Qwen4-Max Preview vs Claude Opus 5.5: Mô hình mười bốn ngày so với mô hình bạn vẫn có thể gọi vào tháng Mười Hai

Alibaba đã mở Qwen4-Max Preview lúc 10:00 ngày 11 tháng 11 năm 2026 và, trên cùng trang tài liệu, cho biết thời điểm đóng: 24:00 ngày 25 tháng 11, UTC+8. Mười bốn ngày. Anthropic đã phát hành Claude Opus 5.5 vào 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 cam kết ngừng hỗ trợ không sớm hơn ngày 22 tháng 9 năm 2027. Hai câu đó đã giải quyết phần lớn phép so sánh này, bởi vì một trong hai mô hình là một thử nghiệm kéo dài hai tuần, còn mô hình kia là một khoản mục bạn có thể đưa vào ngân sách năm sau.

Điều mà các ngày tháng không giải quyết được là liệu thử nghiệm này có đáng để chạy hay không. Không có benchmark nào cho Qwen4-Max Preview — không bảng của nhà cung cấp, không lượt chạy độc lập, không một điểm số nào được công bố — nên bất kỳ trang nào xếp hạng nó so với Claude Opus 5.5 về chất lượng đều chỉ đang đoán. Trang này thì không. Nó so sánh bốn thứ bạn thực sự có thể xác minh trước thứ Sáu: mỗi mô hình chấp nhận đầu vào là gì, một phản hồi đơn có thể chứa bao nhiêu đầu ra, một tác vụ tốn bao nhiêu, và bạn được phép tiếp tục sử dụng nó trong bao lâu.

Mỗi cái là gì, ở dạng mà bạn có thể gọi hôm nay

Alibaba viết tên sản phẩm là Qwen4-Max-Preview trong thông báo của mình và chuỗi API qwen4-max-preview trong tài liệu; còn có một bí danh là qwen4.0-max-preview, và Alibaba lưu ý rằng cả hai đều hoạt động nhưng phần thanh toán sẽ hiển thị theo dạng 4.0. Không tên nào dẫn đến thẻ mô hình công khai, số lượng tham số hay giấy phép, bởi vì không có gì để tải xuống.

Claude Opus 5.5 là kiểu đối tượng ngược lại: một endpoint đa nền tảng đã được tài liệu hóa, có giá niêm yết, với mọi giới hạn của nó đều nằm trên một trang mà bạn có thể trích dẫn. Đặt hai thứ cạnh nhau, và sự tương phản thực ra chẳng liên quan gì đến năng lực cả.

• Cửa sổ ngữ cảnh — Qwen4-Max Preview 1.000.000 token so với Claude Opus 5.5 1.000.000 token. Một sự hòa nhau thực sự, và là khía cạnh duy nhất mà bản xem trước không cần lưu ý gì.

• Đầu ra tối đa mỗi phản hồi — 393.216 token cho bản xem trước, một con số mà Alibaba nêu là được dùng chung cho thinking và câu trả lời cuối cùng, so với 128.000 token cho Claude Opus 5.5, hoặc 300.000 trên Batches API với beta header.

• Đầu vào — văn bản, hình ảnh và video so với văn bản và hình ảnh. Đây là khía cạnh duy nhất mà một mô hình đơn giản là không thể làm được công việc mà mô hình kia có thể.

• Giá mỗi triệu token — không được công bố; được tính bằng Token Plan Credits theo gói đăng ký so với $4.00 cho đầu vào và $20.00 cho đầu ra, với đọc bộ nhớ đệm ở $0.20 và ghi bộ nhớ đệm 5 phút ở $5.00.

• Mặc định Thinking — bật reasoning_effort, mặc định là xhigh, với low và medium có sẵn, so với adaptive thinking luôn bật, effort mặc định là medium trên thang low-to-max. Các mặc định này chỉ về hai hướng trái ngược nhau, điều này quan trọng hơn vẻ bề ngoài của nó.

