Ett genererat titelkort med texten Qwen4-Max vs GPT-6 Luna, med underrubriken 22 gånger uppgiftskostnaden, 15 indexpoäng och tre platta linjeikoner som antyder en stigande kostnadskurva, en poängstapel och en videoram.
Guides & Insights

Qwen4-Max vs GPT-6 Luna: 22× uppgiftskostnaden för 15 indexpoäng

Författare

Alistair Wren

Publiceringsdatum

Senaste modellerna · 20Visa alla modeller →
Benchmarks: Artificial Analysis · uppdateras dagligen
Tillbaka till alla inlägg

Låt en Qwen4-Max-förfrågan och en GPT-6 Luna-förfrågan gå genom samma utvärderingssvit, och räkningen landar på $3,27 mot $0,15. Tjugotvå gånger. Ställer man poängen sida vid sida är det 43 mot 28 – femton poäng, vilket är skillnaden mellan en modell man skulle ge en agentkörning på flera timmar och en man skulle ge ett dokument. Båda gapen är verkliga, båda är uppmätta på samma indexrevision, och inget av dem avgör frågan, eftersom Qwen4-Max har varit allmänt tillgänglig sedan 16 november 2026 till $1,50 och $4,50 per miljon tokens medan GPT-6 Luna har legat på en tiondel av det sedan 22 september. Beslutet gäller inte vilken modell som är bättre. Det gäller vilka femton poäng du faktiskt kommer att använda, och svaret ändras två gånger på vägen genom den här jämförelsen.

22× och vad den är gjord av

Börja med prislistan, för den kvot som anges i rubriken är inte den kvot du betalar.

• Indata — Qwen4-Max $1,50 per miljon i Singapore, $1,413 i de globala regionerna. GPT-6 Luna $0,10. Femton mot ett.

• Utdata — Qwen4-Max $4.50, eller $4.24 Global. GPT-6 Luna $0.50. Nio mot ett.

• Cachad indata — Qwen4-Max $0.075 Singapore, $0.071 Global, en rabatt på 95 %. GPT-6 Luna $0.01, en rabatt på 90 %.

Blandat — Qwen4-Max $0,80 per miljon enligt trackerns 7:2:1-viktning för cacheträff/indata/utdata. GPT-6 Luna $0,077. Tio mot ett.

• Kostnad per uppgift i Intelligence Index — Qwen4-Max 3,27 USD, GPT-6 Luna 0,15 USD. Tjugotvå mot ett.

Femton, nio, tio, tjugotvå. De fyra talen stämmer inte överens, och själva oenigheten är det användbara: förhållandet per uppgift är mer än dubbelt så stort som det blandade prisförhållandet, eftersom Qwen4-Max måste skicka ut fler token för att slutföra sviten, inte för att dess taxor är sämre än priskortet antyder. Trackerns panel för verbositet anger Qwen4-Max till 127 miljoner output-token mot en median på 90 miljoner; Luna till 110 miljoner mot samma median. Båda ligger på den verbosa sidan. Qwen4-Max ligger 15 % högre, och de 15 procenten spelar verklig roll i en 22×-skillnad som ett 10×-priskort skulle ha förutspått.

Alla siffror i det här avsnittet är Artificial Analysis-mätningar på index v5.0.1 – det ombaserade indexet, så en Luna-poäng från en resultattavla i juli går inte att jämföra med de 28 som anges här – kombinerat med varje leverantörs egen publicerade prislista. Ingen av leverantörerna har publicerat en matchad direkt jämförelse, och varje jämförelse som byggs av dessa siffror är aritmetik på två separata körningar, inte ett benchmark.

A generated two-column scoreboard for Qwen4-Max and GPT-6 Luna across six shared dimensions: index 43 against 28 at max and 18 at the default, price $1.50 and $4.50 against $0.10 and $0.50 per 1M, cost per index task $3.27 against $0.15, time per task 29.8 minutes against 12.2, output speed 59 against 103 tokens per second, and input modalities text, image and video against text and image.

Inställningen för ansträngning är den större hävstången.

Här är vad som gör 43-mot-28-framställningen missvisande, och det är inte en liten korrigering.

GPT-6 Luna levereras med sex resonemangsinställningar – none, low, medium, high, xhigh och max – och standardinställningen är medium. Artificial Analysis betygsätter varje nivå. Spridningen är inte en avrundningsskillnad:

• Max — 28 på indexet, 0,15 USD per uppgift, 12,2 minuter, 103 tokens per sekund.

• Xhigh — 23, 7,4 minuter, 99 tokens per sekund.

• Hög — 21, 6,0 minuter, 91 tokens per sekund.

• Medel – 18, 3,5 minuter, 93 tokens per sekund. Detta är standardinställningen, och det är inställningen som nästan varje produktionsanrop faktiskt använder.

• Låg — 10, 0.6 minuter, 87 tokens per sekund.

• Icke-resonerande — 9, 2,0 minuter, 84 tokens per sekund.

