Ett genererat hero-titelkort med texten "Qwen4-Max vs Step-5 Preview" och underrubriken "48 % mer kapacitet, 33 % mer pengar, 6 % per indexpoäng" samt tre pillerformade märken med texten "43 vs 29 index", ".27 vs .35 per uppgift" och "16 november 2026". En sidfotsrad lyder "Poäng enligt Artificial Analysis Intelligence Index v5.0.1; priser enligt varje leverantörs prislista." Platt vektorstil på vit bakgrund med en blå-till-cyan gradienttoning och OrcaRouter-logotypen komponerad i nedre högra hörnet.
Guides & Insights

Qwen4-Max vs Step-5 Preview: Fjorton indexpoäng, en halv cent per poäng

Författare

Elias Hawthorne

Publiceringsdatum

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

Dividera vad varje modell kostar per uppgift med vad den får för poäng, så hamnar de två sidorna av denna jämförelse inom sex procent från varandra. Qwen4-Max, som Alibaba släppte idag, 16 november 2026, får 43 på Artificial Analysis Intelligence Index v5.0.1 till en uppmätt kostnad av 3,27 dollar per indexuppgift – cirka 7,6 cent per indexpoäng. Step-5 Preview, StepFuns glesa mixture-of-experts-modell med 600 miljarder parametrar, släppt den 20 september 2026, får 29 på samma index till 2,35 dollar per uppgift – cirka 8,1 cent per poäng. En modell är 48 % smartare på den enda måttstock som båda har mätts mot. Den andra är billigare på båda sidor av mätaren, med en tredjedel på indata och 40 % på utdata. Och per enhet uppmätt kapacitet hamnar de två inom sju procent från varandra, med den helt nya flaggskeppsmodellen marginellt före.

Det är inte den jämförelse som någon av leverantörerna säljer in, och det är den som faktiskt avgör en migrering. Den kommer också med en asymmetri som ingens lanseringsinlägg nämner: en av dessa två modeller har en oberoende uppmätt utdatahastighet och den andra har inte någon uppmätt hastighet alls ännu, eftersom den bara är några timmar gammal. Det följande skiljer det som är dokumenterat från det som är uppmätt, räknar igenom cachearitmetiken som flyttar prisskillnaden från 33 % till något helt annat, och avslutar med de två axlar där svaret inte är i närheten av jämnt — vikter och utdatatak.

Vad var och en är, i dagsläget

Qwen4-Max är Alibabas fjärde generationens flaggskepp, byggd på en stomme med 2,4 biljoner parametrar med 71 miljarder parametrar aktiva per token plus 328 miljarder N-gram-inbäddningsparametrar. Den tar emot text, bilder och video och returnerar text. Det dokumenterade kontextfönstret är 1 000 000 token, med ett inmatningstak på 991 808 token i icke-tänkande läge och 983 616 i tänkande läge – skillnaden är utrymmet för resonemang. Maximal utdata är 131 072 token med tänkande av; med tänkande på delar resonemanget och svaret på en budget på 262 144 token. Tänkande är på som standard med en budget på 131 072 token vid en standardresonemangsinsats på hög, valbar mellan låg, hög och xhigh. Dessa siffror kommer från Alibabas egen dokumentation, och Qwen4-Max publicerar inga vikter, stöder inte finjustering i någon region och stöder inte heller modelldistribution i någon region.

Step-5 Preview är StepFuns flaggskepp för agentiskt arbete: 600 miljarder parametrar totalt, 27 miljarder aktiva, ett kontextfönster på 1 miljon token och indata i form av text, bild och video med textutdata. Resonemangsansträngningen kan väljas mellan låg, medel och hög. Maximal utdata dokumenteras som 64 000 token, och max_tokens har som standard ingen övre gräns så att modellen väljer längden. Det stöder streaming, verktygsanrop, JSON Schema-utdata och promptcachning, och API:et är OpenAI-kompatibelt.

Tre månader efter lanseringen har "Preview" i namnet spelat ut sin roll. StepFun listar fortfarande den som Preview i sin modellöversikt idag, medan BF16- och FP8-checkpointarna har funnits på Hugging Face sedan 15 oktober under StepFun Model License 1.0. Behandla etiketten som en namngivningsvana, inte som en varning om att endpointen kommer att flyttas under dig – men läs inte in det som ett GA-åtagande heller, eftersom leverantören inte har gjort något sådant.

Prisskillnaden är en tredjedel; det är cache-beräkningen som förändrar det

Till listpriser är de två lätta att sammanfatta: Step-5 Preview är billigare på båda sidor av mätaren, och med mer än en avrundningsskillnad.

