
Qwen4-Max vs LongCat 2.5: Hai flagship chưa ai chấm điểm, giá chênh nhau mười hai lần
- 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 · 96 tok/s
- orcaMỚIOrca: OrcaC2 1.02026-11-0717 tok/s
- OrcaMỚIOrcaCyber: GLM 5.3 Abliterated / Uncensored2026-11-04$3.00 / $5.00 trên 1 triệu token · 87 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 · 72 tok/s
- OrcaOrcaCyber: MiniMax M3.1 Flash Abliterated / Uncensored2026-10-29$0.80 / $1.60 trên 1 triệu token · 130 tok/s
- OrcaOrcaCyber: GLM 5.3 Flash Abliterated / Uncensored2026-10-27$0.80 / $1.60 trên 1 triệu token · 65 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 · 43 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 · 152 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 · 119 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 · 219 tok/s
Đây là một phép so sánh có một đặc điểm bất thường: không bên nào có một con số. Qwen4-Max, được Alibaba cung cấp rộng rãi từ ngày 16 tháng 11 năm 2026, công bố bảng giá, cửa sổ ngữ cảnh và danh sách tính năng, và không có bất kỳ loại điểm chuẩn nào. LongCat 2.5, do Meituan công bố vào ngày 2 tháng 11 năm 2026, đi kèm một bảng đánh giá của nhà cung cấp gồm 31 dòng và vẫn không có điểm độc lập — không có mục LongCat 2.5 nào trên bảng xếp hạng Artificial Analysis, chỉ có phiên bản tiền nhiệm LongCat 2.0, mà phiên bản này cũng không mang giá trị chỉ số nào. Vì vậy, khi đặt Qwen4-Max và LongCat 2.5 cạnh nhau, điều thực sự phân biệt chúng không phải là năng lực. Đó là $1.20 so với $4.50 trên token đầu ra, và đó là việc bạn có tin vào bảng của chính nhà cung cấp khi đó là bảng duy nhất hiện có hay không.
Điều đó khiến trang này trở thành một kiểu so sánh khác với kiểu đối đầu thông thường. Trang này không hỏi mô hình nào tốt hơn, vì không ai bên ngoài hai phòng thí nghiệm có thể trả lời điều đó. Trang này hỏi rằng bạn có thể đủ khả năng tìm hiểu về mô hình nào, và tài liệu của mỗi nhà cung cấp cam kết cũng như không cam kết những gì.

Meituan thực sự đã tung ra gì vào ngày 2 tháng 11
LongCat 2.5 là một mô hình hỗn hợp chuyên gia thưa với 1,6 nghìn tỷ tham số, kích hoạt khoảng 48 tỷ tham số mỗi token, khiến nó trở thành một phiên bản lặp lại của cùng kiến trúc như LongCat 2.0 chứ không phải một thiết kế mới. Mô hình có tính đa phương thức gốc theo một nghĩa cụ thể và khác thường: các tín hiệu hình ảnh được mã hóa thành những token rời rạc đa cấp thông qua lượng tử hóa vector dư trên các đặc trưng từ một bộ mã hóa ngữ nghĩa và được căn chỉnh, vì vậy hình ảnh và văn bản đi vào xương sống dưới dạng một từ vựng token duy nhất thay vì thông qua một bộ tiếp hợp gắn ngoài. Các trường hợp sử dụng được nhà cung cấp nêu ra đều bắt nguồn từ đó — tạo một trang từ ảnh chụp màn hình, tạo cảnh 3D từ mô tả, tạo áp phích.