Så den ärliga jämförelsen är inte 43 mot 28. Det är 43 mot 18 för en anropare som inte skickar någon effort-parameter, och 43 mot 28 för en som drar ratten till max och betalar sex gånger så lång latens för det. Tjugofem poäng vid standardinställningen och femton vid taket, från samma modell, utan någon prisändring på priskortet.

Qwen4-Max har en stege med tre steg – low, high, xhigh – och standardvärdet är high. Det finns inget medium: både Chat Completions och DashScope mappar medium till high, så att be om mellaninställningen kostar lika mycket som den högsta. Det är ett sämre reglage än Lunas, och det spelar roll av samma anledning – steget du väljer avgör poängen, och Qwen4-Max ger dig färre sätt att köpa mindre av den.

Det trackern inte publicerar för Qwen4-Max är en poäng för vart och ett av dess tre steg; sidan anger 43 och stannar där. Lunas fullständiga stege med sex steg är offentlig, vilket gör Luna till den modell som är lättare att modellera men svårare att ange ett pris för. Om du bygger en kostnadsprognos är en helt publicerad stege värd mer än en enda bättre siffra, eftersom du kan se var knäpunkten ligger.

A screenshot of the OrcaRouter model page for openai/gpt-6-luna, captured in an English interface, showing the OpenAI breadcrumb, the openai/gpt-6-luna identifier, a 128K max output, vision and tools and JSON and reasoning capability chips, an output modality of text, and a public-benchmarks line attributed to OpenAI dated 2026-09-22.

Lunas 272 000-token-klippa

Båda modellerna annonserar en kontext på en miljon token och bara en av dem tar samma pris över hela kontexten, och detta är det enskilt dyraste en köpare kan missa.

• Qwen4-Max – 1,50 $ och 4,50 $ med fast pris över hela fönstret på 1 000 000 token, utan nivåindelning vid 32K eller 128K. Dokumenterat tak för indata är 991 808 token utan tänkande och 983 616 med tänkande aktiverat; utdata utan tänkande begränsas till 131 072 och tänkande plus svar delar på 262 144.

• GPT-6 Luna — $0,10 och $0,50 upp till 272 000 indatatokens, därefter $0,20 för indata och $0,75 för utdata över det. Omprissättningen gäller hela begäran, inte överflödet: en prompt på 300 000 tokens betalar dubbelt för alla 300 000, inte för de sista 28 000. Kontextfönstret är 1 050 000 enligt O​penAIs dokumentation och 1M i trackern; maximal indata 922 000; utdatatak 128 000.

Kör långkontextfallet och 22× kollapsar mot 7,5×. Ett dokument på 400 000 token med ett svar på 8 000 token kostar $0,60 för input och $0,09 för output på Qwen4-Max – $0,69 enligt Singapores taxor. Samma förfrågan på Luna kostar $0,08 för input och $0,006 för output, $0,086. Sju och en halv gånger, inte tjugotvå. Luna är fortfarande dramatiskt billigare, och den är billigare med en tredjedel av den marginal som rubriksiffran antyder.

Den inversionen har en andra egg, och den skär åt andra hållet. Under 272 000 tokens gäller aldrig klippan, och de flesta agentarbetsbelastningar – en kodbas­kontext, en supportkonversation, en verktygsanropsloop – ligger väl under den. Ett team som läser "1M context" på båda korten och budgeterar Luna till $0.10 för ett jobb på 500 000 tokens har underbudgeterat med 2× för indata och 1.5× för utdata, och misstaget visar sig först på fakturan.

Det finns också en rad om datavistelse som är värd att känna till innan priset blir avgörande: EU-datavistelse på Luna är endast tillgänglig med Standardbearbetning, vilket helt utesluter Batch- och Fast-rabatterna. Om ett krav på datavistelse ingår i omfattningen är den effektiva Luna-taxan standardtaxan, och den rabattstruktur du hade räknat med är inte tillgänglig för dig.

Video, och raden som Luna inte kan gå in i

Skillnaden mellan modaliteter är mindre än marknadsföringen antyder och större än vad en snabb titt på specifikationerna antyder.

• GPT-6 Luna — text och bild in, text ut. Inte en video- eller ljudmodell. Bildgenerering, talgenerering, transkribering och översättning anges alla som ej stödda.

• Qwen4-Max — text, bild och video in, text ut, där syn hanteras inbyggt i stället för via en extraktor. OpenAI Chat Completions, OpenAI Responses, Anthropic Messages och DashScope på protokollsidan, mot Lunas Responses, Chat Completions och Batch.

Qwen4-Max är den enda av de två som du kan peka på en skärminspelning, en föreläsningsinspelning eller en videorecension och ställa en fråga om. Det är en verklig kapacitetsskillnad och inte en benchmarkskillnad – inget index på något av korten mäter den, och oavsett hur mycket man justerar effort-nivån på Luna går den inte att åstadkomma. Om video ingår i arbetsbelastningen slutar jämförelsen här, och 22× är inträdespriset.

