Claude Opus 5.5 vs Qwen 4 Max: Một bên bán cho bạn tốc độ, bên kia thì chưa từng công bố một con số nào về nó

Claude Opus 5.5 và Qwen 4 Max là hai cái tên chủ lực trên bảng xếp hạng tháng này, và gần như không thể so sánh trực tiếp bất cứ điều gì về chúng. Claude Opus 5.5 đã được cung cấp rộng rãi kể từ ngày 22 tháng 9 năm 2026 với giá 4,00 USD mỗi triệu token đầu vào và 20,00 USD mỗi triệu token đầu ra, cùng cửa sổ ngữ cảnh được công bố, thẻ dịch vụ được công bố và điểm trí tuệ độc lập. Qwen 4 Max đã được giới thiệu trước tại hội nghị Yunqi ở Hàng Châu cùng ngày và kể từ đó chưa công bố gì: không giá, không cửa sổ ngữ cảnh, không trọng số, không benchmark, không ngày phát hành. Sự bất đối xứng đó đến nay đã là hình hài tiêu chuẩn của mọi bài viết về Qwen 4, và việc nhắc lại nó ở đây sẽ là lần kể thứ tư của cùng một câu chuyện.

Điều thực sự mới mẻ, và cũng là điều mà trang này thực sự nói đến, là tốc độ — bởi vì đó là trục duy nhất mà hai nhà cung cấp đã đưa ra những lựa chọn trái ngược và có thể quan sát được trong tháng này. Vào ngày 15 tháng 10 năm 2026, Anthropic đã đưa chế độ nhanh cho Claude Opus 5.5 ra khỏi bản xem trước nghiên cứu và công bố mức giá cho việc chạy nhanh hơn: 8,00 USD và 40,00 USD mỗi triệu token, đúng gấp đôi, để đạt tốc độ đầu ra nhanh gấp tới 2,5 lần. Trong khi đó, Alibaba chưa từng công bố bất kỳ con số nào về độ trễ, thông lượng hay thời gian đến token đầu tiên cho bất kỳ hạng Qwen-Max nào, và phép đo độc lập đối với mẫu chủ lực Qwen đang được phát hành, Qwen3.8-Max, cho kết quả 39,3 token đầu ra mỗi giây, so với 95,2 của Claude Opus 5.5. Một nhà cung cấp đang tính phí rõ ràng cho tốc độ. Nhà cung cấp còn lại vẫn chưa cho ai biết mình đang ở đâu.

Những gì mỗi bên thực sự đã công bố

Bắt đầu với phần có thể kiểm chứng. Claude Opus 5.5 là một endpoint thực trên API của Anthropic và trên API của chúng tôi. Các tham số của nó được công khai, cửa sổ ngữ cảnh của nó là 1.000.000 token với tối đa 128.000 token đầu ra, nó chấp nhận văn bản, hình ảnh và tệp, và mức giá tiêu chuẩn là $4,00 và $20,00 mỗi triệu token, với lượt đọc bộ nhớ đệm ở $0,20 và lượt ghi bộ nhớ đệm ở $5,00. Tính năng suy nghĩ thích ứng luôn bật và không thể tắt — một yêu cầu đặt thinking thành disabled sẽ trả về lỗi 400, còn độ sâu suy luận được điều khiển bằng tham số effort thay vào đó.

Còn nửa còn lại. Qwen 4 Max mới chỉ là một thông báo trên sân khấu. Alibaba đã giới thiệu bốn hạng — Qwen 4 Max, Qwen 4 Flash, Qwen 4 Plus và Qwen 4 27B — mô tả dòng này là đang huấn luyện trên một kiến trúc thế hệ mới, và nói rằng nó sẽ sớm ra mắt. Tính đến ngày 16 tháng 10, không có thẻ mô hình, không có mã định danh API, không có trọng số mở và không có điểm số cho bất kỳ mô hình nào trong bốn mô hình này. Thứ duy nhất thuộc Qwen 4 mà bất kỳ ai bên ngoài Alibaba có thể kiểm tra là Qwen3.8-Flash-Next, được mở mã nguồn vào cuối tháng 8 năm 2026 và được ghi trên thẻ mô hình của chính nó là bản xem trước của kiến trúc Qwen 4: 125 tỷ tham số chính cộng với 51 tỷ embedding N-gram, khoảng 6 tỷ tham số hoạt động mỗi bước, ngữ cảnh gốc 262.000 token, và tuyên bố chi phí huấn luyện thấp hơn khoảng 90% so với Qwen3.7-Plus.