Cam kết phục vụ rất cụ thể. Ngữ cảnh là 1.048.576 token đầu vào và 131.072 token đầu ra. Hai endpoint nằm tại api.longcat.chat: một endpoint tương thích OpenAI tại /openai/v1/chat/completions và một endpoint tương thích Anthropic tại /anthropic/v1/messages. Claude Code, Codex, Hermes, OpenCode và Kilo Code được nêu là các harness được hỗ trợ, mỗi harness có một hướng dẫn do chính bên phát triển cung cấp. Trọng số chưa có sẵn; các nút GitHub và Hugging Face trên blog đều ghi “Sắp ra mắt” mà không kèm ngày. LongCat 2.0 đã phát hành theo giấy phép MIT, nên câu hỏi về giấy phép cho 2.5 thực sự vẫn còn bỏ ngỏ chứ không được trả lời bằng tiền lệ.

Ngược lại, Qwen4-Max của Alibaba đóng theo một cách khác: tài liệu của nó đánh dấu việc tinh chỉnh và triển khai mô hình là không được hỗ trợ hoàn toàn, một tuyên bố dứt khoát hơn "sắp ra mắt". Đầu vào văn bản, hình ảnh và video; đầu ra văn bản; cửa sổ 1.000.000 token; 131.072 token đầu ra ngoài chế độ suy nghĩ; chế độ suy nghĩ bật theo mặc định với ngân sách 131.072 token. Sáu khu vực — Singapore, Bắc Kinh, Hồng Kông, Frankfurt, Virginia và Tokyo — so với nền tảng chính chủ duy nhất của LongCat.
Chênh lệch giá, và những gì nó mang lại
• Đầu vào — Qwen4-Max $1.50 mỗi 1 triệu tại Singapore và $1.413 ở các nơi khác, so với LongCat 2.5 $0.30
• Đầu ra — Qwen4-Max $4.50 tại Singapore và $4.24 ở nơi khác, so với LongCat 2.5 $1.20
• Đầu vào được lưu đệm — Qwen4-Max $0.075 mỗi lần đọc sau khi ghi 5 phút với giá $1.875, so với LongCat 2.5 $0.006 mỗi lần đọc
• Ngữ cảnh — Qwen4-Max 1,000,000 token so với LongCat 2.5 1,048,576 token
• Đầu ra tối đa — Qwen4-Max 131,072 token ở chế độ không suy nghĩ, 262,144 token dùng chung với chế độ suy nghĩ, so với LongCat 2.5 131,072 token
• Phương thức — đầu vào văn bản, hình ảnh và video của Qwen4-Max so với đầu vào văn bản và hình ảnh của LongCat 2.5, với khả năng token hoá hình ảnh nguyên bản
• Trọng số — cả hai đều không công bố, nhưng LongCat 2.5 nói "sắp ra mắt" trong khi Qwen4-Max nói không hỗ trợ
• Khu vực — Qwen4-Max sáu so với LongCat 2.5 một nền tảng
• Điểm độc lập — cả hai đều không có
Ở token đầu ra, đó là mức chênh lệch gấp mười hai lần tại Singapore và gấp 3,5 lần ở đầu vào. Tính toán trên một pipeline thực tế: một triệu cuộc gọi mỗi tháng với 2.000 token đầu vào và 500 token đầu ra tốn $5,250 trên Qwen4-Max Singapore và $1,200 trên LongCat 2.5. Ở khối lượng gấp mười lần, mức chênh lệch là $52,500 một tháng so với $12,000, tức là một suất nhân sự, không phải sai số làm tròn.

Theo hồ sơ đã công bố, thứ mà khoản tiền thêm mua được không phải là năng lực. Nó mua việc triển khai theo khu vực — Frankfurt, Virginia và Tokyo có ý nghĩa cực kỳ quan trọng đối với một công ty châu Âu hoặc Mỹ có nghĩa vụ lưu trú dữ liệu, và nền tảng duy nhất của Meituan không cung cấp những khu vực đó. Nó mua một đường đầu vào video mà LongCat không có tài liệu về. Và nó mua sự chắc chắn trong vận hành của một nhà cung cấp đã bán các mô hình tiên phong cho doanh nghiệp trong nhiều năm, so với một nền tảng mà chính trang giá của nó mô tả các con số là có thời hạn và kết thúc bằng câu “giá có thể thay đổi”.