• Điểm chuẩn đã công bố — không có so với Artificial Analysis Intelligence Index 59, xếp thứ năm trong số 74 mô hình theo thước đo đó.

• Cách bạn truy cập — chỉ đăng ký Token Plan, trên URL cơ sở tại Singapore token-plan.ap-southeast-1.maas.aliyuncs.com, cùng với ứng dụng Qwen, Qwen Chat, Agent Mode, Qoder, QwenWork và QwenStudio so với Claude API, Amazon Bedrock, Google Cloud, Microsoft Foundry và Claude Platform trên AWS.

• Khung thời gian khả dụng — từ ngày 11 đến ngày 25 tháng 11 năm 2026 so với trạng thái đang hoạt động, với thời điểm ngừng hỗ trợ không sớm hơn ngày 22 tháng 9 năm 2027.

Sự bất đối xứng trong danh sách đó có một hệ quả thực tế mà người ta dễ bỏ qua. Qwen4-Max Preview có hai cánh cửa — một cửa sản phẩm không cần khóa, và một cửa API cần đăng ký Token Plan cùng một base URL mà bạn chưa có — trong khi Claude Opus 5.5 có thể truy cập từ bất kỳ ứng dụng khách nào có dạng OpenAI mà bạn đã sở hữu. Nếu đánh giá của bạn là "mô hình này có hiểu codebase của tôi không", thì cửa chat là đủ. Nếu là "mô hình này có trụ nổi khi tiếp xúc với pipeline của tôi không", thì bạn đang phải thiết lập một hợp đồng thứ hai cho một mô hình hết hạn sau hai tuần.

Giới hạn đầu ra 393K chính là nơi tài liệu ẩn chứa một cái bẫy

393.216 là con số mà mọi bản tóm tắt về lần ra mắt này đều mở đầu bằng, và đó là một lợi thế thực sự: nó chỉ hơn ba lần mức trần 128.000 token của Claude Opus 5.5. Viết lại toàn bộ kho mã, tổng hợp bản ghi dài, tạo toàn bộ một ứng dụng nhỏ trong một phản hồi duy nhất — bản xem trước được xây dựng cho những đầu ra không vừa với hạn mức phản hồi của hầu hết các mô hình.

Tuy nhiên, hãy đọc phần chú thích. Alibaba nói rằng 393.216 token được chia sẻ giữa phần suy nghĩ và câu trả lời cuối cùng, rồi thêm một câu sẽ làm hỏng các bản chuyển mã: bắt đầu từ mô hình này, max_tokens trong OpenAI Chat Completions tương đương với max_completion_tokens, và cả hai đều giới hạn tổng lượng tiêu thụ cho suy nghĩ cộng câu trả lời. Mọi mô hình Qwen trước đó vẫn giữ hành vi cũ, trong đó giới hạn chỉ áp dụng cho câu trả lời. Vì vậy, một yêu cầu lấy nguyên từ qwen3.8-max với max_tokens: 8192 giờ đây mua 8.192 token suy nghĩ và phần còn lại — mà với mức nỗ lực xhigh mặc định trên một lời nhắc khó, phần còn lại có thể chẳng có gì. Kiểu lỗi là câu trả lời bị cắt cụt, chứ không phải một lỗi bạn có thể bắt được.

Công bằng mà nói, cần một chỉnh sửa đối với cách điều này thường được đưa tin. max_tokens của Anthropic cũng giới hạn cả suy nghĩ và văn bản cùng nhau trong một phản hồi duy nhất, vì vậy ngân sách dùng chung không phải là phát minh của Qwen và không phải là lý do để ưu tiên một nhà cung cấp. Điều khác biệt là quy mô của ngân sách, và việc Qwen đã thay đổi ý nghĩa của một tham số mà người dùng của chính họ đã học. Đó là một chi phí chuyển đổi, và nó đặt lên bạn, không phải lên nhà cung cấp.

