Сгенерированная главная титульная карточка с заголовком «Qwen4-Max vs Step-5 Preview», подзаголовком «48% больше возможностей, 33% больше денег, 6% на индексный балл» и тремя бейджами-таблетками с надписями «43 vs 29 индекс», «.27 vs .35 за задачу» и «16 ноября 2026». Нижняя строка гласит: «Баллы по Artificial Analysis Intelligence Index v5.0.1; цены по тарифной карте каждого поставщика». Плоский векторный стиль на белом фоне с сине-голубым градиентным заливом и логотипом OrcaRouter, скомпонованным в правом нижнем углу.
Guides & Insights

Qwen4-Max против Step-5 Preview: четырнадцать пунктов индекса, полцента за пункт

Автор

Elias Hawthorne

Дата публикации

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

Разделите стоимость одной задачи у каждой модели на её балл — и две стороны этого сравнения окажутся в пределах шести процентов друг от друга. Qwen4-Max, которую Alibaba выпустила сегодня, 16 ноября 2026 года, набирает 43 балла в Artificial Analysis Intelligence Index v5.0.1 при измеренной стоимости $3,27 за задачу индекса — около 7,6 цента за балл индекса. Step-5 Preview, модель разреженной смеси экспертов StepFun с 600 млрд параметров, выпущенная 20 сентября 2026 года, набирает 29 баллов в том же индексе при $2,35 за задачу — около 8,1 цента за балл. Одна модель на 48% умнее по единственной линейке, по которой оценивали обе. Вторая дешевле по обеим сторонам тарификации — на треть на входе и на 40% на выходе. А в расчёте на единицу измеренной способности они расходятся не более чем на семь процентов, причём новейший флагман немного впереди.

Это не то сравнение, которое продвигает тот или иной вендор, и именно оно фактически определяет решение о миграции. К тому же с ним связана асимметрия, о которой не упоминает ни один анонс запуска: у одной из этих двух моделей есть независимо измеренная скорость вывода, а у другой пока вообще нет измеренной скорости, потому что ей всего несколько часов. Далее мы отделим документированное от измеренного, проделаем арифметику кэширования, которая смещает разрыв в цене с 33% совсем в другую сторону, и завершим двумя осями, где исход совсем не близок, — весами и потолком вывода.

Что представляет собой каждый из них на сегодняшний день

Qwen4-Max — это флагманская модель Alibaba четвёртого поколения, построенная на базовой архитектуре с 2,4 трлн параметров, из которых 71 млрд параметров активны на каждый токен, плюс 328 млрд параметров N-граммных эмбеддингов. Она принимает текст, изображения и видео и возвращает текст. Задокументированное контекстное окно составляет 1 000 000 токенов при пределе входных данных 991 808 токенов в режиме без размышлений и 983 616 в режиме размышлений — разница представляет собой запас для рассуждений. Максимальный объём вывода — 131 072 токена при отключённых размышлениях; при включённых размышлениях рассуждения и ответ делят бюджет в 262 144 токена. Размышления включены по умолчанию с бюджетом 131 072 токена при уровне усилий рассуждения по умолчанию «high», выбираемом среди «low», «high» и «xhigh». Эти цифры взяты из собственной документации Alibaba; Qwen4-Max не публикует веса, не поддерживает дообучение ни в одном регионе и не поддерживает развёртывание модели ни в одном регионе.

Step-5 Preview — флагман StepFun для агентных задач: 600 млрд параметров всего, 27 млрд активных, контекстное окно на 1 млн токенов, а также ввод текста, изображений и видео с выводом текста. Уровень рассуждений выбирается из низкого, среднего и высокого. Максимальный объём вывода документирован на уровне 64 000 токенов, при этом max_tokens по умолчанию не ограничен, так что модель сама выбирает длину. Поддерживаются потоковая передача, вызов инструментов, вывод в формате JSON Schema и кэширование промптов, а API совместим с OpenAI.

Через три месяца после запуска слово «Preview» в названии уже утратило смысл. StepFun до сих пор указывает его как Preview в обзоре моделей, хотя чекпоинты BF16 и FP8 доступны на Hugging Face с 15 октября под лицензией StepFun Model License 1.0. Воспринимайте эту метку как дань привычке в наименовании, а не как предупреждение о том, что эндпоинт внезапно изменится у вас под ногами, — но и не считайте её обязательством о GA, потому что вендор такого обязательства не давал.

Разница в цене составляет треть; именно арифметика кэша её меняет.

По прейскурантным ценам эти два варианта легко сравнить: Step-5 Preview дешевле по обе стороны счётчика, причём разница больше, чем погрешность округления.

• Ввод — Qwen4-Max: $1,50 за миллион токенов в Сингапуре, $1,413 в остальных пяти регионах, против Step-5 Preview — $1,00.