Vậy nên sự so sánh có một bên đầy đủ và một bên trống, và bên trống không phải trống vì Alibaba đang giấu các con số. Nó trống vì chưa có sản phẩm nào. Điều đáng làm thay vào đó là so sánh hai nhà cung cấp về tư thế — mỗi bên chọn công bố điều gì và điều đó nói lên gì về cách họ mong được mua.

Trục tốc độ, và vì sao nó là trục thú vị

Anthropic hiện bán ba tốc độ của cùng một mô hình, với ba mức giá được công bố, và thang bậc này tỏ ra thành thật một cách bất thường về những gì nó thu phí:

• Theo lô, không đồng bộ — $2.00 đầu vào, $10.00 đầu ra mỗi triệu, bằng một nửa mức tiêu chuẩn, dành cho công việc có thể chờ

• Tiêu chuẩn — $4,00 đầu vào, $20,00 đầu ra mỗi triệu, mặc định, với $0,20 cho mỗi lượt đọc bộ nhớ đệm

• Chế độ nhanh — 8,00 USD đầu vào, 40,00 USD đầu ra mỗi triệu, cố định trên toàn bộ cửa sổ ngữ cảnh, cho tốc độ token đầu ra mỗi giây lên tới gấp 2,5 lần

Ba bậc, một mô hình, và một tuyên bố rõ ràng về giá trị mà Anthropic cho rằng độ trễ đáng giá: gấp đôi, ở cả hai chiều của bảng giá. Fast mode không thay đổi các trọng số hay hành vi. Đây vẫn là cùng một mô hình dưới một cấu hình suy luận nhanh hơn, lợi ích tập trung vào số token đầu ra mỗi giây thay vì thời gian đến token đầu tiên, và mức giá là một hệ số nhân trực tiếp thay vì một mức giá hỗn hợp. Đó là một nhà cung cấp đang nói cho bạn biết quan điểm của chính họ về sự đánh đổi — và cho bạn biết rằng từ ngày 15 tháng 10, bạn không còn cần sự phê duyệt hay beta header để mua nó.

Phía Qwen tương ứng không tồn tại. Không có sản phẩm tương đương của Alibaba với một hạng nhanh dành cho dòng Qwen-Max, không có mục tiêu độ trễ nào được công bố, và không có tuyên bố về thông lượng trên bất kỳ slide Qwen 4 nào đã được công khai. Đối với một dòng sản phẩm mà toàn bộ điểm bán là hiệu quả chi phí, việc thiếu một con số độ trễ là một thiếu sót đáng chú ý, bởi vì chi phí trên mỗi token và chi phí trên mỗi tác vụ hoàn thành là những đại lượng khác nhau, và chỉ một trong số đó đã được công bố.

Đo lường độc lập nói gì về khoảng cách

Artificial Analysis là thứ gần nhất với một trọng tài trung lập ở đây, và nó đã đo lường cả hai mẫu flagship đang được bán ra theo bản sửa đổi Intelligence Index hiện tại của mình, v4.3.2:

• Chỉ số Trí tuệ — Claude Opus 5.5 đạt 58 trong cấu hình nỗ lực tối đa kèm phương án dự phòng của mình, so với Qwen3.8 Max (0902) đạt 45

• Tốc độ đầu ra — 95,2 token mỗi giây đối với Claude Opus 5.5, so với 39,3 đối với Qwen3.8 Max (0902)

• Chi phí cho mỗi tác vụ lập chỉ mục — 5,98 USD cho Claude Opus 5.5, so với 5,41 USD cho Qwen3.8 Max (0902)

• Số token đầu ra đã dùng — 260 triệu cho Claude Opus 5.5, so với 190 triệu cho Qwen3.8 Max (0902)

Đọc bốn hàng đó cùng nhau và một câu chuyện hiện ra mà các bảng giá vẫn che giấu. Xét theo giá mỗi token, mẫu flagship của Qwen rẻ hơn ba lần ở đầu ra, $6.00 so với $20.00. Xét theo chi phí cho mỗi tác vụ hoàn thành, nó rẻ hơn 10 phần trăm, $5.41 so với $5.98. Lợi thế gấp ba lần đã bị ăn mòn bởi sự khác biệt về số lượng token mà mỗi mô hình tiêu tốn để hoàn thành công việc — đó chính xác là lý do vì sao "rẻ hơn trên mỗi triệu token" là con số ít hữu ích nhất trong một quyết định mua hàng, và vì sao cách định vị khi ra mắt của chính Anthropic cho Claude Opus 5.5 lại dựa vào mức 40 phần trăm giảm chi phí cho mỗi khối lượng công việc thay vì mức cắt giảm 20 phần trăm trên mỗi token.

