
Qwen4-Max marknadsförs nu för agentisk kodning. The Independent Speed Row säger 74:e av 79
- 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 1.02026-11-0711 tok/s
- OrcaNYOrcaCyber: GLM 5.3 Abliterated / Uncensored2026-11-04$3.00 / $5.00 per 1M tokens · 88 tok/s
- OrcaNYOrcaCyber: Hy4 Abliterated / Uncensored2026-11-04$0.80 / $1.60 per 1M tokens · 134 tok/s
- OrcaNYOrcaCyber: Kimi K3.1 Pro Abliterated / Uncensored2026-11-04$4.00 / $20.00 per 1M tokens · 86 tok/s
- OrcaOrcaCyber: MiniMax M3.1 Flash Abliterated / Uncensored2026-10-29$0.80 / $1.60 per 1M tokens · 125 tok/s
- OrcaOrcaCyber: GLM 5.3 Flash Abliterated / Uncensored2026-10-27$0.80 / $1.60 per 1M tokens · 67 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 · 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 · 192 tok/s
- minimaxMiniMax: M3.1 Flash2026-10-1929Intelligens
- OrcaOrca: OrcaCyber Ultra 1.02026-10-17$5.00 / $10.00 per 1M tokens · 134 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 · 128 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 · 186 tok/s
Klockan 09:31 UTC den 17 november 2026: det officiella Qwen4-Max-kontot på X publicerade fem ord och en inbjudan: modellen är nu live på en tredjepartsplattform, kom och prova agentisk kodning. Det var en citattweet av plattformens eget tillkännagivande, en dag efter att Alibaba flyttade modellen från förhandsversion till användningsbaserad allmän tillgänglighet. Inlägget är litet och det är lätt att scrolla förbi. Det är också första gången leverantören hänvisar sina egna följare till en specifik extern väg för sitt flaggskepp, och den valde arbetsbelastningen – långsiktig agentisk kodning – där Qwen4-Max för närvarande har den svagaste oberoende mätningen på resultattavlan.
Det är hela den spänning som är värd att rapportera, och det är inte en anklagelse. Att en leverantör marknadsför en modell till agentbyggare är normalt. Det som är värt att fastställa är avståndet mellan säljbudskapet och siffrorna som en läsare kan kontrollera, eftersom säljbudskapet är det som ett team agerar på och siffrorna är det som fakturan och väggklockan levererar.
Vad inlägget faktiskt fastställer
Tre saker, och inte fler än tre. Resten är slutledningar utklädda till nyheter.
• Rekommendationen är äkta och daterad. Inlägget har en tidsstämpel från 17 november 09:31 UTC, det kommer från leverantörens eget konto och det citat-tweetar plattformens tidigare tillkännagivande i stället för att stå fristående. Att en leverantör delar en partners lansering är en avsiktlig handling; kontot råkade inte bara nämna det.
• Plattformen är inte en andra driftsättning. Dess modellsida listar qwen/qwen4-max i en tabell med rubriken "Routade modeller som serveras av sina egna labb" – inte bland dess egna publicerade versioner. Den distinktionen spelar större roll än marknadsföringstexten omkring den: en routad modell är Alibabas driftsättning som nås via någon annans entrédörr, vilket är det enda sättet en sluten modell i klassen 2,4 biljoner parametrar överhuvudtaget kan förekomma någonstans.
• Det är en beta, inte kapacitet. Webbplatsens ständiga banderoll säger att den är i privat beta och efterfrågar en inbjudningskod. En rekommendation från modellens eget konto är en signal om avsikt, inte om genomströmning, kvot eller ett serviceavtal – och en inbjudningskod är inte en upphandlingsväg.
Och det som inlägget inte fastställer är ett enda prestandapåstående. Det finns ingen siffra för tokens per sekund i det, ingen uppgiftslösningsgrad, ingen kostnad per uppgift, inget uttalande om hur många samtidiga agentsessioner rutten hanterar. Läs det som "du kan nu nå den här modellen här", vilket är allt det säger.