• Вывод — Qwen4-Max $4.50, против Step-5 Preview $2.70

• Чтение из кеша — Qwen4-Max $0.075 за миллион, скидка 95%, против Step-5 Preview $0.10, скидка 90%

• Запись в кэш — Qwen4-Max: $1,875 за миллион при TTL в пять минут и $3,00 за час, тогда как у Step-5 Preview — ничего, поскольку входные данные при промахе кэша по $1,00 уже включают запись префикса

• Смешанная стоимость при соотношении кэш-попаданий/входных/выходных данных 7:2:1 по методике Artificial Analysis — Qwen4-Max $0.80 за миллион против $0.54 у Step-5 Preview

Именно эта строка записи в кеш пропускается, и именно она способна перевернуть рейтинг на подходящей нагрузке. Возьмём документ на 300 000 токенов, проверяемый в четыре прохода по 3 000 выходных токенов каждый, по сингапурским тарифам, без режима размышлений. На Qwen4-Max первый проход записывает префикс за $0.5625 и выдаёт $0.0135 выходных данных; следующие три читают его по $0.0225 каждый плюс $0.0405 выходных данных суммарно. Итого $0.684. На Step-5 Preview первый проход стоит $0.30 входных данных и $0.0081 выходных; следующие три стоят по $0.03 каждый плюс $0.0243. Итого $0.422. Step-5 Preview на 38% дешевле на этой задаче.

Сведите это к одному проходу — и разрыв не сократится, а увеличится: $0,576 против $0,308, причём Step-5 Preview на 46% дешевле, — но причина изменится. При одном проходе нет чтения, которое можно было бы амортизировать, поэтому вы платите надбавку Qwen4-Max за запись в кэш за префикс, который никогда не будете использовать повторно. Практическое правило: кэширование Qwen4-Max вознаграждает префикс, читаемый много раз, и наказывает за однократное чтение. Фиксированная цена Step-5 Preview в $0,10 за чтение из кэша и цена промаха, включающая запись, — более дружелюбная структура для нагрузок, где вы не можете предсказать долю попаданий.

A generated two-column scoreboard titled 'Qwen4-Max vs Step-5 Preview — the scoreboard'. The Qwen4-Max column reads Intelligence Index 43, cost per index task .27, cost per index point 7.6 cents, cache write .875 per 1M, weights none published, max output 131,072 tokens. The Step-5 Preview column reads Intelligence Index 29, cost per index task .35, cost per index point 8.1 cents, cache write included in .00 miss price, weights BF16 and FP8 on Hugging Face, max output 64,000 tokens. A footer reads 'Index per Artificial Analysis v5.0.1; prices and limits per Alibaba and StepFun documentation, November 2026.'

Четырнадцать пунктов — и пробел в доказательствах, который идёт в обратную сторону

Обе модели были прогнаны через Intelligence Index v5.0.1, который включает девять 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 и Terminal-Bench-Science 0.1. Ни одна из страниц моделей не публикует отдельные баллы для каждого уровня усилий рассуждения, поэтому это единые значения при той настройке, которую использовала Artificial Analysis.

• Index — Qwen4-Max 43, занявший 38-е место из 81 в своём классе, против Step-5 Preview 29, занявшего 10-е место из 29 среди крупных моделей с открытыми весами. Медианы классов различаются (41 и 23), поэтому эти места не сопоставимы друг с другом, хотя баллы и

• Стоимость за задачу индексирования — $3.27 против $2.35

• Стоимость за пункт индекса — 7,6 цента против 8,1 цента, поэтому более дорогая модель в расчёте на задачу оказывается более дешёвой в расчёте на единицу возможностей.

• Скорость вывода — Step-5 Preview: 124 токена в секунду, тогда как для Qwen4-Max опубликованных данных нет. Artificial Analysis указывает, что время выполнения задачи неизвестно, а на странице его провайдера вообще не сообщается ни о каких бенчмарках провайдера.

• Время до первого токена ответа — Step-5 Preview 23,53 секунды, тогда как для Qwen4-Max ничего не опубликовано

• Время на одну задачу индексации — Step-5 Preview: 15,2 минуты против медианного значения 13,3 минуты для его класса; для Qwen4-Max показатель отсутствует.

• Многословность — Qwen4-Max выдал 127 миллионов выходных токенов по индексу против медианы в 78,6 миллиона, тогда как Step-5 Preview — 129 миллионов против медианы в 104 миллиона. Оба многословны; Qwen4-Max многословен относительно более лаконичной группы аналогов

Первый токен за 23,53 секунды — это число, которое должно насторожить любого, кто планирует интерактивное развёртывание Step-5 Preview. Это не сетевой артефакт: это цена, которую модель с 600 млрд параметров и включённым по умолчанию режимом рассуждения взимает с вас ещё до начала ответа. Настройки рассуждения Qwen4-Max по умолчанию — включённое мышление, бюджет 131 072 токена, уровень усилий high — указывают в ту же сторону, и пока кто-нибудь это не измерит, честно сказать, какая из них медленнее, невозможно. В этом и заключается практическая цена покупки в день запуска: вы получаете оценку и тарифную сетку, но не получаете показатель задержки.

