
Qwen4-Max mot Qwen3.8-Max-Prime: snabbspåret kostar dubbelt så mycket och kommer sist
- OrcaNYOrcaCyber: Hy4 Flash Abliterated / Uncensored2026-11-18$0.07 / $0.28 per 1M tokens · 180 tok/s
- tencentNYTencent: Hy4 Flash2026-11-16$0.02 / $0.07 per 1M tokens · 223 tok/s
- GoogleNYGoogle: Gemini 4 Carbon2026-11-10$2.00 / $10.00 per 1M tokens · 89 tok/s
- AnthropicNYAnthropic: Claude Fable 5.22026-11-09$8.00 / $40.00 per 1M tokens · 98 tok/s
- orcaNYOrca: OrcaC2 1.02026-11-079 tok/s
- OrcaOrcaCyber: GLM 5.3 Abliterated / Uncensored2026-11-04$3.00 / $5.00 per 1M tokens · 88 tok/s
- OrcaOrcaCyber: Hy4 Abliterated / Uncensored2026-11-04$0.80 / $1.60 per 1M tokens · 134 tok/s
- OrcaOrcaCyber: Kimi K3.1 Pro Abliterated / Uncensored2026-11-04$2.00 / $5.00 per 1M tokens · 79 tok/s
- tencentTencent: Hy42026-11-04$0.83 / $2.50 per 1M tokens · 94 tok/s
- OrcaOrcaCyber: MiniMax M3.1 Flash Abliterated / Uncensored2026-10-29$0.80 / $1.60 per 1M tokens · 118 tok/s
- OrcaOrcaCyber: GLM 5.3 Flash Abliterated / Uncensored2026-10-27$0.80 / $1.60 per 1M tokens · 68 tok/s
- OrcaOrcaCyber: Qwen3.8 Flash Next Abliterated / Uncensored2026-10-26$0.80 / $1.60 per 1M tokens · 94 tok/s
- OrcaOrcaCyber: MiMo V2.6 Flash Abliterated / Uncensored2026-10-26$0.80 / $1.60 per 1M tokens · 44 tok/s
- MoonshotMoonshotAI: Kimi K3.1 Pro2026-10-2447Intelligens
- OrcaOrcaCyber: DeepSeek V4.1 Flash Abliterated / Uncensored2026-10-23$0.80 / $1.60 per 1M tokens · 199 tok/s
- minimaxMiniMax: M3.1 Flash2026-10-1929Intelligens
- OrcaOrca: OrcaCyber Ultra 1.02026-10-17$5.00 / $10.00 per 1M tokens · 114 tok/s
- deepseekDeepSeek: DeepSeek V4.1 Flash 10172026-10-1733Intelligens
- DeepSeekDeepSeek: DeepSeek V4.1 Flash 09102026-10-17$0.15 / $0.60 per 1M tokens · 311 tok/s
- DeepSeekDeepSeek: DeepSeek V4.1 Flash2026-10-1740Intelligens
Qwen3.8-Max-Prime finns av exakt en anledning: att ta ungefär dubbelt betalt för att tokens ska komma snabbare. Qwen4-Max, allmänt tillgänglig sedan 16 november 2026, prissätts under modellen som Prime byggdes på – 1,50 dollar in och 4,50 dollar ut per miljon token i Singapore mot 2,00 och 6,00 dollar – och den slutför en uppgift på ungefär två tredjedelar av väggklockstiden. Så den jämförelse en läsare faktiskt behöver är inte "nytt flaggskepp mot gammalt flaggskepp". Det är huruvida den premiumhastighetsbana Alibaba säljer ovanpå Qwen3.8-Max fortfarande ger något som du inte kan få genom att helt enkelt byta till Qwen4-Max till standardpris, och det ärliga svaret är snävare än vad någon av leverantörernas sidor antyder: Prime strömmar fortfarande snabbare per token, och det är inte längre tydligt snabbare per uppgift.
