
Qwen4-Max vs Step-5 Preview: Mười bốn điểm chỉ số, nửa xu mỗi điểm
- 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 1.02026-11-0717 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 · 150 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
Chia chi phí mỗi tác vụ của từng mô hình cho điểm số mà nó đạt được, và hai vế của phép so sánh này nằm trong phạm vi sáu phần trăm của nhau. Qwen4-Max, do Alibaba phát hành hôm nay, ngày 16 tháng 11 năm 2026, đạt 43 trên Artificial Analysis Intelligence Index v5.0.1 với chi phí đo được là 3,27 đô la Mỹ mỗi tác vụ chỉ số — khoảng 7,6 xu mỗi điểm chỉ số. Step-5 Preview, mô hình mixture-of-experts thưa 600 tỷ tham số của StepFun, phát hành ngày 20 tháng 9 năm 2026, đạt 29 trên cùng chỉ số với chi phí 2,35 đô la Mỹ mỗi tác vụ — khoảng 8,1 xu mỗi điểm. Một mô hình thông minh hơn 48% trên thước đo duy nhất mà cả hai từng được đối chiếu. Mô hình còn lại rẻ hơn ở cả hai phía của đồng hồ đo, rẻ hơn một phần ba ở đầu vào và 40% ở đầu ra. Và tính trên mỗi đơn vị năng lực được đo, cả hai nằm trong phạm vi bảy phần trăm của nhau, với mô hình chủ lực hoàn toàn mới nhỉnh hơn một chút.
Đó không phải là phép so sánh mà cả hai nhà cung cấp đang bán, và nó mới là thứ thực sự quyết định một cuộc chuyển đổi. Nó cũng đi kèm một sự bất đối xứng mà không bài đăng ra mắt nào nhắc tới: một trong hai mô hình này có tốc độ đầu ra được đo độc lập, còn mô hình kia hoàn toàn chưa có tốc độ được đo, vì nó mới chỉ vài giờ tuổi. Phần tiếp theo tách bạch những gì được ghi nhận với những gì được đo, làm phép tính bộ nhớ đệm đưa khoảng cách giá từ 33% sang một con số hoàn toàn khác, và kết thúc ở hai trục mà câu trả lời không hề sát nhau — trọng số và trần đầu ra.
Mỗi cái hiện là gì, tính đến hôm nay
Qwen4-Max là mẫu flagship thế hệ thứ tư của Alibaba, được xây dựng trên một xương sống 2,4 nghìn tỷ tham số với 71 tỷ tham số hoạt động trên mỗi token cùng 328 tỷ tham số embedding N-gram. Mẫu này nhận đầu vào văn bản, hình ảnh và video, đồng thời trả về văn bản. Cửa sổ ngữ cảnh được tài liệu hóa là 1.000.000 token, với giới hạn đầu vào 991.808 token ở chế độ không suy luận và 983.616 ở chế độ suy luận — phần chênh lệch chính là dư địa dành cho lập luận. Đầu ra tối đa là 131.072 token khi tắt suy luận; khi bật suy luận, phần lập luận và câu trả lời chia sẻ chung một ngân sách 262.144 token. Suy luận được bật mặc định với ngân sách 131.072 token ở mức nỗ lực lập luận mặc định là high, có thể chọn giữa low, high và xhigh. Những con số đó là theo tài liệu của chính Alibaba, và Qwen4-Max không công bố trọng số, không hỗ trợ tinh chỉnh ở bất kỳ khu vực nào, và cũng không hỗ trợ triển khai mô hình ở bất kỳ khu vực nào.
Step-5 Preview là mẫu chủ lực của StepFun cho công việc tác tử: tổng cộng 600 tỷ tham số, 27 tỷ tham số hoạt động, cửa sổ ngữ cảnh 1 triệu token, cùng đầu vào văn bản, hình ảnh và video với đầu ra văn bản. Mức nỗ lực suy luận có thể chọn giữa thấp, trung bình và cao. Đầu ra tối đa được ghi nhận là 64.000 token, với max_tokens mặc định không giới hạn để mô hình tự chọn độ dài. Mô hình hỗ trợ streaming, gọi công cụ, đầu ra JSON Schema và lưu bộ nhớ đệm prompt, và API tương thích OpenAI.