Kortet under rekommendationen är billigare än säljarens eget.
Den routade listningen har sina egna siffror, och priset är det som är värt att titta närmare på. Det står $1,40 per miljon indatatoken och $4,20 per miljon utdatatoken, med ett kontextfönster på 977K token och statusen online.
• Indata – 1,40 USD på det routade kortet mot 1,413 USD på Alibabas eget Global-scope-kort (Peking, Hongkong, Frankfurt, US Virginia, Tokyo) och 1,50 USD i Singapore.
Produktion — 4,20 USD jämfört med 4,24 USD globalt och 4,50 USD Singapore.
• Riktningen — det dirigerade numret ligger ungefär 1 % under leverantörens billigaste publicerade region och cirka 6,7 % under det kort som de flesta läsare utanför det kinesiska fastlandet faktiskt kommer att debiteras på.
• Den angivna mekaniken – plattformen beskriver sin avgift som ”labbets taxa plus ruttavgiften, ett signerat ruttkvitto på varje svar.”
• Kontextsiffran – 977K i listningen, mot 1 000 000 på Alibabas modellkort, där de faktiska taken är 991 808 indatatoken i standardläge och 983 616 i tänkläge.
De två fakta står besvärande tillsammans. En rutt som lägger på en avgift ovanpå labbets taxa borde kosta mer än att gå direkt, och den här kostar mindre än varje publicerad Alibaba-region. De rimliga förklaringarna är oglamorösa – en kampanjtaxa, en regional arbitrage kring vilken Alibaba-endpoint som anropas, eller en listning som inte har uppdaterats sedan förhandsgranskningskortet – och ingen av dem kan bekräftas utifrån. Vad en läsare kan göra är att sluta behandla det dirigerade priset som modellens pris. Alibabas eget kort är referensen; allt under det är en kommersiell överenskommelse med ett utgångsdatum som ingen har publicerat. Om kostnad per uppgift är det du fattar beslut utifrån, dimensionera det utifrån $1.50 in och $4.50 ut i Singapore, eller $1.413 och $4.24 på Global scope, och behandla en rabatt som uppsida snarare än som planen.

Arbetsbelastningen i befattningen är den som spårningsverktyget mäter sämst.
Artificial Analysis är den enda aktören som publicerar oberoende mätningar av Qwen4-Max, och dess sida uppdaterades med en fullständig prestandarad som inte fanns där på lanseringsdagen. Vad som står i den raden är inte tvetydigt.
• Intelligence Index — 43 i v5.0.1-sviten med nio utvärderingar, rankad 38:a av 81 modeller, marginellt över trackerns median på 41 för prisnivån.
• Utdatningshastighet — 54 tokens per sekund. Det är 74:e av 79 modeller som trackern rangordnar efter prestanda.
• Tid till första svarstoken – 179,79 sekunder, eftersom modellen tänker innan den talar och standardansträngningsnivån för resonemang på Alibabas kort är hög.
• Tid per uppgift i Intelligence Index – 32,2 minuter, jämfört med en median på 13,3 minuter för jämförbara modeller. Trackern kallar detta "anmärkningsvärt långsamt".
• Ordrikedom – 127 miljoner utdatatoken i hela indexet, mot en median på 78,6 miljoner. Det är 65:e av 80.
• Kostnad per indexeringsuppgift — 3,27 USD, rankad 44:a av 80, med 95 % cacherabatt redan tillämpad.
Varje siffra i den listan är trackerns egen mätning, inte Alibabas. Leverantörens publicerade påståenden är en helt annan uppsättning och märks som leverantörspåståenden var de än förekommer: en token-effektivitetsvinst på 24 % till 35 % jämfört med Qwen3.8-Max på dess egen Work360-benchmark, 48 % till 49 % på Terminal-Bench 4.0, och genomsnittskostnaden per uppgift sjunker från 4,43 dollar till 1,67 dollar. Inget av det har reproducerats oberoende. De två datamängderna motsäger inte varandra – en modell kan vara effektiv per uppgift och ändå långsam per token – men bara en av dem berättar hur en agentloop kommer att kännas klockan 2 på natten.
