การ์ดชื่อเรื่องอัตราส่วน 16:9 ที่สร้างขึ้นซึ่งอ่านว่า 'Qwen4-Max vs Kimi K4' พร้อมคำบรรยายใต้ภาพว่า 'ตัวหนึ่งเปิดตัวแล้วในสัปดาห์นี้ ส่วนอีกตัวยังไม่เคยเปิดตัวเลย' โดยมีสองการ์ดมุมโค้ง: โมเดล GA ที่มีเอกสารประกอบครบถ้วนพร้อมหกภูมิภาคและราคาแบบจ่ายตามการใช้งาน และอีกชื่อหนึ่งที่ไม่มีโมเดลการ์ด ไม่มีตัวระบุ API และไม่มีการประกาศ โลโก้ OrcaRouter ที่มุมขวาล่าง
Guides & Insights

Qwen4-Max vs Kimi K4: ตัวหนึ่งเปิดตัวสัปดาห์นี้ ส่วนอีกตัวยังไม่เคยเปิดตัวเลย

ผู้เขียน

jinhao.song

วันที่เผยแพร่

โมเดลล่าสุด · 20ดูโมเดลทั้งหมด →
เบนช์มาร์ก: Artificial Analysis · อัปเดตทุกวัน
กลับไปยังโพสต์ทั้งหมด

ค้นหา K​imi K4 แล้วคุณจะพบข้อเขียนจำนวนมากเกี่ยวกับโมเดลที่ไม่มีอยู่จริง ค้นหา Qwen4-Max และ ณ วันที่ 16 พฤศจิกายน 2026 คุณจะพบโมเดลที่เรียกใช้ได้ พร้อมตารางราคาที่เผยแพร่ หกภูมิภาค และหน้าคู่มือที่มีการประทับเวลา 09:46 น. ของเช้าวันนั้น สองกรณีนี้ไม่ใช่สภาวะที่เทียบกันได้ และการถือว่ามันเป็นสองฝ่ายของการจับคู่คือข้อผิดพลาดที่พบบ่อยที่สุดในมุมนี้ของตลาด ดังนั้นหน้านี้จึงทำสองหน้าที่: กำหนดว่า K​imi K4 คืออะไร — ชื่อที่ไม่มีโมเดลการ์ด ไม่มีตัวระบุ API ไม่มีน้ำหนักโมเดล ไม่มีราคา และไม่มีประกาศรองรับ — จากนั้นจึงทำการเปรียบเทียบที่ผู้อ่านนำไปใช้ได้จริง ระหว่าง Qwen4-Max กับ Kimi K3.1 Pro ซึ่งเป็นโมเดลที่ Moonshot AI เปิดตัวในปัจจุบัน และเป็นโมเดล open-weights ที่ได้คะแนนสูงสุดบน Artificial Analysis Intelligence Index

การเปรียบเทียบที่สองนั้นน่าสนใจกว่าอันที่คุณพิมพ์เข้ามา เพราะมันเป็นจุดเดียวที่ Qwen4-Max เจอโมเดลที่เอาชนะมันได้ในด้านความสามารถที่วัดได้ แต่แพ้มันในด้านราคา มันยังเป็นการเปรียบเทียบที่แสดงให้เห็นว่าทำไม benchmark ที่หายไปของ Qwen4-Max จึงมีต้นทุนสูง เมื่อเทียบกับ Kimi K3.1 Pro มีตัวเลขจริงอยู่ฝั่งหนึ่งของตาราง แต่อีกฝั่งกลับว่างเปล่า

A generated two-column scoreboard titled 'Qwen4-Max vs Kimi K3.1 Pro - the scoreboard', comparing $1.50 and $4.50 per million tokens against $2.00 and $10.00, a 1,000,000-token context against 1,048,576, a 131,072 maximum output against a 1,000,000-token ceiling, no independent score against 46.5, and no weights against an open parent under a custom licence, over a footer reading 'Qwen4-Max per Alibaba; Kimi figures per Moonshot and Artificial Analysis Index v5.0.1.' OrcaRouter logo bottom-right.