Cái bẫy thứ hai là mức nỗ lực mặc định. Qwen4-Max Preview suy luận ở mức xhigh trừ khi được chỉ định khác; Claude Opus 5.5 suy luận ở mức medium. Hai lời gọi chưa được cấu hình, so sánh cạnh nhau, không đo cùng một lượng công việc — và trên bản preview, mức mặc định sâu hơn chiếm phần lớn hơn trong ngân sách phản hồi trước khi từ đầu tiên của câu trả lời xuất hiện.

Đầu vào video là điểm thiếu hụt duy nhất không có cách khắc phục.

Claude Opus 5.5 chấp nhận văn bản và hình ảnh. Qwen4-Max Preview chấp nhận văn bản, hình ảnh và video, và Alibaba nêu rõ các trường hợp sử dụng: phân tích ảnh chụp màn hình, hiểu tài liệu, phân tích video.

Nếu pipeline của bạn đã lấy mẫu khung hình và gửi chúng dưới dạng ảnh, không có gì thay đổi — cả hai mô hình đều có thể đọc các khung hình, và khác biệt chỉ quy về việc tính token. Nếu pipeline của bạn muốn đưa một tệp và hỏi điều gì đã xảy ra trong đó, chỉ một trong hai mô hình này có thể nhận câu hỏi. Suy luận thời gian trên một clip được cung cấp không phải là thứ bạn có thể xấp xỉ bằng cách mô tả clip bằng văn bản; bạn có thể tái dựng một xấp xỉ, và bạn sẽ mất cả tuần của một nhà nghiên cứu để khám phá xem bao nhiêu phần của câu trả lời nằm trong chuyển động.

Đó là quy tắc quyết định gọn gàng nhất trong so sánh này, và nó không cần đến benchmark. Một nhóm có video trong đường đầu vào thì hiện chỉ có một ứng viên. Một nhóm không có video thì không có lý do gì để chấp nhận thời hạn mười bốn ngày như một phần của thỏa thuận.

Những con số độc lập, và cái không liên quan đến mô hình này

Artificial Analysis không có trang nào cho Qwen4-Max Preview. Tính đến ngày 11 tháng 11, chưa có tốc độ được đo, chưa có chi phí mỗi tác vụ, chưa có điểm chỉ số và chưa có số lượng nhà cung cấp nào cho mô hình này — bản xem trước còn quá mới và, ở mốc mười bốn ngày, có thể sẽ không bao giờ có mục nào. Vì vậy, cách trung thực duy nhất để đặt cả hai lên cùng một biểu đồ là dùng mô hình hàng đầu Qwen gần đây nhất đã được đo, Qwen3.8-Max, và nói rõ rằng đó là một đại diện thay thế.

• Intelligence Index — Claude Opus 5.5 đạt 59, xếp thứ năm trong số 74, so với Qwen3.8-Max đạt 34, dưới mức trung vị 40 của phân khúc giá tương ứng. Theo Artificial Analysis.

• Tốc độ đầu ra — 115 token mỗi giây so với 53. Theo Artificial Analysis, cùng một harness.

• Thời gian đến token trả lời đầu tiên — 353,75 giây so với 122,57 giây. Opus 5.5 là mô hình khởi đầu chậm hơn và hoàn thành nhanh hơn.

• Thời gian mỗi tác vụ — 25,0 phút so với 54,1 phút, còn mức trung vị là 12,6.

Chi phí mỗi tác vụ — $10.04 so với $10.02. Hãy đọc lại hai lần; đó là con số thú vị nhất trên trang này và phần tiếp theo sẽ giải thích lý do.

• Độ dài dòng — 218 triệu token đầu ra trên chỉ mục so với 150 triệu, so với mức trung vị là 72,8 triệu.