Ba tháng sau khi ra mắt, chữ “Preview” trong tên đã không còn đúng với ý nghĩa của nó. StepFun vẫn liệt kê nó là Preview trong phần tổng quan mô hình của mình cho đến hôm nay, trong khi các checkpoint BF16 và FP8 đã có trên Hugging Face từ ngày 15 tháng 10 theo StepFun Model License 1.0. Hãy coi nhãn đó là một thói quen đặt tên, chứ không phải lời cảnh báo rằng endpoint sẽ thay đổi ngay dưới chân bạn — nhưng cũng đừng hiểu đó là cam kết GA, vì nhà cung cấp chưa đưa ra cam kết nào như vậy.
Chênh lệch giá là một phần ba; chính phép tính bộ nhớ đệm là thứ làm thay đổi điều đó.
Với giá niêm yết, thật dễ tóm gọn về hai lựa chọn này: Step-5 Preview rẻ hơn ở cả hai phía của đồng hồ đo, và mức chênh lệch vượt xa sai số làm tròn.
• Đầu vào — Qwen4-Max $1.50 mỗi triệu token tại Singapore, $1.413 ở năm khu vực còn lại, so với Step-5 Preview $1.00
• Đầu ra — Qwen4-Max $4.50, so với Step-5 Preview $2.70
• Đọc bộ nhớ đệm — Qwen4-Max $0.075 mỗi triệu, giảm giá 95%, so với Step-5 Preview $0.10, giảm giá 90%
• Ghi bộ nhớ đệm — Qwen4-Max $1.875 mỗi triệu cho TTL năm phút và $3.00 cho một giờ, so với Step-5 Preview không có khoản nào, vì đầu vào cache-miss ở mức $1.00 đã bao gồm việc ghi tiền tố
• Giá hỗn hợp, dựa trên tỷ lệ 7:2:1 cache hit/đầu vào/đầu ra của Artificial Analysis — Qwen4-Max 0,80 USD mỗi triệu so với Step-5 Preview 0,54 USD
Dòng ghi cache đó chính là dòng bị bỏ qua và là dòng có thể đảo ngược thứ hạng với khối lượng công việc phù hợp. Lấy một tài liệu 300.000 token được xem xét qua bốn lượt, mỗi lượt 3.000 token đầu ra, theo mức giá Singapore, không thinking. Trên Qwen4-Max, lượt đầu ghi tiền tố với giá $0.5625 và phát ra $0.0135 đầu ra; ba lượt tiếp theo đọc tiền tố đó với giá $0.0225 mỗi lượt, cộng với $0.0405 đầu ra cộng lại. Tổng cộng $0.684. Trên Step-5 Preview, lượt đầu tốn $0.30 đầu vào và $0.0081 đầu ra; ba lượt tiếp theo tốn $0.03 mỗi lượt, cộng với $0.0243. Tổng cộng $0.422. Step-5 Preview rẻ hơn 38% cho công việc đó.
Gộp nó thành một lượt duy nhất thì khoảng cách còn mở rộng chứ không thu hẹp — $0.576 so với $0.308, với Step-5 Preview rẻ hơn 46% — nhưng lý do thì thay đổi. Trong một lượt, không có lần đọc nào để khấu hao, nên bạn đang trả phí cao hơn cho việc ghi bộ nhớ đệm của Qwen4-Max cho một tiền tố mà bạn sẽ không bao giờ dùng lại. Quy tắc thực tế: cơ chế bộ nhớ đệm của Qwen4-Max thưởng cho tiền tố được đọc nhiều lần và phạt khi chỉ đọc một lần. Mức đọc bộ nhớ đệm cố định $0.10 và giá cho lần trượt đã bao gồm ghi của Step-5 Preview là cấu trúc thân thiện hơn cho các khối lượng công việc mà bạn không thể dự đoán tỷ lệ trúng.

Mười bốn điểm, và một lỗ hổng bằng chứng theo hướng ngược lại
Cả hai mô hình đều đã được chạy qua Intelligence Index v5.0.1, chỉ số này bao gồm chín bài đánh giá: AA-Briefcase v1.1, AutomationBench-AA, Terminal-Bench 4.0, FrontierCode-AA 2.0, AA-Omniscience v1.1, GDP.pdf, HLE-Diamond, CritPt v2 và Terminal-Bench-Science 0.1. Không trang nào của hai mô hình công bố điểm riêng theo từng mức nỗ lực suy luận, vì vậy đây là các con số đơn lẻ ở bất kể cài đặt nào mà Artificial Analysis đã sử dụng.