Собственные оценочные материалы Alibaba — это отдельный вопрос, и их следует воспринимать как данные, заявленные поставщиком и не воспроизведённые независимо. В Work360 — своём внутреннем бенчмарке, охватывающем 26 основных отраслевых доменов, — поставщик сообщает 52,69 для Qwen4-Max против 47,74 для Qwen3.8-Max. Он также сообщает, что средняя стоимость выполнения одной задачи Work360 снизилась с $4,43 до $1,67, то есть на 62%, а потребление токенов на этом бенчмарке упало примерно на 24% при уровне усилий xhigh и на 35% при уровне high, при этом на Terminal-Bench 4.0 сокращение составило 48% и 49%. Это утверждения о Qwen4-Max по сравнению с его предшественником. Они ничего не говорят о Step-5 Preview, и ни одно из них не было независимо проверено.

A screenshot of the Artificial Analysis model page for Qwen4 Max, captured 16 November 2026, showing 'Released November 2026', the Alibaba Cloud provider label, an Intelligence Index of 43 ranked 38 of 81, in-benchmark ranks for performance, cost and verbosity, .50 input and .50 output per 1M tokens, a 95% cache discount, .27 cost per task, 127M tokens generated, and a 984k-token context window.

Веса: этот не близок

Step-5 Preview уже сегодня можно скачать. В репозитории Hugging Face содержатся safetensors BF16 и FP8 под лицензией StepFun Model License 1.0 — лицензией в стиле Apache-2.0 с требованием указания авторства и условием коммерческого использования — а также шаблон чата, три квантованных варианта и рецепты развертывания: FP8 на четырёх B300 или восьми H200 под vLLM, FP8 на том же оборудовании под SGLang, BF16 на восьми B300 или шестнадцати H200. Около 1600 загрузок за последний месяц.

У Qwen4-Max нет чекпоинта, и пути к его появлению тоже нет. В документации Alibaba дообучение помечено как неподдерживаемое во всех регионах, а развёртывание модели — как неподдерживаемое во всех регионах; это более сильное заявление, чем «веса ещё не выпущены», — оно означает, что вендор вообще не собирается позволять вам запускать эту модель самостоятельно через свою платформу. Если вам нужна модель, которую можно квантовать, дообучать, запускать в изолированной среде или закреплять за конкретной сборкой, сравнение на этом заканчивается, и заканчивается в пользу StepFun.

Это также меняет то, что вам даёт «open». Лицензия Step-5 Preview разрешает коммерческое использование с условиями, поэтому юридическая проверка входит в стоимость внедрения, а рецепты развёртывания предполагают узел на четыре–шестнадцать GPU — это не модель, которую запускают на рабочей станции. Но это модель, поведение которой не может измениться без вашего ведома из-за незаметного обновления провайдера, и для любого, кто строит регулируемую или долгоживущую систему, это стоит больше четырнадцати пунктов индекса.

Потолок вывода и конфликт в документации, о котором стоит знать

Это наименее эффектное различие, и именно оно с наибольшей вероятностью больнее всего ударит по конкретной рабочей нагрузке. Qwen4-Max даёт 131 072 токена вывода при выключенном режиме размышления и общий бюджет в 262 144 токена при включённом режиме размышления. В документации API Step-5 Preview указано максимальное значение вывода — 64 000 токенов. В его карточке модели на Hugging Face сказано, что вывод может достигать полных 1M токенов, причём вход и выход учитываются в рамках одного и того же лимита.

Эти два утверждения исходят от одного и того же поставщика с разницей в месяц, и ни одно из них не помечено как устаревшее. Если вы планируете задачу с длинным выводом — полный отчёт, большой патч, сгенерированный документ — читайте документацию API, а не карточку, и проверьте предельное значение, прежде чем строить вокруг него архитектуру. Значение 64 000 согласуется с временем 15,2 минуты на задачу индексации; значение 1 млн подразумевало бы нечто совсем иное.

Ещё одна асимметрия, которую стоит отметить: обе модели принимают видео на вход, но только StepFun публикует рабочие подробности. До 60 изображений на запрос с низкой или высокой детализацией, видео в виде URL, Base64 или ссылки stepfile://, MP4 размером менее 128 МБ, при этом рекомендуются фрагменты продолжительностью менее пяти минут. Alibaba описывает видеовход для Qwen4-Max, не публикуя сопоставимые ограничения на странице модели. Если видео имеет для вашей нагрузки центральное значение, а не второстепенное, то само это различие в качестве документации служит сигналом о том, какому поставщику уже задавали этот вопрос раньше.

