
Qwen4-Max vs Qwen4 27B: En 4,5-faldig prisskillnad och en modell du inte kan ladda ner
- GoogleNYGoogle: Gemini 4 Carbon2026-11-10$2.00 / $10.00 per 1M tokens · 90 tok/s
- AnthropicNYAnthropic: Claude Fable 5.22026-11-09$8.00 / $40.00 per 1M tokens · 97 tok/s
- orcaNYOrca: OrcaC2 1.02026-11-0717 tok/s
- OrcaNYOrcaCyber: GLM 5.3 Abliterated / Uncensored2026-11-04$3.00 / $5.00 per 1M tokens · 87 tok/s
- OrcaNYOrcaCyber: Hy4 Abliterated / Uncensored2026-11-04$0.80 / $1.60 per 1M tokens · 133 tok/s
- OrcaNYOrcaCyber: Kimi K3.1 Pro Abliterated / Uncensored2026-11-04$4.00 / $20.00 per 1M tokens · 72 tok/s
- OrcaOrcaCyber: MiniMax M3.1 Flash Abliterated / Uncensored2026-10-29$0.80 / $1.60 per 1M tokens · 130 tok/s
- OrcaOrcaCyber: GLM 5.3 Flash Abliterated / Uncensored2026-10-27$0.80 / $1.60 per 1M tokens · 65 tok/s
- OrcaOrcaCyber: Qwen3.8 Flash Next Abliterated / Uncensored2026-10-26$0.80 / $1.60 per 1M tokens · 92 tok/s
- OrcaOrcaCyber: MiMo V2.6 Flash Abliterated / Uncensored2026-10-26$0.80 / $1.60 per 1M tokens · 43 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 · 193 tok/s
- minimaxMiniMax: M3.1 Flash2026-10-1929Intelligens
- OrcaOrca: OrcaCyber Ultra 1.02026-10-17$5.00 / $10.00 per 1M tokens · 150 tok/s
- deepseekDeepSeek: DeepSeek V4.1 Flash 10172026-10-1733Intelligens
- DeepSeekDeepSeek: DeepSeek V4.1 Flash2026-10-1740Intelligens
- OrcaOrca: OrcaCyber Zero 1.52026-10-10$3.00 / $7.50 per 1M tokens · 119 tok/s
- openaiOpenAI: GPT-6.1 Sol2026-09-2955Intelligens
- anthropicAnthropic: Claude Sonnet 5.52026-09-2855Intelligens
- typesafeTypeSafe: Jev 1.132026-09-24$0.04 / $0.00 per 1M tokens · 219 tok/s
Den intressanta frågan om Qwen4-Max är inte om den är bra. Det är om du borde betala $1,50 och $4,50 per miljon token för en modell som tänker i klunkar om 262 144 token, när en syskonmodell med 27 miljarder parametrar – Qwen4 27B – ska kunna utföra det mesta av samma arbete på hårdvara du äger. Haken är att Qwen4 27B ännu inte finns som något du kan köra. Alibaba visade upp den på scenen vid Apsara Conference den 22 september 2026 tillsammans med Qwen 4 Max, Qwen 4 Flash och Qwen 4 Plus, och har sedan dess inte publicerat något modellkort, några vikter, någon kontextlängd, något pris eller någon benchmark för den. Qwen4-Max däremot började debiteras per användning den 16 november med ett fönster på 1 000 000 token och ett Artificial Analysis Intelligence Index på 43. Så den användbara versionen av den här jämförelsen ställer flaggskeppet du kan anropa mot den lilla modell du inte kan köra, och besvarar frågan som faktiskt avgör budgetar: vad köper den 4,5-faldiga skillnaden i tokenpris, och vad skulle 27B behöva göra för att förtjäna sin plats.
Två priskort, varav det ena har siffror på sig
Börja med det som är nedskrivet. Allt i det här avsnittet är en publicerad siffra; ingenting är antaget.
• Qwen4-Max, Singapore — $1,50 per miljon indatatoken, $4,50 utdata, samma pris över hela fönstret på 1 000 000 token. Cacheläsningar $0,075 per miljon, skrivningar med fem minuters varaktighet $1,875, skrivningar med en timmes varaktighet $3,00.
• {{1}}Qwen4-Max{{/1}}, {{2}}andra regioner{{/2}} — {{3}}$1,413{{/3}} och {{4}}$4,24{{/4}} i {{5}}Frankfurt{{/5}}, {{6}}Virginia{{/6}}, {{7}}Tokyo{{/7}}, {{8}}Hongkong{{/8}} och {{9}}Peking{{/9}}, {{10}}en rabatt på 5,8 % på Singapore-kortet för identiska gränsvärden{{/10}}.
