Сгенерированная титульная карточка с текстом «Qwen 4 против Claude Opus 5.5: шестнадцать баллов индекса, и во сколько они обходятся за ответ» и подзаголовком «Opus даёт на 38% больше баллов индекса, а стоимость выполнения задачи у него на 207% выше, причём основную часть счёта формируют входные данные». Три пронумерованные строки гласят: «оценка индекса 42,9 против 59,1, Artificial Analysis v5.0.1», «стоимость выполнения одной задачи индекса — $3,27 против $10,04» и «чтение кеша — $0,075 против $0,20 за миллион токенов». В нижнем колонтитуле указано: «Оценки и стоимость выполнения одной задачи по Artificial Analysis Intelligence Index v5.0.1; цены — по опубликованному прайс-листу каждого поставщика». Плоская векторная стилистика на белом фоне с сине-голубыми градиентными акцентами, знак OrcaRouter совмещён в правом нижнем углу.
Guides & Insights

Qwen 4 vs Claude Opus 5.5: шестнадцать пунктов индекса и сколько они стоят за ответ

Автор

Gideon Frost

Дата публикации

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

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.

A generated two-column scoreboard titled 'Qwen4-Max vs Claude Opus 5.5 - the scoreboard'. The Qwen4-Max column reads index score 42.9, cost per index task $3.27, cents per index point 7.6, input per million $1.50, output per million $4.50, hallucination rate 28.4%. The Claude Opus 5.5 column reads index score 59.1, cost per index task $10.04, cents per index point 17.0, input per million $4.00, output per million $20.00, hallucination rate 50.3%. A footer reads 'Scores and per-task cost per Artificial Analysis Intelligence Index v5.0.1; prices per each vendor's published rate card.' The OrcaRouter mark is composited bottom right.

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.

A headless-browser screenshot of the Artificial Analysis page for Claude Opus 5.5, captured 17 November 2026 in English, showing Anthropic's mark, the label Proprietary model, Released September 2026, Intelligence #5 of 81, Performance #65 of 79, Cost #75 of 80, the price block reading In $4.00 and Out $20.00, a $10.04 per-task figure, an index reading of 59, and the summary paragraph describing the model as leading in intelligence but expensive for its price band and notably slow per task.

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.

A headless-browser screenshot of the OrcaRouter model page for Claude Opus 5.5, captured 17 November 2026 in English, showing the identifier anthropic/claude-opus-5.5, the FLAGSHIP badge, by Anthropic dated 2026-09-22, a context window of 1M tokens, max output 128K, input listed as text, image and file, and output as text.

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

© 2026 OrcaRouter