• Chỉ số — Qwen4-Max 43, xếp thứ 38 trong số 81 trong nhóm của nó, so với Step-5 Preview 29, xếp thứ 10 trong số 29 trong các mô hình trọng số mở lớn. Trung vị của nhóm khác nhau (41 và 23), đó là lý do những thứ hạng đó không thể so sánh với nhau mặc dù điểm số là
• Chi phí mỗi tác vụ lập chỉ mục — 3,27 USD so với 2,35 USD
• Chi phí trên mỗi điểm chỉ số — 7,6 xu so với 8,1 xu, vì vậy mô hình đắt hơn trên mỗi tác vụ lại là mô hình rẻ hơn trên mỗi đơn vị năng lực
• Tốc độ đầu ra — Step-5 Preview 124 token mỗi giây, so với Qwen4-Max không có số liệu nào được công bố. Artificial Analysis liệt kê thời gian mỗi tác vụ của nó là không xác định và trang nhà cung cấp của nó không báo cáo bất kỳ benchmark nào từ nhà cung cấp.
• Thời gian đến token trả lời đầu tiên — Step-5 Preview 23,53 giây, so với không có công bố nào cho Qwen4-Max
• Thời gian mỗi tác vụ chỉ mục — Step-5 Preview 15,2 phút so với mức trung vị 13,3 phút của cùng nhóm; Qwen4-Max không có số liệu
• Độ dài dòng — Qwen4-Max phát ra 127 triệu token đầu ra trên toàn chỉ số, so với mức trung vị 78,6 triệu; trong khi Step-5 Preview phát ra 129 triệu, so với mức trung vị 104 triệu. Cả hai đều dài dòng; Qwen4-Max dài dòng hơn so với một nhóm đồng cấp gọn gàng hơn.
Token đầu tiên mất 23,53 giây là con số đáng khiến bất kỳ ai dự định triển khai Step-5 Preview cho tương tác phải lo lắng. Đây không phải là hiện tượng do mạng: đó là cái giá bạn phải trả trước khi câu trả lời bắt đầu, với một mô hình 600 tỷ tham số có chế độ suy nghĩ được bật theo mặc định. Các mặc định suy luận của Qwen4-Max — bật suy nghĩ, ngân sách 131.072 token, mức nỗ lực đặt ở cao — cũng chỉ về cùng một hướng, và cho đến khi có ai đó đo được thì không có cách trung thực nào để nói cái nào chậm hơn. Đó là chi phí thực tế của việc mua vào ngày ra mắt: bạn nhận được một điểm số và một bảng giá, còn bạn không nhận được con số độ trễ.
Tài liệu đánh giá của chính Alibaba là một vấn đề riêng và nên được đọc như do nhà cung cấp báo cáo, chưa được tái lập. Trên Work360, bộ chuẩn nội bộ của hãng bao trùm 26 lĩnh vực ngành cấp cao nhất, nhà cung cấp báo cáo 52,69 cho Qwen4-Max so với 47,74 cho Qwen3.8-Max. Hãng cũng báo cáo chi phí trung bình mỗi tác vụ Work360 giảm từ 4,43 USD xuống 1,67 USD, mức giảm 62%, và lượng token giảm khoảng 24% ở mức nỗ lực xhigh và 35% ở mức nỗ lực high trên bộ chuẩn đó, với mức giảm 48% và 49% trên Terminal-Bench 4.0. Đó là những tuyên bố về Qwen4-Max so với phiên bản tiền nhiệm. Chúng không nói gì về Step-5 Preview, và không có tuyên bố nào trong số đó được kiểm chứng độc lập.

Trọng số: cái này không gần chút nào.
Step-5 Preview có thể tải xuống ngay hôm nay. Kho Hugging Face cung cấp các safetensors BF16 và FP8 theo StepFun Model License 1.0 — một giấy phép kiểu Apache-2.0 có yêu cầu ghi công và điều kiện sử dụng thương mại — cùng với chat template, ba biến thể lượng tử hóa và các công thức triển khai: FP8 trên bốn B300 hoặc tám H200 với vLLM, FP8 trên cùng phần cứng với SGLang, BF16 trên tám B300 hoặc mười sáu H200. Khoảng 1.600 lượt tải xuống trong tháng qua.
