
Qwen 4 vs Claude Opus 5.5: шестнадцать пунктов индекса и сколько они стоят за ответ
- 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 · 97 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 · 126 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 · 44 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 · 147 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 · 123 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
Qwen4-Max набирает 42,9 балла в Artificial Analysis Intelligence Index, а Claude Opus 5.5 — 59,1 балла: разрыв в 16,2 балла, измеренный на одном и том же наборе тестов, в одной и той же версии (v5.0.1), с разницей менее двух месяцев. В том же рейтинге одно выполненное задание индекса стоит $3,27 на Qwen4-Max и $10,04 на Claude Opus 5.5. Так что соотношение прозрачно: Opus даёт на 38% больше баллов индекса, но обходится на 207% дороже в расчёте на задание. Выгодная это сделка или пустая трата — полностью зависит от того, покупает ли ваша рабочая нагрузка баллы или ответы, а это не одна и та же покупка. В этом материале оценивается стоимость и того, и другого.
Две карточки, измерение за измерением
Alibaba выпустила Qwen4-Max в общий доступ 16 ноября 2026 года — с оплатой по потреблению, в шести регионах; Claude Opus 5.5 от Anthropic продаётся с 22 сентября 2026 года. Всё ниже — это либо цена из прайс-листа поставщика, либо показатель Artificial Analysis с соответствующей пометкой; эти два никогда не смешиваются в одном числе.
• Цена за миллион токенов — Qwen4-Max $1.50 за ввод / $4.50 за вывод в Сингапуре ($1.413 / $4.24 в регионах глобального охвата); Claude Opus 5.5 $4.00 за ввод / $20.00 за вывод. Обе цены являются каталожными ценами производителя.
• Кэшированный ввод — Qwen4-Max: $0.075 за миллион при чтении из кэша против $0.20 у Claude Opus 5.5. Qwen также публикует тарифы на запись в кэш: $1.875 за пятиминутную запись и $3.00 за часовую.
• Контекстное окно — 1 000 000 токенов, заявленное для обоих. Трекер Artificial Analysis указывает для Qwen4-Max значение 983 616, и это не противоречие, а потолок ввода в режиме размышления: Alibaba ограничивает ввод на уровне 991 808 без размышления и 983 616 с ним, поскольку рассуждение и ответ делят один бюджет вывода в 262 144 токена.
• Максимальный объём вывода — {{1}}Qwen4-Max{{/1}}: 131 072 токена в режиме без рассуждений или 262 144 токена, разделённые между рассуждениями и ответом, когда режим рассуждений включён. Claude Opus 5.5 не публикует аналогичного разделения.
• Показатель индекса — Qwen4-Max 42,9 при уровне усилий xhigh; Claude Opus 5.5 59,1 при максимальном уровне усилий. Artificial Analysis, v5.0.1.
• Стоимость одной задачи индексирования — $3.27 против $10.04. Artificial Analysis, та же версия.
• Веса — ни одна из моделей не открыта. Qwen4-Max указана как проприетарная, а её единственным хостингом является Alibaba Cloud; Claude Opus 5.5 является проприетарной и распространяется через API Anthropic, Amazon Bedrock, Google Cloud и Microsoft Azure.
• Модальность ввода — оба принимают текст и изображения и возвращают текст. Ни один из них не принимает видео согласно флагам возможностей трекера.

Где на самом деле находятся шестнадцать точек
Один-единственный номер индекса скрывает больше, чем показывает, и эта пара — хороший тому пример. Наборы тестов, где две модели близки, — не те, о которых спорят люди.
• Terminal-Bench 4.0 — Claude Opus 5.5 59,6%, Qwen4-Max 48,5%. Одиннадцать процентных пунктов, и именно этот тест наиболее прямо отвечает на вопрос «умеет ли она управлять командной оболочкой».
• FrontierCode 2.0 — 46,4% против 26,5%. Это самый широкий разрыв в наборе и тот, у которого наиболее очевидные коммерческие последствия, поскольку речь идёт о работе с кодом в масштабе репозитория, а не о генерации отдельных функций.
• HLE Diamond — 67,9% против 44,9%. Сложные научные вопросы, разрыв в 23 процентных пункта.
