Một thẻ tiêu đề hero được tạo với nội dung 'Qwen4-Max vs Qwen3.8-Max-Prime', phụ đề 'Làn nhanh tốn gấp đôi và về cuối.', cùng hai bảng giá và thông lượng: Qwen4-Max ở mức '$1.50 / $4.50 mỗi M' và 104.940 token mỗi tác vụ trong 32,1 phút, so với Qwen3.8-Max-Prime ở mức '$3.301/$9.902 mỗi M' và 170.794 token mỗi tác vụ trong 47,5 phút. Phong cách đồ họa vector phẳng kiểu biên tập trên nền trắng với dải chuyển sắc xanh dương sang xanh lơ, và logo OrcaRouter được ghép ở góc dưới bên phải.
Guides & Insights

Qwen4-Max so với Qwen3.8-Max-Prime: làn nhanh tốn gấp đôi mà lại về cuối

Tác giả

jinhao.song

Ngày đăng

Mô hình mới nhất · 20Xem tất cả mô hình →
Benchmark: Artificial Analysis · cập nhật hằng ngày
Quay lại tất cả bài viết

Qwen3.8-Max-Prime tồn tại vì đúng một lý do: tính giá gần gấp đôi để các token đến sớm hơn. Qwen4-Max, được phát hành rộng rãi từ ngày 16 tháng 11 năm 2026, có giá thấp hơn mô hình mà Prime được xây dựng dựa trên — 1,50 USD đầu vào và 4,50 USD đầu ra mỗi triệu token tại Singapore, so với 2,00 USD và 6,00 USD — và hoàn thành một tác vụ trong khoảng hai phần ba thời gian thực tế. Vì vậy, phép so sánh mà người đọc thực sự cần không phải là "flagship mới so với flagship cũ". Mà là liệu làn tốc độ cao cấp mà Alibaba bán thêm trên nền Qwen3.8-Max có còn mua được bất cứ thứ gì mà bạn không thể có được chỉ bằng cách chuyển sang Qwen4-Max với mức giá tiêu chuẩn hay không, và câu trả lời trung thực hẹp hơn so với gợi ý của bất kỳ trang nhà cung cấp nào: Prime vẫn truyền phát nhanh hơn trên mỗi token, và nó không còn rõ ràng là nhanh hơn trên mỗi tác vụ.

Có một phức tạp thứ hai, kín đáo hơn. Tính đến ngày 18 tháng 11, ID mô hình Prime không xuất hiện trên trang tài liệu về chế độ Fast của Alibaba cũng như trên bảng giá mô hình của hãng, ở cả bản quốc tế lẫn bản Trung Quốc. Trang đó được cập nhật lần cuối vào ngày 11 tháng 10 năm 2026, và hiện liệt kê ba ID Prime, tất cả đều là GLM hoặc Wan — không có biến thể Qwen nào cả. Việc không xuất hiện không giống với việc bị rút bỏ, và Alibaba chưa công bố thông báo ngừng cung cấp nào mà chúng tôi có thể tìm thấy, nên hãy coi đây là “không còn được liệt kê” thay vì “đã ngừng cung cấp”. Nhưng nếu bạn đang lập ngân sách cho một cuộc chuyển đổi trong tuần này, nó thay đổi câu hỏi từ việc bạn nên mua cái nào trong hai cái sang việc cái cũ hơn có còn trên kệ hay không.

Một trong hai là mô hình, cái còn lại là làn phục vụ

Sự phân biệt ấy quyết định toàn bộ việc so sánh, và bộ phận tiếp thị không hề vạch ra điều đó.

• Qwen4-Max — mẫu flagship mới từ nhóm Qwen của Alibaba, GA ngày 16 tháng 11 năm 2026, tính phí theo token ở sáu khu vực, ngữ cảnh 1.000.000 token, đầu vào văn bản, hình ảnh và video với đầu ra văn bản, mặc định bật suy luận ở reasoning_effort=high.

