
Qwen4-Max vs Claude Opus 5.5: Chỉ một trong những nấc thang này đã được leo lên công khai
- GoogleMỚIGoogle: Gemini 4 Carbon2026-11-10$2.00 / $10.00 trên 1 triệu token · 90 tok/s
- AnthropicMỚIAnthropic: Claude Fable 5.22026-11-09$8.00 / $40.00 trên 1 triệu token · 97 tok/s
- orcaMỚIOrca: OrcaC2 1.02026-11-0711 tok/s
- OrcaMỚIOrcaCyber: GLM 5.3 Abliterated / Uncensored2026-11-04$3.00 / $5.00 trên 1 triệu token · 88 tok/s
- OrcaMỚIOrcaCyber: Hy4 Abliterated / Uncensored2026-11-04$0.80 / $1.60 trên 1 triệu token · 133 tok/s
- OrcaMỚIOrcaCyber: Kimi K3.1 Pro Abliterated / Uncensored2026-11-04$4.00 / $20.00 trên 1 triệu token · 86 tok/s
- OrcaOrcaCyber: MiniMax M3.1 Flash Abliterated / Uncensored2026-10-29$0.80 / $1.60 trên 1 triệu token · 125 tok/s
- OrcaOrcaCyber: GLM 5.3 Flash Abliterated / Uncensored2026-10-27$0.80 / $1.60 trên 1 triệu token · 67 tok/s
- OrcaOrcaCyber: Qwen3.8 Flash Next Abliterated / Uncensored2026-10-26$0.80 / $1.60 trên 1 triệu token · 92 tok/s
- OrcaOrcaCyber: MiMo V2.6 Flash Abliterated / Uncensored2026-10-26$0.80 / $1.60 trên 1 triệu token · 44 tok/s
- MoonshotMoonshotAI: Kimi K3.1 Pro2026-10-2447Trí tuệ
- OrcaOrcaCyber: DeepSeek V4.1 Flash Abliterated / Uncensored2026-10-23$0.80 / $1.60 trên 1 triệu token · 193 tok/s
- minimaxMiniMax: M3.1 Flash2026-10-1929Trí tuệ
- OrcaOrca: OrcaCyber Ultra 1.02026-10-17$5.00 / $10.00 trên 1 triệu token · 134 tok/s
- deepseekDeepSeek: DeepSeek V4.1 Flash 10172026-10-1733Trí tuệ
- DeepSeekDeepSeek: DeepSeek V4.1 Flash2026-10-1740Trí tuệ
- OrcaOrca: OrcaCyber Zero 1.52026-10-10$3.00 / $7.50 trên 1 triệu token · 126 tok/s
- openaiOpenAI: GPT-6.1 Sol2026-09-2955Trí tuệ
- anthropicAnthropic: Claude Sonnet 5.52026-09-2855Trí tuệ
- typesafeTypeSafe: Jev 1.132026-09-24$0.04 / $0.00 trên 1 triệu token · 185 tok/s
Đây là phép so sánh mà không ai thực hiện. Claude Opus 5.5, được cung cấp rộng rãi kể từ ngày 22 tháng 9 năm 2026, đạt 59 điểm trên Artificial Analysis Intelligence Index v5.0.1 ở thiết lập nỗ lực tối đa và 35 ở mức thấp nhất — chênh lệch 24 điểm trải trên năm bậc mà Anthropic cho phép bạn chọn. Qwen4-Max, được bán từ ngày 16 tháng 11 năm 2026, đạt 43 điểm, và 43 là con số duy nhất tồn tại: Artificial Analysis chỉ đo một cấu hình của nó, và Alibaba chưa công bố phân tách theo từng mức nỗ lực. Đặt các mô hình hàng đầu đối chiếu với nhau, bạn có khoảng cách 16 điểm và khoảng cách chi phí 3.1×, đó là bài viết mà tuần này ai cũng sẽ viết. Đặt các thang bậc đối chiếu với nhau thì một điều hữu ích hơn hé ra — Opus 5.5 ở mức nỗ lực thấp thấp hơn tám điểm so với mặc định của Qwen4-Max, và Qwen4-Max cho bạn ba bậc để chọn mà không có số liệu công bố cho bậc nào.