การตรวจสอบ Kimi K4 ที่ทำอย่างเปิดเผย

ข้อกล่าวอ้างว่าบางสิ่งยังไม่ถูกเปิดตัวจะเสื่อมน้ำหนักลงเมื่อเวลาผ่านไป ดังนั้นนี่คือหลักฐาน ไม่ใช่คำตัดสิน เอกสารราคาสำหรับนักพัฒนาของ K​imi API ระบุ kimi-k3.1-pro และ kimi-k3 เป็นโมเดลในซีรีส์ K3 โดยมีหน้าต่างบริบท 1,048,576 โทเค็น รวมถึงซีรีส์ K2 ซึ่งหน้าเดียวกันระบุว่าจะปลดระวางทั้งหมดภายในสิ้นเดือนธันวาคม 2026 ไม่ปรากฏตัวระบุ kimi-k4 รายการโมเดลของแพลตฟอร์มไม่มีรายการดังกล่าว ดัชนีบล็อกของแล็บเองไม่มีโพสต์เกี่ยวกับ K4 การค้นหาในรีโพซิทอรีภายใต้องค์กร moonshotai ไม่ให้ผลลัพธ์ใดที่สูงกว่า K3.1 Pro

สิ่งเดียวที่ค้นพบได้สำหรับชื่อนี้คือการอัปโหลดซ้ำโดยบุคคลที่สามบน Hugging Face ซึ่งสร้างขึ้นในเดือนกรกฎาคม 2026 มีผู้ดาวน์โหลดเพียงไม่กี่ราย ไม่มีเอกสารประกอบ และมีชุดแท็กที่คัดลอกมาจาก Kimi K3 ทั้งชุด มันไม่ใช่สิ่งส่งออกของ Moonshot และหน้านี้ไม่ได้ปฏิบัติต่อมันในฐานะนั้น โมเดลเรือธงของ Moonshot ที่เปิดตัวแล้วจะทิ้งร่องรอยที่ตรวจสอบได้ภายในไม่กี่วัน — การ์ดโมเดลที่ระบุจำนวนพารามิเตอร์ แถวในตารางราคา ตัวระบุ API และรายการบนลีดเดอร์บอร์ด ชื่อที่ไม่มีร่องรอยใด ๆ เหล่านั้นไม่ใช่การเปิดตัวแบบเงียบ ๆ แต่เป็นเพียงชื่อเท่านั้น

พูดตรง ๆ ไว้ก่อน เพราะการวางกรอบของหน้านี้อาจถูกตีความผิด: การที่ K4 ยังไม่ออกมาไม่ได้บอกอะไรเกี่ยวกับแนวโน้มของ Moonshot เลย ห้องแล็บแห่งนี้เปิดตัวไปแล้วสองครั้งในสี่เดือน และครั้งที่สองในนั้นคือ K3.1 Pro เมื่อวันที่ 24 ตุลาคม 2026 ซึ่งเป็นผลลัพธ์แบบโอเพนเวตที่ดีที่สุดบนดัชนีปัจจุบัน โมเดลถัดไปเป็นเรื่องของ "เมื่อไหร่" ไม่ใช่ "จะหรือไม่จะ" มันแค่ไม่ใช่ "ตอนนี้" เท่านั้น

Qwen4-Max กลายเป็นอะไรในสัปดาห์นี้

จนถึงวันที่ 16 พฤศจิกายน Qwen4-Max มีอยู่เพียงในรูปแบบ qwen4-max-preview: บริการเช่าที่จำกัดเฉพาะ Token Plan ซึ่งเปิดให้ใช้เมื่อเวลา 10:00 UTC+8 ของวันที่ 11 พฤศจิกายน โดยประกาศเลิกให้บริการในเวลา 24:00 ของวันที่ 25 พฤศจิกายน และไม่มีราคาต่อโทเคนที่ใดเลย โมเดล GA เป็นตัวระบุคนละตัว คือ qwen4-max ซึ่งมีอัตราแบบจ่ายตามการใช้งาน มีหกภูมิภาค — สิงคโปร์ ปักกิ่ง ฮ่องกง แฟรงก์เฟิร์ต เวอร์จิเนีย และโตเกียว — และไม่มีวันหมดอายุ

