
Qwen4-Max hiện đang được quảng bá cho lập trình agentic. Independent Speed Row cho biết vị trí thứ 74 trên 79.
- 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 · 134 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 · 192 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 · 128 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 · 186 tok/s
Lúc 09:31 UTC ngày 17 tháng 11 năm 2026, tài khoản chính thức Qwen4-Max trên X đã đăng năm từ và một lời mời: mô hình hiện đã hoạt động trên một nền tảng bên thứ ba, hãy thử lập trình agentic. Đó là một tweet trích dẫn thông báo của chính nền tảng ấy, một ngày sau khi Alibaba chuyển mô hình từ bản xem trước sang cung cấp rộng rãi có tính phí theo mức sử dụng. Bài đăng rất nhỏ và dễ bị bỏ qua khi lướt. Đây cũng là lần đầu tiên nhà cung cấp hướng người theo dõi của mình tới một con đường bên ngoài cụ thể cho mô hình chủ lực, và nó đã chọn khối lượng công việc — lập trình agentic tầm xa — mà Qwen4-Max hiện có phép đo độc lập yếu nhất trên bảng.
Đó chính là toàn bộ căng thẳng đáng để đưa tin, và đó không phải là một lời buộc tội. Một nhà cung cấp quảng bá mô hình cho những người xây dựng agent là chuyện bình thường. Điều đáng để xác định rõ là khoảng cách giữa lời chào hàng và những con số mà người đọc có thể kiểm chứng, bởi vì lời chào hàng là thứ một đội ngũ hành động dựa trên đó, còn những con số là thứ mà hóa đơn và đồng hồ thực tế mang lại.
Điều mà bài đăng thực sự xác lập
Ba điều, và không hơn ba. Phần còn lại chỉ là suy diễn khoác áo tin tức.
• Sự chứng thực là thật và có ghi ngày tháng. Bài đăng có dấu thời gian 09:31 UTC ngày 17 tháng 11, phát xuất từ chính tài khoản của nhà cung cấp và trích dẫn lại thông báo trước đó của nền tảng thay vì đứng riêng lẻ. Việc một nhà cung cấp đăng lại màn ra mắt của đối tác là một hành động có chủ đích; tài khoản đó không chỉ tình cờ nhắc đến nó.
• Nền tảng này không phải là một bản triển khai thứ hai. Trang mô hình của nó liệt kê qwen/qwen4-max trong một bảng có tiêu đề "Các mô hình được định tuyến do chính các phòng thí nghiệm của họ phục vụ" — không nằm trong số các phiên bản do chính nền tảng này công bố. Sự phân biệt đó quan trọng hơn cả phần nội dung tiếp thị xung quanh nó: một mô hình được định tuyến là bản triển khai của Alibaba được truy cập qua cửa trước của người khác, và đó là cách duy nhất một mô hình đóng thuộc lớp 2,4 nghìn tỷ tham số có thể xuất hiện ở bất kỳ đâu.
• Đây là bản beta, không phải năng lực. Biểu ngữ thường trực của trang web cho biết nó đang ở giai đoạn beta riêng tư và yêu cầu mã mời. Một sự chứng thực từ chính tài khoản của mô hình là tín hiệu về ý định, không phải về thông lượng, hạn ngạch hay thỏa thuận mức dịch vụ — và mã mời không phải là con đường mua sắm.
Và điều mà bài đăng không xác lập được là dù chỉ một tuyên bố về hiệu năng. Trong đó không có con số token mỗi giây, không có tỷ lệ hoàn thành nhiệm vụ, không có chi phí trên mỗi nhiệm vụ, không có tuyên bố nào về việc tuyến này chịu được bao nhiêu phiên tác nhân đồng thời. Hãy đọc nó như "bạn giờ có thể tiếp cận mô hình này ở đây", đó là tất cả những gì nó nói.
Thẻ nằm bên dưới phần chứng thực rẻ hơn thẻ của chính nhà cung cấp.
