Dessa vs Qwen3.8-Max: En utdatatoken för 6 dollar mot en modell utan pris

Qwen3.8-Max tar 2,00 dollar per miljon indatatoken och 6,00 dollar per miljon utdatatoken. Dessa tar ingenting, eftersom Block inte säljer det, hostar det eller släpper det. Det är ingen kritik av Dessa – det är hela jämförelsen. Den ena modellen är en prissatt, anropbar flaggskeppsmodell med oberoende poängsättning; den andra är en talforskningsförhandsvisning som annonserades den 23 oktober 2026 med en väntelista och en demosida. Att ställa dem sida vid sida är användbart just därför att de befinner sig i varsin ände av samma produktfråga: vad kostar det att ge en användare en röst?

Qwen3.8-Max är Alibabas hostade flaggskeppsmodell, som tillkännagavs den 3 augusti 2026 – en gles mixture-of-experts-modell med 2,4 biljoner parametrar och ungefär 95 miljarder parametrar aktiva per token. Dessa är Blocks full-duplex tal-till-tal-modell, tränad från grunden på mänskliga samtal utan text och utan förtränade modeller. Den ena läser och resonerar över en miljon tokens text. Den andra lyssnar och talar samtidigt. Ingen av dem kan göra den andras jobb, och bara en av dem kan anropas i dag.

Vad varje modell egentligen är till för

Qwen3.8-Max är en universell resonemangs- och genereringsmotor. Den tar emot text, bilder och video och returnerar text, med ett kontextfönster på cirka en miljon token, maximal utdata på 131 072 token och ett tankeläge som kan ägna upp till 262 144 token åt tankekedja. Alibabas egen benchmarktabell är inriktad på resonemang i framkant och agentiskt arbete: GPQA Diamond 92,6, PaperBench 93,0, OSWorld 86,1, BabyVision 82,0, samtliga rapporterade av leverantören. Artificial Analysis, som är oberoende, placerar den på 45 i sitt Intelligence Index och uppmäter 42,4 utdatatoken per sekund.

Dessa är ett samtalsgränssnitt. Det tar en ljudström och returnerar en ljudström, utan text däremellan, och det är full-duplex, vilket innebär att det kan lyssna medan det talar. Blocks demos visar hur det ger backchannel-signaler, skrattar mitt i en mening, matchar volymen och fyller i en talares glömda filmtitel. Det finns ingen benchmarktabell, inget parameterantal och inget kontextfönster eftersom det inte finns något token-gränssnitt att mäta.

Det här är inte konkurrerande svar på en fråga. De är svar på två frågor som en röstprodukt måste ställa i följd: hur förstår systemet, och hur talar det?

Siffrorna, och hålet där Dessa's borde vara

Varje Qwen-siffra nedan kommer från Alibabas publicerade prissättnings- och modelldokumentation eller från Artificial Analysis, och är märkt därefter. Varje Dessa-siffra kommer från Blocks meddelandesida, som publicerar väldigt lite.

• Pris — Qwen3.8-Max $2.00 för indata och $6.00 för utdata per miljon tokens jämfört med Dessa som saknar pris.

• Cachad indata – Qwen3.8-Max $0,25 per miljon tokens vs Dessa ej tillämpligt.

• Parametrar — Qwen3.8-Max 2,4T totalt, ungefär 95B aktiva jämfört med Dessa som inte är offentliggjorda.

• Kontext — Qwen3.8-Max cirka 1 000 000 tokens; Artificial Analysis anger 984k, medan Dessa inte anges.

• Maximal utdata — Qwen3.8-Max 131 072 tokens vs Dessa ej tillämpligt, eftersom utdata är ljud.

• Modalitet – Qwen3.8-Max text, bild och video in, text ut vs Dessa ljud in, ljud ut.

• Oberoende poäng — Qwen3.8-Max 45 på Artificial Analysis Intelligence Index jämfört med Dessa: ingen.