Dòng tốc độ là dòng nên định hình kỳ vọng cho Qwen 4 Max. Mẫu flagship Qwen đang được bán ra là mẫu chậm hơn trong hai mẫu ở phép đo này với hệ số khoảng 2,4 lần, và Alibaba chưa công bố mục tiêu độ trễ nào cho phiên bản kế nhiệm. Trong khi đó, mức nhanh hơn gấp 2,5 lần mà Anthropic cung cấp thêm so với Claude Opus 5.5 được định giá bằng mức tăng gấp đôi. Nếu độ trễ có là một yếu tố trong quyết định của bạn dù chỉ chút nào, thì hiện tại bạn đang lựa chọn giữa một nhà cung cấp đã công bố tốc độ của mình, đã công bố gói nhanh hơn của mình, và đã công bố gói đó tốn bao nhiêu — với một nhà cung cấp chưa công bố cả ba.

Có hai cách để chậm, và chỉ một trong số đó là sản phẩm

Có một phiên bản của sự so sánh này mà trong đó “Qwen 4 Max chậm hơn” là bất công, và điều đó đáng được nói thẳng ra vì đây là lập luận mạnh nhất mà phía Qwen có. Một mô hình được công bố nhưng chưa phát hành thì theo định nghĩa không có tốc độ đo được. Alibaba không phải đang từ chối công bố một con số tệ; họ đang từ chối công bố bất kỳ con số nào, và lý do có thể đơn giản là thứ đó chưa tồn tại ở dạng mà bất kỳ ai có thể chạy. Kiến trúc của Qwen3.8-Flash-Next — attention thưa, embedding N-gram, số lượng tham số hoạt động rất thấp — là một thiết kế nhắm thẳng vào kinh tế suy luận, và tuyên bố về chi phí huấn luyện của chính Alibaba cho thấy dòng mô hình này đang được xây dựng để phục vụ rẻ và nhanh. Đó là một dự đoán, không phải sự thật.

Sự bất đối xứng bất công nhưng có thật lại nằm ở chỗ khác. Chế độ nhanh của Anthropic là một sản phẩm có giá, có giới hạn tần suất, có phản hồi 429 riêng và có trường usage.speed cho biết bạn thực sự nhận được tốc độ nào. Nó được mua và được đo lường. Một slide hội nghị về một mô hình đang trong quá trình huấn luyện thì không phải như vậy. Khi Alibaba thực sự tung ra Qwen 4 Max, nó sẽ bị đem so với một đối thủ đã nói rõ với thị trường tốc độ đáng giá bao nhiêu — 8,00 đô la và 40,00 đô la cho mỗi triệu token để đổi lấy mức tăng 2,5 lần — và Alibaba sẽ phải trả lời bằng hoặc một mặc định nhanh hơn, hoặc một mặc định rẻ hơn.

Chạy nửa phần có điểm cuối của phép so sánh này

Việc ra quyết định bên trong một so sánh không thể hoàn tất không phải là sự tê liệt; đó chỉ là một quyết định nhỏ hơn. Ngày nay có ba hãng vận chuyển tồn tại, còn một hãng thì không.

Claude Opus 5.5 có thể được định tuyến dưới dạng anthropic/claude-opus-5.5 theo đúng giá niêm yết đã công bố của Anthropic với 0% chênh lệch — mức giá của nhà cung cấp được chuyển nguyên vẹn, nên $4.00 và $20.00 chính là những con số xuất hiện trên hóa đơn thay vì một mức tương đương đã bị đội giá, và nếu nhà cung cấp giảm giá thì key của bạn cũng được áp dụng ngay trong cùng ngày. Qwen3.8-Max có thể được định tuyến dưới dạng qwen/qwen3.8-max ở mức $2.00 và $6.00, cùng một checkpoint có ghi ngày, Qwen3.8-Max (0902), nằm ngay bên cạnh với cùng điều khoản. Cả hai đều phản hồi trên cùng một endpoint tương thích OpenAI và cùng một endpoint tương thích Anthropic, phía sau một key và một hóa đơn cho hơn 200 mô hình — nghĩa là phép so sánh ở trên có thể được chạy trên chính lưu lượng của bạn thay vì dựa vào một bài blog, chỉ bằng cách thay đổi chuỗi mô hình.

