Сгенерированная титульная карточка с надписью «Qwen4-Max vs Qwen4 27B» и подзаголовком «У одного из них есть карточка с ценой. У другого — упоминание со сцены», поверх трёх карточек: Qwen4-Max с контекстом 1M, $1.50 / $4.50 за 1M и AA Index 43; Qwen4 27B без весов, без карточки модели и без цены; Qwen3.8-27B по $0.33 / $2.40 за 1M, с контекстом 256K и AA Index 20. В нижнем колонтитуле: «Данные Qwen4-Max — по Alibaba и Artificial Analysis; у Qwen4 27B по состоянию на 16 ноября 2026 года нет опубликованных спецификаций».
Guides & Insights

Qwen4-Max против Qwen4 27B: разница в цене в 4,5 раза и модель, которую нельзя скачать

Автор

jinhao.song

Дата публикации

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

Интересный вопрос о Qwen4-Max не в том, хороша ли она. А в том, стоит ли платить $1,50 и $4,50 за миллион токенов за модель, которая думает порциями по 262 144 токена, когда 27-миллиардный по числу параметров собрат — Qwen4 27B — предположительно должен выполнять большую часть той же работы на принадлежащем вам оборудовании. Загвоздка в том, что Qwen4 27B пока не существует в виде чего-либо, что можно запустить. Alibaba показала её на сцене конференции Apsara 22 сентября 2026 года вместе с Qwen 4 Max, Qwen 4 Flash и Qwen 4 Plus и с тех пор не опубликовала для неё ни карточку модели, ни веса, ни длину контекста, ни цену, ни результаты бенчмарков. Qwen4-Max, напротив, с 16 ноября тарифицируется с окном в 1 000 000 токенов и индексом интеллекта Artificial Analysis, равным 43. Поэтому полезная версия этого сравнения противопоставляет флагман, который можно вызвать, небольшой модели, которую нельзя, и отвечает на вопрос, который на самом деле определяет бюджеты: что даёт 4,5-кратная разница в цене за токены и что должна была бы делать 27B, чтобы оправдать своё место.

Две карточки с ценами, на одной из которых есть цифры

Начните с того, что записано. Всё в этом разделе — опубликованные данные; ничего не выведено.

• Qwen4-Max, Сингапур — $1.50 за миллион входных токенов, $4.50 за выходные, единая цена на всём окне в 1 000 000 токенов. Чтение из кэша — $0.075 за миллион, запись на пять минут — $1.875, запись на час — $3.00.

• Qwen4-Max, другие регионы — $1,413 и $4,24 во Франкфурте, Вирджинии, Токио, Гонконге и Пекине; скидка 5,8% на сингапурской карте при идентичных лимитах.

• Qwen4-Max, независимый — AA Index 43 при стоимости, выставленной оценщиком, $3.27 за задачу индекса, смешанная цена $0.80 за миллион, 127 млн выходных токенов за весь прогон.

• Qwen4 27B — цены нет. Не «не объявлена»; конкретно: строки нет нигде, потому что нет модели, к которой её можно было бы привязать.

Ближайший к небольшой Qwen вариант, который можно запустить сегодня, — это Qwen3.8-27B, плотная мультимодальная модель предыдущего поколения с лицензией Apache-2.0. Alibaba указывает для неё цену $0.50 и $3.00 за миллион токенов в своём API; мы самостоятельно размещаем веса и берём $0.33 и $2.40, потому что у открытых весов нет постатейных затрат поставщика, которые нужно перекладывать. Artificial Analysis оценивает её в 20 баллов по тому же индексу — на двадцать три балла ниже Qwen4-Max, и это весь аргумент в одной цифре.

Итак, честное соотношение измеряется не по фантому. Оно составляет 4,5 раза по входу и 1,9 раза по выходу, если сравнить Qwen4-Max с последней моделью 27B, которая действительно вышла, — и двадцать три пункта индекса возможностей в качестве разницы. Выгодная ли это сделка, полностью зависит от того, на что ваша рабочая нагрузка тратит свои токены, а это вопрос о ваших трассах, а не о том или ином поставщике.