Hai sản phẩm, và những gì mỗi nhà cung cấp thực sự đưa lên thẻ

• Giá mỗi một triệu token — Claude Opus 5.5 $4.00 vào / $20.00 ra so với Qwen4-Max $1.50 vào / $4.50 ra
Bộ nhớ đệm — Opus 5.5 đọc với giá $0.20 mỗi triệu với mức giảm giá 95%; Qwen4-Max đọc với giá $0.075, ghi với giá $1.875 trong năm phút hoặc $3.00 cho một giờ
• Cửa sổ ngữ cảnh — 1.000.000 token trên Opus 5.5 so với 1.000.000 trên giấy đối với Qwen4-Max, trong đó 983.616 token có thể dùng làm đầu vào ở chế độ suy nghĩ
• Đầu ra tối đa — 128.000 token trên Opus 5.5 so với 131.072 token ở chế độ không suy luận trên Qwen4-Max, hoặc 262.144 token được chia sẻ giữa suy luận và câu trả lời ở chế độ suy luận
• Điều khiển suy luận — năm mức (low, medium, high, xhigh, max) so với ba mức (low, high, xhigh), mặc định là high
• Phương thức đầu vào — văn bản, hình ảnh và tệp cho Opus 5.5 so với văn bản, hình ảnh và video cho Qwen4-Max
• Tính mở — cả hai đều độc quyền, không công bố trọng số cho cả hai
• Điểm chỉ số độc lập — 59 cho Opus 5.5; 43 cho Qwen4-Max
Hai dòng trong danh sách đó đóng vai trò lớn hơn phần còn lại. Dòng về thang lập luận là nền tảng mà bài viết này dựa vào. Dòng về phương thức là dòng âm thầm loại bỏ một so sánh: Qwen4-Max chấp nhận video còn Opus 5.5 thì không, vì vậy bất kỳ khối lượng công việc nào được xây dựng quanh đầu vào video đều chỉ có đúng một ứng viên ở đây và các benchmark trở nên không còn quan trọng.

Thang của Opus 5.5 trông như thế nào khi bạn leo lên nó
Thiết lập nỗ lực của Anthropic không hẳn là một núm điều chỉnh chất lượng mà đúng hơn là một núm điều chỉnh ngân sách, và Artificial Analysis đã đi qua cả năm mức. Mọi nội dung dưới đây là đo lường độc lập, được công bố trên trang của mô hình:
• Nỗ lực tối đa — chỉ mục 59, 24,6 phút mỗi tác vụ chỉ mục, 352,34 giây để có token trả lời đầu tiên, được đo ở mức $10,04 mỗi tác vụ
• xhigh — chỉ số 57, 15,8 phút mỗi tác vụ, 65,52 giây đến token đầu tiên
• Cao — chỉ số 52, 9,3 phút mỗi tác vụ, 21,64 giây đến token đầu tiên
• Trung bình — chỉ số 48, 6,8 phút mỗi tác vụ, 12,46 giây đến token đầu tiên
• Thấp — chỉ số 35, 3,0 phút mỗi tác vụ, 4,80 giây đến token đầu tiên
Hình dạng mới là phần thú vị. Giữa high và max, bạn mua bảy điểm chỉ số với 15,3 phút tăng thêm mỗi tác vụ và token đầu tiên đến trễ gần sáu phút. Giữa medium và high, bạn mua bốn điểm với 2,5 phút. Giữa low và medium, bạn mua mười ba điểm — đoạn dốc nhất trên thang, và là đoạn mà một nhóm đang cố tiết kiệm chi phí dễ cắt nhất. Nếu kế hoạch của bạn là “chạy Opus 5.5 giá rẻ”, low chính là nơi kế hoạch đó hạ cánh, và low là mức 35: thấp hơn tám điểm so với cấu hình công bố duy nhất của Qwen4-Max, đối với một mô hình mà chính nhà cung cấp định vị nó là lựa chọn tiên phong.