• CritPt Agentic Hard — 68.0% против 43.0%. Разрыв в 25 пунктов в рассуждениях уровня физики.
• GDPval — 1,866.27 против 1,808.69. Разница в 3.1% на бенчмарке ценности задач. На экономически обоснованной профессиональной работе две модели почти не отличаются; на сложной технической работе — отличаются.
• Всезнание — 48,1 у Claude Opus 5.5 против 27,7 у Qwen4-Max, что звучит как очередной разгром, пока не посмотришь на столбец галлюцинаций в следующем разделе.
• Разбивка по возможностям — модель Anthropic лидирует по каждому из шести субпоказателей, публикуемых трекером, с наименьшим отрывом в финансах и бухгалтерском учёте (59,4 против 54,1) и наибольшим — в инженерии (65,3 против 50,1).
Практический вывод: если ваша работа — это суммирование, извлечение информации или анализ документов с опорой на источники, заявленный разрыв в 16 пунктов преувеличивает разницу. Если ваша работа — агентное программирование, он её преуменьшает.

Обе модели выдумывают. Одна делает это заметно реже.
Artificial Analysis сообщает долю галлюцинаций в тесте на всезнание наряду с оценкой точности, и это единственная колонка, где Qwen4-Max однозначно побеждает: 28,4% его неверных или непроверяемых ответов были галлюцинациями против 50,3% у Claude Opus 5.5. Иными словами, Opus гораздо чаще прав, но когда он ошибается, он более чем вдвое вероятнее уверенно ошибается, а не просто молчит.
Это важно для всего, где есть этап проверки человеком. Модель, которая в 50% случаев, когда ошибается, говорит «Я не знаю», стоит вам одного уточняющего запроса. Модель, которая в 50% случаев, когда ошибается, выдумывает, стоит вам проверки фактов для каждого результата — а это другая и гораздо более крупная статья расходов.
Счёт — это входные данные, а не выходные.
Обе модели продаются с упором на заявленный тариф на вывод, и в обоих случаях деньги уходят не на вывод. Если разложить собственные данные Artificial Analysis о стоимости на задачу: у Qwen4-Max из $3,27 на входные токены приходится $2,80, а на вывод — $0,47. У Claude Opus 5.5 из $10,04 на вход приходится $6,57, а на вывод — $3,47. Это 86% и 65% соответственно, и в обоих случаях большая часть входных затрат — это трафик кэша: $1,12 из входных затрат Qwen4-Max — чтение из кэша, а $1,67 — запись в кэш; аналогичные показатели Opus — $4,74 и $1,80.
Вот почему сравнение стоимости за токен между этими двумя моделями — наименее полезная цифра на странице. Цена выходных токенов у Qwen4-Max в 4,4 раза ниже, чем у Opus, и всё же его преимущество по стоимости одного ответа составляет лишь 3,1×, потому что он тратит бо́льшую долю своего бюджета на контекст, который ему нужно прочитать, и — при $1,875 за миллион токенов для записи в пятиминутный кэш — на контекст, который ему нужно записать.
Агент на сорок ходов, оценённый дважды
Возьмите агента для программирования, который добавляет 8 000 токенов вывода инструментов за ход, выполняется сорок ходов и выдаёт 1 500 токенов ответа за каждый ход. Без кеширования, по ценам из прайс-листа:
• Qwen4-Max — 6,56 млн накопленных входных токенов по $1,50 плюс 60 000 выходных токенов по $4,50: $9,84 + $0,27 = $10,11.
• Claude Opus 5.5 — 6,56 млн входных токенов по $4,00 плюс 60 000 выходных по $20,00: $26,24 + $1,20 = $27,44.
Теперь тот же запуск при 90%-м коэффициенте попаданий в кэш для накопленного префикса — именно этого фактически достигает хорошо построенный цикл агента:
Qwen4-Max — 5,904 млн из кэша по $0,075 ($0,44) + 656 тыс. новых по $1,50 ($0,98) + $0,27 за вывод = $1,69.
• Claude Opus 5.5 — 5.904 млн кэшированных по $0.20 ($1.18) + 656 тыс. свежих по $4.00 ($2.62) + $1.20 за вывод = $5.01.