Det finns en andra lucka i leverantörens eget material, och det är en märklig sådan för en modell som säljs in med agentisk kodning. Alibabas modellkort publicerar inget parameterantal; lanseringsmaterialet beskriver en gles mixture-of-experts-modell med 2,4 biljoner parametrar och 71 miljarder aktiverade per token, och spåraren registrerar storleken som ej angiven. Det finns inte heller någon publicerad Terminal-Bench 4.0-poäng för den här modellen från Alibaba själva, bara påståendet om relativ effektivitet jämfört med föregångaren. En leverantör som vill att agentutvecklare ska anamma en modell brukar vanligtvis inleda med en absolut agentisk siffra. Den här inledde med en kvot.
Vad 32 minuter per uppgift och 54 tokens per sekund gör med en loop
Styckpriser döljer detta, så här är räkneexemplet för den form som inlägget gör reklam för – en kodagent som arbetar sig igenom en uppgift i flera turer. Allt är härlett från de publicerade priserna och den uppmätta hastigheten, inte från en faktura.
• Genereringstid per tur – ett patch- och resonemangsblock på 3 000 token vid 54 token per sekund är cirka 56 sekunder ren utdata. Vid 8 000 token är det ungefär 2,5 minuter, innan modellen ens har läst något.
• En session på 25 turer – 25 turer med 3 000 uttoken är 75 000 token, ungefär 23 minuters generering vid den hastigheten, plus 25 separata väntetider på nästan tre minuter var för första svars-token om ramverket inte håller kontexten varm. Enbart omkostnaden kan överstiga genereringen.
• Samma session i pengar — 75 000 utdatatoken till 4,50 dollar per miljon är 0,34 dollar. Beräkningskraften är billig; klockan är det inte. Den inversionen är det enskilt mest användbara att förstå om den här modellens ekonomi.
• Cache är hävstången som avgör om det är tolerabelt — ett kontext på 200 000 token som läses om kallt till $1,50 per miljon kostar $0,30 per tur; cachat med 95 % rabatt kostar det cirka $0,015. Fördelat över 25 turer är det skillnaden mellan $7,50 och $0,38 i indata, vilket helt överskuggar utdatakostnaden.
Med andra ord: på Qwen4-Max är det inte utdatalängden som ska mätas, utan cacheträffsgraden och latensen för första token. En loop som håller sin kontext varm och tolererar tre minuters tänkande fungerar. En loop som skickar om en kall 200K-kontext varje tur betalar tjugo gånger indatapriset och väntar tre minuter varje gång för att göra det. Indexuppgiften på 32,2 minuter är trackerns sammansatta mått, inte din uppgift, men riktningen i den är det man ska planera efter.

Kvittot säger inte vad som svarade
Det här är den del av den routade listningen som förtjänar mer uppmärksamhet än sitt pris. Plattformens egen dokumentation är ovanligt öppenhjärtig: varje routat svar bär ett signerat ruttkvitto, och kvittot ”bevisar inte vilka vikter som svarade”. Det registrerar vart en begäran skickades och vad den senaste sonden rapporterade. Modeller som plattformen publicerar själv får en starkare kedja – filer lagrade med SHA-256-sammandrag, revisioner identifierade med en filkartshash, signerade poster under en pinnad utgivarnyckel, en transparenslogg som endast tillåter tillägg – och verifieringsstatusen som visas för qwen/qwen4-max är ”okänd”.