• Qwen3.8-Max-Prime — không phải là một mô hình. Đó là Qwen3.8-Max, mô hình chủ lực 3.8 với 2,4 nghìn tỷ tham số, đạt GA vào ngày 3 tháng 8 năm 2026, được cung cấp thông qua cái mà Alibaba gọi là chế độ Nhanh (chế độ Prime, 优速模式). Cùng trọng số, cùng ngữ cảnh, cùng bề mặt công cụ, cùng giới hạn sử dụng. Tài liệu của chính Alibaba nói rằng các khả năng và hạn chế là "giống như mô hình gốc" và thứ duy nhất bạn thay đổi là modeltham số

Điều đó quan trọng vì một làn phục vụ lão hóa theo cách khác với một mô hình. Prime thừa hưởng mọi giới hạn năng lực của thế hệ 3.8 và mọi đặc tính hiệu quả token của nó; thứ nó bổ sung là dư địa thông lượng trên hạ tầng của chính Alibaba, với mức giá tính theo bội số. Khi thế hệ bên dưới nó được thay bằng một thứ rẻ hơn và hiệu quả token hơn, làn này vẫn giữ tốc độ nhưng mất đi lý do tồn tại.

Bảng giá, và sự đảo ngược nằm trong đó

Đây là giá niêm yết từ bảng giá của Alibaba, không phải hóa đơn thực tế. Tính trên mỗi triệu token, đầu vào và đầu ra:

• Qwen4-Max, Singapore — $1.50 / $4.50, đồng giá trên toàn bộ cửa sổ 1,000,000 token.

• Qwen4-Max, mọi nơi khác — $1.413 / $4.24 tại Bắc Kinh, Hồng Kông, Frankfurt, Virginia và Tokyo.

• Qwen3.8-Max, Singapore — $2.00 / $6.00; $1.650 / $4.951 tại các khu vực Toàn cầu.

• Qwen3.8-Max-Prime — $3.301 / $9.902 trên thẻ quốc tế, với giá trúng bộ nhớ đệm là $0.413. Đó chính xác là 2.0× mức giá Global của ID tiêu chuẩn, không phải con số làm tròn gần đúng. Chúng tôi đọc những số liệu đó từ bảng giá vào cuối tháng 9; đây là những con số Prime được công bố gần nhất mà chúng tôi có, và hàng đó hiện không còn trên trang nữa.

A generated two-column scoreboard titled 'Qwen4-Max vs Qwen3.8-Max-Prime — the scoreboard'. Left column 'Qwen4-Max' reads Intelligence Index 42.9, HLE Diamond 44.9%, APEX Agents 59.1%, Terminal-Bench 4.0 48.5%, 104,940 tokens per task, $3.27 per task. Right column 'Qwen3.8-Max-Prime' reads Intelligence Index 33.7, HLE Diamond 24.0%, APEX Agents 42.4%, Terminal-Bench 4.0 38.9%, 170,794 tokens per task, $10.02 per task. Footer reads 'Scores: Artificial Analysis Intelligence Index v5.0.1. Prime mode runs Qwen3.8-Max weights, so its scores are Qwen3.8-Max's.'

• Giá đọc bộ nhớ đệm — $0.075 mỗi triệu token ở Singapore và $0.071 ở nơi khác, so với mức trúng bộ nhớ đệm $0.413 của Prime. Chưa bằng một phần năm mức giá, ở đúng hạng mục mà một vòng lặp agent dài thường phải trả nhiều nhất.

Đặt dòng thứ nhất và thứ tư cạnh nhau, sự đảo ngược hiện ra rõ rệt: mẫu flagship mới ra đời được hai ngày có chi phí đầu vào bằng khoảng 43% so với gói nhanh của thế hệ trước, và 43% ở đầu ra. Thậm chí so với Qwen3.8-Max bản thường mà nó thay thế, Qwen4-Max rẻ hơn 25% tại Singapore — và nhà cung cấp đang định vị đó là một đợt giảm giá, đúng là như vậy, nhưng chỉ khi mô hình mới không tiêu khoản tiết kiệm được vào việc dùng nhiều token hơn. Sẽ nói thêm về điều đó bên dưới, vì mô hình mới phần nào có và phần nào không làm vậy.