Det finns en andra, mer diskret komplikation. Från och med den 18 november visas inte Prime-modell-ID:t på Alibabas dokumentationssida för Fast-läget eller i dess prislista för modeller, vare sig i den internationella eller i Kina-versionen. Den sidan uppdaterades senast den 11 oktober 2026, och nu listar den tre Prime-ID:n, alla GLM eller Wan – ingen Qwen-variant alls. Att något saknas är inte samma sak som att det har dragits tillbaka, och Alibaba har inte publicerat något meddelande om avveckling som vi kan hitta, så behandla detta som "inte längre listad" snarare än "utgången". Men om du budgeterar för ett byte den här veckan förändrar det frågan från vilken av de två du bör köpa till huruvida den äldre fortfarande finns kvar på hyllan.
En av dessa är en modell, den andra är en serveringsbana
Åtskillnaden avgör hela jämförelsen, och marknadsföringen gör inte den åtskillnaden.
• Qwen4-Max – en ny flaggskeppsmodell från Alibabas Qwen-team, allmänt tillgänglig 16 november 2026, debiteras per token i sex regioner, kontext på 1 000 000 token, text-, bild- och videoinmatning med textutdata, tänkande på som standard vid reasoning_effort=high.
• Qwen3.8-Max-Prime — inte en modell. Det är Qwen3.8-Max, 3.8-flaggskeppet med 2,4 biljoner parametrar som blev allmänt tillgängligt (GA) den 3 augusti 2026 och som tillhandahålls via det Alibaba kallar Fast mode (Prime mode, 优速模式). Samma vikter, samma kontext, samma verktygsyta, samma användningsgränser. Alibabas egen dokumentation anger att funktionerna och begränsningarna är "samma som originalmodellen" och att det enda du ändrar är modellparametern.
Det spelar roll eftersom en serving-bana åldras annorlunda än en modell. Prime ärver varje kapacitetstak från 3.8-generationen och alla dess token-effektivitetsegenskaper; det som tillkommer är extra genomströmningsutrymme på Alibabas egen infrastruktur, prissatt med en multiplikator. När generationen under den ersätts av något billigare och mer token-effektivt, behåller banan sin hastighet men förlorar sitt berättigande.
Prislistan, och inversionen som sitter i den
Detta är listpriser från Alibabas prislista, inte uppmätta fakturor. Per miljon tokens, in- och utdata:
• Qwen4-Max, Singapore — $1,50 / $4,50, oförändrat över hela fönstret på 1 000 000 token.
• Qwen4-Max, överallt annars — $1.413 / $4.24 i Peking, Hong Kong, Frankfurt, Virginia och Tokyo.
• Qwen3.8-Max, Singapore — $2.00 / $6.00; $1.650 / $4.951 i de globala regionerna.
• Qwen3.8-Max-Prime — $3.301 / $9.902 på det internationella kortet, med cacheträffar till $0.413. Det är exakt 2,0× standard-ID:ns Global-taxa, inte en avrundad uppskattning. Vi läste siffrorna från prislistan i slutet av september; de är de senast publicerade Prime-siffrorna vi har, och raden finns inte längre på sidan i dag.

• Pris för cacheläsning — 0,075 USD per miljon i Singapore och 0,071 USD någon annanstans, jämfört med Primes 0,413 USD vid cacheträff. Mindre än en femtedel av priset, på den post som en lång agentloop betalar oftast.
Ställer man den första och fjärde mot varandra blir kontrasten slående: den två dagar gamla flaggskeppsmodellen kostar cirka 43 % av vad föregående generations snabbvariant kostar för indata, och 43 % för utdata. Även jämfört med den vanliga Qwen3.8-Max som den ersätter är Qwen4-Max 25 % billigare i Singapore – och leverantören framställer det som en prissänkning, vilket det är, men bara om den nya modellen inte lägger besparingen på fler tokens. Mer om det nedan, för delvis gör den det och delvis inte.
Cachelinjen är den som ackumuleras. En lång agentloop med fast systemprompt och verktygsschema läser om sitt prefix vid varje tur, så det är cache-läsningspriset, inte det annonserade indatapriset, som bestämmer marginalkostnaden för den femtionde turen. Med $0.075 mot $0.413 läser Qwen4-Max om ett cachelagrat prefix för ungefär en femtedel av vad Prime tar ut – en skillnad som är 2,4 gånger större än 2,3× för ny indata, och den som avgör om en genomgång av ett dokument på 400 000 token överhuvudtaget är överkomlig.