Đó không phải là một lập luận chống lại thang bậc của Anthropic. Một mức 35 với ba phút bốn giây đến token đầu tiên là một sản phẩm thực sự khác với một mức 59 với sáu phút đến token đầu tiên, và cả hai đều hữu ích. Đó là một lập luận chống lại việc coi "Claude Opus 5.5" và "Qwen4-Max" là hai điểm trên một biểu đồ. Chúng là hai dải, và chỉ một trong hai đã được lập bản đồ.
Con số 3,1×, và lý do vì sao nó hẹp hơn so với mức chênh lệch giá gợi ý
So sánh chi phí ở phần tiêu đề thì đơn giản: ở mức $4.00 và $20.00 mỗi triệu so với $1.50 và $4.50, Opus 5.5 tính phí đầu vào cao gấp 2,67× và phí đầu ra cao gấp 4,44×. Hóa đơn thực đo lại hẹp hơn. Artificial Analysis xếp Opus 5.5 ở mức $10.04 cho mỗi tác vụ Intelligence Index, so với $3.27 của Qwen4-Max — gấp 3,07×, không phải 4,44×.
Lý do này đáng để hiểu, vì nó vẫn đúng qua mọi lần ra mắt mô hình: Opus 5.5 là mô hình dài dòng hơn trong hai, tạo ra 218 triệu token đầu ra trong suốt lượt chạy chỉ mục so với 127 triệu của Qwen4-Max, và nó vẫn thu hẹp khoảng cách thay vì mở rộng. Thứ thu hẹp khoảng cách là bộ nhớ đệm. Opus 5.5 đọc đầu vào được lưu trong bộ nhớ đệm với giá $0,20 mỗi triệu token sau khi áp dụng mức giảm giá 95%; Qwen4-Max đọc với giá $0,075, một mức giá rẻ hơn trên một mô hình dành tỷ lệ lớn hơn trong hóa đơn cho đầu vào mới. Bảng giá và hóa đơn là hai tài liệu khác nhau, và hóa đơn mới là tài liệu nói rằng khoảng cách giữa hai mô hình này là khoảng một phần ba, chứ không phải khoảng một nửa.
Điều này có thể có lợi hoặc bất lợi tùy thuộc vào khối lượng công việc của bạn. Nếu lời nhắc của bạn dài, ổn định và có thể lưu vào bộ nhớ đệm — một cơ sở mã, một bộ tài liệu, một lời nhắc hệ thống có kích thước hàng chục nghìn token — thì hiệu quả kinh tế của bộ nhớ đệm trên Opus 5.5 tốt hơn mức giá niêm yết của nó. Nếu lời nhắc của bạn ngắn và khác nhau mỗi lần, bạn sẽ không bao giờ chạm tới bộ nhớ đệm, và khoảng chênh lệch đầu ra 4,44× chính là thứ bạn thực sự phải trả.
Dòng mà Qwen4-Max là lựa chọn duy nhất, và dòng mà nó là canh bạc duy nhất
Đầu vào video là một ranh giới cứng. Qwen4-Max đọc được văn bản, hình ảnh và video; Opus 5.5 đọc được văn bản, hình ảnh và tệp. Nếu công việc liên quan đến khung hình — rà soát cảnh quay, bản ghi màn hình, bất cứ thứ gì có dòng thời gian — thì việc so sánh thu lại chỉ còn một ứng viên và khoảng cách 16 điểm trên chỉ số không còn quan trọng nữa.
Tốc độ thì ngược lại, và đó chính là lỗ hổng thành thật trong hồ sơ của Qwen4-Max. Artificial Analysis không liệt kê thời gian mỗi tác vụ, tốc độ đầu ra hay thời gian đến token đầu tiên cho mô hình này. Alibaba công bố các tuyên bố về thông lượng trong tài liệu ra mắt — có thể ít hơn tới 50% token so với phiên bản tiền nhiệm trên một số khối lượng công việc — nhưng số lượng token không phải là độ trễ, và con số hiệu quả token của nhà cung cấp không cho bạn biết gì về việc một yêu cầu nằm trong hàng đợi bao lâu. Với Opus 5.5, bạn có thể lập kế hoạch dung lượng cho từng nấc. Với Qwen4-Max, bạn có thể lập kế hoạch dung lượng cho hóa đơn token và đoán mọi thứ còn lại. Một nhóm đưa một trong hai mô hình ra sau một giao diện tương tác cần con số thứ hai, và chỉ một nhà cung cấp đã đưa ra con số đó.