Отсюда следуют две вещи. Кэширование сокращает оба счёта более чем на 80%, так что агент без кэширования промптов платит в пять-шесть раз больше, чем нужно. А соотношение почти не меняется — 2,7× без кэширования, 3,0× с кэшированием — потому что преимущество Qwen4-Max сосредоточено в тарифе записи в кэш, который сценарий с кэшированием использует в начале. Это арифметика по прайс-листу на основе опубликованных тарифов, а не фактически измеренные счета; количество ходов, рост префикса и доля попаданий в кэш существенно изменят абсолютные цифры.
Именно здесь слой маршрутизации оправдывает своё существование, а не просто добавляет удобство. Мы передаём закупочные цены провайдеров с наценкой 0%, поэтому разрыв выше — это разрыв провайдера, а не наш, — и если Anthropic изменит карточку Opus, это изменение вступит в силу на том же ключе в тот же день. Обе модели доступны через одну конечную точку с автоматическим переключением при сбое, что здесь особенно важно, поскольку между датами их выхода два месяца: регрессия, специфичная для Qwen4-Max, проявится как неудачный запрос, а не как плохой ответ, который вы заметите неделю спустя.
Что на самом деле утверждает фраза «отрезан от дистилляции»
Утверждение, циркулирующее вокруг этого сравнения — что Qwen4-Max выглядит конкурентоспособным на вендорских бенчмарках, а затем разваливается на независимом индексе, и что отрезанность Alibaba от дистилляции объясняет это падение — это два утверждения, наряженные в одно пальто, и измеримо только первое.
Первое верно и не является загадкой. В материалах запуска Alibaba сообщается: Work360 — 52,69 против 47,74 у предыдущего поколения, сокращение количества токенов на 24% и 35% на том же бенчмарке, 48% и 49% на Terminal-Bench 4.0, а стоимость одной задачи снижена с $4,43 до $1,67. Всё это заявлено производителем и не воспроизведено. В независимом индексе из девяти наборов, включающем FrontierCode 2.0 и CritPt Agentic Hard — наборы, по которым Alibaba не публикует цифры, — модель набирает 42,9. Набор бенчмарков производителя и независимый, измеряющие разные вещи, будут расходиться; это нормальная ситуация, а не свидетельство чего-либо.
Второе утверждение — о дистилляции — покупатель не может ни проверить, ни использовать для принятия решений, и это не свойство модели, к которому можно обратиться. Проверяемой и полезной является структура дефицита: он сосредоточен в коде масштаба репозитория и сложной науке, но слабо выражен в ценности для профессиональных задач. Это утверждение о том, где развертывать модель, и оно остаётся в силе независимо от того, что в итоге окажется правдой о том, как её обучали.

Получение любого из них
Claude Opus 5.5 есть в нашем каталоге под идентификатором anthropic/claude-opus-5.5 по прайсовой цене Anthropic: $4.00 за вход и $20.00 за выход за миллион токенов. Qwen4-Max в нашем каталоге отсутствует — идентификатор qwen4 сегодня возвращает not-found, — а добраться до него можно через собственный API Model Studio от Alibaba и несколько сторонних платформ. Мы не будем делать вид, что это не так, и честная замена с нашей стороны — qwen/qwen3.8-max, предыдущий флагман, по $2.00 и $6.00.
Итак, правило принятия решения уже, чем следует из табло показателей. Если ваша нагрузка — это программирование в масштабе репозитория, сложные технические рассуждения или что-либо, где неверный ответ дорого обходится, а медленный — нет, то 16 пунктов реальны, и $10.04 за задачу — их цена. Если ваша нагрузка — это работа с документами на основе источников в больших объёмах, где, по данным GDPval, две модели различаются менее чем на 3%, вы платите по тарифу Opus за разницу, которая не проявится в вашем наборе оценок, — и Qwen4-Max за $3.27 является более выгодной покупкой, а более низкий уровень галлюцинаций идёт бонусом. Число, которое нужно вычислить до принятия решения, — это не разрыв в индексе. Это то, какая доля ваших входных данных кэшируется.
Сравнение в этой статье2
Определено по этой статье · Бенчмарки: Artificial Analysis · обновляется ежедневно