Qwen 4 Max không định tuyến được trên OrcaRouter, và không hạng Qwen 4 nào định tuyến được; danh mục không có mục nào cho dòng này, đó là trạng thái đúng cho một mô hình chưa có ngày phát hành. Khi các hạng này ra mắt, chúng sẽ xuất hiện trong cùng danh mục đó, và cho đến lúc đó, bộ định tuyến vẫn làm được điều gì đó hữu ích với câu hỏi mà chúng đại diện. Chính sách định tuyến là nơi câu hỏi "liệu cái này có đủ nhanh không" thuộc về: một DSL định tuyến có thể gửi phần lưu lượng nhạy cảm với độ trễ của bạn đến một mô hình nhanh hơn và để phần còn lại trên Claude Opus 5.5 ở tốc độ tiêu chuẩn, để một khối lượng công việc cần tốc độ đầu ra gấp 2,5 lần mua nó cho những lệnh gọi cần đến nó thay vì trả mức giá gấp đôi trên toàn bộ hệ thống. Chuyển đổi dự phòng tự động bao quát hướng ngược lại — một đường dẫn bị suy giảm sẽ được xử lý sang một nhà cung cấp khác thay vì báo lỗi. Cả hai đều không thay thế cho quyết định về Qwen 4 Max. Cả hai đều là cách để tiếp tục làm việc trong khi quyết định đó vẫn chưa được đưa ra.

Những điều cần chú ý và những gì cần thiết để thay đổi trang này

Ba điều sẽ viết lại phân tích ở trên, và mỗi điều trong số đó đều có thể kiểm chứng được.

Đầu tiên, cần có một model card của Alibaba cho bất kỳ hạng Qwen 4 nào, kèm giá và cửa sổ ngữ cảnh trên đó. Cho đến lúc đó, phía Qwen trong so sánh này chỉ là một thông cáo báo chí.

Thứ hai, một con số độ trễ Qwen 4 từ bất kỳ bên độc lập nào. Ngay khi một con số như vậy tồn tại, trục tốc độ không còn là câu chuyện một chiều nữa, và với kiến trúc mà Alibaba đang hé lộ, không thể an tâm mà cho rằng nó sẽ diễn ra bất lợi cho họ. Một dòng mô hình được thiết kế xoay quanh đường suy luận 6 tỷ tham số hoạt động rất có thể sẽ nhanh; nó chỉ đơn giản là chưa từng phải chứng minh điều đó trước một đối thủ bán tốc độ theo từng triệu token.

Thứ ba, và cũng là điều tốn ít công kiểm tra nhất, là việc liệu Anthropic có mở rộng cách xử lý ngày 15 tháng 10 cho phần còn lại của dòng Opus hay không. Chế độ nhanh cho Claude Opus 5 và Claude Opus 4.8 vẫn đang ở bản xem trước nghiên cứu, vẫn phải có beta header, nên hạng nhanh tự phục vụ, không cần phê duyệt hiện chỉ có ở Claude Opus 5.5. Nếu nó lan rộng, "chế độ nhanh khả dụng" sẽ trở thành một thuộc tính của nền tảng thay vì của một mô hình, và câu hỏi về hạng cao cấp lại thay đổi hình dạng.

Cho đến khi ít nhất một trong những điều đó thành hiện thực, phán quyết trung thực vẫn hẹp nhưng hữu dụng: nếu bạn đang chọn một flagship để xây dựng trong quý này, bạn đang chọn giữa một mô hình có giá đã công bố, tốc độ đã công bố và một hạng nhanh hơn đã công bố, với một mô hình chỉ có cái tên. Hãy mua mô hình có endpoint, theo dõi mô hình có slide — và coi “Qwen 4 Max sẽ rẻ hơn” là tuyên bố chưa được kiểm chứng đúng như hiện trạng của nó, vì thế hệ Qwen 3.8 đã cho thấy lợi thế gấp ba lần trên mỗi token có thể co lại còn 10 phần trăm khi bạn tính số token mà mỗi mô hình tiêu tốn để hoàn thành công việc.

Không có gì trong số đó là giả thuyết: các lỗi AI và sự cố tác nhân được ghi nhận đằng sau những bản phát hành như bản này đều được tập hợp trong OrcaRouter AI Incident Archive, nơi mỗi mục đều có nguồn, mức độ nghiêm trọng, xếp hạng độ tin cậy và cờ tranh chấp riêng.