
Qwen 4 so với Qwen 3.8 Max: Điều gì thực sự thay đổi trên hóa đơn của bạn khi bạn nâng cấp
- 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 · 126 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 · 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 · 147 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 · 123 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
Việc chuyển từ Qwen3.8-Max sang Qwen4-Max là một nâng cấp chủ lực khác thường ở chỗ giá thay đổi theo hướng có lợi cho bạn và năng lực cũng tăng cùng lúc. Qwen3.8-Max đã được cung cấp rộng rãi từ ngày 3 tháng 8 năm 2026 với giá 2,00 USD đầu vào và 6,00 USD đầu ra mỗi triệu token, cùng ngữ cảnh một triệu token. Qwen4-Max, sản phẩm thay thế nó ở vị trí cao nhất trong dòng vào ngày 16 tháng 11 năm 2026, có giá 1,50 USD và 4,50 USD cho cùng cửa sổ đó, đạt 43 so với 34 trên Artificial Analysis Intelligence Index, và tốn 3,27 USD cho mỗi tác vụ chỉ số so với 10,02 USD. Giảm 25 phần trăm ở cả hai chiều tính phí, tăng chín điểm chỉ số, và chi phí chỉ bằng một phần ba cho mỗi tác vụ hoàn thành — kiểu nâng cấp thường đi kèm với việc tăng giá. Điều đáng lưu ý, và luôn có một điều như vậy trong việc chuyển đổi giữa các mô hình cùng nhà cung cấp, là hạn mức đầu ra trở nên nhỏ hơn ngay cả khi mọi thứ khác trở nên lớn hơn.
Bốn con số đã thay đổi, và một con số đi ngược lại
Việc nâng cấp trong cùng một nhà cung cấp dễ đánh giá hơn so với so sánh giữa các nhà cung cấp khác nhau, bởi nguồn gốc tokenizer, bề mặt API và các quy ước gọi công cụ đều giữ nguyên. Thứ thay đổi chỉ là một danh sách ngắn, và bạn có thể đối chiếu nó với cách sử dụng của chính mình trong một buổi chiều.
• Giá — từ $2.00/$6.00 xuống còn $1.50/$4.50 mỗi triệu token, giảm 25% ở cả hai phía
• Đọc từ bộ nhớ đệm — từ $0,25 xuống $0,075 mỗi triệu, giảm 70 phần trăm
• Điểm độc lập — từ 34 lên 43 trên cùng chỉ số, cùng bảng, cả hai đều ghi nhận vào ngày 17 tháng 11 năm 2026
• Chi phí mỗi tác vụ lập chỉ mục — từ $10,02 xuống $3,27, giảm 67 phần trăm
• Ngân sách dùng chung cho phần suy nghĩ cộng câu trả lời — 262,144 token, giảm so với mức cho phép lớn hơn ở thế hệ 3.8
• Tham số hoạt động — 71 tỷ, giảm từ 95 tỷ, trên cùng một backbone 2,4 nghìn tỷ tham số
• Ngữ cảnh — không đổi ở mức 1.000.000 token
• Trọng số — cả hai mô hình chủ lực đều không công bố, dù người anh em trọng số mở Qwen3.8-27B của Qwen3.8-Max thì có
Hai trong số đó xứng đáng được bàn tới nhiều hơn một dòng. Việc giảm tham số hoạt động là luận điểm kiến trúc đằng sau phần còn lại: Qwen4-Max kích hoạt 71 tỷ tham số mỗi token trong khi Qwen3.8-Max kích hoạt 95 tỷ, và Alibaba quy hiệu quả tăng thêm cho một kiến trúc mới chứ không phải việc cắt tỉa — các lớp DeltaNet có cổng xen kẽ với cơ chế attention thưa lập chỉ mục ngữ cảnh ở độ chi tiết khối vi mô, bốn nhánh residual song song với cổng đọc và ghi động, và một bảng embedding N-gram dựa trên ngữ cảnh gồm 328 tỷ tham số giúp mở rộng năng lực mà không mở rộng tính toán trên mỗi token.
Ngân sách dùng chung chính là thứ sẽ khiến người ta bất ngờ. Qwen4-Max gộp phần suy luận và câu trả lời vào chung một hạn mức 262,144 token duy nhất. Nếu trước đây bạn tạo đầu ra dài 150,000 token trên Qwen3.8-Max với tính năng suy luận được bật, thì giờ bạn chỉ còn 112,144 token để suy luận — và với một bài toán khó, phần suy luận sẽ ngốn hết chỗ đó. Kiểu hỏng này trông giống như một câu trả lời bị cắt cụt chứ không phải một lỗi, và đó là cách tệ nhất để một giới hạn lộ diện.