ข้อกำหนดที่เผยแพร่ระบุว่ามีบริบท 1,000,000 โทเคน เอาต์พุตสูงสุด 131,072 โทเคนในโหมดไม่คิด งบประมาณร่วม 262,144 โทเคนสำหรับการคิดบวกคำตอบ อินพุตข้อความ รูปภาพ และวิดีโอ และเอาต์พุตเป็นข้อความเท่านั้น การคิดเปิดใช้งานโดยค่าเริ่มต้นด้วยงบประมาณ 131,072 โทเคน และตั้งค่าความพยายามในการให้เหตุผลเป็นสูง API รองรับ O​penAI Chat Completions, O​penAI Responses, A​nthropic Messages และ DashScope ซึ่งหมายความว่า A​nthropic SDK ที่มีอยู่เมื่อชี้ไปยัง base URL ใหม่จะทำงานได้โดยไม่ต้องเขียนใหม่ การปรับแต่งละเอียดและการปรับใช้โมเดลมีเอกสารระบุว่าไม่รองรับ และไม่มีการเผยแพร่น้ำหนักโมเดล

A screenshot of Alibaba Cloud Model Studio's 'Model releases and updates' changelog, dated 2026-11-16 and headed qwen4-max, with the 2026-11-11 qwen4-max-preview entry visible below and the documentation timestamp at the top of the page.

Qwen4-Max เทียบกับ K​imi ที่คุณเรียกใช้ได้จริง

Kimi K3.1 Pro เป็นการเปิดตัวแบบหลังการฝึก (post-training release) มากกว่าจะเป็นสถาปัตยกรรมใหม่: Moonshot อธิบายว่าเป็น Kimi K3 ที่ฝึกใหม่ด้วยพลังการประมวลผลสำหรับ post-training ที่มากขึ้นอย่างมีนัยสำคัญ รวมถึงการเรียนรู้แบบเสริมกำลังร่วมขนาดใหญ่ (large-scale joint reinforcement learning) ในโดเมนปลายทางหลายร้อยโดเมน หน้าต่างบริบทยังคงไม่เปลี่ยนแปลงที่ 1,048,576 โทเคน อินพุตภาพและวิดีโอยังคงไม่เปลี่ยนแปลง และเพดานเอาต์พุตยังคงไม่เปลี่ยนแปลงที่ 1M โทเคน สิ่งที่เปลี่ยนแปลงอย่างมีนัยสำคัญที่สุดคือราคา: $2.00 ต่ออินพุตหนึ่งล้านโทเคน และ $10.00 ต่อเอาต์พุตหนึ่งล้านโทเคน ลดลงจาก $3.00 และ $15.00 ของ K3

• ราคาอินพุต — Qwen4-Max $1.50 ต่อ 1 ล้านในสิงคโปร์, $1.413 ที่อื่น เทียบกับ Kimi K3.1 Pro $2.00

• ราคาเอาต์พุต — Qwen4-Max $4.50 สำหรับสิงคโปร์, $4.24 สำหรับที่อื่น เทียบกับ Kimi K3.1 Pro $10.00

• การอ่านแคช — Qwen4-Max $0.075 หลังการเขียนห้านาทีราคา $1.875 เทียบกับ Kimi K3.1 Pro $0.20 หลังการเขียนราคา $2.00

• บริบท — Qwen4-Max 1,000,000 โทเค็น เทียบกับ Kimi K3.1 Pro 1,048,576 โทเค็น ซึ่ง K​imi ได้เปรียบ 4.6%

• เอาต์พุตสูงสุด — Qwen4-Max 131,072 ในโหมด non-thinking เทียบกับเพดาน 1M token ของ Kimi K3.1 Pro ถือเป็นความได้เปรียบที่มากสำหรับ K​imi

• คะแนนอิสระ — Qwen4-Max ยังไม่เผยแพร่ เมื่อเทียบกับ Kimi K3.1 Pro ที่ 46.5 บน Artificial Analysis Intelligence Index v5.0.1 ซึ่งเป็นผลลัพธ์แบบโอเพนเวตส์ที่สูงที่สุดบนบอร์ด

• น้ำหนักโมเดล — Qwen4-Max ไม่ได้เผยแพร่เลย เมื่อเทียบกับ K3 ซึ่งเป็นโมเดลต้นทางของ Kimi K3.1 Pro ที่เปิดให้ใช้ภายใต้สัญญาอนุญาตแบบกำหนดเอง