Điểm cuối cùng đó đáng được lưu tâm. Bảng giá của LongCat cho bạn biết nó không phải là nguồn có thẩm quyền về chính các con số của mình. Bảng giá của Qwen4-Max, được công bố sáng nay, thì không.
Đọc bảng nhà cung cấp khi nó là bảng duy nhất
Trang phát hành của Meituan có 31 dòng đánh giá, và điều thú vị đầu tiên về chúng là nhóm so sánh: GPT-5.5, GPT-5.6 Sol, Claude-Opus-4.8 và Claude-Opus-5. GPT-6.1 Sol của OpenAI, chính thức khả dụng từ ngày 29 tháng 9, không có trong bảng. Claude Opus 5.5, mô hình mà alias opus trong Claude Code trỏ tới, cũng không. Các đối thủ đã được lựa chọn.
Điều thú vị thứ hai là câu tóm tắt mà thông báo sử dụng, rằng điểm số của LongCat 2.5 nằm "giữa Claude-Opus-4.8 và Claude-Opus-5". Trên harness mới nhất trong cùng bảng đó, nó thấp hơn Opus 5 tới 15 điểm. Cả hai phát biểu đều đến từ cùng một trang. Đó không phải là lời chê mô hình — một mô hình thưa 1,6T được huấn luyện từ đầu đến cuối trên các bộ tăng tốc nội địa Trung Quốc và phục vụ với giá đầu ra 1,20 đô la là một thành tựu thực sự — nhưng đó là lý do để đọc bảng này như một tập con được chọn lọc chứ không phải một bảng điểm.
Vấn đề của Qwen4-Max thì ngược lại. Hoàn toàn không có bảng nào cả. Tài liệu của Alibaba mô tả cơ chế với độ chính xác bất thường — nhiệt độ mặc định 1.0 khi bật tư duy và 0.7 khi tắt, top-p 0.95 và 0.8, top-k 20, ngân sách tư duy 131.072 token, giới hạn đầu vào riêng là 991.808 token ở chế độ không tư duy và 983.616 ở chế độ tư duy, sáu khu vực cùng phạm vi triển khai tương ứng — mà không nói bất cứ điều gì về chất lượng. Không có mục Qwen4 nào trên chỉ mục mô hình Artificial Analysis, và URL riêng của từng mô hình trả về 404.
Vậy nên lựa chọn giữa một bảng mà bạn phải chiết khấu và không có bảng nào cả thực ra gần nhau hơn vẻ ngoài. Cả hai mô hình đều yêu cầu bạn tự đánh giá trước khi đưa vào sản xuất. Khác biệt là Meituan đã cho bạn một giả thuyết khởi đầu còn Alibaba đã cho bạn một bản đặc tả.
Cách phân chia khối lượng công việc thực sự quyết định điều này
Ba mẫu, và câu trả lời khác nhau cho từng mẫu.
• Tạo văn bản khối lượng lớn — LongCat 2.5 thắng về mặt tính toán chi phí dứt khoát đến mức việc thiếu benchmark gần như không đáng kể. Với mức rẻ hơn từ 3,5× đến 12×, nó có thể thua về chất lượng với khoảng cách đáng kể mà vẫn thắng về chi phí trên mỗi tác vụ hoàn thành. Hãy chạy thử một trăm prompt của riêng bạn và kiểm tra.
• Công việc thị giác từ ảnh chụp màn hình và các đầu vào gần giống ảnh chụp màn hình — token hóa thị giác gốc của LongCat chính là lý do mô hình này tồn tại, và đó là tuyên bố duy nhất trong bản phát hành của nó mang tính kiến trúc chứ không phải quảng cáo. Qwen4-Max cũng nhận video, vì vậy nếu đầu vào của bạn là video chứ không phải ảnh tĩnh, thì nó là mô hình duy nhất trong hai mô hình sẽ nhận yêu cầu đó.