Làm thế nào để chạy phép so sánh mà không phải chạy nó hai lần
Lý do việc so sánh này thường được quyết định dựa trên bảng giá thay vì dựa trên lưu lượng là do phần hạ tầng kết nối. Việc thử nghiệm một mô hình thứ hai đồng nghĩa với một hợp đồng thứ hai, một SDK thứ hai và một bộ ngữ nghĩa thử lại và thời gian chờ thứ hai trên một đường dẫn vốn đã hoạt động — vì vậy các nhóm chỉ đọc giá, chọn một cái rồi tiếp tục.
Đó chính là khoản chi phí mà OrcaRouter tồn tại để loại bỏ, và với cặp cụ thể này, nó loại bỏ khoản đó một cách không đồng đều theo cách đáng để nói rõ. OrcaRouter định tuyến Claude Opus 5.5 với giá $4.00 đầu vào và $20.00 đầu ra — giá niêm yết của nhà cung cấp được chuyển nguyên với mức markup 0% — qua cùng một khóa và cùng một endpoint tương thích OpenAI như GPT-6.1 Sol, Grok 4.5, Qwen3.8-Max và Tencent HY4 Preview. Nó không định tuyến Qwen4-Max; danh mục chưa cập nhật thế hệ Qwen4. Vì vậy thí nghiệm bậc thang — Opus 5.5 ở năm mức effort so với lưu lượng của chính bạn — là một thay đổi cấu hình, còn phía Qwen4-Max của phép so sánh là một khóa Alibaba trực tiếp cho đến khi danh mục bắt kịp.
Hệ quả hữu ích là khả năng chuyển đổi dự phòng. Nếu bạn thực sự thử nghiệm Qwen4-Max trong môi trường sản xuất, bạn có thể giữ nó như một tuyến bên cạnh một giải pháp hiện hành có năm bậc đã được đo lường và chuyển đổi dự phòng tự động giữa các nhà cung cấp, thay vì dùng nó như một vật thay thế cho một đường đi mà bạn không có phương án dự phòng nào. Một mô hình chỉ có một điểm chỉ số được công bố và không có độ trễ được công bố chính là kiểu thứ nên chạy phía sau một tấm lưới an toàn chứ không phải thay cho nó.
Điều gì sẽ làm thay đổi câu trả lời
Hai công bố, mà cả hai đều chưa tồn tại. Thứ nhất là một lượt chạy Artificial Analysis trên Qwen4-Max ở low và xhigh, nhờ đó mô hình có một khoảng đo được thay vì một điểm đơn lẻ — đến giai đoạn đó, đây trở thành một so sánh thang-với-thang thực sự và {{1}}43{{/1}} không còn phải gánh vai trò then chốt. Thứ hai là bất kỳ con số độ trễ độc lập nào cho Qwen4-Max, dù chỉ một con số. Cho đến khi cả hai xuất hiện, cách hiểu có thể bảo vệ được là hẹp: {{2}}Opus 5.5{{/2}} là lựa chọn khi bạn cần một nấc thang có thể gọi tên và đo lường, còn Qwen4-Max là lựa chọn khi bạn cần đầu vào video hoặc token đầu vào mới rẻ nhất trong cặp này và có thể chấp nhận sự không chắc chắn ở mọi thứ còn lại.
Điều không thể biện hộ là lối tắt mà cả hai nhà cung cấp đều ưa thích — so sánh một mẫu đầu bảng với một mẫu đầu bảng, phớt lờ việc một trong số chúng có thêm bốn cài đặt, rồi gọi khoảng cách 16 điểm thu được là một phán quyết.