Tại sao chi phí mỗi tác vụ giảm hai phần ba khi giá token giảm một phần tư
Giá token chỉ giải thích một phần tư khoản tiết kiệm. Hai phần ba còn lại đến từ việc mô hình làm ít việc hơn để đạt được cùng một câu trả lời, và đây là phần của đợt ra mắt khó xác minh nhất và quan trọng nhất đối với phương án kinh doanh.
Số liệu của chính Alibaba: trên bộ Work360 của họ, mức sử dụng token giảm khoảng 24% ở mức nỗ lực suy luận xhigh và 35% ở mức high; trên Terminal-Bench 4.0, là 48 và 49%. Chi phí trung bình mỗi tác vụ trên Work360 giảm từ $4,43 xuống $1,67, tức giảm 62%. Đó là các con số do nhà cung cấp đưa ra, được nhà cung cấp đo lường, so với mô hình trước đó của chính nhà cung cấp, mà không có bản tái lập độc lập — và chúng là bằng chứng mang tính định hướng cho thấy tuyên bố về hiệu quả không chỉ là một đợt giảm giá đội lốt.
Sự xác nhận độc lập hẹp hơn nhưng vẫn đồng tình. Artificial Analysis đo được 10,02 USD cho mỗi tác vụ chỉ số đối với Qwen3.8-Max và 3,27 USD đối với Qwen4-Max. Không ai công bố 4,43 USD hay 1,67 USD ngoại trừ Alibaba; các con số 10,02 USD và 3,27 USD là phép tính của người khác trên khối lượng công việc của người khác, và chúng đều chỉ về cùng một hướng.
Hãy gắn một con số cho công việc của chính bạn. Một pipeline chạy 5,000 tác vụ mỗi ngày với 30,000 token đầu vào và 4,000 token đầu ra, không dùng bộ nhớ đệm, theo mức giá công bố bằng đô la Mỹ: Qwen3.8-Max tính $50 cho đầu vào và $120 cho đầu ra mỗi ngày, tổng $170. Qwen4-Max tính $37.50 và $90 — $127.50. Tiết kiệm khoảng $1,275 mỗi tháng trước khi dùng bộ nhớ đệm, và nhiều hơn đáng kể nếu một tiền tố ổn định cho phép bạn tận dụng mức đọc bộ nhớ đệm $0.075 thay vì mức $0.25.
Câu chuyện về hiệu quả còn có một nửa sau mà không ai trích dẫn.
Token rẻ hơn cho mỗi tác vụ chỉ là một nửa của bài toán kinh doanh. Nửa còn lại là thời gian trôi qua, và ở đây bức tranh còn mơ hồ hơn cả bảng giá.
Artificial Analysis đo Qwen3.8-Max ở mức 59 token đầu ra mỗi giây và 48 phút cho mỗi tác vụ index — chậm, và nếu bạn đang chạy công việc agentic dài hạn thì con số đó chính là con số quyết định cửa sổ chạy hằng đêm của bạn. Qwen4-Max không công bố tốc độ đầu ra và cũng không công bố thời gian trên mỗi tác vụ. Nó dùng khoảng một nửa số token trên một số benchmark, điều này sẽ hàm ý khoảng một nửa thời gian thực ở cùng thông lượng, nhưng chưa ai công bố thông lượng.
Vậy cách diễn đạt trung thực về bản nâng cấp là: bạn chắc chắn sẽ trả ít hơn cho mỗi token, gần như chắc chắn trả ít hơn cho mỗi tác vụ, và có thể sẽ hoàn thành nhanh hơn. Chỉ điều đầu tiên trong ba điều đó là sự thật mà bạn có thể đưa vào hợp đồng ngay hôm nay. Điều thứ hai được một phép đo độc lập hỗ trợ. Điều thứ ba là suy luận.
Điều đó đặc biệt quan trọng đối với các quyết định lập lịch. Nếu tác vụ lập chỉ mục 48 phút của bạn ở tốc độ 59 token mỗi giây đã sát ngưỡng có thể chạy vừa qua đêm, bạn cần một cuộc thử nghiệm với chính các prompt của mình trước khi chuyển đổi — không phải vì Qwen4-Max có khả năng chậm hơn, mà vì ngân sách suy luận 262.144 token dùng chung thay đổi diễn biến của một lần chạy dài theo những cách mà mức trung bình benchmark sẽ không phơi bày.