• การทดสอบประสิทธิภาพจากผู้จำหน่าย — Qwen4-Max ไม่มีข้อมูล เทียบกับ Kimi K3.1 Pro ที่ 65.7% บน Terminal-Bench 4.0 ตามที่ผู้จำหน่ายรายงาน

แถวราคาเอาต์พุตคือแถวที่ทำให้ต้องจัดงบประมาณใหม่ ที่ $4.50 เทียบกับ $10.00 Qwen4-Max ถูกกว่าสำหรับเอาต์พุต 55% ในสิงคโปร์ และถูกกว่า 58% ในภูมิภาคอื่น ๆ ไพล์ไลน์ที่สร้างโทเคนเอาต์พุต 50 ล้านโทเคนต่อเดือนจ่าย $225 เมื่อใช้ Qwen4-Max และ $500 เมื่อใช้ Kimi K3.1 Pro นั่นคือช่องว่างที่แท้จริง และเป็นข้อโต้แย้งเดี่ยวที่แข็งแกร่งที่สุดสำหรับโมเดลที่ใหม่กว่า

แถวเพดานเอาต์พุตคือแถวที่ทำให้ข้อสรุปนั้นใช้ไม่ได้ Kimi K3.1 Pro จะสร้างโทเค็นได้หนึ่งล้านโทเค็นในการตอบกลับครั้งเดียว ส่วน Qwen4-Max จำกัดที่ 131,072 เมื่ออยู่นอกโหมดคิด และ 262,144 เมื่อใช้ร่วมกับโหมดคิด หากงานของคุณรวมถึงการสร้างเอกสารยาว การเขียนไฟล์ใหม่ทั้งไฟล์ หรือร่องรอยการให้เหตุผลแบบยาวในครั้งเดียว โมเดลที่ถูกกว่าอาจทำงานให้เสร็จไม่ได้ไม่ว่าจะจ่ายเท่าไรก็ตาม และส่วนลด 55% สำหรับคำขอที่ต้องแบ่งออกเป็นการเรียกแปดครั้งก็ไม่ถือเป็นส่วนลด

ทำไมช่องว่างในคอลัมน์คะแนนจึงเป็นเรื่องสำคัญ

ทุกการเปรียบเทียบโมเดลที่บล็อกนี้เผยแพร่ต้องเจอกำแพงเดียวกันกับเรือธงรุ่นใหม่ของ A​libaba: เอกสารมีความแม่นยำอย่างผิดปกติเกี่ยวกับกลไก แต่เงียบสนิทเกี่ยวกับคุณภาพ หน้าเพจของ Qwen4-Max ระบุอุณหภูมิเริ่มต้นในแต่ละโหมด ค่า top-p และ top-k งบประมาณการคิด (thinking budget) เพดานโทเค็นอินพุตและเอาต์พุตที่แน่นอนของแต่ละโหมด และหกภูมิภาคพร้อมขอบเขตการติดตั้งใช้งาน แต่ไม่มีการเผยแพร่ตาราง benchmark ไม่ว่าจะเป็นข้อมูลที่ผู้ขายรายงานเองหรือแหล่งอื่น และไม่มีรายการ Qwen4 ในดัชนีโมเดลของ Artificial Analysis — URL ประจำโมเดลส่งคืน 404

เมื่อเทียบกับ Kimi K3.1 Pro ความไม่สมมาตรนั้นมีผลลัพธ์เฉพาะอย่างหนึ่ง ฝั่ง K​imi มีตัวเลขจากผู้พัฒนาเองที่ทุกคนมองเห็นได้ และมีตัวเลขอิสระบนดัชนีรุ่นเดียวกัน โดยทั้งสองอยู่แถวบนของกระดานอันดับโมเดลเปิดน้ำหนัก ฝั่ง Q​wen มีเพียงราคาและสเปกชีต ผู้ซื้อที่เปรียบเทียบทั้งสองไม่ได้กำลังเทียบสองโมเดล แต่กำลังเทียบโมเดลที่ถูกวัดค่าแล้วกับโมเดลที่ถูกบรรยายไว้ในเอกสาร และวิธีเดียวที่จะปิดช่องว่างนั้นคือการวัดด้วยตัวเอง