Danh sách được định tuyến mang số liệu riêng của nó, và mức giá là thứ đáng để nhìn kỹ. Nó ghi $1.40 mỗi triệu token đầu vào và $4.20 mỗi triệu token đầu ra, với cửa sổ ngữ cảnh 977K token và trạng thái là trực tuyến.
• Đầu vào — $1.40 trên thẻ được định tuyến, so với $1.413 trên thẻ Global-scope của chính Alibaba (Bắc Kinh, Hồng Kông, Frankfurt, Virginia (Mỹ), Tokyo) và $1.50 tại Singapore.
• Đầu ra — $4.20 so với $4.24 của Global và $4.50 của Singapore.
• Chiều hướng — con số được định tuyến thấp hơn khoảng 1% so với khu vực được công bố rẻ nhất của nhà cung cấp và thấp hơn khoảng 6,7% so với thẻ mà hầu hết độc giả bên ngoài Trung Quốc đại lục sẽ thực sự bị tính phí.
• Cơ chế được nêu — nền tảng mô tả khoản phí của mình là "mức giá của phòng thí nghiệm cộng với phí tuyến đường, kèm biên nhận tuyến đường có chữ ký trên mỗi câu trả lời."
• Con số ngữ cảnh — 977K trên trang niêm yết, so với 1.000.000 trên thẻ mô hình của Alibaba, trong đó mức trần hiệu lực là 991.808 token đầu vào ở chế độ tiêu chuẩn và 983.616 ở chế độ suy nghĩ.
Hai sự thật đó đứng cạnh nhau một cách gượng gạo. Một tuyến có thêm phí trên mức giá của lab lẽ ra phải đắt hơn đi trực tiếp, vậy mà tuyến này lại rẻ hơn mọi vùng Alibaba đã công bố. Những lời giải thích hợp lý đều không hào nhoáng — một mức giá khuyến mãi, một kiểu arbitrage theo vùng dựa trên việc endpoint Alibaba nào đang được gọi, hoặc một danh niêm yết chưa được cập nhật kể từ thẻ xem trước — và không điều nào trong số đó có thể được xác nhận từ bên ngoài. Điều người đọc có thể làm là ngừng coi giá qua tuyến là giá của mô hình. Bảng giá của chính Alibaba là tham chiếu; bất cứ mức nào thấp hơn đều là một thỏa thuận thương mại với ngày hết hạn mà chưa ai công bố. Nếu chi phí mỗi tác vụ là điều bạn đang quyết định, hãy ước tính nó dựa trên $1.50 đầu vào và $4.50 đầu ra ở Singapore, hoặc $1.413 và $4.24 ở phạm vi Global, và coi khoản giảm giá là phần cộng thêm chứ không phải là kế hoạch.

Khối lượng công việc trong bài đăng là thứ mà công cụ theo dõi đo lường kém nhất.
Artificial Analysis là đơn vị duy nhất công bố các phép đo độc lập về Qwen4-Max, và trang của họ đã được cập nhật với một dòng hiệu năng đầy đủ mà không hề có vào ngày ra mắt. Những gì dòng đó ghi là hoàn toàn không mơ hồ.
• Chỉ số Intelligence — 43 trên bộ chín bài đánh giá v5.0.1, xếp thứ 38 trong số 81 mô hình, nhỉnh hơn một chút so với mức trung vị 41 của công cụ theo dõi dành cho phân khúc giá.
• Tốc độ đầu ra — 54 token mỗi giây. Đó là vị trí thứ 74 trong số 79 mô hình mà công cụ theo dõi xếp hạng về hiệu năng.
• Thời gian đến token trả lời đầu tiên — 179,79 giây, vì mô hình suy nghĩ trước khi nói và mức nỗ lực suy luận mặc định trên card của Alibaba là cao.
