
Qwen4 Max lanseras i OpenCode Go: vad $15-bidraget räcker till, och vad en cachemiss kostar
- 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 · 89 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 · 86 tok/s
- OrcaOrcaCyber: MiniMax M3.1 Flash Abliterated / Uncensored2026-10-29$0.80 / $1.60 per 1M tokens · 127 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 · 45 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 · 194 tok/s
- minimaxMiniMax: M3.1 Flash2026-10-1929Intelligens
- OrcaOrca: OrcaCyber Ultra 1.02026-10-17$5.00 / $10.00 per 1M tokens · 136 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 · 124 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 · 182 tok/s
OpenCode put Qwen4 Max behind its Go subscription on 16 November 2026, the same day the model moved from preview to metered general availability, and the number that decides whether that is a good deal is not the $1.50 input price. It is 66,000 — the cached-token count OpenCode assumes for a typical coding request when it works out how far your allowance stretches. That single assumption is why a $15 monthly budget is quoted as roughly 2,310 requests on Qwen4 Max and roughly 810 on Qwen3.8-Max, the model it replaces at the top of the same list, and it is also why the same $15 can collapse to about 149 requests if your harness never gets a cache hit. Everything below is arithmetic you can redo from two pages OpenCode publishes, plus one independent benchmark row that says the model is capable, slow and talkative.
Vad OpenCode faktiskt publicerade, och vad det inte gjorde
Två ytor innehåller listningen och de stämmer överens om allt som spelar roll. Go-marknadsföringssidan på opencode.ai/go visar en rad med texten "Qwen4 Max — New" med 463 uppskattade förfrågningar per fem timmar på Go-planen för $10 och 1 850 på Go Plus-planen för $40, mot en månatlig användningsgräns på $15 respektive $60. Dokumentationen på opencode.ai/docs/console/go ger samma modell id:t qwen4-max, slutpunkten https://opencode.ai/inference/go/anthropic/v1/messages, AI SDK-paketet @ai-sdk/anthropic och en prisrad på $1,50 för indata, $4,50 för utdata, $0,075 för cachad läsning och $1,875 för cachad skrivning per miljon tokens. Dess användningstabell listar 460 förfrågningar per fem timmar, 1 160 per vecka och 2 310 per månad.
The three-request gap between 463 and 460 on the two pages is not a scandal; it is what happens when one surface is generated from a bar chart and the other from a table. Take the lower figure. What matters more is that the price line is the Singapore rate card to the cent, with no subscription discount applied underneath it.
Tre detaljer i den dokumentationen gör mer nytta än rubrikpriset:
• The model is served over the Messages protocol, not a chat-completions-compatible path. That is the same route OpenCode uses for Qwen3.8-Max and Qwen3.7 Plus, and it is why a harness that already speaks Messages can point at Go without a shim.
• Integritet anges modell för modell. Qwen4 Max registreras som "Träning: Används inte" och "Lagring: 0 dagar" – kolumnen för nollagring, inte 30-dagarskolumnen som Grok 4.7 och Luna-modellerna finns i. Go:s standardinställning blockerar också betalda slutpunkter som tränar på förfrågningsdata.
Varje svar rapporterar sin kostnad tillbaka som opencode.allowance, och tillgodohavandet är denominerat i dollar till listpris, uppdelat i fönster på 20 % under fem timmar, 50 % under en vecka och 100 % under en månad.
What OpenCode has not published is where the tokens come from. The docs explain that some models get large allowances because OpenCode negotiated a bulk discount or reserved GPU capacity, and that others get smaller allowances "either because the model is new or because their public pricing is already discounted" — in which case "you still get a little more than if you paid the model providers directly." Qwen4 Max sits in the second bucket at $1.50 and $4.50, exactly the rate Qwen4 Max carries everywhere. Whether that is a pass-through of the Singapore endpoint or OpenCode's own serving of a 2.4-trillion-parameter model is not stated anywhere, and anyone who tells you which it is, is guessing.
One thing worth correcting up front, because the phrasing around this model has been loose: Qwen4 Max is not an unannounced or leaked release. The launch came with a post titled "Qwen4-Max: Your New Teammate Has Arrived", its Model Studio documentation for the model was updated on 17 November, and there are no weights to inspect — Artificial Analysis records the model as proprietary, and no repository exists to read. The quiet part is OpenCode's listing, which is a coding platform wiring up somebody else's launch, not a launch of its own.

$15 är en dollarmätare, så här är aritmetiken
En summa i dollar är bara meningsfull tillsammans med den förfrågningsform den förutsätter, och OpenCode publicerar den formen: 420 nya indatatoken, 66 000 cachade token och 200 utdatatoken per förfrågan. Kör dessa tre siffror mot Qwen4 Max-prisraden:
• Ny inmatning — 420 tokens till $1,50 per miljon är $0,00063.
• Cachad indata — 66 000 token till $0,075 per miljon är $0,00495.
• Utdata — 200 tokens till $4,50 per miljon är $0,00090.