För en sluten modell är detta ingen skandal, det är en strukturell begränsning som alla routrar delar, inklusive vår: om vikterna inte publiceras kan ingen tredje part bevisa vilka vikter som producerade en token. Det som följer är en praktisk regel snarare än en kritik. Om ditt arbete är beroende av att modellen faktiskt är Qwen4-Max – en utvärdering, en benchmarkinlämning, ett avtalsenligt påstående om vilken modell som har rört data – räcker inte en routad slutpunkt som bevis i sig, hur bra kvittot än ser ut. Om det du behöver är förmågan är en routad slutpunkt okej och frågan om proveniens är akademisk.
Hur man provar det utan att satsa en produktionsväg på det
För att vara rakt på sak om var vi står: OrcaRouter dirigerar inte Qwen4-Max. Katalogen innehåller qwen/qwen3.8-max, anthropic/claude-fable-5.2 och openai/gpt-6.1-sol; en begäran om en qwen4-identifierare returnerar not-found i dag, så om du vill ha den här modellen på vår nyckel får du vänta som alla andra. Det vi kan göra är att göra utvärderingen billig att ångra.
Anledningen till att bry sig är att allt kring den här lanseringen talar emot att hårdkoda den. Modellen är en dag gammal, dess enda oberoende prestandarad placerar den på 74:e plats av 79 i hastighet, dess routade pris undercutar den egna leverantörens kort av skäl som ingen har förklarat, och plattformen som bär rekommendationen är i privat beta bakom en inbjudningskod. Vilket som helst av dessa kan ändras inom en vecka – och en övergång från förhandsversion till GA som också skar den delade budgeten för tänkande plus svar från 393 216 token till 262 144 och flyttade faktureringen från krediter till mätning per token är precis den typ av förändring som bryter en produktionsväg i vecka två.
Det är argumentet för att hålla experimentet bakom en routad slutpunkt i stället för en hårdkodad sådan: den nya modellen på en rutt, qwen/qwen3.8-max på fallbacken, en nyckel och en faktura för båda. Med 0 % påslag och leverantörens listpris vidarebefordrat, är räkningen du gör mot Alibabas prislista samma räkning som du faktureras för — vilket också innebär att en leverantörsprissänkning syns hos oss samma dag i stället för vid nästa avtalsförnyelse. Modellfusion är det andra alternativet som är värt att känna till för en obeprövad modell: kör den vid sidan av den befintliga modellen på ett urval av din egen trafik och jämför utdata innan någon av dem äger vägen. Om du hellre bara vill se hur ett API för 200+ modeller ser ut, är katalogen offentlig.

Vad skulle ändra den här avläsningen?
Tre saker, i ordning efter hur mycket de skulle betyda.
Det första är en hastighetssiffra från någon annan än den enda trackern. En enda mätning på 54 tokens per sekund i ett sammansatt benchmark är ett tunt underlag för ett produktionsbeslut, och leverantören har inte publicerat någon alls. Om en andra oberoende testrigg landar nära den siffran är långsamheten en egenskap hos modellen och agentutvecklare bör dimensionera sina loopar efter den. Om den landar långt över var trackerns slutpunkt problemet och det här avsnittet åldras dåligt – vilket är rätt sätt för det att åldras.
Det andra är att verifieringsstatusen för den routade listningen lämnar "okänd", eller att plattformen lämnar privat beta. Båda skulle förvandla en godkänd väg till något som du kan stå bakom med ett supportåtagande.
Det tredje är att Alibaba publicerar en absolut poäng för agentisk kodning i stället för ett förhållande till föregångaren. Tills det sker är rekommendationen ett påstående om avsikt, och det enda publicerade måttet på den arbetsbelastning den utlovar är 32,2 minuter per uppgift vid 54 tokens per sekund. Det är inte ett skäl att undvika Qwen4-Max – det är ett skäl att benchmarka det på dina egna uppgifter innan du lovar någon ett leveransdatum, och att hålla den nuvarande lösningen tillgänglig som en reservväg medan du gör det.
