Интеллект
- OrcaOrca: OrcaCyber Ultra 1.02026-10-17$5.00 / $10.00 за 1 млн токенов · 109 tok/s
- deepseekDeepSeek: DeepSeek V4.1 Flash 10172026-10-1733Интеллект
- DeepSeekDeepSeek: DeepSeek V4.1 Flash 09102026-10-17$0.15 / $0.60 за 1 млн токенов · 168 tok/s
- DeepSeekDeepSeek: DeepSeek V4.1 Flash2026-10-1740Интеллект
Запустите запрос Qwen4-Max и запрос GPT-6 Luna через один и тот же набор оценок — и счёт выйдет $3.27 против $0.15. Двадцать два раза. Поставьте оценки рядом — и получится 43 против 28: пятнадцать баллов, а это и есть разница между моделью, которой можно доверить многочасовой прогон агента, и моделью, которой можно доверить документ. Оба этих разрыва реальны, оба измерены на одной и той же ревизии индекса, и ни один из них не решает вопрос, потому что Qwen4-Max находится в общем доступе с 16 ноября 2026 года по цене $1.50 и $4.50 за миллион токенов, а GPT-6 Luna держится на уровне десятой доли этого с 22 сентября. Решение не в том, какая модель лучше. Оно в том, какие именно пятнадцать баллов вы на самом деле собираетесь использовать, и ответ меняется дважды по ходу этого сравнения.
22× и из чего это сделано
Начните с тарифной карты, потому что заявленный коэффициент — это не тот коэффициент, который вы фактически платите.
• Ввод — Qwen4-Max $1.50 за миллион в Сингапуре, $1.413 в регионах Global-scope. GPT-6 Luna $0.10. Пятнадцать к одному.
• Вывод — Qwen4-Max $4.50, или $4.24 Global. GPT-6 Luna $0.50. Девять к одному.
• Кэшированный ввод — Qwen4-Max: $0,075 (Сингапур), $0,071 (Глобальный), скидка 95%. GPT-6 Luna: $0,01, скидка 90%.
• Смешанная цена — Qwen4-Max $0,80 за миллион при весовой схеме трекера 7:2:1 для попаданий в кэш/входных/выходных данных. GPT-6 Luna $0,077. Десять к одному.
• Стоимость выполнения одной задачи Intelligence Index — Qwen4-Max $3,27, GPT-6 Luna $0,15. Двадцать два к одному.
Пятнадцать, девять, десять, двадцать два. Эти четыре числа не сходятся, и полезная часть — именно это расхождение: соотношение на задачу более чем вдвое превышает соотношение смешанных цен, потому что Qwen4-Max приходится выдавать больше токенов, чтобы завершить набор, а не потому, что его тарифы хуже, чем предполагает карточка. Панель многословности трекера показывает у Qwen4-Max 127 миллионов выходных токенов против медианы в 90 миллионов; у Luna — 110 миллионов против той же медианы. Оба находятся в многословной стороне. Qwen4-Max — на 15% более многословен, и эти 15% реально работают в разрыве в 22×, который предсказала бы тарифная карта с 10×.
Все цифры в этом разделе — это измерения Artificial Analysis по индексу v5.0.1 (перебазированному индексу, поэтому оценка Luna из июльского рейтинга несопоставима с 28, указанными здесь), объединённые с опубликованной каждым поставщиком собственной тарифной картой. Ни один из поставщиков не публиковал сопоставимого прямого сравнения, и любое сравнение, построенное на этих числах, — это арифметика по двум отдельным прогонам, а не бенчмарк.

Настройка уровня усилий — более мощный рычаг.
Вот почему формулировка «43 против 28» вводит в заблуждение — и это не мелкое уточнение.
GPT-6 Luna поставляется с шестью режимами рассуждения — none, low, medium, high, xhigh и max — и по умолчанию использует medium. Artificial Analysis оценивает каждую ступень. Этот разброс — не разница из-за округления:
• Max — 28 по индексу, $0.15 за задачу, 12.2 минуты, 103 токена в секунду.
• Xhigh — 23, 7,4 минуты, 99 токенов в секунду.
• Высокий — 21, 6,0 минуты, 91 токен в секунду.
• Средний — 18, 3,5 минуты, 93 токена в секунду. Это значение по умолчанию, и именно этот параметр фактически используется почти в каждом production-вызове.
• Низкий — 10, 0,6 минуты, 87 токенов в секунду.
• Без рассуждений — 9, 2,0 минуты, 84 токена в секунду.
Итак, честное сравнение — не 43 против 28. Это 43 против 18 для вызывающего, который не передаёт параметр усилия, и 43 против 28 для того, кто выкручивает регулятор на максимум и платит за это шестикратной задержкой. Двадцать пять пунктов при значении по умолчанию и пятнадцать на пределе — от одной и той же модели, без изменения цены в карточке.