• Per begäran – 0,00648 $, vilket går jämnt upp i 15 $ 2 315 gånger. OpenCodes publicerade uppskattning på 2 310 per månad är det talet avrundat nedåt.
Samma beräkning på Qwen3.8-Max, som Go-katalogen fortfarande säljer för $2,00 för indata, $6,00 för utdata och $0,25 för cachad läsning, ger $0,01854 per förfrågan och 809 förfrågningar för $15 — OpenCode publicerar 810. Så bytet till Qwen4 Max är värt 2,9× fler förfrågningar på en identisk budget, och två tredjedelar av den vinsten kommer från en rad: att priset för cachad läsning faller från $0,25 till $0,075 per miljon, en sänkning med 70 %. Rubrikpriset för indata ändrades med 25 %. Cachepriset förändrade utfallet.
Femtimmarfönstret är den begränsning du faktiskt kommer att stöta på. Vid 20 % av månadstilldelningen kan ett rullande femtimmarsblock på Go-abonnemanget göra av med 3 USD på Qwen4 Max – 463 förfrågningar enligt den modellerade användningsprofilen, vilket ungefär motsvarar en intensiv eftermiddag med agentvändor om du inte är försiktig. Go Plus höjer det till 12 USD och 1 850 förfrågningar. Go Teams sätter varje medlems tilldelning till 20 USD i månaden, vilket är mer än Go:s 15 USD och mindre än Plus 60 USD, till 20 USD per medlem.

Varifrån 66 000 cachade tokens kommer, och varför det är hela historien
Sextiosex tusen cachade tokens är inte ett godtyckligt jämnt tal: det är ett rimligt prefix för en kodagent som skickar en systemprompt, verktygsdefinitioner och en måttligt stor filuppsättning varje tur, och det är anledningen till att den modellerade förfrågan överhuvudtaget är billig. Till $0,075 per miljon kostar det prefixet på 66 000 tokens mindre än en halv cent. Till priset för ny indata på $1,50 skulle det kosta $0,099 – tjugo gånger mer, och mer än femton gånger hela resten av förfrågan.
Följ det resonemanget. En begäran där prefixet missar cachen kostar $0,1005 i stället för $0,00648, så samma $15 räcker till ungefär 149 begäranden i stället för 2 315. Inget annat i din användning behöver ändras för att kvoten ska minska med 94 %; prefixet behöver bara sluta vara återanvändbart. De tre sätten det händer på är vardagliga: en systemprompt med en tidsstämpel eller en föränderlig verktygslista i sig, en harness som ändrar ordningen på sin kontext mellan turerna, eller en session som fortsätter skriva om de tidigaste meddelandena så att det cachebara prefixet aldrig stabiliseras.
Det finns en andra, tystare kostnad. OpenCode tar 1,875 dollar per miljon för cachade skrivningar, vilket är 25 % över priset för ny indata – du betalar en premie för att etablera ett prefix som senare läses med 95 % rabatt. Att skriva det prefixet på 66 000 token kostar 0,124 dollar, ungefär nitton gånger en varm begäran. En session som ständigt ogiltigförklarar sin cache betalar skrivningen upprepade gånger och får aldrig rabatten.
Det är därför det är värt att förstå tilldelningen i stället för att bara observera den. För en modell med den här prissättningen är cacheträffkvoten inte en optimering man skjuter upp till senare; den är skillnaden mellan två mycket olika prenumerationer.
Det du avstår från, mätt
Den oberoende resultattavlan är full nu, och den är mindre smickrande än priskortet. Artificial Analysis ger Qwen4 Max 43 på sitt Intelligence Index – över dess angivna median på 41, rankad 38:a av 81 modeller på tavlan – till en uppmätt kostnad på $3,27 per indexuppgift. Prestandapanelen, som fortfarande var tom när modellen först listades, innehåller nu verkliga siffror: 54 token per sekund i utdata, 159 sekunder till den första svars-tokenen och 32,1 minuter för att slutföra en Intelligence Index-uppgift mot en median på 13,3 minuter. I trackerns egen rankning är det 75:e av 79 för tid till första svars-token.
• Kapacitet – 43 på Intelligence Index, 38:e av 81, 3,27 $ per uppmätt uppgift.
• Prestanda — 54 utdatatoken per sekund, 159 sekunder till den första svartoken, 32,1 minuter per indextask jämfört med en median på 13,3 minuter, rankad 75:a av 79 på tid till första svartoken.
• Ordrikedom – 127 miljoner uttoken för att slutföra indexkörningen, mot ett medianvärde på 78,6 miljoner, rankad 65:a av 80 på trackerns egen ordrikedomsskala.
• Context — 984k tokens on the tracker's measurement, against the documented 1,000,000-token window with a 991,808-token input ceiling in non-thinking mode.
För en interaktiv kodningsloop är siffran för första token i svaret den som svider. Resonemangsmodeller ger inget förrän tänkandet är slut, så 159 sekunder är gapet mellan att trycka på enter och att se första tecknet i ett svar, och en lång tänkandebudget flyttar runt den siffran i stället för att få bort den. För batcharbete – en kö av refaktoreringar, en nattlig genomgång – är den irrelevant, och kapaciteten per dollar på $3,27 per uppgift är respektabel mot frontier-modeller som tar flera gånger så mycket.