Vad Prime faktiskt köper: tokens per sekund, inte uppgifter per timme
Alibabas sida för Fast-läget anger fördelen rakt på sak: TPS höjs till 1,5–2 gånger den för standard-API:et, avsedd för AI-kodassistenter, flerstegets agentresonemang och realtidssamtal. Den beskriver också en ovanlig strypningsregel – när du når hastighetsgränsen stryps du inte om plattformen fortfarande har ledig kapacitet, så det faktiskt tillgängliga genomflödet kommer inte att understiga den angivna gränsen. Det är ett golv, inte ett tak, och för en interaktiv kodassistent spelar svansen större roll än medelvärdet.
Siffran har aldrig mätts oberoende. Det som har mätts är standardbygget av Qwen3.8-Max: Artificial Analysis registrerar 60,0 genererade token per sekund via Alibabas eget API, med 3,6 sekunder till första token. Qwen4-Max registrerar, på samma resultattavla, 54,5 token per sekund och 6,9 sekunder till första token. Så om Prime verkligen levererar toppen av sitt angivna intervall strömmar det i ungefär 120 token per sekund – mer än dubbelt så snabbt som Qwen4-Max – och dess första token kommer tidigare.
Läs sedan den andra hälften av samma tabell, så vänds fördelen:
• Utmatningstokens per indexuppgift — Qwen4-Max 104 940 vs Qwen3.8-Max 170 794. Den nya modellen förbrukar 38,6 % färre tokens för att ta sig igenom samma utvärderingssvit, vid samma xhigh ansträngningsinställning på båda sidor.
• Klocktid per uppgift — 32,1 minuter mot 47,5 minuter. Qwen4-Max blir klar en tredjedel tidigare trots att den strömmar långsammare.
• Kostnad per uppgift — 3,27 USD vs 10,02 USD, baserat på publicerade listpriser. Multiplicera det 10,02 USD med Primes fasta 2,0×-premie och samma uppgift landar nära 20 USD.
Den sista siffran är aritmetik utifrån prislistan, inte en mätning – Artificial Analysis tog tid på standard-ID:t, inte Prime-körfältet, och ingen har publicerat något benchmark för Prime-läget som vi kan hitta. Ange den som en uppskattning. Men riktningen är inte tveksam: om du betalar 2,0× per token för ett körfält som avger samma tokens betalar du 2,0× för uppgiften. Prime gör varje token snabbare och varje jobb dyrare; Qwen4-Max gör varje token långsammare och varje jobb billigare och kortare.
För ett chattgränssnitt där en människa ser tecken dyka upp är den skillnaden verklig, och Prime vinner fortfarande. För en agent som kör tolv sekventiella anrop och debiterar dig i slutet är antalet tokens väggklockan.
Kapacitetsgapet, mätt snarare än påstått
Alibabas lanseringsmaterial för Qwen4-Max anger förbättringar av token-effektiviteten på ungefär 24 % vid xhigh effort och 35 % vid high i sitt interna Work360-benchmark, plus en minskning på 62 % av den genomsnittliga kostnaden per uppgift. Uppgifterna kommer från leverantören och har inte reproducerats. Den oberoende panelen ger en konsekvent men mindre dramatisk bild, och det är den man bör planera efter.
På Artificial Analysis Intelligence Index v5.0.1, vilka båda modeller poängsätts under samma ansträngningsinställning:
• Index — Qwen4-Max 42,9 (webbplatsen avrundar det till 43) jämfört med Qwen3.8-Max på 33,7. En generationsskillnad på nio poäng, och samma resultattavla anger 3.8-raden som utfasad, ersatt av Qwen4-Max.
• Humanity's Last Exam, Diamond — 44,9 % mot 24,0 %. Detta är den största enskilda avvikelsen i raden och den som mest förändrar vad du kan delegera.