Dòng cache mới là thứ tích lũy lợi ích. Một vòng lặp agent dài với system prompt và schema công cụ cố định sẽ đọc lại tiền tố của nó ở mỗi lượt, vì vậy giá đọc cache, chứ không phải giá đầu vào niêm yết, mới quyết định chi phí biên của lượt thứ năm mươi. Ở mức $0.075 so với $0.413, Qwen4-Max đọc lại một tiền tố đã cache với chi phí bằng khoảng một phần năm mức Prime tính — mức chênh lệch rộng gấp 2,4 lần so với 2,3× trên đầu vào mới, và chính là yếu tố quyết định liệu một lần quét tài liệu 400.000 token có khả thi về chi phí hay không.

Điều Prime thực sự mua: token mỗi giây, không phải tác vụ mỗi giờ

Trang Fast mode của Alibaba nêu rõ lợi ích: TPS được nâng lên gấp 1,5 đến 2 lần so với API tiêu chuẩn, hướng đến các trợ lý lập trình AI, suy luận đa bước của agent và hội thoại thời gian thực. Trang cũng mô tả một quy tắc điều tiết tốc độ khác thường — khi bạn chạm giới hạn tốc độ, nếu nền tảng vẫn còn công suất dự phòng thì bạn không bị điều tiết, nên thông lượng thực tế khả dụng sẽ không xuống dưới giới hạn đã nêu. Đó là mức sàn, không phải mức trần, và với một trợ lý lập trình tương tác, phần đuôi quan trọng hơn giá trị trung bình.

Con số này chưa từng được đo độc lập. Điều đã được đo là bản dựng Qwen3.8-Max tiêu chuẩn: Artificial Analysis ghi nhận 60.0 token đầu ra mỗi giây trên API riêng của Alibaba, với 3.6 giây để có token đầu tiên. Qwen4-Max, trên cùng bảng xếp hạng, ghi nhận 54.5 token mỗi giây và 6.9 giây để có token đầu tiên. Vì vậy, nếu Prime thực sự đạt mức cao nhất trong khoảng đã công bố, nó sẽ truyền phát ở khoảng 120 token mỗi giây — hơn gấp đôi Qwen4-Max — và token đầu tiên của nó đến sớm hơn.

Sau đó đọc nửa còn lại của cùng bảng đó, và lợi thế sẽ đảo ngược:

• Số token đầu ra cho mỗi tác vụ chỉ mục — Qwen4-Max 104.940 so với Qwen3.8-Max 170.794. Mô hình mới tiêu tốn ít hơn 38,6% token để hoàn thành cùng một bộ đánh giá, ở cùng xhigh thiết lập nỗ lực như nhau ở cả hai bên.

• Thời gian thực tế mỗi tác vụ — 32,1 phút so với 47,5 phút. Qwen4-Max hoàn thành sớm hơn một phần ba mặc dù tốc độ truyền phát chậm hơn.

• Chi phí mỗi tác vụ — $3.27 so với $10.02, theo giá niêm yết đã công bố. Nhân $10.02 đó với mức phụ trội cố định 2.0× của Prime thì cùng tác vụ đó sẽ rơi vào khoảng $20.

Con số cuối cùng đó là phép tính trên bảng giá, không phải đo lường — Artificial Analysis đã đo thời gian của ID chuẩn, không phải làn Prime, và không ai công bố benchmark chế độ Prime mà chúng ta có thể tìm thấy. Hãy nêu đó là ước tính. Nhưng hướng thì không còn nghi ngờ: nếu bạn trả 2.0× mỗi token cho một làn phát ra cùng lượng token, bạn trả 2.0× cho tác vụ. Prime làm mỗi token nhanh hơn và mỗi công việc đắt hơn; Qwen4-Max làm mỗi token chậm hơn và mỗi công việc rẻ hơn và ngắn hơn.

Đối với giao diện trò chuyện nơi con người đang theo dõi từng ký tự hiện ra, sự khác biệt đó là có thật và Prime vẫn thắng ở điểm này. Đối với một tác nhân chạy mười hai lệnh gọi tuần tự và tính phí bạn vào cuối, số token chính là đồng hồ thực tế.