• Thời gian mỗi tác vụ Intelligence Index — 32,2 phút, so với mức trung vị 13,3 phút của các mô hình tương đương. Công cụ theo dõi gọi đây là “chậm một cách đáng chú ý”.
• Độ dài — 127 triệu token đầu ra trên toàn chỉ mục, so với mức trung vị là 78,6 triệu. Đó là vị trí thứ 65 trong số 80.
Chi phí cho mỗi tác vụ đánh chỉ mục — $3.27, xếp thứ 44 trong số 80, với mức chiết khấu bộ nhớ đệm 95% đã được áp dụng.
Mọi con số trong danh sách đó đều là phép đo của chính công cụ theo dõi, không phải của Alibaba. Các tuyên bố đã công bố của nhà cung cấp là một tập hoàn toàn khác và được ghi nhãn là tuyên bố của nhà cung cấp ở bất cứ đâu chúng xuất hiện: mức tăng hiệu quả token từ 24% đến 35% so với Qwen3.8-Max trên chuẩn Work360 của chính họ, 48% đến 49% trên Terminal-Bench 4.0, và chi phí trung bình mỗi tác vụ giảm từ $4.43 xuống $1.67. Không điều nào trong số đó đã được tái lập độc lập. Hai bộ dữ liệu không mâu thuẫn với nhau — một mô hình có thể hiệu quả theo từng tác vụ mà vẫn chậm theo từng token — nhưng chỉ một trong số chúng cho bạn biết vòng lặp agent sẽ cảm thấy thế nào lúc 2 giờ sáng.
Có một khoảng trống thứ hai trong chính tài liệu của nhà cung cấp, và đây là điều kỳ lạ đối với một mô hình đang được bán dựa trên lập trình tác tử. Thẻ mô hình của Alibaba không công bố số lượng tham số; tài liệu ra mắt mô tả một mô hình mixture-of-experts thưa 2,4 nghìn tỷ tham số với 71 tỷ tham số được kích hoạt mỗi token, còn hệ thống theo dõi ghi nhận kích thước là không được tiết lộ. Ngoài ra, cũng không có điểm Terminal-Bench 4.0 nào được chính Alibaba công bố cho mô hình này, chỉ có tuyên bố về hiệu quả tương đối so với mô hình tiền nhiệm. Một nhà cung cấp muốn các nhà xây dựng tác tử chấp nhận một mô hình thường mở đầu bằng một con số tác tử tuyệt đối. Mô hình này lại mở đầu bằng một tỷ lệ.
32 phút mỗi tác vụ và 54 token mỗi giây sẽ làm gì với một vòng lặp
Giá đơn vị che khuất điều này, nên đây là phép tính trên hình thức mà bài đăng đang quảng cáo — một tác nhân lập trình xử lý một tác vụ theo từng lượt. Tất cả đều được suy ra từ mức giá đã công bố và tốc độ đã đo, không phải từ hóa đơn.
• Thời gian tạo mỗi lượt — một bản vá 3.000 token và khối suy luận ở tốc độ 54 token/giây mất khoảng 56 giây chỉ riêng để xuất đầu ra. Ở 8.000 token, con số đó là khoảng 2,5 phút, trước khi mô hình đọc được bất cứ thứ gì.
• Một phiên 25 lượt — 25 lượt × 3.000 token đầu ra là 75.000 token, tương đương khoảng 23 phút sinh ở tốc độ đó, cộng thêm 25 lần chờ token đầu tiên của câu trả lời riêng rẽ, mỗi lần gần ba phút, nếu harness không giữ ngữ cảnh ở trạng thái sẵn sàng. Chỉ riêng chi phí phụ trội đã có thể vượt quá thời gian sinh.
• Cùng một phiên đó quy ra tiền — 75.000 token đầu ra với giá $4,50 mỗi triệu là $0,34. Chi phí tính toán thì rẻ; thời gian thì không. Sự đảo ngược đó là điều hữu ích nhất để hiểu về kinh tế học của mô hình này.