• APEX Agents — 59,1 % vs 42,4 %. Agentiskt uppgiftsutförande ökar med nästan sjutton procentenheter, vilket är skillnaden mellan ett arbetsflöde du övervakar och ett du kontrollerar i efterhand.
• Terminal-Bench 4.0 — 48,5 % mot 38,9 %. En reell förbättring, och värd att ställa i relation till de 88,8 % som 3.8-bygget uppnår på den äldre Terminal-Bench 2.1, som Qwen4-Max inte har poängsatts på. Jämför inte mellan dessa två versioner.
• FrontierCode 2.0 — 26,5 % mot 23,4 %. Det minsta gapet på resultattavlan. Om din arbetsbelastning är kodgenerering mot ett kodförråd är generationshoppet tre punkter, inte nio, och Primes genomströmning kan fortfarande betyda mer för dig än indexet.
• Allvetenhet — 27,7 vs 10,5, med hallucinationsfrekvenser på 28,4 % och 27,1 %. Qwen4-Max kan betydligt mer och konfabylerar i ungefär samma utsträckning. Dessa två fakta tillsammans är anledningen till att den är säkrare vid öppna forskningsfrågor och inte säkrare på något du inte kan kontrollera.
Två luckor går i motsatt riktning, och båda handlar om vad du kan låsa fast. Qwen3.8-Max har en daterad ögonblicksbild, qwen3.8-max-0902, som fortfarande finns på prislistan till samma pris, så att du kan frysa beteendet över en release. Qwen4-Max har inget ögonblicksbilds-ID, ingen finjustering och ingen dedikerad driftsättning – Alibabas sida markerar båda som icke stödda. Om din regelefterlevnad bygger på en modell som inte kan förändras under fötterna på dig, är den äldre generationen den enda av de två som erbjuder det, och Prime ärver samma daterade bygge.
Tillgänglighetsfrågan som ingen har räknat in
Här är delen som gör den här jämförelsen akut snarare än akademisk. Gå till sidan för Fast-läget i dag och du hittar tre ID:n som stöds – glm-5.3-prime, glm-5.2-fast-preview och wan3.0-video-prime – i Peking och Singapore. Ingen Qwen-modell finns listad i någon av regionerna. Kontrollera modellernas prislista i den internationella eller Kina-utgåvan och det finns ingen rad för qwen3.8-max-prime; Qwen-posterna går qwen4-max, qwen3.8-max, qwen3.8-max-0902 och nedåt 3.7-serien. Och det finns ingen qwen4-max-prime någonstans – det nya flaggskeppet har ingen snabbspårsvariant alls.
Utifrån kan vi inte avgöra om Alibaba har avvecklat Qwen Prime-ID:t, flyttat det till en regional produktsida som vi inte har hittat, eller helt enkelt tagit bort det från en dokumentationstabell under en omstrukturering. Vad vi kan säga är mer begränsat men fortfarande användbart: en läsare som planerar en latenskänslig lösning på Qwen3.8-Max-Prime den här veckan bör bekräfta att ID:t fortfarande går att slå upp i den egna arbetsytan innan de bygger kring det, eftersom den offentliga dokumentationen inte längre utlovar det. Det är en annan riskprofil än i september, då ID:t stod på prislistan bredvid standard-ID:t.
Det ger också beslutet en ny inramning. Om Prime fortfarande är tillgängligt på ditt konto väljer du mellan en snabb fil på en äldre, svagare och dyrare modell och en långsammare fil på en nyare, billigare och starkare modell. Om det inte är tillgängligt har valet redan gjorts åt dig, och den enda återstående frågan är hur länge du fortsätter betala $2.00/$6.00 för standard 3.8 ID i stället för $1.50/$4.50.

Vem ska välja vilken
• Interaktiv kodningsassistent, en människa som tittar på strömmen – om Prime fortfarande löser på din arbetsyta och UX mäts i tecken per sekund, är 2× genomströmning produkten. Qwen4-Max på 54,5 token per sekund är inte långsam, men den är ingen snabbväg, och dess första token på 6,9 sekunder är nästan dubbelt så lång som standardbygget 3.8:s.