• Qwen4-Max, oberoende – AA Index 43 till utvärderarens fakturerade kostnad på 3,27 USD per indextask, vägt genomsnitt på 0,80 USD per miljon, 127 miljoner utdatatoken under körningen.
• Qwen4 27B — inget pris. Inte ”inte tillkännagiven”; närmare bestämt finns det ingen rad någonstans eftersom det inte finns någon modell att koppla den till.
Det närmaste en liten Qwen du kan köra idag är Qwen3.8-27B, den täta multimodala modellen med Apache-2.0-licens från föregående generation. Alibaba listar den till 0,50 och 3,00 dollar per miljon via sitt eget API; vi driftar vikterna själva och tar 0,33 och 2,40 dollar, eftersom öppna vikter inte har någon leverantörskostnad per token att föra vidare. Artificial Analysis ger den 20 på samma index – tjugotre punkter under Qwen4-Max, vilket är hela argumentet i en siffra.
Så det ärliga förhållandet mäts inte mot ett fantom. Det är 4,5 gånger på indata och 1,9 gånger på utdata när du jämför Qwen4-Max med den senaste 27B som faktiskt levererades — och tjugotre indexpoäng i kapacitet för skillnaden. Om det är ett fynd beror helt på vad din arbetsbelastning lägger sina tokens på, vilket är en fråga om dina spårdata snarare än om någon av leverantörerna.

Vad en 27B ger som ett flaggskepp med 2,4 biljoner parametrar inte kan
Tre saker, och ingen av dem är kvalitet.
Den första är en fast räkning. En hostad flaggskeppsmodell är en rörlig kostnad som skalar med trafiken och med hur ordrik modellen känner sig för dagen; en öppen 27B-modell på egen hårdvara är en kapitalkostnad och en avskrivningsplan. Vid $0,33 och $2,40 per miljon lägger ett team som spenderar $3 000 i månaden på flaggskeppet ungefär $700 på den lilla modellen för samma tokenvolym — och i samma stund som volymen fördubblas ändras en av siffrorna, medan den andra inte gör det.
Den andra är den latens du kontrollerar. En dense 27B-modell på en enda nod svarar i en form du kan förutse, eftersom det inte finns någon kö bakom den och ingen långsiktig tankebudget som du inte har bett om. Qwen4-Max använder som standard reasoning_effort: high med en tankebudget på 131 072 token, och en begäran som inte anger något har reserverat mer utdatautrymme än de flesta jobb kommer att använda. Den standardinställningen är rätt för en flaggskeppsmodell och fel för en klassificerare, en router eller de tusen små beslut som en agent fattar mellan de intressanta.
Det tredje är licensen. Apache-2.0-vikter innebär att modellen kan kvantiseras, finjusteras, bäddas in i en produkt du levererar och köras i en jurisdiktion där API:et inte är tillgängligt. Qwen4-Max är proprietär, tillhandahålls från sex regioner och returnerar endast text – inga vikter, ingen finjustering, ingen lokal driftsättning. Alibabas dokumentation säger att finjustering och modelldriftsättning inte stöds för den någonstans.
Det som en 27B inte kan ge dig är det som Qwen4-Max byggdes för. Stommen med 2,4 biljoner parametrar och 71 miljarder aktiva parametrar, de 328 miljarder N-gram-inbäddningsparametrarna, Gated DeltaNet-lagren som komprimerar historiken till ett fast tillstånd för varje Qwen Sparse Attention-lager – inget av den arkitekturen överförs ned till en tät 27B-modell, och inte heller fönstret på 1 000 000 token. Leverantörens egen beskrivning av familjen är att mindre modeller är "inställda för det små modeller gör bäst", vilket är ett elegant sätt att säga att de inte är samma produkt.
Det enda som Alibaba har sagt om Qwen4 27B, och vad det är värt
I lanseringsinlägget för Qwen4-Max den 16 november står det i det avslutande stycket: "Och Max är bara den första titten på Qwen4. Mindre modeller i familjen är på väg att bli öppen källkod, byggda på samma härstamning och tränade med samma generation av tekniker, finjusterade för det som små modeller gör bäst."