Khoảng cách năng lực, được đo lường thay vì chỉ được tuyên bố

Tài liệu công bố Qwen4-Max của Alibaba nêu mức cải thiện hiệu quả token khoảng 24% ở mức xhigh về nỗ lực và 35% ở mức high trên bộ đánh giá Work360 nội bộ của hãng, cùng với mức giảm 62% chi phí trung bình mỗi tác vụ. Đó là các số liệu do nhà cung cấp tự báo cáo và chưa được tái lập. Bảng đánh giá độc lập kể một câu chuyện nhất quán nhưng kém ấn tượng hơn, và đó là cơ sở để lập kế hoạch.

Trên Chỉ số Trí tuệ Artificial Analysis v5.0.1, chỉ số mà cả hai mô hình đều được chấm điểm theo cùng một thiết lập nỗ lực:

• Chỉ số — Qwen4-Max 42.9 (trang web làm tròn thành 43) so với Qwen3.8-Max ở mức 33.7. Một khoảng cách thế hệ chín điểm, và chính bảng đó ghi dòng 3.8 là đã lỗi thời, được Qwen4-Max thay thế.

• Humanity's Last Exam, Diamond — 44.9% so với 24.0%. Đây là mức phân kỳ đơn lẻ lớn nhất trong hàng và là yếu tố thay đổi nhiều nhất việc bạn có thể giao phó.

• APEX Agents — 59,1% so với 42,4%. Tỷ lệ hoàn thành tác vụ tác tử tăng gần mười bảy điểm, tức là khác biệt giữa một quy trình bạn giám sát và một quy trình bạn kiểm tra lại sau đó.

• Terminal-Bench 4.0 — 48,5% so với 38,9%. Đây là mức tăng thực sự, và đáng để đọc bên cạnh 88,8% mà bản dựng 3.8 ghi nhận trên Terminal-Bench 2.1 cũ hơn, phiên bản mà Qwen4-Max chưa được chấm điểm. Không so sánh giữa hai phiên bản đó.

• FrontierCode 2.0 — 26.5% so với 23.4%. Khoảng cách nhỏ nhất trên bảng. Nếu khối lượng công việc của bạn là sinh mã nguồn dựa trên một kho mã, thì bước nhảy giữa các thế hệ chỉ là ba điểm, chứ không phải chín, và thông lượng của Prime có thể vẫn quan trọng hơn đối với bạn so với chỉ số này.

• Hiểu biết toàn diện — 27,7 so với 10,5, với tỷ lệ ảo giác là 28,4% và 27,1%. Qwen4-Max biết nhiều hơn đáng kể và bịa đặt ở mức tương đương. Hai sự thật đó cộng lại là lý do vì sao nó an toàn hơn trong nghiên cứu mở và không an toàn hơn với bất cứ điều gì bạn không thể kiểm chứng.

Hai khoảng trống lại nghiêng theo hướng ngược lại, và cả hai đều xoay quanh việc bạn có thể ghim được những gì. Qwen3.8-Max có một ảnh chụp nhanh (snapshot) gắn ngày, qwen3.8-max-0902, vẫn nằm trên bảng giá với mức giá tương tự, nên bạn có thể đóng băng hành vi của mô hình xuyên suốt một bản phát hành. Qwen4-Max không có ID snapshot, không hỗ trợ tinh chỉnh và không có triển khai chuyên dụng — trang của Alibaba đánh dấu cả hai là không được hỗ trợ. Nếu câu chuyện tuân thủ của bạn phụ thuộc vào một mô hình không thể thay đổi ngầm bên dưới bạn, thì thế hệ cũ hơn là lựa chọn duy nhất trong hai lựa chọn đáp ứng được điều đó, và Prime thừa hưởng chính bản dựng gắn ngày ấy.

Câu hỏi về tính sẵn có mà chưa ai tính vào giá

Đây là phần khiến việc so sánh này trở nên cấp bách chứ không chỉ mang tính hàn lâm. Hãy xem trang Chế độ nhanh hôm nay và bạn sẽ thấy ba ID được hỗ trợ — glm-5.3-prime, glm-5.2-fast-preview và wan3.0-video-prime — tại Bắc Kinh và Singapore. Không có mô hình Qwen nào được liệt kê, ở cả hai khu vực. Hãy xem bảng giá mô hình ở bản quốc tế hoặc bản Trung Quốc và không có dòng qwen3.8-max-prime nào; các mục Qwen chạy từ qwen4-max, qwen3.8-max, qwen3.8-max-0902 và xuống dòng 3.7. Và không có qwen4-max-prime ở bất kỳ đâu — mẫu flagship mới không có biến thể làn nhanh nào cả.