Leverantörsbenchmarks — Qwen3.8-Max GPQA Diamond 92,6, OSWorld 86,1 mot Dessa inga kvantitativa påståenden alls.

• Tillgänglighet — Qwen3.8-Max är ett prissatt API sedan augusti 2026, jämfört med Dessa som har en väntelista och en liten förhandsvisning för säkerhetsforskare.

• Licens — Qwen3.8-Max är ett hostat kommersiellt API, med en separat utgåva med öppna vikter under egna villkor, jämfört med Dessa där ingen licens har publicerats.

Man hör, man läser

Modalitetsgapet är den del som försvinner i en specifikationsjämförelse. Qwen3.8-Max tar emot text, bilder och video och producerar text. Ljud hör inte till dess indatamodaliteter och den producerar inte ljud alls; inget i Qwen3.8-serien är en tal-till-tal-modell.

Det innebär att en röstprodukt byggd på Qwen3.8-Max nödvändigtvis är en pipeline: taligenkänning omvandlar uppringarens ljud till text, Qwen3.8-Max resonerar över den texten och talsyntes omvandlar svaret tillbaka till ljud. Varje steg är en separat leverantör, ett separat felmod och en separat post på fakturan. Pipelinen fungerar – det är så de flesta röstagenter i produktion idag är byggda – men den har en strukturell kostnad som Dessas arkitektur är utformad för att eliminera.

Den strukturella fördelen med Dessa är inte intelligens. Det är att det inte finns någon transkription att binda sig till. En pipeline måste avgöra när du har slutat tala innan den kan svara; en duplexmodell behöver inte det. Det är därför Blocks demos kan visa överlappning och avbrott, och varför en pipeline måste fejka dessa beteenden med endpunktsdetektering och barge-in-logik som avbryter syntetiseraren mitt i ett ord.

Vad en live-röstagent faktiskt kostar på Qwen3.8-Max

Kalkylen är mer betryggande än prislistan antyder. Ett tio minuter långt talat samtal landar på ungefär 1 500 ord, vilket är cirka 2 000 inputtokens när systemprompten och samtalshistoriken räknas in. Ett svar av liknande längd är omkring 1 000 outputtokens om agenten är koncis. Med $2.00 och $6.00 per miljon blir det $0.004 för input och $0.006 för output – ungefär en cent i språkmodellskostnad per tio minuters samtal.

Vid 10 000 samtal om dagen är kostnaden för språkmodellen cirka 100 dollar om dagen, eller ungefär 3 000 dollar i månaden. Det är inte ingenting, men det är nästan säkert mindre än kostnaden för taligenkänning och talsyntes för samma volym, och mindre än ingenjörskostnaden för orkestreringslagret. Intuitionen att röst är dyrt eftersom tokens är dyra är fel med nuvarande priser. Röst är dyrt eftersom ljud in och ljud ut är dyrt, och eftersom pipelinens latens är summan av dess steg.

Kontextfönstret på en miljon token förändrar vad agenten kan hålla. Ett samtal på tio minuter är ett avrundningsfel mot det fönstret, vilket innebär att systemet kan bära hela transkriptionen, kundens fil och ett policydokument samtidigt utan hämtning. Det är en förmåga som Dessa inte har något gränssnitt för alls – en enbart talbaserad modell kan inte läsa policydokumentet.

Det är i latensbudgeten som arkitekturerna skiljer sig åt.

I en pipeline slutar användaren tala, igenkännaren väntar på en slutpunkt, språkmodellen producerar en första token och syntetiseraren producerar det första ljudet. Strömning i varje steg döljer en del av detta, men kedjan har fortfarande en undre gräns, och barge-in innebär att riva ned syntetiseraren och starta om igenkännaren. Resultatet är den välbekanta rytmen hos röstassistenter: en paus, sedan ett svar, sedan en paus.