Det är det färskaste och mest specifika uttalandet som finns om 27B-nivån, och det är värt exakt vad det säger – vilket är mindre än det verkar. ”Att släppas som öppen källkod” är ett åtagande om en licens, inte ett datum. ”Samma härstamning” är ett påstående om arkitektonisk härstamning, inte om en publicerad checkpoint. Och meningen nämner inte 27B alls; nivånamnet kommer från septemberpresentationen på scen, där Qwens LLM-ansvarige visade fyra modeller och bara sade att familjen skulle komma snart. Mellan de två uttalandena finns ett två månader långt gap: fyra nivåer utlovade, en levererad – och den med öppna vikter, historiskt den nivå som släpps först med nedladdningsbara vikter, fortfarande saknas.
Det som skulle göra den här sidan föråldrad går att kontrollera på tre ställen, och alla tre är de som har signalerat varje Qwen-släpp. Ett repository i Qwen-organisationen på Hugging Face med ett Qwen4-namn; organisationens nyaste modellrepositorier i dag är alla Qwen3.8, senast uppdaterade i början av november. Ett modellkort på qwen.ai som namnger nivån med en kontextlängd och en licens. Eller en prisrad för en hostad 27B, som skulle tala om vad Alibaba anser att nivån är värd innan vikterna släpps. Till dess att någon av dessa förändras är varje parameterantal, kontextfönster eller poäng som du läser för Qwen4 27B en extrapolering från Qwen3.8-27B och bör märkas som sådan.
Genomgånget exempel: samma agentloop på båda korten
Ta en supportautomatiseringsagent: en systemprompt och ett verktygsschema på 40 000 token, en konversation på 6 000 token, åtta verktygsanrop per ärende, 900 uttoken per anrop, inget tänkläge, 20 000 ärenden i månaden. Cachelagra prefixet. Det här är aritmetik på publicerade listpriser.
• Qwen4-Max, Singapore, utan cache — 46 000 indatatoken per anrop till $1,50 per miljon är $0,069; åtta anrop är $0,552 per ärende. Utdata vid 900 token och $4,50 per miljon är $0,00405 per anrop, $0,0324 per ärende. $0,584 per ärende, $11 690 i månaden.
• Qwen4-Max med prefixet cachat — prefixet på 40 000 token skrivs en gång till $1,875 per miljon och läses vid de följande sju anropen till $0,075. Per ärende kostar prefixet $0,075 för skrivningen plus $0,021 för sju läsningar; de rörliga 6 000 tokens kostar $0,072 över åtta anrop. Indata landar på $0,168, utdata stannar på $0,0324. $0,20 per ärende, $4 010 i månaden — och cachen gjorde mer för notan än något modellbyte skulle ha gjort.
• Qwen3.8-27B till vårt egenhostade pris – 46 000 indatatoken per anrop till $0,33 per miljon är $0,0152; åtta anrop $0,121. Utdata vid 900 token och $2,40 per miljon är $0,00216 per anrop, $0,0173 per ärende. $0,139 per ärende, $2 780 per månad.
Två saker framgår. Att cacha prefixet på flaggskeppsmodellen sparar 66 % och gör att den ligger inom 1,4× den lilla modellens pris utan cachning – gapet mellan nivåerna är mindre än gapet mellan att använda cachen och att inte göra det. Och den lilla modellens fördel är verklig men inte omvälvande vid den här tokenvolymen: cirka 1 200 dollar i månaden för 20 000 ärenden. Där den blir omvälvande är vid tio gånger den volymen, eller där arbetet är tillräckligt enkelt för att en 20-index-modell ska räcka, vilket den för verktygsanropsrouting och klassificering vanligtvis gör.
Där flaggskeppet inte är valfritt
Det finns en kategori arbete där 27B-nivån inte är ett billigare substitut utan inte ens ett alternativ, och att vara tydlig med det är skillnaden mellan en användbar jämförelse och en säljsida.
• Arbete med lång kontext över 256 000 token – Qwen3.8-27B stannar vid 262 144; Qwen4-Max klarar 1 000 000, med ett tak för indata på 991 808 token i icke-tänkande läge. En kontraktsgranskning på 400 000 token får inte plats i den lilla modellen överhuvudtaget.
• Agentkörningar med lång horisont — Alibabas agentiska påståenden för Qwen4-Max är en 48 timmar lång autonom materialupptäcktskörning på en våtlabbsplattform och en juridisk due diligence-genomgång av 198 arbetsdokument som resulterar i en 86-sidig rapport. Vad man än anser om leverantörsdemonstrationer beskriver de en klass av uppgifter som en 20-indexmodell inte försöker sig på.