ซึ่งทำได้ถูกกว่าที่ฟังดูด้วยซ้ำ พรอมป์ต์หนึ่งร้อยรายการที่ดึงมาจากทราฟฟิกของคุณเอง รันบนทั้งสองตัว ด้วยอัตราเหล่านี้ มีค่าใช้จ่ายเพียงไม่กี่ดอลลาร์ นั่นคืองบประมาณการประเมินทั้งหมดที่ต้องใช้เพื่อเปลี่ยน Qwen4-Max จากสิ่งที่ไม่รู้จักให้กลายเป็นปริมาณที่รู้แน่ชัดสำหรับภาระงานของคุณ — และมันน้อยกว่าค่าใช้จ่ายจากการเดาผิดเรื่องราคาเอาต์พุตเพียงสัปดาห์เดียว

จุดเดียวที่สองดีไซน์นี้แตกต่างกันมากที่สุด

สถาปัตยกรรม K3 ของ Moonshot อาศัย K​imi Delta Attention ซึ่งเป็นกลไก linear attention ที่มี recurrent state ขนาดคงที่ ใน 69 จาก 92 เลเยอร์แบบ sparse ของตน การออกแบบนี้คือสิ่งที่ทำให้บริบทขนาด 1M โทเคนให้บริการได้ในต้นทุนที่คุ้มค่า และยังเป็นเหตุผลที่ผู้ประเมินอิสระไม่ให้น้ำหนักกับคำกล่าวอ้างด้าน long-context จากผู้พัฒนาเองทั่วทั้งอุตสาหกรรม: ไฮบริดแบบ linear attention มักเสียคะแนนไปเล็กน้อยในการดึงข้อมูลแบบ needle-in-a-haystack เมื่อเทียบกับ full attention Q​wen ไม่ได้เผยแพร่ข้อมูลใด ๆ เกี่ยวกับการออกแบบ attention ของ Qwen4-Max ดังนั้นจึงไม่มีทางรู้ว่ามันอยู่ฝั่งไหนของการแลกเปลี่ยนนี้

สิ่งที่ Qwen เปิดเผยจริง ๆ คือระบบแคชพรอมป์ต์ที่มีทั้งโหมดชัดเจนและโหมดโดยนัย โดยการเขียนแคชอายุห้านาทีอยู่ที่ $1.875 ต่อล้าน เทียบกับการอ่านที่ $0.075 ต่อล้าน — เป็นส่วนลด 96% สำหรับการอ่าน ส่วนสิ่งที่เทียบเท่าของ Kimi คือเขียน $2.00 และอ่าน $0.20 ซึ่งเป็นส่วนลด 90% ทั้งสองดีไซน์ให้รางวัลกับพรีฟิกซ์ที่เสถียรและลงโทษพรอมป์ต์ที่เปลี่ยนทุกครั้ง และทั้งคู่ก็ไม่เปลี่ยนการคำนวณสำหรับคำขอแบบครั้งเดียว

สำหรับงานเอกสารบริบทขนาดยาว — ภาระงานที่ผู้ขายทั้งสองรายกำลังขายอยู่ — การทดสอบที่ใช้ได้จริงนั้นเหมือนกันบนโมเดลทั้งสอง: สร้าง needle test บนคลังข้อมูลของคุณเองก่อนที่คุณจะเชื่อหน้าต่างบริบทที่โฆษณาไว้ โมเดลที่ตอบถูกที่ 900K โทเค็นบนข้อมูลของคุณมีค่ามากกว่าโมเดลที่ตอบถูกที่ 1M บนชุดทดสอบสังเคราะห์ และมีเพียงหนึ่งในสองตัวเลขนั้นเท่านั้นที่รู้ได้โดยไม่ต้องมีฮาร์เนสของคุณเอง

เรียกทั้งสองแบบเคียงข้างกัน

OrcaRouter ให้บริการ Kimi K3.1 Pro ในชื่อ kimi/kimi-k3.1-pro ในราคาตามรายการของ Moonshot — $2.00 สำหรับอินพุต และ $10.00 สำหรับเอาต์พุตต่อล้าน — ส่งผ่านโดยไม่บวกกำไร บน base URL ที่เข้ากันได้กับ OpenAI เดียวกันกับส่วนที่เหลือของ 215-identifier แคตตาล็อก ซึ่งมีทั้ง endpoint /v1/chat/completions และ /v1/responses Qwen4-Max ยังไม่มีในแคตตาล็อกนั้นในขณะนี้; มีให้ใช้ผ่าน API ของ A​libaba เอง ซึ่งอัตราค่าบริการตามภูมิภาคข้างต้นมีผล

A screenshot of the OrcaRouter model page for Kimi K3.1 Pro, showing the identifier kimi/kimi-k3.1-pro, $2.00 input and $10.00 output per million tokens, the 1,048,576-token context window, the large maximum output figure, text, image and video input, and the 2026-10-24 vendor date.