Điều gì đã không thay đổi, và vì sao đó lại là tin tốt nhất ở đây
Cửa sổ ngữ cảnh vẫn là một triệu token như cũ. Bề mặt phương thức vẫn như cũ — nhận văn bản, hình ảnh và video, xuất ra văn bản. Bề mặt API vẫn như cũ, với khả năng suy nghĩ được điều khiển bởi enable_thinking hoặc bởi reasoning.effort trên Responses API, và mô hình được phục vụ trên khắp các khu vực của Alibaba ở các định dạng tương thích OpenAI, tương thích Anthropic và định dạng gốc.
Với những ai đã dùng Qwen3.8-Max, đây là điều khiến việc nâng cấp trở nên ít tốn kém: quá trình chuyển đổi chỉ là thay đổi mã định danh mô hình, không phải viết lại. Không cần tái cấu trúc prompt, không cần thương lượng lại schema gọi công cụ, không thay đổi cách quản lý ngữ cảnh. Hai thứ bạn phải kiểm thử lại là những gì các con số chỉ ra — ngân sách đầu ra khi bật thinking, và bất kỳ luồng nào nhạy cảm với độ trễ của bạn.
Điều đó cũng có nghĩa là mô hình hợp lý là lưu lượng bóng (shadow traffic) thay vì chuyển đổi hẳn: gửi một phần yêu cầu sản xuất đến cả hai, so sánh đầu ra và số lượng token, rồi để ngân sách 262.144 token dùng chung tự bộc lộ trên các trường hợp dài trước khi nó bộc lộ trước mặt khách hàng.

Bạn có nên giữ ảnh chụp nhanh 0902 không?
Qwen3.8-Max có một bản snapshot gắn ngày, qwen3.8-max-0902, được ghim vào ngày 2 tháng 9 năm 2026 với cùng năng lực và mức giá như mô hình cơ sở. Snapshot tồn tại để đảm bảo khả năng tái lập, và lý do để giữ lại một bản snapshot mạnh mẽ nhất đúng vào lúc bạn sắp thay đổi mô hình nền tảng.
Nếu bạn có một bộ đánh giá mà mình tin cậy, hãy chạy nó với bản chụp trước khi ngừng sử dụng alias. Bản chụp là nhóm đối chứng của bạn; alias vốn không được thiết kế để ổn định, và Qwen4-Max là một mô hình khác, không phải bản nâng cấp phiên bản của cùng một mô hình. Có hai chi tiết đáng kiểm tra trong lần chạy đó: liệu các trường hợp đầu ra dài của bạn có trụ được với ngân sách chia sẻ nhỏ hơn hay không, và liệu chi phí mỗi tác vụ của bạn có thực sự thay đổi đúng mức mà bảng giá dự đoán hay không. Nếu không, tuyên bố về hiệu quả token không còn đúng với khối lượng công việc của bạn, và lý do để chuyển đổi thu hẹp lại chỉ còn việc giảm giá — vẫn đáng để có, nhưng là một phần tư thay vì hai phần ba.
Một lựa chọn nữa mà so sánh các mô hình chủ lực thường che khuất: Qwen3.8-27B có trọng số mở theo Apache-2.0 và có thể tự triển khai, và chúng tôi cung cấp nó dưới dạng qwen/qwen3.8-27b. Với công việc khối lượng lớn, độ phức tạp thấp, bài toán chi phí hoàn toàn khác so với cả hai mô hình chủ lực, và "nâng cấp từ 3.8-Max lên Qwen4-Max" không phải là nước đi duy nhất. Nếu khối lượng công việc của bạn là phân loại, trích xuất hoặc tạo văn bản ngắn, một mô hình dense 27B mà bạn có thể tự chạy có thể đánh bại cả hai về chi phí đơn vị — và đây là lựa chọn duy nhất trong nhóm này mà bạn có thể ghim vào một phiên bản và kiểm toán.
Quá trình di chuyển, theo thứ tự
Đầu tiên, hãy kiểm kê các đầu ra của bạn. Bất kỳ đường dẫn nào yêu cầu hơn khoảng 120.000 token đầu ra khi bật chế độ suy nghĩ đều có rủi ro dưới ngân sách chia sẻ 262.144. Đó là một lệnh grep trên các điểm gọi của bạn, không phải một phép đo chuẩn.