• Cache là đòn bẩy quyết định liệu điều đó có thể chấp nhận được hay không — một ngữ cảnh 200,000 token được đọc lại nguội ở mức $1.50 mỗi triệu token tốn $0.30 mỗi lượt; khi được cache với mức giảm giá 95% thì tốn khoảng $0.015. Qua 25 lượt, đó là sự khác biệt giữa $7.50 và $0.38 chi phí đầu vào, điều này hoàn toàn lấn át hóa đơn đầu ra.
Nói cách khác: trên Qwen4-Max, thứ cần đo lường không phải độ dài đầu ra, mà là tỷ lệ trúng bộ nhớ đệm và độ trễ token đầu tiên. Một vòng lặp giữ ngữ cảnh luôn ấm và chịu được ba phút suy nghĩ là khả thi. Một vòng lặp gửi lại ngữ cảnh 200K nguội mỗi lượt sẽ trả gấp hai mươi lần mức giá đầu vào và mỗi lần đều phải chờ ba phút để làm việc đó. Tác vụ chỉ mục 32,2 phút là chỉ số tổng hợp của tracker, không phải tác vụ của bạn, nhưng hướng của nó là thứ cần dựa vào để lập kế hoạch.

Hóa đơn không ghi rõ điều gì đã được trả lời.
Đây là phần của danh mục đã định tuyến đáng được chú ý hơn cả mức giá của nó. Tài liệu của chính nền tảng lại thẳng thắn một cách bất thường: mọi câu trả lời đã định tuyến đều mang một biên nhận định tuyến có chữ ký, và biên nhận đó "không chứng minh được trọng số nào đã trả lời." Nó ghi lại nơi một yêu cầu đã được gửi đến và những gì lần thăm dò gần nhất báo cáo. Các mô hình do chính nền tảng công bố có một chuỗi mạnh hơn — tệp được lưu theo digest SHA-256, các bản sửa đổi được nhận diện bằng hàm băm bản đồ tệp, hồ sơ có chữ ký dưới một khóa nhà xuất bản được ghim, một nhật ký minh bạch chỉ ghi nối thêm — và trạng thái xác minh được hiển thị cho qwen/qwen4-max là "không rõ".
Đối với một mô hình đóng, đây không phải là scandal, mà là một giới hạn mang tính cấu trúc mà mọi router đều có, kể cả router của chúng tôi: nếu trọng số không được công bố, thì không bên thứ ba nào có thể chứng minh trọng số nào đã tạo ra một token. Điều tiếp theo là một nguyên tắc thực tiễn chứ không phải một lời chỉ trích. Nếu công việc của bạn phụ thuộc vào việc mô hình thực sự là Qwen4-Max — một đánh giá, một bài nộp benchmark, một tuyên bố hợp đồng về việc mô hình nào đã chạm vào dữ liệu — thì một endpoint được định tuyến tự nó không đủ làm bằng chứng, cho dù biên nhận trông đáng tin đến đâu. Nếu thứ bạn cần là năng lực, thì một endpoint được định tuyến là ổn và câu hỏi về nguồn gốc chỉ mang tính học thuật.
Làm sao để dùng thử nó mà không phải đánh cược cả một đường đi production vào đó
Nói thẳng về vị trí hiện tại của chúng tôi: OrcaRouter không định tuyến Qwen4-Max. Danh mục có qwen/qwen3.8-max, anthropic/claude-fable-5.2 và openai/gpt-6.1-sol; một yêu cầu với định danh qwen4 hiện trả về not-found, nên nếu bạn muốn mô hình này trên key của chúng tôi thì bạn cũng đang chờ như mọi người. Điều chúng tôi có thể làm là khiến việc đánh giá trở nên rẻ đến mức dễ đảo ngược.