Có một phép đo thực sự so sánh trực tiếp một checkpoint Qwen 4 với Claude Opus 5.5, và nó đáng được xem xét cẩn trọng thay vì biến thành tít giật gân. GameFeel Benchmark — một bài đánh giá sáng tạo và phát triển trò chơi, chấm điểm build, sửa lỗi, cảm giác game, ý tưởng, hình ảnh và âm thanh — có một dòng cho Qwen-4-Flash-Early đạt trung bình 49.9 so với Claude Opus 5.5 ở mức nỗ lực XHigh đạt trung bình 47.2. Cần nói rõ bốn điều về con số đó trước khi ai đó trích dẫn nó. Đây là một checkpoint thuộc hạng Flash, không phải Max. Nhãn -Early là phỏng đoán của tác giả benchmark về việc một endpoint không được dán nhãn thuộc hạng chưa phát hành nào, chứ không phải xác nhận từ Alibaba. Hai dòng đó không được tính phí theo cùng một cách, nên các con số $0.40 và $2.60 mỗi tác vụ không thể so sánh ngang bằng. Và mức trung bình che giấu sự phân tách: Opus thắng ở sửa lỗi, 65 so với 63, và ở đánh giá ngược, 21.67 so với 19.95, trong khi checkpoint Qwen thắng ở ý tưởng 54 so với 41, hình ảnh 65 so với 63, âm thanh 30 so với 25 và cảm giác game 52 so với 50. Sửa lỗi và đánh giá ngược là hai tác vụ con sát với công việc production nhất; ý tưởng và âm thanh là hai tác vụ xa nhất với nó.

Cùng một bài benchmark cũng cho thấy mức effort ảnh hưởng đến Opus 5.5 như thế nào: ở Medium, nó đạt 42.3 với $0.88 mỗi tác vụ, so với 47.2 với $2.60 ở XHigh. Gần gấp ba chi phí để đổi lấy năm điểm. Nếu bạn đang chạy Opus ở mức effort tối đa theo mặc định, thì đó chính là dòng cần xem xét.

Một tác vụ tốn bao nhiêu khi bạn không thể định giá một phía

Bắt đầu với nửa có bảng giá. Một tác vụ gửi 200.000 token đầu vào và trả về 20.000 token đầu ra tốn $0,80 cho đầu vào và $0,40 cho đầu ra trên Claude Opus 5.5 — $1,20. Dùng lại phần đầu vào đó từ bộ nhớ đệm và phía đầu vào giảm xuống $0,04, khiến cùng tác vụ đó còn $0,44. Chạy theo lô thì toàn bộ lại giảm một nửa. Đó là số học, không phải ước lượng, và bạn có thể đưa chúng vào một bản dự báo.

Giờ đến nửa còn lại. Alibaba không công bố mức tín dụng trên mỗi token cho Qwen4-Max Preview. Token Plan Personal Edition là gói đăng ký Credits — bốn bậc cá nhân của Alibaba dao động từ 6 USD/tháng cho 20.000 Credits đến 43 USD cho 200.000 — và nhà cung cấp cho biết mức tiêu thụ Credits của một lần gọi được xác định động theo loại mô hình, lượng token sử dụng, chế độ suy nghĩ và các lần gọi công cụ. Nơi duy nhất để quan sát mức thực tế là phần chi tiết sử dụng trong bảng điều khiển sau khi bạn đã tiêu thụ một ít. Trong thời gian preview có ưu đãi giảm giá khuyến mãi, khiến mức quan sát được không phản ánh tốt mức sau preview.

Vậy nên phép so sánh giá không phải là “cái nào rẻ hơn”. Mà là “một trong hai có đơn giá, còn cái kia có một gói đăng ký mà bạn chưa thể quy đổi thành đơn giá.” Và những con số ở trên cho thấy bảng giá niêm yết ít quan trọng hơn vẻ ngoài của nó: Qwen3.8-Max niêm yết ở mức $2.00 và $6.00 mỗi triệu token — bằng một phần ba giá đầu vào của Opus 5.5 và chưa đến một phần ba giá đầu ra của nó — vậy mà vẫn rơi vào $10.02 mỗi nhiệm vụ Intelligence Index so với $10.04 của Opus. Mô hình rẻ tạo ra nhiều token hơn đến mức gần như triệt tiêu hoàn toàn bảng giá niêm yết. Một mức giá niêm yết rẻ hơn chỉ mang lại cho bạn hóa đơn rẻ hơn nếu mô hình cũng súc tích, và trên mọi phép đo hiện có, dòng mô hình này thì không.