• Indata – Qwen4-Max $1,50 per miljon tokens i Singapore, $1,413 i de övriga fem regionerna, jämfört med Step-5 Preview $1,00

• Utdata — Qwen4-Max 4,50 USD, jämfört med Step-5 Preview 2,70 USD

• Cache-läsning — Qwen4-Max 0,075 USD per miljon, en rabatt på 95 %, jämfört med Step-5 Preview 0,10 USD, en rabatt på 90 %

• Cache-skrivning – Qwen4-Max $1,875 per miljon för en femminuters-TTL och $3,00 för en timme, jämfört med Step-5 Preview som inte tar något, eftersom cache-miss-indata på $1,00 redan inkluderar skrivning av prefixet

• Blandat, baserat på Artificial Analysis 7:2:1-mix för cacheträff/indata/utdata — Qwen4-Max $0,80 per miljon jämfört med Step-5 Preview $0,54

Det är cache-skrivraden som hoppas över, och det är den som kan vända på rankingen vid rätt arbetsbelastning. Ta ett dokument på 300 000 tokens som granskas i fyra pass med 3 000 utdatatokens vardera, till Singapore-priser, utan tänkande. På Qwen4-Max skriver första passet prefixet för $0,5625 och avger $0,0135 i utdata; de följande tre läser det för $0,0225 styck plus $0,0405 i utdata tillsammans. Totalt $0,684. På Step-5 Preview kostar första passet $0,30 i indata och $0,0081 i utdata; de följande tre kostar $0,03 styck plus $0,0243. Totalt $0,422. Step-5 Preview är 38 % billigare för det jobbet.

Krymp det till ett enda pass så vidgas gapet i stället för att slutas — $0,576 mot $0,308, där Step-5 Preview är 46 % billigare — men orsaken ändras. Vid ett enda pass finns ingen läsning att skriva av, så du betalar Qwen4-Maxs cache-skrivpremie för ett prefix som du aldrig kommer att återanvända. Den praktiska regeln: Qwen4-Maxs cachning belönar ett prefix som läses många gånger och straffar ett som läses en gång. Step-5 Previews platta $0,10 för cache-läsning och misspris med skrivning inkluderad är den vänligare strukturen för arbetsbelastningar där du inte kan förutse träfffrekvensen.

A generated two-column scoreboard titled 'Qwen4-Max vs Step-5 Preview — the scoreboard'. The Qwen4-Max column reads Intelligence Index 43, cost per index task .27, cost per index point 7.6 cents, cache write .875 per 1M, weights none published, max output 131,072 tokens. The Step-5 Preview column reads Intelligence Index 29, cost per index task .35, cost per index point 8.1 cents, cache write included in .00 miss price, weights BF16 and FP8 on Hugging Face, max output 64,000 tokens. A footer reads 'Index per Artificial Analysis v5.0.1; prices and limits per Alibaba and StepFun documentation, November 2026.'

Fjorton punkter – och en lucka i bevisningen som pekar åt motsatt håll

{{1}}Båda modellerna har körts genom Intelligence Index v5.0.1, som omfattar nio utvärderingar: AA-Briefcase v1.1, AutomationBench-AA, Terminal-Bench 4.0, FrontierCode-AA 2.0, AA-Omniscience v1.1, GDP.pdf, HLE-Diamond, CritPt v2 och Terminal-Bench-Science 0.1.{{/1}} {{2}}Ingen av modellsidorna publicerar separata poäng per resonemangsinsats, så dessa är enskilda siffror vid den inställning som Artificial Analysis använde.{{/2}}

• Index — Qwen4-Max 43, rankad 38:a av 81 i sin klass, jämfört med Step-5 Preview 29, rankad 10:a av 29 bland stora modeller med öppna vikter. Klassmedianerna skiljer sig (41 och 23), vilket är anledningen till att dessa rankningar inte är jämförbara med varandra trots att poängen är det

• Kostnad per indexuppgift — 3,27 USD jämfört med 2,35 USD

• Kostnad per indexpunkt — 7,6 cent mot 8,1 cent, så den dyrare modellen per uppgift är den billigare per kapacitetsenhet

• Utdatashastighet – Step-5 Preview 124 token per sekund, jämfört med ingen publicerad siffra för Qwen4-Max. Artificial Analysis anger dess tid per uppgift som okänd och dess leverantörssida rapporterar inga leverantörsbenchmarks alls

• Tid till första svarstoken – Step-5 Preview 23,53 sekunder, jämfört med inget offentliggjort för Qwen4-Max

• Tid per indextask — Step-5 Preview 15,2 minuter jämfört med medianen 13,3 minuter för sin klass; Qwen4-Max har ingen siffra

• Ordighet — Qwen4-Max genererade 127 miljoner output-tokens i hela indexet mot en median på 78,6 miljoner, medan Step-5 Preview genererade 129 miljoner mot en median på 104 miljoner. Båda är ordrika; Qwen4-Max är ordrik i förhållande till en mer sparsam jämförelsegrupp.