• Triển khai chịu sự quản lý hoặc nhạy cảm với độ trễ — sáu khu vực của Qwen4-Max so với một nền tảng không phải là cân nhắc về giá, mà là về điều kiện đáp ứng. Nếu dữ liệu của bạn phải lưu tại Frankfurt hoặc Virginia, chênh lệch giá gấp mười hai lần là không đáng bàn vì lựa chọn rẻ hơn hoàn toàn không thể phục vụ bạn.
Giữ ngỏ cả hai lựa chọn
OrcaRouter hiện không định tuyến LongCat 2.5 hay Qwen4-Max; cả hai đều có thể truy cập qua API riêng của nhà cung cấp tương ứng, với bảng giá ở trên. Các mô hình mà chúng ta nên chạy so sánh này trên hệ thống của mình là những mô hình đã có trong danh mục trên cùng một khóa — GLM-5.3 ở mức $1,40 và $4,40 mỗi triệu, Qwen3.8-Max ở mức $2,00 và $6,00, Kimi K3.1 Pro ở mức $2,00 và $10,00 — vì bài kiểm tra ba bên giữa một mô hình chưa được chấm điểm với một mô hình đã được định giá và đo lường là cách rẻ nhất để tìm ra liệu mô hình mới có đáng với giá niêm yết của nó hay không.
Lớp định tuyến chính là thứ khiến bài kiểm thử đó trở nên rẻ. Một chính sách có thể gửi một mẫu lưu lượng trực tiếp đến LongCat 2.5 và đến một mô hình đã biết chạy song song, so sánh đầu ra với bất kỳ bộ đánh giá nào bạn tin tưởng, rồi chỉ sau đó mới quyết định có chuyển khối lượng hay không. Chuyển đổi dự phòng tự động quan trọng hơn bình thường khi có hai mô hình mới như thế này: cả hai đều chưa có thành tích đủ dài để biện minh cho việc phụ thuộc vào một nhà cung cấp duy nhất, và một chuỗi dự phòng chẳng tốn kém gì khi đường chính vẫn khỏe mạnh.
Phán quyết trung thực
Nếu công việc của bạn là xử lý văn bản và hình ảnh với khối lượng lớn, LongCat 2.5 là mô hình thú vị hơn trên trang này, và lợi thế gấp mười hai lần về giá đầu ra là con số cứng duy nhất mà bất kỳ nhà cung cấp nào trong hai bên đã đưa ra cho bạn. Nếu công việc của bạn cần đầu vào video, triển khai theo khu vực hoặc một nhà cung cấp có thành tích đã được chứng minh với doanh nghiệp, Qwen4-Max là mô hình đáp ứng yêu cầu đó, và mức giá chính là cái giá phải trả cho sự đáp ứng đó.
Điều mà cả hai mô hình đều không cho bạn là lý do để bỏ qua việc đánh giá. Hai mẫu flagship chưa được chấm điểm, ra mắt cách nhau hai tuần, giá chênh lệch gấp mười lần, chính là tình huống mà một buổi chiều với lưu lượng truy cập của chính bạn có giá trị hơn mọi bảng so sánh trên internet — kể cả bảng này. Điều duy nhất cần chú ý ở cả hai phía là như nhau: một model card thay vì một mục changelog. Tham số, ngữ cảnh, giá và một mã định danh API trong cùng một tài liệu là dấu hiệu cho thấy một mô hình đã hoàn thiện. Nút trọng số của LongCat 2.5 vẫn ghi "coming soon", và trang của Qwen4-Max vẫn còn một khoảng trống ở chỗ lẽ ra là bảng benchmark.
So sánh trong bài viết này1
Phát hiện từ bài viết này · Benchmark: Artificial Analysis · cập nhật hằng ngày