A generated two-column scoreboard titled 'Qwen4-Max vs Qwen3.8-27B — the scoreboard', using the same six row labels on both sides. Qwen4-Max: context 1,000,000 tokens, price per 1M $1.50 / $4.50, inputs text, image and video, open weights no, AA Index 43, cost per task $3.27. Qwen3.8-27B: context 256,000 tokens, price per 1M $0.33 / $2.40, inputs text, image and video, open weights Apache-2.0, AA Index 20, cost per task $3.53. Footer: 'Price and context vendor-reported; Qwen3.8-27B price is OrcaRouter self-hosted, Alibaba lists $0.50 / $3.00. AA Index and cost per task per Artificial Analysis v5.0.1. Qwen4 27B has no published figures.'

Что даёт модель на 27B, чего не может флагман с 2,4 трлн параметров

Три вещи, и ни одна из них — не качество.

Первый — это фиксированный счёт. Хостинговый флагман — это переменная стоимость, которая масштабируется вместе с трафиком и с тем, насколько многословной модель будет в тот день; открытая 27B-модель на собственном оборудовании — это капитальные затраты и график амортизации. При $0.33 и $2.40 за миллион токенов команда, тратящая $3,000 в месяц на флагман, тратит примерно $700 на небольшую модель при том же объёме токенов — и как только этот объём удвоится, одно из этих чисел изменится, а другое — нет.

Второе — это задержка, которую вы контролируете. Плотная модель на 27B на одном узле отвечает в предсказуемой форме, потому что за ней нет очереди и нет бюджета длительного размышления, который вы не запрашивали. Qwen4-Max по умолчанию использует reasoning_effort: high с бюджетом размышления в 131 072 токена, и запрос, который ничего не задаёт, резервирует больше запаса вывода, чем используют большинство задач. Такое значение по умолчанию правильно для флагмана и неправильно для классификатора, маршрутизатора или тысячи мелких решений, которые агент принимает между интересными.

Третий — лицензия. Веса Apache-2.0 означают, что модель можно квантовать, дообучать, встраивать в продукт, который вы поставляете, и запускать в юрисдикции, где API недоступен. Qwen4-Max является проприетарным, обслуживается из шести регионов и возвращает только текст — никаких весов, никакого дообучения, никакого развёртывания на собственной инфраструктуре. В документации A​libaba говорится, что дообучение и развёртывание модели для неё нигде не поддерживаются.

То, чего 27B не может вам дать, — это именно то, для чего создавалась Qwen4-Max. Основа модели на 2,4 трлн параметров с 71 млрд активных параметров, 328 млрд параметров N-граммных эмбеддингов, слои Gated DeltaNet, сжимающие историю в фиксированное состояние для каждого слоя Qwen Sparse Attention, — ничто из этой архитектуры не переносится на плотную модель 27B, как и окно в 1 000 000 токенов. Сам производитель описывает это семейство так: младшие модели «настроены на то, что у малых моделей получается лучше всего», — и это изящный способ сказать, что это не один и тот же продукт.

Единственное, что A​libaba сообщила о Qwen4 27B, и чего это стоит

В посте о выпуске Qwen4-Max от 16 ноября заключительный абзац гласит: «И Max — это лишь первый взгляд на Qwen4. Меньшие модели семейства будут выпущены с открытым исходным кодом — они построены на той же основе и обучены с использованием того же поколения методов, настроенные на то, что малые модели делают лучше всего».

Это самое свежее и самое конкретное из существующих заявлений об уровне 27B, и оно стоит ровно столько, сколько в нём сказано, — а это меньше, чем кажется. «Скоро в открытом исходном коде» — это обязательство насчёт лицензии, а не дата. «Та же родословная» — это утверждение о происхождении архитектуры, а не о выпущенном чекпойнте. И в предложении вообще не упоминается 27B; название уровня происходит из сентябрьского анонса со сцены, где руководитель направления LLM в Qwen показал четыре модели и сказал лишь, что семейство появится скоро. Между двумя заявлениями — двухмесячный разрыв: обещано четыре уровня, поставлен один, а открытовесный — исторически тот уровень, который выходит первым с доступными для скачивания весами — всё ещё отсутствует.

То, что сделало бы эту страницу устаревшей, можно проверить в трёх местах, и все три — это те, что сигнализировали о каждом выпуске Qwen. Репозиторий в организации Qwen на Hugging Face с названием Qwen4; новейшие репозитории моделей организации на сегодня — все Qwen3.8, последний раз обновлённые в начале ноября. Карточка модели на qwen.ai, где у этого тира указаны длина контекста и лицензия. Или строка с ценой для хостируемой модели 27B, которая сказала бы вам, сколько, по мнению Alibaba, стоит этот тир ещё до выхода весов. Пока не сдвинется хотя бы один из этих сигналов, любые данные о числе параметров, контекстном окне или оценке, которые вы встретите для Qwen4 27B, являются экстраполяцией с Qwen3.8-27B, и их следует обозначать именно так.