Qwen4-Max không có checkpoint và cũng không có con đường nào để có một checkpoint. Tài liệu của Alibaba đánh dấu việc tinh chỉnh là không được hỗ trợ ở mọi khu vực và việc triển khai mô hình là không được hỗ trợ ở mọi khu vực, đây là một tuyên bố mạnh hơn câu “các trọng số vẫn chưa được phát hành” — nó nói rằng nhà cung cấp sẽ hoàn toàn không cho phép bạn tự chạy mô hình này thông qua nền tảng của họ. Nếu yêu cầu của bạn là một mô hình mà bạn có thể lượng tử hóa, tinh chỉnh, air-gap hoặc ghim vào một bản dựng cụ thể, thì sự so sánh kết thúc tại đây và nó kết thúc theo hướng có lợi cho StepFun.
Nó cũng thay đổi những gì mà "open" mang lại cho bạn. Giấy phép của Step-5 Preview cho phép sử dụng thương mại kèm điều kiện, vì vậy việc rà soát pháp lý là một phần chi phí áp dụng, và các công thức triển khai giả định một nút bốn đến mười sáu GPU — đây không phải là mô hình bạn chạy trên máy trạm. Nhưng đây là mô hình mà hành vi của nó không thể bị thay đổi ngay dưới chân bạn bởi một bản cập nhật âm thầm từ nhà cung cấp, và với bất kỳ ai đang xây dựng một hệ thống chịu quản lý hoặc tồn tại lâu dài, điều đó đáng giá hơn mười bốn điểm chỉ số.
Giới hạn đầu ra, và một mâu thuẫn trong tài liệu đáng để biết
Đây là khác biệt kém hào nhoáng nhất và là điều dễ ảnh hưởng đến một khối lượng công việc cụ thể nhất. Qwen4-Max cung cấp 131.072 token đầu ra khi tắt chế độ suy nghĩ và ngân sách 262.144 token dùng chung khi bật chế độ suy nghĩ. Tài liệu API của Step-5 Preview ghi đầu ra tối đa là 64.000 token. Thẻ mô hình Hugging Face của nó cho biết đầu ra có thể lên tới toàn bộ 1 triệu token, với đầu vào và đầu ra cùng tính vào một giới hạn.
Hai phát biểu đó đến từ cùng một nhà cung cấp trong vòng một tháng, và cả hai đều không được đánh dấu là ngừng dùng. Nếu bạn đang lên kế hoạch cho một tác vụ có đầu ra dài — một báo cáo đầy đủ, một bản vá lớn, một tài liệu được tạo tự động — hãy đọc tài liệu API thay vì thẻ, và kiểm tra giới hạn trên trước khi thiết kế kiến trúc dựa vào nó. Con số 64.000 nhất quán với 15,2 phút cho mỗi tác vụ lập chỉ mục; con số 1 triệu sẽ ngụ ý một điều khá khác.
Một điểm bất đối xứng nữa đáng lưu ý: cả hai mô hình đều nhận đầu vào video, nhưng chỉ StepFun công bố chi tiết vận hành. Tối đa 60 hình ảnh mỗi yêu cầu ở mức chi tiết thấp hoặc cao, video dưới dạng URL, Base64 hoặc tham chiếu stepfile://, MP4 dưới 128 MB, khuyến nghị clip dưới năm phút. Alibaba có tài liệu về đầu vào video cho Qwen4-Max nhưng không công bố các giới hạn tương đương trên trang mô hình. Nếu video là trọng tâm trong khối lượng công việc của bạn chứ không phải chỉ là phụ, thì khác biệt về chất lượng tài liệu đó tự nó là tín hiệu cho thấy nhà cung cấp nào đã từng được hỏi câu hỏi này trước đây.
Tuần này, ai nên chọn cái nào?
Chọn Qwen4-Max nếu trần năng lực quan trọng hơn hóa đơn: suy luận khó, công việc tác tử dài hạn, hoặc bất cứ thứ gì mà 43 so với 29 trên một chỉ số gồm chín đánh giá là khác biệt giữa một tác vụ hoàn thành được và một tác vụ không. Đổi lại, hãy chấp nhận hai rủi ro. Thứ nhất là bạn mua ngay từ ngày đầu tiên mà không có số liệu độ trễ độc lập và không có bên thứ ba tái lập các tuyên bố Work360 của nhà cung cấp. Thứ hai là phụ phí ghi bộ nhớ đệm, khoản này âm thầm đánh thuế công việc ngữ cảnh dài một lượt ở mức $1.875 cho mỗi triệu token được ghi.