Từ bên ngoài, chúng tôi không thể biết liệu Alibaba đã ngừng sử dụng Qwen Prime ID, chuyển nó sang một trang sản phẩm khu vực mà chúng tôi chưa tìm thấy, hay chỉ đơn giản là đã xóa nó khỏi một bảng tài liệu trong một đợt tái cấu trúc. Điều chúng tôi có thể nói thì hẹp hơn nhưng vẫn hữu ích: một người đọc đang lên kế hoạch xây dựng một hệ thống nhạy cảm với độ trễ trên Qwen3.8-Max-Prime trong tuần này nên xác nhận rằng ID đó vẫn còn hiệu lực trong không gian làm việc của chính họ trước khi thiết kế dựa trên nó, bởi vì tài liệu công khai không còn cam kết về nó nữa. Đó là một hồ sơ rủi ro khác so với tháng Chín, khi ID đó nằm trên bảng giá cạnh ID tiêu chuẩn.

Điều này cũng thay đổi cách nhìn về quyết định. Nếu Prime vẫn còn khả dụng trên tài khoản của bạn, bạn đang lựa chọn giữa một làn nhanh trên một mô hình cũ hơn, yếu hơn và đắt hơn với một làn chậm hơn trên một mô hình mới hơn, rẻ hơn và mạnh hơn. Nếu không, lựa chọn đã được thực hiện thay bạn, và câu hỏi duy nhất còn lại là bạn sẽ tiếp tục trả $2.00/$6.00 cho 3.8 ID tiêu chuẩn trong bao lâu thay vì $1.50/$4.50.

A screenshot of Alibaba Cloud's Fast mode documentation page, captured 18 November 2026 in English, showing the supported model table with glm-5.2-fast-preview and the other GLM and Wan Prime IDs listed for Beijing and Singapore, and no Qwen row anywhere on the page.

Ai nên chọn cái nào

• Trợ lý lập trình tương tác, có người theo dõi luồng phát trực tiếp — nếu Prime vẫn xử lý được trên workspace của bạn và UX được đo bằng ký tự mỗi giây, thì thông lượng gấp 2× chính là sản phẩm. Qwen4-Max ở 54,5 token/giây không hề chậm, nhưng nó không phải làn nhanh, và token đầu tiên mất 6,9 giây của nó gần gấp đôi bản 3.8 tiêu chuẩn.

• Các pipeline agentic, đánh giá theo lô, quét tài liệu — Qwen4-Max, gần như không phải bàn cãi. Ít token hơn mỗi tác vụ, ít phút hơn mỗi tác vụ, một phần ba chi phí mỗi tác vụ, và tốc độ đọc cache rẻ hơn gấp hơn năm lần so với Prime trên các tiền tố dài.

• Các khối lượng công việc bắt buộc phải ghim — qwen3.8-max-0902, bản snapshot 3.8 có ghi ngày, theo mức giá tiêu chuẩn. Cả Prime lẫn Qwen4-Max đều không cung cấp cho bạn một checkpoint đóng băng.

• Sinh mã dựa trên một kho lưu trữ lớn — lựa chọn sát nút nhất trên bảng. Ba điểm chỉ số cải thiện của FrontierCode 2.0 có thể không đáng để đánh đổi bằng việc mất một làn thông lượng mà bạn đã có công cụ đo lường, đặc biệt nếu tác nhân của bạn mới là nút thắt chứ không phải mô hình.

• Bất kỳ ai chưa chuyển đổi — hãy chạy phép tính index-suite trên dấu vết của riêng bạn trước khi quyết định. Mức giảm 38,6% token mà Artificial Analysis đo được là mức trung bình trên một đánh giá hỗn hợp; khối lượng công việc của bạn có thể nén tốt hơn hoặc hoàn toàn không nén được.