Разобранный пример: один и тот же цикл агента на обеих карточках

Возьмём агента автоматизации поддержки: системный промпт и схема инструментов на 40 000 токенов, диалог на 6 000 токенов, восемь вызовов инструментов на тикет, 900 выходных токенов на вызов, без режима размышления, 20 000 тикетов в месяц. Кэшируйте префикс. Это арифметика по опубликованным прайс-листам.

• Qwen4-Max, Сингапур, без кэширования — 46 000 входных токенов за вызов при $1,50 за миллион — это $0,069; восемь вызовов — это $0,552 на тикет. Выходные токены в количестве 900 и $4,50 за миллион — это $0,00405 за вызов, $0,0324 на тикет. $0,584 на тикет, $11 690 в месяц.

• Qwen4-Max с кэшированным префиксом: префикс на 40 000 токенов записывается один раз по цене $1.875 за миллион и читается при следующих семи вызовах по $0.075. На один тикет префикс обходится в $0.075 за запись плюс $0.021 за семь чтений; перемещающиеся 6 000 токенов стоят $0.072 за восемь вызовов. Входные данные составляют $0.168, выходные остаются на уровне $0.0324. $0.20 за тикет, $4,010 в месяц — и кэш повлиял на счёт сильнее, чем любая замена модели.

• Qwen3.8-27B по нашему тарифу для собственного хостинга — 46 000 входных токенов за вызов при $0.33 за миллион составляют $0.0152; восемь вызовов — $0.121. Вывод при 900 токенах и $2.40 за миллион — $0.00216 за вызов, $0.0173 за тикет. $0.139 за тикет, $2,780 в месяц.

Отсюда вытекают два вывода. Кэширование префикса на флагманской модели экономит 66% и делает её цену не более чем в 1,4 раза выше цены небольшой модели без кэширования — разрыв между уровнями меньше, чем разрыв между использованием кэша и его отсутствием. А преимущество небольшой модели реально, но при таком объёме токенов не является переломным: около $1 200 в месяц на 20 000 тикетов. Переломным оно становится при объёме в десять раз больше или когда работа достаточно проста, чтобы хватило 20-индексной модели, — а для маршрутизации вызовов инструментов и классификации это обычно так.

Где флагман — не опция

Есть категория работ, в которой уровень 27B — не более дешёвая замена, а вовсе не вариант, и ясность в этом вопросе — это разница между полезным сравнением и продающей страницей.

• Работа с длинным контекстом свыше 256 000 токенов — Qwen3.8-27B останавливается на 262 144; Qwen4-Max поддерживает 1 000 000, с потолком входного контекста в 991 808 токенов в режиме без рассуждений. Проверка контракта объёмом 400 000 токенов вообще не помещается в небольшую модель.

• Долгосрочные прогоны агентов — агентные заявления Alibaba о Qwen4-Max представляют собой 48-часовой автономный прогон по поиску материалов на wet-lab-платформе и прохождение юридической проверки due diligence по 198 рабочим документам с подготовкой 86-страничного отчёта. Как бы ни относиться к демонстрациям вендоров, они описывают класс задач, которые модель с 20 индексами не пытается выполнять.

• Видеовход большой длительности — Qwen4-Max принимает видео и окно 1M; семейство 27B принимает видео при 262K. Арифметика кадров в секунду видеоматериала неумолима.

• Безопасное кодирование — Alibaba сообщает, что в Last Secure Code Bench доля прохождений на уровне функций выросла с 22,0% до 31,8% между поколениями на уровне Max, а доля кода, безопасного одновременно на уровне функций, файлов и репозиториев, — с 8% до 14,7%. Это вендорские цифры, которые не были воспроизведены независимо, но именно такие числа запрашивают при проверке безопасности, а в карточке небольшой модели их нет.

Закономерность такова: флагманская модель оправдывает свою цену на задачах, которые являются длительными, мультимодальными или дорогостоящими в случае ошибки, а не на задачах, которых много. Большинство production-систем содержат оба типа задач, поэтому ответ на вопрос «какую из них» обычно звучит так: «обе, с маршрутизацией».