Thứ hai, hãy đo mức tiêu thụ token của chính bạn cho mỗi tác vụ trên cả hai mô hình trong một tuần đại diện. Các con số hiệu quả đã công bố nằm trong khoảng 24 đến 49 phần trăm tùy thuộc vào benchmark và mức độ nỗ lực, đây là một dải rộng — đủ rộng để con số của chính bạn có thể nằm ngoài dải đó.
Thứ ba, hãy đo p95 của bạn. Qwen4-Max không công bố thông lượng, nên con số độ trễ đầu tiên của bạn sẽ là con số độ trễ đầu tiên mà bất kỳ ai ngoài Alibaba có.
Thứ tư, hãy quyết định phân tầng open-weight. Nếu một phần lưu lượng có thể chuyển sang qwen/qwen3.8-27b, việc chuyển đổi mô hình chủ lực chỉ còn phải đảm nhận các trường hợp khó, và chi phí tổng hợp sẽ giảm nhiều hơn mức mà bất kỳ kế hoạch dùng một mô hình duy nhất nào cũng cho thấy.
Chạy cả hai mô hình chủ lực phía sau một endpoint là phiên bản ít tốn công của việc này: qwen/qwen3.8-max vẫn ở mức $2.00/$6.00 và một yêu cầu Qwen4-Max là quy tắc định tuyến chứ không phải hợp đồng mới, nên bạn có thể dịch chuyển lưu lượng dần dần và quay lại ngay khi ngân sách dùng chung bị ảnh hưởng. Cần nói thẳng rằng bản thân Qwen4-Max không nằm trong 215 định danh mà chúng tôi hiện phục vụ — mô hình nâng cấp định tuyến qua API riêng của Alibaba — nên những gì bạn nhận được từ chúng tôi hôm nay là các mô hình hiện hành, được tính giá niêm yết mà không cộng thêm gì.
Phán quyết, vốn là điều bất thường
{{1}}Hãy chuyển đổi{{/1}}, trừ khi bạn tạo ra các đầu ra rất dài. Một bản nâng cấp cùng nhà cung cấp mà {{2}}giảm giá một phần tư{{/2}}, {{3}}giảm giá bộ nhớ đệm 70 phần trăm{{/3}}, và {{4}}tăng thêm chín điểm chỉ số{{/4}} gần như là một bữa trưa miễn phí, và {{5}}bằng chứng theo từng tác vụ{{/5}} — {{6}}từ nhà cung cấp{{/6}} và {{7}}từ một hội đồng độc lập{{/7}} — cả hai đều cho thấy khoản tiết kiệm thực tế lớn hơn mức mà giá token ngụ ý.
Ngoại lệ này hẹp và cụ thể: những khối lượng công việc có đầu ra thường xuyên vượt khoảng 120.000 token khi bật chế độ suy nghĩ. Với những trường hợp đó, ngân sách chia sẻ 262.144 token là một sự suy giảm năng lực được ngụy trang thành lợi ích về hiệu quả, và động thái đúng đắn là tiếp tục dùng thế hệ 3.8 hoặc chia nhỏ yêu cầu.
Điều cần theo dõi tiếp theo là con số còn thiếu chứ không phải những con số đã được công bố. Một mô hình rẻ hơn hai phần ba cho mỗi tác vụ và chưa có thông lượng đo được là một lựa chọn đáng đặt cược với rủi ro chưa được định lượng, và phép đo thời gian độc lập đầu tiên của Qwen4-Max sẽ giải quyết được nhiều phần trong cuộc tranh luận này hơn bất kỳ điểm chuẩn nào nữa.

Phần thuộc dòng sản phẩm này mà bạn có thể tự vận hành
Một lợi thế của việc nâng cấp trong cùng nhà cung cấp mà cả hai mẫu chủ lực đều không có: phân khúc bên dưới chúng là mở và linh hoạt. Qwen3.8-27B được phát hành theo Apache-2.0 với đầu vào văn bản, hình ảnh và video cùng cửa sổ 262.144 token, và chúng tôi phục vụ nó dưới dạng qwen/qwen3.8-27b — trên hạ tầng của chính chúng tôi, theo giá niêm yết không phụ phí, có thể ghim phiên bản theo cách mà cả hai mẫu chủ lực đều không thể. Với một cuộc di trú mà rủi ro chính là ngân sách đầu ra dùng chung mà bạn không thể kiểm toán, có một phương án dự phòng trọng số mở đã được đánh phiên bản trong cùng dòng sản phẩm là loại bảo hiểm rẻ nhất hiện có.

So sánh trong bài viết này1
Phát hiện từ bài viết này · Benchmark: Artificial Analysis · cập nhật hằng ngày