• Agentiska pipelines, batchutvärdering, dokumentgenomgångar – Qwen4-Max, utan större diskussion. Färre tokens per uppgift, färre minuter per uppgift, en tredjedel av kostnaden per uppgift och en cache-läsningskostnad som är mer än fem gånger lägre än Primes för långa prefix.
• Arbetsbelastningar som måste låsas — qwen3.8-max-0902, den daterade 3.8-ögonblicksbilden, till standardpriser. Varken Prime eller Qwen4-Max ger dig en fryst kontrollpunkt.
• Kodgenerering mot en stor kodbas – det jämnaste avgörandet på tavlan. Det är kanske inte värt att förlora en genomströmningsbana som du redan har instrumenterat för en förbättring på tre indexpoäng i FrontierCode 2.0, särskilt om din agent är flaskhalsen snarare än modellen.
• Alla som ännu inte har migrerat – kör index-suite-beräkningen på era egna traces innan ni committar. Den tokenreduktion på 38,6 % som Artificial Analysis uppmätte är ett genomsnitt över en blandad utvärdering; er arbetsbelastning kan komprimeras bättre eller inte alls.
Koppla valet till en enda slutpunkt
Varken Qwen4-Max eller Qwen3.8-Max-Prime finns i OrcaRouters katalog i dag – vi kontrollerade båda modellsidorna och båda ger inget resultat, och den här artikeln kommer inte att antyda något annat. Det som finns där är modellen som hela den här jämförelsen bygger på: qwen/qwen3.8-max och dess daterade ögonblicksbild qwen/qwen3.8-max-0902, som erbjuds till leverantörens listpris med 0 % påslag, vilket i dag innebär $2,00 för indata och $6,00 för utdata per miljon token. OrcaRouters egen sida för det ID:t rapporterar en p50 för tid till första token på 4,34 sekunder och en p95 på 10,00 sekunder under den senaste veckan – vår mätning, på vår trafik, inte leverantörens.
Det spelar roll för beslutet på ett specifikt sätt. Alibaba reviderade priset för Qwen4-Max två gånger mellan förhandsversionen den 11 november och GA den 16:e, och Global-kortet ligger redan 5,8 % under Singapore-kortet. Oavsett vad du bygger kommer taxan att röra sig under dig. En genomströmningsgateway innebär att en leverantörsprissänkning slår igenom på din faktura samma dag i stället för vid nästa avtalsförnyelse, och en nyckel täcker båda generationerna, så migreringen från qwen3.8-max till qwen4-max är en modellsträng i stället för en andra integration. Tills Qwen4-Max kan dirigeras här är det användbara mönstret det tråkiga: behåll standard-ID:t 3.8 på nyckeln du redan har, utvärdera Qwen4-Max direkt mot Alibaba medan dess kommersiella villkor sätter sig, och låt automatisk redundansväxling täcka gapet i båda riktningarna.
Vad skulle ändra denna dom?
Tre saker, och var och en går att kontrollera under de kommande veckorna. En Qwen4-Max Prime-variant skulle återställa snabbspåret på nuvarande generation och göra detta till en jämförelse av genomströmning mot genomströmning igen, till 2× priset $1.50/$4.50. En oberoende mätning i Prime-läge skulle ersätta leverantörens påstående om 1,5–2× med något som du kan lägga in i en kapacitetsplan – ingen har publicerat en sådan, och tills någon gör det är multiplikatorn ett löfte. Och ett snapshot-ID för Qwen4-Max skulle ta bort det enda verkliga argumentet som återstår för att stanna på 3.8-linjen, vilket just nu inte är pris, inte förmåga och inte hastighet för en hel uppgift, utan möjligheten att frysa en checkpoint.
För alla andra är svaret redan avgjort av aritmetiken: snabbspåret kostar mer per token, mer per uppgift och mer per cachad omläsning än modellen som ersatte det, och det gör mindre. Det är en märklig sak för en premiumnivå att vara, och det är vad som händer när ett serving-spår lever längre än den generation det prissattes mot.

Jämförda i den här artikeln1
Identifierat från den här artikeln · Benchmarks: Artificial Analysis · uppdateras dagligen