Chọn Step-5 Preview nếu bạn cần sở hữu mô hình, nếu bạn cần tốc độ đo được là 124 token mỗi giây và first token 23,53 giây mà bạn có thể lên kế hoạch dựa vào, hoặc nếu khối lượng công việc của bạn nặng về bộ đệm theo cách bạn không thể dự đoán. Hãy chấp nhận rằng bạn đang mua 29 điểm chỉ mục, rằng token đầu tiên đến chậm, và rằng giới hạn đầu ra được nhà cung cấp tài liệu hóa theo hai cách khác nhau.
Lựa chọn thứ ba là lựa chọn trung thực đối với hầu hết các đội trong tuần này: không chọn cái nào, một cách triệt để. Khoảng cách giữa hai mô hình này trên mỗi đơn vị năng lực được đo là 6%, nằm gọn trong biên sai số của một phiên bản chỉ số duy nhất, và cả hai mới chỉ được đánh giá một lần bởi một harness. Một đội cam kết với một trong hai mô hình dựa vào điểm số ngày ra mắt là đang đặt cược vào một con số chưa được tái lập.
Chạy cả hai mà không cần hợp đồng thứ hai
Cả hai mô hình đều chưa có trong danh mục OrcaRouter tính đến hôm nay — 215 mã định danh mô hình, được kiểm tra vào sáng nay, không có mục Qwen4 và không có mô hình văn bản StepFun nào trong số đó. Cả hai đều có thể truy cập qua API của nhà cung cấp tương ứng: sáu khu vực của Alibaba cho Qwen4-Max, endpoint tương thích OpenAI của StepFun tại api.stepfun.ai/v1 cho Step-5 Preview. Nói khác đi sẽ là kiểu khẳng định nhanh chóng trở nên lỗi thời chỉ trong vòng một tuần.
Tuyến "do" của chúng tôi chính là tuyến mà model Qwen4-Max thay thế. Qwen3.8-Max nằm trong danh mục của chúng tôi với mã qwen/qwen3.8-max theo đúng giá niêm yết của chính Alibaba là $2.00 cho đầu vào và $6.00 cho đầu ra trên mỗi triệu token, truyền thẳng không cộng thêm phí, cùng với 214 mã định danh khác trên một base URL tương thích OpenAI. Điều đó quan trọng vì đúng một lý do trong so sánh này: một model trong ngày ra mắt là thứ tệ nhất có thể đặt cược cho một tuyến production, và cách tiếp cận hợp lý là giữ thế hệ đã được kiểm chứng trên tuyến trong khi bạn đo model mới so với lưu lượng của chính mình. DSL định tuyến thể hiện điều đó như một chính sách thay vì một thay đổi mã — gửi các lệnh gọi khó, đòi hỏi nhiều suy luận sang model mới, giữ công việc khối lượng lớn trên model rẻ hơn đã được kiểm chứng, và để chuyển đổi dự phòng tự động bắt được trường hợp một endpoint hoàn toàn mới bị suy giảm dưới mức tải mà bạn không dự đoán trước.
Định giá chuyển tiếp cũng có nghĩa là phép tính trong bài viết này vẫn trung thực. Khi Alibaba cắt giảm giá — như họ đã làm hôm nay, chuyển Qwen4-Max xuống $1.50 và $4.50 từ mức $2.00 và $6.00 của Qwen3.8-Max — một danh mục chuyển tiếp nguyên giá niêm yết của nhà cung cấp sẽ phản ánh điều đó ngay trong ngày thay vì vào lần gia hạn hợp đồng tiếp theo. Đó không phải là lập luận ủng hộ chúng tôi thay vì API riêng của từng nhà cung cấp. Đó là lập luận để không ký bất cứ thứ gì khóa giá mà bạn chưa thấy giữ nguyên trong một tháng.

Phép so sánh mà độc giả sẽ muốn có trong hai tuần tới không phải là phép so sánh trong tiêu đề này. Đó là độ trễ của Qwen4-Max và bản phát hành ổn định của Step-5 Preview, cả hai đều được đo bởi một bên không phải nhà cung cấp, trên những khối lượng công việc mà người ta thực sự chạy. Cho đến lúc đó, lập trường có thể bảo vệ được là một lập trường hẹp và không hào nhoáng: khoảng cách năng lực 48%, khoảng cách giá 33%, khoảng cách 6% trên mỗi đơn vị năng lực, và một loạt quyết định — trọng số, giới hạn đầu ra, cấu trúc bộ nhớ đệm — mà không điểm chỉ số nào nắm bắt được và sẽ còn tồn tại lâu hơn tuần ra mắt này.