เหตุผลที่ควรทำให้ทั้งสองตัวเข้าถึงได้ แทนที่จะเลือกเพียงตัวเดียว คือการตัดสินใจระหว่างทั้งสองขึ้นอยู่กับลักษณะงาน ไม่ใช่ขึ้นอยู่กับตัวโมเดล งานที่ต้องสร้างข้อความยาวต้องการเพดานเอาต์พุตของ K​imi งานสร้างปริมาณมากที่คำตอบสั้นต้องการราคาเอาต์พุตของ Qwen4-Max งานใดก็ตามที่คำตอบผิดมีต้นทุนสูงจะต้องการโมเดลที่มีคะแนนจนกว่าคุณจะสร้างคะแนนให้อีกตัวหนึ่งได้ นโยบายการกำหนดเส้นทางสื่อสิ่งนี้ออกมาเป็นกฎเกณฑ์แทนที่จะเป็นการตัดสินใจด้านสถาปัตยกรรม และการสลับไปใช้ระบบสำรองอัตโนมัติจะช่วยไม่ให้ตัวที่ใหม่กว่าของทั้งสองกลายเป็นจุดล้มเหลวเพียงจุดเดียวในขณะที่คุณยังคงเก็บหลักฐานอยู่

แล้วสิ่งนี้ทำให้การค้นหาที่คุณเริ่มต้นไว้อยู่ในสถานะไหน

หากคุณมาที่นี่เพื่อ K​imi K4 คำตอบคือมันยังไม่เปิดตัว ไม่มีข้อมูลใดเกี่ยวกับมันถูกประกาศ และโมเดลที่ควรประเมินวันนี้คือ Kimi K3.1 Pro — ซึ่งบนดัชนีปัจจุบัน เป็นโมเดล open-weights ที่แข็งแกร่งที่สุดที่ใครก็เข้าถึงได้ จับตาดู model card มากกว่าข่าวลือ: เอกสารที่มีพารามิเตอร์, context, ราคา และ API identifier อยู่ด้วยกัน คือสัญญาณที่บล็อกนี้ใช้มาตลอดทั้งปีเพื่อแยกโมเดลที่เปิดตัวแล้วออกจากชื่อที่ถูกพูดถึง

หากคุณมาดูฝั่ง Qwen4-Max คำตอบคือมันมีจริง มีการตั้งราคา และถูกในมิติเดียวที่สำคัญจริง ๆ — โทเคนเอาต์พุต — ขณะที่จำกัดเพดานไว้เพียงเศษเสี้ยวของสิ่งที่โมเดล K​imi จะปล่อยออกมาในการตอบครั้งเดียว และไม่มีการวัดคุณภาพใด ๆ เลย ซื้อมันในกรณีที่ปริมาณเอาต์พุตเป็นปัจจัยหลักและการตอบสั้น ทดสอบมันก่อนที่จะซื้อที่อื่น และมองช่องว่างระหว่าง $4.50 กับ $10.00 เป็นคำเชิญให้รัน eval ของคุณเอง เพราะนั่นคือตัวเลขเดียวในการเปรียบเทียบนี้ที่ตอนนี้ฟรี

การเปรียบเทียบในบทความนี้2

ตรวจพบจากบทความนี้ · เบนช์มาร์ก: Artificial Analysis · อัปเดตทุกวัน

© 2026 OrcaRouter

สำหรับผู้ให้บริการ

ให้บริการแพลตฟอร์มการอนุมานอยู่หรือไม่ นำโมเดลของคุณขึ้น OrcaRouter

[email protected]

เข้าร่วมคอมมูนิตี้ของเรา

Discord[email protected]XLinkedInGitHubYouTube