Lý do cần quan tâm là mọi thứ về đợt ra mắt này đều chống lại việc mã hóa cứng nó. Mô hình mới chỉ một ngày tuổi, dòng hiệu năng độc lập duy nhất của nó xếp nó thứ 74 trong 79 về tốc độ, mức giá định tuyến của nó thấp hơn bảng giá của chính nhà cung cấp vì những lý do chưa ai giải thích, và nền tảng mang sự chứng thực này đang ở giai đoạn beta riêng, phải có mã mời. Bất kỳ điều nào trong số đó đều có thể thay đổi trong vòng một tuần — và việc chuyển từ preview sang GA, đồng thời cắt ngân sách chung cho suy nghĩ cộng câu trả lời từ 393,216 token xuống 262,144 và chuyển cách tính phí từ tín dụng sang đo lường theo token, đúng là kiểu thay đổi khiến một luồng production hỏng ngay tuần thứ hai.
Đó là lý do nên giữ thử nghiệm phía sau một endpoint được định tuyến thay vì một endpoint mã hóa cứng: mô hình mới trên một tuyến, qwen/qwen3.8-max trên phương án dự phòng, một khóa và một hóa đơn cho cả hai. Với mức tăng giá 0% và giá niêm yết của nhà cung cấp được chuyển nguyên, phép tính bạn thực hiện dựa trên bảng giá của Alibaba chính là phép tính bạn bị tính tiền — điều này cũng có nghĩa là việc nhà cung cấp giảm giá sẽ hiển thị ở phía chúng tôi ngay trong ngày thay vì vào lần gia hạn hợp đồng tiếp theo. Hợp nhất mô hình là lựa chọn khác đáng biết đối với một mô hình chưa được chứng minh: chạy nó song song với mô hình hiện hành trên một mẫu lưu lượng của chính bạn và so sánh đầu ra trước khi một trong hai nắm tuyến. Nếu bạn muốn chỉ xem một API cho hơn 200 mô hình trông như thế nào, danh mục là công khai.

Điều gì sẽ thay đổi cách đọc này?
Ba điều, theo thứ tự mức độ quan trọng của chúng.
Đầu tiên là một con số tốc độ đến từ bất kỳ ai khác ngoài tracker duy nhất. Một phép đo đơn lẻ 54 token mỗi giây trên một benchmark tổng hợp là cơ sở mong manh cho một quyết định triển khai production, và nhà cung cấp thậm chí chưa công bố con số nào. Nếu một harness độc lập thứ hai cho ra kết quả gần con số đó, thì sự chậm chạp là thuộc tính của mô hình và những người xây dựng agent nên thiết kế vòng lặp của họ dựa trên nó. Nếu nó cho ra kết quả cao hơn hẳn, thì endpoint của tracker mới là vấn đề và phần này sẽ nhanh chóng trở nên lỗi thời — đó là cách đúng để nó già đi.
Điều thứ hai là trạng thái xác minh của danh mục đã định tuyến đó chuyển khỏi mức “không rõ”, hoặc nền tảng rời khỏi chế độ beta kín. Cả hai đều sẽ biến một tuyến đã được chứng thực thành thứ bạn có thể đặt dưới một cam kết hỗ trợ.
Điều thứ ba là việc Alibaba công bố một điểm lập trình tác tử tuyệt đối thay vì một tỷ lệ so với phiên bản tiền nhiệm. Cho đến khi họ làm vậy, lời chứng thực chỉ là một tuyên bố về ý định, và phép đo duy nhất được công bố về khối lượng công việc mà nó quảng cáo là 32,2 phút mỗi tác vụ ở tốc độ 54 token mỗi giây. Đó không phải lý do để tránh Qwen4-Max — đó là lý do để đánh giá hiệu năng của nó trên chính các tác vụ của bạn trước khi bạn hứa với bất kỳ ai về ngày giao hàng, và để giữ sẵn nhà cung cấp đương nhiệm làm một tuyến dự phòng trong lúc bạn làm việc đó.