Den första tokenen på 23,53 sekunder är siffran som borde oroa alla som planerar en interaktiv driftsättning av Step-5 Preview. Det är inte en nätverksartefakt: det är vad en modell med 600 miljarder parametrar och tänkande påslaget som standard kostar dig innan svaret börjar. Qwen4-Maxs standardinställningar för resonemang – tänkande på, budget på 131 072 token, ansträngningsnivån satt till hög – pekar i samma riktning, och tills någon mäter det finns det inget ärligt sätt att säga vilken som är långsammare. Det är den praktiska kostnaden för att köpa på lanseringsdagen: du får ett resultat och en prislista, och du får ingen latenssiffra.

Alibabas eget utvärderingsmaterial är en separat fråga och bör läsas som leverantörsrapporterat och inte reproducerat. På Work360, dess interna benchmark som omfattar 26 branschdomäner på översta nivån, rapporterar leverantören 52,69 för Qwen4-Max mot 47,74 för Qwen3.8-Max. Den rapporterar också att genomsnittskostnaden per Work360-uppgift faller från 4,43 USD till 1,67 USD, en minskning med 62 %, och att tokenanvändningen faller med cirka 24 % vid xhigh effort och 35 % vid high effort i det benchmarket, med minskningar på 48 % och 49 % på Terminal-Bench 4.0. Det är påståenden om Qwen4-Max i förhållande till föregångaren. De säger ingenting om Step-5 Preview, och ingen av dem har kontrollerats oberoende.

A screenshot of the Artificial Analysis model page for Qwen4 Max, captured 16 November 2026, showing 'Released November 2026', the Alibaba Cloud provider label, an Intelligence Index of 43 ranked 38 of 81, in-benchmark ranks for performance, cost and verbosity, .50 input and .50 output per 1M tokens, a 95% cache discount, .27 cost per task, 127M tokens generated, and a 984k-token context window.

Vikter: den här är inte nära

Step-5 Preview är nedladdningsbar idag. Hugging Face-repot innehåller BF16- och FP8-safetensors under StepFun Model License 1.0 – en Apache-2.0-liknande licens med attributionskrav och ett villkor för kommersiell användning – plus chattmallen, tre kvantiserade varianter och driftsättningsrecept: FP8 på fyra B300:or eller åtta H200:or med vLLM, FP8 på samma hårdvara med SGLang, BF16 på åtta B300:or eller sexton H200:or. Cirka 1 600 nedladdningar den senaste månaden.

Qwen4-Max har ingen checkpoint och ingen väg till en sådan. Alibabas dokumentation anger att finjustering inte stöds i någon region och att driftsättning av modeller inte stöds i någon region, vilket är ett starkare påstående än "vikterna är inte ute ännu" — det säger att leverantören inte alls kommer att låta dig köra den här modellen själv via sin plattform. Om ditt krav är en modell som du kan kvantisera, finjustera, köra i luftgap eller låsa till en specifik build, slutar jämförelsen här och den slutar till StepFuns fördel.

Det förändrar också vad ”öppen” ger dig. Step-5 Previews licens tillåter kommersiell användning med villkor, så en juridisk granskning är en del av införandekostnaden, och driftsättningsrecepten utgår från en nod med fyra till sexton GPU:er – det här är inte en modell man kör på en arbetsstation. Men det är en modell vars beteende inte kan ändras under fötterna på dig av en tyst leverantörsuppdatering, och för den som bygger ett reglerat eller långlivat system är det värt mer än fjorton indexpoäng.

Utmatningstaket, och en dokumentationskonflikt värd att känna till

Det här är den minst glamorösa skillnaden och den som mest sannolikt kan drabba en specifik arbetsbelastning. Qwen4-Max ger dig 131 072 tokens utdata med tänkandet avstängt och en delad budget på 262 144 tokens med tänkandet påslaget. API-dokumentationen för Step-5 Preview anger 64 000 tokens som maximal utdata. Dess modellkort på Hugging Face säger att utdata kan uppgå till hela 1M tokens, där indata och utdata räknas mot samma gräns.

De två påståendena kommer från samma leverantör inom en månad från varandra, och ingen av dem är markerad som föråldrad. Om du planerar en uppgift med lång utdata – en fullständig rapport, en stor patch, ett genererat dokument – ska du läsa API-dokumentationen i stället för kortet och testa taket innan du bygger arkitekturen kring det. Siffran 64 000 stämmer överens med tiden på 15,2 minuter per indexuppgift; siffran 1M skulle innebära något helt annat.