Лестница Qwen4-Max состоит из трёх ступеней — low, high, xhigh — и по умолчанию используется high. Нет medium: и Chat Completions, и DashScope сопоставляют medium с high, поэтому запрос средней настройки стоит столько же, сколько и верхней. Это регулятор хуже, чем у Luna, и это важно по той же причине — выбранная вами ступень определяет оценку, а Qwen4-Max даёт меньше способов купить меньше.
Чего трекер не публикует для Qwen4-Max, так это оценку на каждой из трёх его ступеней; страница содержит 43 и на этом останавливается. Полная шестиступенчатая лестница Luna находится в открытом доступе, что делает Luna моделью, которую проще моделировать, но сложнее цитировать. Если вы строите прогноз затрат, полностью опубликованная лестница ценнее одного более удачного числа, потому что вы видите, где находится перелом.

Обрыв Luna на 272 000 токенов
Обе модели рекламируют контекст в миллион токенов, но только одна из них взимает одинаковую плату за весь его объём — и это самое дорогое, что может упустить покупатель.
• Qwen4-Max — фиксированные $1.50 и $4.50 на всём окне в 1 000 000 токенов, без ступенчатой тарификации на 32K или 128K. Документированный предел входных данных — 991 808 токенов без режима размышления и 983 616 с включённым размышлением; выход без размышления ограничен 131 072, а при размышлении и ответ совместно используют 262 144.
• GPT-6 Luna — $0.10 и $0.50 до 272 000 входных токенов, затем $0.20 за вход и $0.75 за выход сверх этого. Изменение цены применяется ко всему запросу, а не только к превышению: запрос на 300 000 токенов оплачивается по удвоенному тарифу на все 300 000, а не только на последние 28 000. Контекстное окно — 1 050 000 согласно документации OpenAI и 1M в трекере; максимальный вход — 922 000; предельный выход — 128 000.
Если прогнать сценарий с длинным контекстом, коэффициент 22× падает до 7,5×. Документ на 400 000 токенов с ответом на 8 000 токенов стоит $0,60 на входе и $0,09 на выходе на Qwen4-Max — $0,69 по сингапурским тарифам. Тот же запрос на Luna стоит $0,08 на входе и $0,006 на выходе, $0,086. В семь с половиной раз, а не в двадцать два. Luna по-прежнему радикально дешевле, но её преимущество составляет лишь треть от того разрыва, на который намекает заголовочная цифра.
У этой инверсии есть вторая грань, и она режет в обратную сторону. Ниже 272 000 токенов этот «обрыв» не возникает, и большинство агентных нагрузок — контекст кодовой базы, диалог поддержки, цикл вызова инструментов — находятся значительно ниже него. Команда, которая видит «1M context» на обеих карточках и закладывает на Luna $0.10 для задачи на 500 000 токенов, занизила бюджет в 2× по входу и в 1.5× по выходу, и ошибка проявляется только в счёте.
Есть также пункт о резидентности, который стоит знать до того, как речь зайдёт о цене: резидентность данных ЕС на Luna доступна только при обработке Standard, что полностью исключает скидки Batch и Fast. Если требование к резидентности входит в область применения, фактическая ставка Luna — стандартная, и структура скидок, на которую вы рассчитывали, вам недоступна.
Видео и ряд, в который Luna не может войти
Разница между модальностями меньше, чем внушает маркетинг, и больше, чем можно предположить, бросив взгляд на таблицу характеристик.
• GPT-6 Luna — текст и изображение на входе, текст на выходе. Не видео- и не аудиомодель. Генерация изображений, генерация речи, транскрипция и перевод задокументированы как неподдерживаемые.
• Qwen4-Max — на входе текст, изображения и видео, на выходе текст, причём работа с изображениями реализована нативно, а не через экстрактор. Со стороны протоколов — OpenAI Chat Completions, OpenAI Responses, Anthropic Messages и DashScope, в связке с Responses, Chat Completions и Batch от Luna.
Итак, Qwen4-Max — единственный из двух, на который можно направить запись экрана, запись лекции или видеообзор и задать вопрос. Это реальное различие в возможностях, а не различие в бенчмарках: ни один индекс ни на одной из карточек это не измеряет, и никакая настройка уровня усилий на Luna этого не даёт. Если видео входит в рабочую нагрузку, сравнение на этом заканчивается, и 22× — это плата за вход.
Если видео нет, эта строка — просто украшение, и куда интереснее вторая половина — широта поддержки протоколов. Qwen4-Max говорит на четырёх форматах передачи данных; Luna — на трёх, а свою самую богатую поверхность инструментов прячет за Responses: именно там работают встроенные инструменты вроде веб-поиска, поиска по файлам, интерпретатора кода и хостед-шелла, а вызов функций в Chat Completions работает только если reasoning effort выставлен в none. Пайплайн, который переезжает на Chat Completions ради экономии и при этом по-прежнему рассчитывает на вызовы инструментов, падает на первом же запросе. Это миграционная ловушка, а не пробел в возможностях, и она стоит недели, а не процента.