Dessas påstående är att rytmen försvinner eftersom det inte finns någon kedja. Block säger att inferensen körs snabbare än realtid på en MacBook Pro M4 Max, vilket – om det stämmer – innebär att modellen inte är flaskhalsen. Men företaget publicerar ingen latenssiffra i millisekunder, ingen återhämtningsgrad efter avbrott och inga mätningar under nätverks- eller bakgrundsbrusförhållanden. ”Snabbare än realtid” är ett uttalande om genomströmning, inte om responsivitet. En modell kan generera ljud snabbare än uppspelning och ändå ta 800 millisekunder på att reagera på ett avbrott.

För ett produktteam är den där saknade siffran det avgörande. Anledningen till att införa en duplexmodell är timingen. En leverantör som inte vill offentliggöra timingen har ännu inte lagt fram sitt argument.

Tillgänglighet, routning och vad du kan göra på måndag

Qwen3.8-Max finns i OrcaRouter-katalogen, vilket innebär att den är nåbar via samma nyckel som resten av de över 200 modeller vi routar, med 0 % påslag – leverantörens listpris förs vidare – och med automatisk failover mellan leverantörer. Om Alibaba ändrar priset slår ändringen igenom hos oss samma dag, eftersom det inte finns något påslagslager att prissätta om. Routnings-DSL:en kan kombinera Qwen3.8-Max med en billigare modell för huvuddelen av en transkription och reservera flaggskeppet för resonemangssteget; modellfusion kan köra en panel av modeller på samma fråga när svaret betyder mer än kostnaden.

Det finns billigare prisnivåer i samma familj om flaggskeppet är mer än vad uppgiften kräver. Qwen3.8-27B finns i vår katalog till $0,33 för indata och $2,40 för utdata per miljon tokens, och Qwen3.8-Flash till $0,15 och $0,47. För en röstagent vars språkmodellskostnad redan ligger på ungefär en cent per samtal är flaggskeppet överkomligt; de billigare nivåerna spelar roll vid högre volym eller för enklare turer.

Dessa finns inte i vår katalog och vi är inte värd för det. Blocks sida erbjuder en väntelista och tidigt tillträde för en liten grupp säkerhetsforskare. Det finns inget API att dirigera, inget pris att föra vidare och ingen endpoint att växla över till.

När Dessa skulle ändra svaret

Om Block lanserar ett API till ett rimligt pris handlar jämförelsen inte längre om tokens utan om minuter. Rätt mått skulle vara kostnaden per minut för naturligt samtal, inklusive taligenkänning och talsyntes som Dessa tar bort. Enligt det måttet skulle en duplexmodell, även till några cent per minut, kunna slå en pipeline vars ljudsteg kostar mer än dess språkmodell.

Det andra villkoret är kvalitet. En duplexmodell som är behaglig i trettio sekunder och förvirrad efter fem minuter är sämre än en pipeline som är långsammare men pålitlig. Blocks demonstrationer är för korta och för tillrättalagda för att besvara det, och företagets egna öppna frågor – faktabevarande, språkinlärning, in-context learning – är precis de som avgör huruvida ett långt samtal hänger ihop.

Vad ska man göra nu?

Bygg röstprodukten på pipelinen, eftersom den är den enda som har ett pris och ett avtal. Använd en stark taligenkännare och talsyntetiserare, placera Qwen3.8-Max i mitten där resonemanget sker och håll språkmodellslagret utbytbart så att den dyra delen kan flyttas när priserna ändras. Håll sedan utkik efter de två siffrorna som skulle motivera att bygga om kring en duplexmodell: en publicerad latenssiffra och ett pris per minut.

Jämförelsen på en rad: Qwen3.8-Max är det du kan köpa idag, och Dessa är det du kanske vill köpa imorgon. Skillnaden mellan dem är inte intelligens. Det är en prislista, en slutpunkt och ett benchmark – tre saker som Block ännu inte har publicerat, och tre saker som Alibaba lever på att publicera.