Siffran för verbositet förtjänar en egen mening, eftersom det är den som samspelar med en dollarbudget. En modell som genererar 127 miljoner token där medianen genererar 78,6 miljoner förbrukar ungefär 60 % fler uttoken för samma uppsättning uppgifter, och på Qwen4 Max är utdata den dyraste posten i begäran med 4,50 dollar per miljon. Din budget på 15 dollar är denominerad i dollar, så en pratsam modell till samma pris per token tar helt enkelt slut tidigare.

Ansträngningsvredet är inte valfritt på den här modellen
Qwen4 Max's own documentation sets reasoning_effort to high and thinking_budget to 131,072 when you omit both, and it maps the five-value vocabulary most SDKs use onto three real settings: minimal becomes low, medium becomes high, and max becomes xhigh. Over the Messages protocol, which is the route OpenCode exposes, the knob is output_config.effort with the same three values.
Två konsekvenser följer. För det första: att begära "medium"-ansträngning ger dig inte en mellaninställning – det ger dig high, standardinställningen. Om du vill att modellen ska tänka mindre måste du begära low. För det andra delas utdatataket med tänkandet: 262 144 token som täcker tankekedja plus svar i tänkläge, 131 072 token svar med tänkandet avstängt, mot ett indatatak på 983 616 token när tänkandet är på. En agent som låser max_completion_tokens till 262 144 och väljer xhigh har bestämt sig för att spendera sin tilldelning på resonemangstoken innan den har skrivit en enda rad kod.
Den praktiska inställningen för en interaktiv kodningssession på ett mätarbaserat abonnemang är låg för redigeringar och små refaktoreringar, hög för de turer där modellen måste hålla flera filer samtidigt, och xhigh endast för de uppgifter som du annars skulle lämna över till en person. Det är en bedömning av din budget, inte ett benchmarkpåstående – ingen har publicerat en kostnadskurva per ansträngningsnivå för den här modellen, och leverantörens egna siffror för tokenminskning är leverantörens siffror.
Prova det utan att flytta din stack
OrcaRouter does not route Qwen4 Max today. That should be said plainly rather than implied around: the catalogue carries 215 models, and a request for a qwen4 identifier returns not-found, so if the new flagship is what you want on an OrcaRouter key, you are waiting. What the catalogue does carry is qwen/qwen3.8-max at $2.00 input and $6.00 output per million with a $0.25 cache read — the same rates both OpenCode and the model's first-party API publish — passed through at 0% markup, so a vendor price cut lands on our side the same day it lands on theirs.
Vilket gör det förnuftiga testet billigt i stället för gratis. Om du väger Qwen4 Max mot det du redan kör, är frågan du först ska besvara inte ”är 43 ett bra resultat” utan ”håller min harness ett prefix på 66 000 token varmt” — och du kan besvara den mot Qwen3.8-Max på samma konto i dag, till taxor du redan känner till, innan du betalar för en prenumeration för att få svaret. Kombinera det med automatisk redundansväxling så blir en obeprövad modell ett routingbeslut i stället för en migrering: skicka arbetet till den nya modellen, behåll den gamla som reserv och låt felfrekvensen avgöra.
Vem bör flytta nu, och vem bör vänta
Om du redan betalar för OpenCode Go kostar ändringen dig ingenting att prova, och kvoten är anledningen att prova det medvetet i stället för på måfå. Qwen4 Max mer än fördubblar antalet förfrågningar som dina $15 räcker till jämfört med Qwen3.8-Max på samma plan, men det sker genom ett cacheantagande som din harness måste leva upp till, på en modell som är mätbart långsam till första token och mätbart ordrik vid standardinställningen för ansträngning. Börja med låg ansträngning, håll koll på fältet opencode.allowance under de första tjugo svaren och jämför förbrukningstakten med vad de sessionerna skulle ha kostat på modellen du redan använde. Om förbrukningstakten överraskar dig ligger orsaken nästan säkert i ditt prefix, inte i prislistan.
If you are not on Go, this listing changes nothing about your options — Qwen4 Max is available through the first-party API in six regions at $1.50 and $4.50 in Singapore and $1.413 and $4.24 in the Global regions, and a subscription that resells it at list price is a convenience, not a discount. And if your work is latency-sensitive and interactive, the honest read of the independent numbers is that this is a model to queue work for, not one to sit and watch.
Det man bör hålla ögonen på härnäst är inte ännu ett benchmark. Det är huruvida OpenCode:s tilldelning på $15 för Qwen4 Max överlever kontakten med verklig användning: dokumentationen säger att gränserna "kan ändras i takt med att vi lär oss av tidig användning och feedback", vilket är meningen som plattformar skriver innan de ändrar en siffra. En modell så ny, så hårt mätt, med en så liten tilldelning, är den rad på den sidan som mest sannolikt revideras först.
Jämförda i den här artikeln1
Identifierat från den här artikeln · Benchmarks: Artificial Analysis · uppdateras dagligen