Om video inte är aktuellt är raden dekoration, och protokollbredden är den mer intressanta halvan. Qwen4-Max talar fyra överföringsformat; Luna talar tre och låser sin rikaste verktygsyta bakom Responses – inbyggda verktyg som webbsökning, filsökning, kodtolkare och hostad shell körs där, och funktionsanrop på Chat Completions fungerar bara när reasoning effort är inställt på none. En pipeline som flyttar till Chat Completions för att spara pengar och fortfarande förväntar sig verktygsanrop misslyckas vid första begäran. Det är en migreringsfälla, inte en kapacitetslucka, och det är sådant som kostar en vecka snarare än en procentandel.

Det här är skarven där ett routinglager förtjänar sin plats snarare än ett modellval. OrcaRouter har redan openai/gpt-6-luna till OpenAIs listpriser med 0 % påslag som förs vidare – så en prisändring för Luna slår igenom här samma dag som den landar på OpenAIs prislista – och Qwen4-Max finns inte hos oss; den nås via Alibabas eget Model Studio-API och flera tredjepartsplattformar. Ett API för över 200 modeller, en nyckel, och ett routing-DSL som klassificerar en förfrågan och skickar den till den av de två som raden säger att den hör till: Luna för extraktionsnivån med hög volym, Qwen-klassen för video- och långkontextarbete som Luna strukturellt inte kan ta. Automatisk failover täcker dagen då den billiga nivån har en dålig timme, vilket är dagen en pipeline med en enda leverantör upptäcker att den har en.

A screenshot of the Artificial Analysis page for GPT-6 Luna, captured in an English interface, showing the Intelligence, Performance and Price panels, a 1M-token context note, a speed figure, a 12.2-minute time per task and the model's measured intelligence score of 28.

När varje modell är rätt val

Three workloads, three different answers, and the third one is where most teams actually are.

Hög volym, väl specificerat, kontrollerat. Klassificering över ett corpus, extrahering från dokumentuppsättningar, sammanfattning, supporttriage-steget i en pipeline. Luna på $0,15 per uppgift mot Qwen4-Max på $3,27 är en kostnadsminskning på 95 % för arbete som aldrig behövde en 43. De 18 du får med Lunas standardinställning ligger över medianen för dess prisband och utdata är kontrollerbar, vilket är hela argumentet. Det här är inte ett tveksamt val.

Lång horisont, obevakat, dyrt att få fel. Agentkörningar på flera timmar, refaktoreringar i repositoriestorlek, forskning som spänner över dussintals verktygsanrop. Femton indexpoäng är skillnaden mellan en modell som kan hålla en plan och en som tappar den, och till $3.27 per uppgift jämfört med en körning som kostar en ingenjörstimme att göra om, är priset inte begränsningen. Qwen4-Max är också den enda av de två som tar emot videoinmatning, vilket för en växande andel agentiskt arbete – skärmbilder, skärminspelningar, UI-spår – är skillnaden mellan en arbetsbelastning som finns och en som inte gör det.

Latenskänslig, någonstans i mitten. Det här är fallet som inget av korten svarar på. Luna avkodar 103 tokens per sekund vid maximal ansträngning och 93 vid sin standardinställning; Qwen4-Max på 59. Luna slutför en indexuppgift på 12,2 minuter vid max och 3,5 vid standard; Qwen4-Max på 29,8. Om en människa väntar är 59 tokens per sekund siffran som avgör om produkten känns levande, och ingen besparing per uppgift kompenserar för ett gränssnitt som stannar upp. Om ingen väntar är 29,8 minuter väggklockstid som du kan planera kring.

Den korrekta formen för de flesta team är inte en av dessa två, utan båda – och anledningen är att beslutsgränsen är en egenskap på förfrågningsnivå, inte på avtalsnivå. En pipeline som klassificerar på Luna och eskalerar till en frontiermodell när klassificeraren är osäker får 95 % besparing på de enkla 90 % och de femton procentenheterna på resten. Det är vad routing-DSL:en är till för, och det är den enda konfigurationen i den här jämförelsen som inte kräver att man väljer en förlorare.

Räkningen du faktiskt kan förutse

Tjugotvå gånger uppgiftskostnaden för femton indexpoäng. Dela det ena med det andra och Qwen4-Max kostar $0.076 per indexpoäng mot Lunas $0.0054 — fjorton gånger mer per poäng, vilket är siffran som får Luna att framstå som det uppenbara köpet och den siffra som är minst användbar, eftersom ingen konsumerar indexpoäng.

Det folk konsumerar är en arbetsbelastning, och arbetsbelastningen har tre egenskaper som avgör detta: hur många tokens kontexten omfattar, om en människa väntar, och om ett felaktigt svar är billigt att upptäcka. Luna vinner de två första rakt av och förlorar den tredje så pass illa att jämförelsen inverteras. Qwen4-Max vinner den tredje och tar betalt för det till en kostnad som bara är rimlig om alternativet är en omkörning.

Förutsägelsen som står kvar efter allt: om du väljer mellan dessa två utifrån pris har du redan valt fel, eftersom 22× inte är en premie du bör betala för varje förfrågan i en pipeline – det är en premie du betalar för den lilla andel förfrågningar som behöver den. Routa den andelen. Resten är ett avrundningsfel som du kan lägga på något annat.