Chạy chúng song song mà không giả vờ rằng đó là một hợp đồng duy nhất

Claude Opus 5.5 có trong danh mục của chúng tôi với mã anthropic/claude-opus-5.5, theo mức giá công bố của Anthropic là $4.00 và $20.00 mỗi triệu token với 0% markup, vì vậy nó là một khóa và một hóa đơn cùng với hơn 200 mô hình khác, với một chuỗi dự phòng và DSL định tuyến sẵn có nếu bạn muốn gửi một nửa dễ dàng của khối lượng công việc đến nơi nào đó rẻ hơn Opus mà không cần thay đổi mã.

Qwen4-Max Preview không có trong danh mục của chúng tôi, và đáng nói thẳng điều đó có nghĩa gì: chúng tôi không cung cấp nó, và bạn không thể đưa nó vào chuỗi chuyển đổi dự phòng ở đây. Để truy cập nó cần khóa API Token Plan, base URL Singapore và một hợp đồng thứ hai — đúng kiểu thứ mà một mô hình hai tuần hiếm khi đáng để xây dựng. Nếu bạn muốn đánh giá nó, hãy chạy nó như một cuộc bake-off ngoại tuyến bằng khóa của riêng bạn với các prompt mà bạn đã biết đáp án, và giữ production hướng tới thứ gì đó vẫn sẽ trả lời yêu cầu vào ngày 26 tháng 11.

Bản xem trước có ích cho việc gì chính là câu hỏi mà nó buộc bạn phải đặt ra. Hai tuần là đủ dài để tìm hiểu xem đầu vào video-native và ngân sách phản hồi 393K có thay đổi những gì sản phẩm của bạn có thể làm hay không — và đủ ngắn để bạn không vô tình phụ thuộc vào câu trả lời.

Tuần này, ai nên làm việc nào?

Nếu bạn có video trong đường dẫn đầu vào và không có phụ thuộc vận hành nào vào kết quả, hãy mở Qwen4-Max Preview qua Q​wen Chat ngay hôm nay, dành một buổi chiều cho những clip bạn thực sự quan tâm và coi bất cứ điều gì bạn học được là nghiên cứu chứ không phải kiến trúc. Đặt reasoning_effort thành medium cho lượt đầu để ngân sách câu trả lời không bị tiêu hao trước khi câu trả lời bắt đầu, và đặt max_tokens đủ cao để cả phần suy nghĩ lẫn đầu ra đều vừa.

Nếu bạn đang tung ra bất kỳ thứ gì phải hoạt động vào tháng 12, Claude Opus 5.5 là lựa chọn duy nhất trong hai lựa chọn có mức giá bạn có thể dự báo, một benchmark bạn có thể trích dẫn cho khách hàng và một mốc mà nó vẫn còn tồn tại. Điểm yếu của nó được ghi chép rõ ràng chứ không hề bí ẩn — nó chậm ra token đầu tiên, dài dòng và tốn kém cho mỗi tác vụ khi ở mức effort cao — và cả ba đều có thể điều chỉnh thông qua tham số effort.

Và nếu bạn muốn cả hai, theo đúng thứ tự đó, thì trình tự chính là điểm mấu chốt: chứng minh năng lực trên cửa miễn phí, xây dựng trên mô hình có bảng giá, và xem lại câu hỏi vào tháng 12 khi phiên bản kế nhiệm của bản xem trước xuất hiện với — người ta giả định — một mức giá và một chuẩn đánh giá đi kèm.