Запуск смешанного состояния на одном ключе

OrcaRouter предоставляет семейство Qwen3.8 — Qwen3.8-Max, Qwen3.8-Flash и Qwen3.8-27B — через одну конечную точку, совместимую с OpenAI, по прейскурантной цене провайдера с наценкой 0%, а модель 27B — это та, которую мы запускаем на собственной инфраструктуре из весов Apache-2.0, поэтому цены на неё составляют $0.33 и $2.40, а не $0.50 и $3.00 у Alibaba. Он не включает Qwen4-Max: эта модель доступна через собственный API Model Studio от Alibaba и несколько сторонних платформ, и по состоянию на 16 ноября отсутствует в каталоге.

То, что это делает возможным уже сегодня, — это та схема маршрутизации, за которую ратует данное сравнение, причём без ожидания 27B. Один API для более чем 200 моделей означает, что решение об уровне перестаёт быть закупочным решением: запрос, который укладывается в 256K и выглядит рутинным, направляется в qwen/qwen3.8-27b; запрос, который является длинным, мультимодальным или помечен как высокорисковый, направляется во фронтирную модель по тому же ключу; DSL маршрутизации выражает это разделение как правило, а не как ветвление в коде вашего приложения. Автоматическое переключение при сбое означает, что дешёвый уровень может нести объём, не становясь единой точкой отказа, когда у него выдаётся неудачный день, а снижение цены от любого поставщика отражается на вашем ключе в тот же день, поскольку прейскурантная цена передаётся как есть, без наценки.

Слияние моделей — третий вариант в этом наборе инструментов и тот, который хуже всего подходит для этой конкретной пары: панель моделей, отвечающих вместе, обходится дороже, чем любая из них по отдельности, а смысл его использования — в разногласиях по сложным вопросам, а не в объёме. Полезно знать, что оно существует; но не стоит прибегать к нему в маршрутизаторе обращений в поддержку.

A screenshot of the OrcaRouter model page for Qwen3.8-27B at the identifier qwen/qwen3.8-27b, showing the $0.33 input and $2.40 output prices, the Vision, Tools, JSON and Reasoning capability tags, the attribution to Qwen dated 2026-08-13, and the description of it as Alibaba's open-weight 27B dense multimodal model released under Apache-2.0 and self-hosted on OrcaRouter's own infrastructure, accepting text, images and video with a 256K-token context window.

Что делать до того, как появятся веса

Если вы ждёте Qwen4 27B только потому, что хотите небольшую открытую модель, которую можно запустить самостоятельно, то ожидание обходится вам недорого: Qwen3.8-27B распространяется под Apache-2.0, поддерживает контекстное окно 256K, читает текст, изображения и видео, а также показывает 90,3 в LiveCodeBench v6 и 89,2 в GPQA Diamond по данным из карточки самой Qwen — цифры производителя, и весьма сильные для такого размера. Начните с неё, измерьте, как 20-индексная модель влияет на долю успешно выполненных задач, и до выхода чекпойнта Qwen4 вы уже будете знать, подходит ли этот уровень для вашей нагрузки вообще.

Если ваша причина — стоимость, сначала кешируйте префикс. Приведённый выше рабочий пример показывает 66% экономии на флагманской модели благодаря одному параметру запроса, что больше разрыва между флагманской и малой моделью при одинаковом расчёте без кеширования. Команды регулярно ищут более дешёвую модель, хотя дорогая часть их счёта — это префикс, который они перечитывают по полной цене.

И если ваша причина — возможности, никакая 27B-модель не заменит. Двадцать три пункта индекса между Qwen3.8-27B и Qwen4-Max — это разница между моделью, которая хорошо справляется с рутинной работой, и моделью, которая берётся за длительные мультимодальные задачи с высокими ставками, — а формулировки дорожной карты самой A​libaba говорят, что малые модели настраивают под то, что малые модели делают лучше всего, а это обещание эффективности, а не паритета. Выстройте разделение маршрутизации уже сейчас, на тех уровнях, которые существуют, и в день, когда Qwen4 27B появится на Hugging Face, это будет запись в каталоге и изменение правила, а не миграция.

A screenshot of Alibaba Cloud Model Studio's documentation page for qwen4-max (Latest Model), dated 11-16, showing the model description as the next-generation flagship multimodal model in the Qwen family covering text generation, image and video understanding and deep reasoning, its support for web search, tool calling and structured outputs, its OpenAI and Anthropic API compatibility, and its deployment regions including China (Beijing), Singapore and Germany (Frankfurt).
© 2026 OrcaRouter