• Videoinmatning när det gäller längd — Qwen4-Max tar emot video och ett fönster på 1M; 27B-familjen tar emot video vid 262K. Aritmetiken för bildrutor per sekund film är obeveklig.
• Säker kodning — Alibaba rapporterar att andelen godkända tester på funktionsnivå i Last Secure Code Bench stiger från 22,0 % till 31,8 % mellan generationerna på Max-nivån, och att kod som är säker samtidigt på funktions-, fil- och reponivå stiger från 8 % till 14,7 %. Det är leverantörssiffror som inte har reproducerats, men det är den typ av siffra som en säkerhetsgranskning efterfrågar och som ett litet models modellkort inte innehåller.
Mönstret är att flaggskeppsmodellen förtjänar sitt pris på uppgifter som är långa, multimodala eller där det är dyrt att göra fel, och inte på uppgifter som är många till antalet. De flesta produktionssystem innehåller båda typerna, vilket är anledningen till att svaret på "vilken" vanligtvis är "båda, routade".
Kör det blandade tillståndet på en nyckel
OrcaRouter tillhandahåller Qwen3.8-familjen — Qwen3.8-Max, Qwen3.8-Flash och Qwen3.8-27B — på en OpenAI-kompatibel endpoint till leverantörens listpris med 0 % påslag, och 27B är den vi kör på vår egen infrastruktur utifrån Apache-2.0-vikterna, vilket är anledningen till att den prissätts till $0,33 och $2,40 i stället för Alibabas $0,50 och $3,00. Den tillhandahåller inte Qwen4-Max: den modellen är nåbar via Alibabas eget Model Studio-API och flera tredjepartsplattformar, och finns inte i katalogen per den 16 november.
Det som detta möjliggör i dag är det routningsmönster som den här jämförelsen argumenterar för, utan att vänta på 27B. Ett API för fler än 200 modeller innebär att valet av nivå slutar vara ett upphandlingsbeslut: en förfrågan som ryms inom 256K och verkar rutinmässig går till qwen/qwen3.8-27b; en förfrågan som är lång, multimodal eller flaggad som högrisk går till en frontier-modell med samma nyckel; routnings-DSL:en uttrycker den uppdelningen som en regel i stället för som en gren i din applikationskod. Automatisk redundansväxling innebär att den billiga nivån kan bära volymen utan att bli en enda felpunkt när den har en dålig dag, och en prissänkning från vilken leverantör som helst slår igenom på din nyckel samma dag eftersom listpriset förs vidare i stället för att läggas på.
Modellfusion är det tredje alternativet i den verktygslådan och det som passar sämst för just det här paret – en panel av modeller som svarar tillsammans kostar mer än någon av dem gör ensam, och anledningen att använda det är oenighet i svåra frågor, inte volym. Värt att känna till att det finns; inte värt att ta till för en router för supportärenden.

Vad man ska göra innan vikterna landar
Om anledningen till att du väntar på Qwen4 27B är att du vill ha en liten öppen modell som du kan köra själv, kostar väntan dig inte mycket: Qwen3.8-27B är Apache-2.0, har ett 256K-fönster, läser text, bilder och video och får 90,3 på LiveCodeBench v6 och 89,2 på GPQA Diamond på Qwens eget kort – leverantörssiffror, och starka sådana för storleken. Börja där, mät vad en 20-indexmodell gör med din uppgiftsframgång, och du vet innan Qwen4-checkpointen kommer om nivån överhuvudtaget passar din arbetsbelastning.
Om kostnaden är anledningen bör du cacha prefixet först. Det genomräknade exemplet ovan visar en besparing på 66 % på flaggskeppsmodellen tack vare en enda begärandeparameter, vilket är större än skillnaden mellan flaggskeppsmodellen och den lilla modellen på samma icke-cachade grund. Team letar rutinmässigt efter en billigare modell när den dyra delen av deras faktura är ett prefix som de läser om till fullt pris.
Och om ditt skäl är kapacitet kommer ingen 27B att duga som ersättning. De tjugotre indexpoängen mellan Qwen3.8-27B och Qwen4-Max är skillnaden mellan en modell som hanterar rutinarbete väl och en som försöker sig på de långa, multimodala högriskuppgifterna – och Alibabas egen roadmap-formulering säger att småmodellerna finjusteras för det som små modeller gör bäst, vilket är ett löfte om effektivitet snarare än om likvärdighet. Bygg routningsuppdelningen nu, utifrån de nivåer som finns, och den dag en Qwen4 27B landar på Hugging Face är den en katalogpost och en regeländring snarare än en migrering.