Ännu en asymmetri värd att uppmärksamma: båda modellerna tar videoindata, men bara StepFun publicerar de operativa detaljerna. Upp till 60 bilder per begäran i låg eller hög detalj, video som URL, Base64 eller en stepfile://-referens, MP4 under 128 MB med rekommenderade klipp under fem minuter. Alibaba dokumenterar videoindata för Qwen4-Max utan att publicera jämförbara gränser på modellsidan. Om video är centralt för din arbetsbelastning snarare än tillfälligt är den skillnaden i dokumentationskvalitet i sig en signal om vilken leverantör som har fått frågan tidigare.

Vem ska välja vilket den här veckan

Välj Qwen4-Max om prestandataket betyder mer än kostnaden: krävande resonemang, långsiktigt agentiskt arbete eller något där 43 mot 29 på ett index med nio utvärderingar är skillnaden mellan en uppgift som slutförs och en som inte gör det. Acceptera två risker i utbyte. Den första är att du köper dag ett utan oberoende latenssiffra och utan tredjepartsreproduktion av leverantörens Work360-påståenden. Den andra är cache-skrivningspremien, som tyst beskattar långkontextarbete i ett enda pass med $1.875 per miljon skrivna tokens.

Välj Step-5 Preview om du behöver äga modellen, om du behöver uppmätta 124 token per sekund och en första token på 23,53 sekunder som du kan planera efter, eller om din arbetsbelastning är cachetung på ett sätt som du inte kan förutse. Acceptera att du köper 29 indexpoäng, att den första token kommer långsamt och att utdatataket dokumenteras på två olika sätt av leverantören.

Det tredje alternativet är det ärliga för de flesta team den här veckan: ingetdera, uteslutande. Gapet mellan dessa två modeller per enhet uppmätt förmåga är 6 %, vilket ligger väl inom felmarginalen för en enskild indexversion, och båda har endast utvärderats en gång av ett enda utvärderingsramverk. Ett team som satsar på en av dem med stöd av en poäng från lanseringsdagen tar ställning till ett tal som inte har reproducerats.

Kör båda utan ett andra avtal

Ingen av modellerna finns i OrcaRouter-katalogen i dag – 215 modellidentifierare, kontrollerat i morse, utan någon Qwen4-post och ingen StepFun-textmodell bland dem. Båda går att nå via respektive leverantörs API:er: Alibabas sex regioner för Qwen4-Max, StepFuns OpenAI-kompatibla endpoint på api.stepfun.ai/v1 för Step-5 Preview. Att påstå något annat vore den typ av påstående som åldras illa inom en vecka.

Det vi routar är det som modellen Qwen4-Max ersätter. Qwen3.8-Max finns i vår katalog som qwen/qwen3.8-max till Alibabas eget listpris på $2.00 för indata och $6.00 för utdata per miljon token, vidarebefordrat utan påslag, tillsammans med 214 andra identifierare på en enda OpenAI-kompatibel bas-URL. Det spelar roll av exakt en anledning i den här jämförelsen: en modell från lanseringsdagen är det sämsta tänkbara att satsa en produktionsväg på, och det sunda förhållningssättet är att behålla den beprövade generationen på routen medan du mäter den nya mot din egen trafik. Routing-DSL:en uttrycker det som en policy i stället för en kodändring – skicka de svåra, resonemangstunga anropen till den nya modellen, behåll det högvolymiga arbetet på den billigare beprövade modellen och låt automatisk failover fånga fallet där en helt ny slutpunkt försämras under belastning som du inte förutsett.

Pass-through-prissättning innebär också att aritmetiken i den här artikeln förblir ärlig. När Alibaba sänker en taxa – som det gjorde i dag, genom att flytta Qwen4-Max till $1,50 och $4,50 från Qwen3.8-Maxs $2,00 och $6,00 – återspeglar en katalog som för vidare leverantörens listpris det samma dag i stället för vid nästa avtalsförnyelse. Det är inte ett argument för oss framför någon av leverantörernas egna API:er. Det är ett argument för att inte skriva på något som låser ett pris som du inte har sett hålla i en månad.

A screenshot of the OrcaRouter model page for qwen/qwen3.8-max, captured 16 November 2026, showing the model identifier, text, image and video input with text output, a 1M-token context window, a list date of 2026-08-03, .00 input and .00 output per 1M tokens, measured latency figures, and an OpenAI-compatible Python sample pointing at https://api.orcarouter.ai/v1.

Jämförelsen som läsarna kommer att vilja ha om två veckor är inte den i den här rubriken. Det är Qwen4-Maxs latens och den stabila versionen av Step-5 Preview, båda uppmätta av någon som inte är leverantören, mot arbetsbelastningar som folk faktiskt kör. Fram till dess är den försvarbara positionen snäv och oglamorös: en kapacitetslucka på 48 %, en prisskillnad på 33 %, ett gap på 6 % per kapacitetsenhet, och en uppsättning beslut – vikter, utdatatak, cachestruktur – som ingen indexpoäng fångar och som kommer att bestå längre än den här lanseringsveckan.