Именно здесь слой маршрутизации оправдывает своё существование, а не выбор модели. OrcaRouter уже предоставляет openai/gpt-6-luna по ценам из прайс-листа OpenAI с 0% наценки, передаваемой напрямую — поэтому изменение цены Luna вступает в силу здесь в тот же день, когда появляется в прайсе OpenAI, — а Qwen4-Max здесь не размещён; он доступен через собственный Model Studio API Alibaba и несколько сторонних платформ. Один API для более чем 200 моделей, один ключ, и DSL маршрутизации, который классифицирует запрос и направляет его к тому из двух, к которому, согласно строке, он относится: Luna — для уровня извлечения с высоким объёмом, Qwen-класс — для видео и задач с длинным контекстом, которые Luna структурно не может взять. Автоматическое переключение при сбоях покрывает тот день, когда у дешёвого уровня выдаётся плохой час, — тот самый день, когда конвейер с одним провайдером обнаруживает, что у него такой час тоже бывает.

В каких случаях каждая модель — правильный выбор
Три рабочих нагрузки, три разных ответа — и третий как раз соответствует тому, где на самом деле находится большинство команд.
Большие объёмы, чёткая спецификация, проверяемый результат. Классификация по корпусу, извлечение данных из наборов документов, суммаризация, ступень триажа обращений в поддержку внутри пайплайна. Luna за $0,15 за задачу против Qwen4-Max за $3,27 — это снижение затрат на 95% для работы, которой никогда не требовалась 43. Показатель 18, который вы получаете при настройках Luna по умолчанию, выше медианы её ценового диапазона, а результат поддаётся проверке — в этом и весь аргумент. Здесь нет близкого выбора.
Долгие, без присмотра, и ошибка дорого обходится. Многочасовые прогоны агентов, рефакторинги масштаба репозитория, исследования, охватывающие десятки вызовов инструментов. Пятнадцать пунктов индекса — это разница между моделью, которая удерживает план, и той, которая его теряет, а при $3,27 за задачу против прогона, повтор которого обходится в инженерный час, цена не является ограничением. Qwen4-Max также единственная из двух, кто принимает видео на вход, что для растущей доли агентной работы — скриншотов, записей экрана, UI-трассировок — является разницей между рабочей нагрузкой, которая существует, и той, которой нет.
Чувствительно к задержке, где-то посередине. Это тот случай, который не покрывает ни одна из карт. Luna декодирует со скоростью 103 токена в секунду при максимальном усилии и 93 — при значении по умолчанию; Qwen4-Max — 59. Luna выполняет задачу индексирования за 12,2 минуты при максимуме и за 3,5 — при значении по умолчанию; Qwen4-Max — за 29,8. Если человек ждёт, 59 токенов в секунду — это число, которое решает, ощущается ли продукт живым, и никакая экономия времени на отдельных задачах не компенсирует интерфейс, который подвисает. Если никто не ждёт, 29,8 минуты — это реальное время, которое можно учесть в расписании.
Правильная архитектура для большинства команд — не один из этих двух вариантов, а оба — и причина в том, что граница принятия решений определяется на уровне запроса, а не на уровне контракта. Пайплайн, который классифицирует на Luna и переключается на фронтирную модель, когда классификатор не уверен, получает 95% экономии на простых 90% запросов и пятнадцать процентных пунктов на остальных. Именно для этого нужен routing DSL, и это единственная конфигурация в этом сравнении, которая не требует выбирать проигравшего.
Счёт, который вы действительно можете предсказать
Стоимость задачи в двадцать два раза выше за пятнадцать индексных пунктов. Разделите одно на другое — и Qwen4-Max стоит $0.076 за индексный пункт против $0.0054 у Luna — в четырнадцать раз больше на пункт; это число заставляет Luna выглядеть очевидной покупкой и одновременно является наименее полезным, потому что никто не потребляет индексные пункты.
То, что потребляют люди, — это рабочая нагрузка, и у неё есть три свойства, которые это определяют: сколько токенов занимает контекст, ждёт ли человек и дёшево ли обнаружить неверный ответ. Luna безоговорочно выигрывает по первым двум и настолько сильно проигрывает по третьему, что сравнение переворачивается. Qwen4-Max выигрывает по третьему и взимает за это плату по тарифу, который имеет смысл, только если альтернатива — повторный запуск.
Прогноз, который выдерживает всё это: если вы выбираете между этими двумя по цене, вы уже сделали неправильный выбор, потому что 22× — это не надбавка, которую стоит платить за каждый запрос в конвейере, — это надбавка, которую вы платите за небольшую долю запросов, которым она нужна. Маршрутизируйте эту долю. Остальное — ошибка округления, которую можно потратить на что-то другое.
Сравнение в этой статье1
Определено по этой статье · Бенчмарки: Artificial Analysis · обновляется ежедневно