Kết nối lựa chọn vào một điểm cuối

Cả Qwen4-Max lẫn Qwen3.8-Max-Prime hiện đều không có trong danh mục của OrcaRouter — chúng tôi đã kiểm tra cả hai trang mô hình và cả hai đều không trả về kết quả nào, và bài viết này sẽ không ngụ ý điều ngược lại. Thứ đang có mặt chính là mô hình mà toàn bộ phép so sánh này được xây dựng dựa trên: qwen/qwen3.8-max cùng bản snapshot gắn ngày của nó là qwen/qwen3.8-max-0902, được phục vụ theo đúng giá niêm yết của nhà cung cấp với mức chênh lệch 0%, mà ngày nay nghĩa là $2,00 cho đầu vào và $6,00 cho đầu ra mỗi triệu token. Trang riêng của OrcaRouter cho ID đó báo cáo thời gian đến token đầu tiên p50 là 4,34 giây và p95 là 10,00 giây trong tuần vừa qua — phép đo của chúng tôi, trên lưu lượng của chúng tôi, không phải của nhà cung cấp.

Điều đó ảnh hưởng đến quyết định theo một cách cụ thể. Alibaba đã sửa giá Qwen4-Max hai lần giữa bản xem trước ngày 11 tháng 11 và GA ngày 16, và bảng giá Global đã thấp hơn 5,8% so với bảng giá Singapore. Dù bạn xây dựng gì, mức giá sẽ thay đổi ngay dưới chân bạn. Một cổng chuyển tiếp nguyên giá có nghĩa là việc nhà cung cấp giảm giá sẽ đi thẳng vào hóa đơn của bạn ngay trong ngày thay vì vào lần gia hạn hợp đồng tiếp theo, và một khóa bao phủ cả hai thế hệ, nên việc chuyển từ qwen3.8-max sang qwen4-max là một chuỗi mô hình chứ không phải một tích hợp thứ hai. Cho đến khi Qwen4-Max có thể định tuyến ở đây, mẫu hữu ích là mẫu nhàm chán: giữ ID 3.8 tiêu chuẩn trên khóa bạn đã có, đánh giá Qwen4-Max trực tiếp với Alibaba trong khi các điều khoản thương mại của nó ổn định, và để chuyển đổi dự phòng tự động bù đắp khoảng trống theo cả hai hướng.

Điều gì sẽ thay đổi phán quyết này

Ba điều, và mỗi điều đều có thể kiểm chứng trong vài tuần tới. Một biến thể Qwen4-Max Prime sẽ khôi phục làn nhanh trên thế hệ hiện tại và biến đây lại thành so sánh thông lượng với thông lượng, ở mức gấp 2 lần mức $1.50/$4.50. Một phép đo độc lập ở chế độ Prime sẽ thay thế tuyên bố 1.5–2× của nhà cung cấp bằng thứ bạn có thể đưa vào kế hoạch công suất — chưa ai công bố một phép đo như vậy, và cho đến khi có ai đó làm, hệ số nhân vẫn chỉ là lời hứa. Và một snapshot ID cho Qwen4-Max sẽ loại bỏ lập luận thực sự duy nhất còn lại để ở lại dòng 3.8, mà hiện tại không phải giá, không phải năng lực, và không phải tốc độ trên một tác vụ đầy đủ, mà là khả năng đóng băng một checkpoint.

Với tất cả những người còn lại, câu trả lời đã được phép tính định đoạt: làn nhanh tốn nhiều hơn trên mỗi token, nhiều hơn trên mỗi tác vụ và nhiều hơn trên mỗi lần đọc lại từ bộ nhớ đệm so với mô hình đã thay thế nó, mà lại làm được ít hơn. Đó là một điều kỳ lạ đối với một hạng cao cấp, và đó là điều xảy ra khi một làn phục vụ sống lâu hơn thế hệ mà nó từng được định giá dựa trên.

A screenshot of the Artificial Analysis page for Qwen4 Max, captured 18 November 2026, showing an Intelligence Index of 43 and a Cost per Intelligence Index task of $3.27 alongside the surrounding comparison charts.

So sánh trong bài viết này2

Phát hiện từ bài viết này · Benchmark: Artificial Analysis · cập nhật hằng ngày