Кому что выбирать на этой неделе

Выбирайте Qwen4-Max, если потолок важнее счёта: сложные рассуждения, длительная агентная работа или что угодно, где 43 против 29 в индексе из девяти оценок — это разница между задачей, которая завершается, и той, которая нет. Взамен примите два риска. Первый — вы покупаете в первый же день без независимых данных о задержке и без стороннего воспроизведения заявлений вендора о Work360. Второй — премия за запись в кэш, которая незаметно облагает однопроходную работу с длинным контекстом налогом в $1.875 за миллион записанных токенов.

Выберите Step-5 Preview, если вам нужно владеть моделью, если вам нужны измеренные 124 токена в секунду и 23,53 секунды до первого токена, на которые можно ориентироваться при планировании, или если ваша рабочая нагрузка сильно зависит от кэша так, что вы не можете это предсказать. Смиритесь с тем, что вы покупаете 29 индексных пунктов, что первый токен приходит медленно и что верхний предел вывода документирован поставщиком двумя разными способами.

Третий вариант — честный для большинства команд на этой неделе: не выбирать ни один из них, и только так. Разрыв между этими двумя моделями в расчёте на единицу измеренной способности составляет 6%, что вполне укладывается в погрешность одной версии индекса, к тому же обе были оценены лишь один раз одним испытательным стендом. Команда, которая выбирает одну из них, опираясь на оценку в день запуска, делает ставку на число, которое не было воспроизведено.

Запуск обоих без второго контракта

Ни одна из этих моделей сегодня не входит в каталог OrcaRouter — 215 идентификаторов моделей, проверенных сегодня утром, среди которых нет ни записи Qwen4, ни текстовой модели StepFun. Обе модели доступны через API своих вендоров: шесть регионов Alibaba для Qwen4-Max, OpenAI-совместимая конечная точка StepFun по адресу api.stepfun.ai/v1 для Step-5 Preview. Утверждать обратное — значит сделать заявление, которое устареет уже через неделю.

Модель, на которую мы направляем запросы, — это та, которую заменяет Qwen4-Max. Qwen3.8-Max есть в нашем каталоге как qwen/qwen3.8-max по собственной прейскурантной цене Alibaba: $2.00 за вход и $6.00 за выход за миллион токенов, предоставляется без наценки, наряду с 214 другими идентификаторами по одному базовому URL, совместимому с OpenAI. В этом сравнении это важно ровно по одной причине: модель первого дня выпуска — худшее, на что можно поставить производственный путь, и разумная позиция — оставить проверенное поколение на маршруте, пока вы измеряете новую модель на собственном трафике. DSL маршрутизации выражает это как политику, а не как изменение кода — направляйте сложные вызовы, требующие рассуждений, в новую модель, оставляйте высоконагруженную работу на более дешёвой проверенной модели и позвольте автоматическому переключению при сбое перехватывать случай, когда совершенно новый эндпоинт деградирует под нагрузкой, которую вы не предсказали.

Сквозное ценообразование также означает, что арифметика в этой статье остаётся честной. Когда Alibaba снижает тариф — как сегодня, переводя Qwen4-Max на 1,50 и 4,50 доллара с 2,00 и 6,00 доллара у Qwen3.8-Max, — каталог, который транслирует прайс-лист провайдера, отражает это в тот же день, а не при следующем продлении договора. Это не аргумент в пользу нас по сравнению с собственным API того или иного поставщика. Это аргумент за то, чтобы не подписывать ничего, что фиксирует цену, которую вы не видели неизменной в течение месяца.

A screenshot of the OrcaRouter model page for qwen/qwen3.8-max, captured 16 November 2026, showing the model identifier, text, image and video input with text output, a 1M-token context window, a list date of 2026-08-03, .00 input and .00 output per 1M tokens, measured latency figures, and an OpenAI-compatible Python sample pointing at https://api.orcarouter.ai/v1.

Сравнение, которое читатели захотят увидеть через две недели, — не то, что в этом заголовке. Это задержка Qwen4-Max и стабильный релиз Step-5 Preview, причём обе измерены кем-то, кто не является поставщиком, на рабочих нагрузках, которые люди реально запускают. До тех пор защитимая позиция узка и неброска: 48%-й разрыв в возможностях, 33%-й разрыв в цене, 6%-й разрыв на единицу возможностей и набор решений — веса, потолок вывода, структура кэша — которые не отражает ни один балл индекса и которые переживут эту неделю запуска.

© 2026 OrcaRouter