
Qwen4 Max ra mắt trên OpenCode Go: Hạn mức $15 mua được gì, và một lần cache miss tốn kém ra sao
- 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 · 89 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 · 86 tok/s
- OrcaOrcaCyber: MiniMax M3.1 Flash Abliterated / Uncensored2026-10-29$0.80 / $1.60 trên 1 triệu token · 127 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 · 45 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 · 194 tok/s
- minimaxMiniMax: M3.1 Flash2026-10-1929Trí tuệ
- OrcaOrca: OrcaCyber Ultra 1.02026-10-17$5.00 / $10.00 trên 1 triệu token · 136 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 · 124 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 · 182 tok/s
OpenCode đã đưa Qwen4 Max vào gói đăng ký Go của mình vào ngày 16 tháng 11 năm 2026, cùng ngày mô hình chuyển từ bản xem trước sang trạng thái sẵn sàng chung tính phí theo mức sử dụng, và con số quyết định liệu đó có phải là một thỏa thuận tốt hay không không phải là giá đầu vào $1.50. Đó là 66,000 — số token được lưu trong bộ nhớ đệm mà OpenCode giả định cho một yêu cầu lập trình điển hình khi nó tính xem hạn mức của bạn kéo dài được bao xa. Chính giả định đó là lý do tại sao ngân sách $15 mỗi tháng được báo là khoảng 2,310 yêu cầu trên Qwen4 Max và khoảng 810 trên Qwen3.8-Max, mô hình mà nó thay thế ở đầu cùng danh sách, và cũng là lý do tại sao cùng $15 đó có thể giảm xuống còn khoảng 149 yêu cầu nếu harness của bạn không bao giờ có lần trúng bộ nhớ đệm. Mọi thứ bên dưới là phép tính bạn có thể làm lại từ hai trang OpenCode công bố, cộng với một hàng benchmark độc lập cho thấy mô hình có năng lực, chậm và nói nhiều.
OpenCode thực sự đã công bố những gì, và những gì nó chưa công bố
Hai bề mặt trình bày danh mục này và chúng khớp nhau ở mọi điểm quan trọng. Trang tiếp thị Go tại opencode.ai/go hiển thị một hàng có nội dung "Qwen4 Max — New" với 463 yêu cầu ước tính mỗi 5 giờ trên gói Go giá $10 và 1.850 trên gói Go Plus giá $40, so với hạn mức sử dụng hàng tháng là $15 và $60. Tài liệu tại opencode.ai/docs/console/go gán cho cùng mô hình id qwen4-max, endpoint https://opencode.ai/inference/go/anthropic/v1/messages, gói AI SDK @ai-sdk/anthropic, và dòng giá $1,50 đầu vào, $4,50 đầu ra, $0,075 đọc từ bộ nhớ đệm và $1,875 ghi từ bộ nhớ đệm trên mỗi triệu token. Bảng sử dụng của trang này liệt kê 460 yêu cầu mỗi 5 giờ, 1.160 mỗi tuần và 2.310 mỗi tháng.
Khoảng cách ba yêu cầu giữa 463 và 460 trên hai trang không phải là một vụ bê bối; đó là điều xảy ra khi một giao diện được tạo từ biểu đồ cột còn giao diện kia từ một bảng. Hãy lấy con số thấp hơn. Điều quan trọng hơn là dòng giá chính là bảng giá Singapore, chính xác đến từng xu, không có chiết khấu đăng ký nào được áp dụng bên dưới.
Ba chi tiết trong tài liệu đó quan trọng hơn cả mức giá được nêu nổi bật:
• Mô hình được phục vụ qua giao thức Messages, không phải qua một đường dẫn tương thích với chat-completions. Đó chính là tuyến mà OpenCode dùng cho Qwen3.8-Max và Qwen3.7 Plus, và đó là lý do một harness vốn đã nói được Messages có thể trỏ thẳng vào Go mà không cần shim.
• Quyền riêng tư được liệt kê theo từng mô hình. Qwen4 Max được ghi nhận là "Huấn luyện: Không sử dụng" và "Lưu trữ: 0 ngày" — cột không lưu trữ, không phải cột 30 ngày mà Grok 4.7 và các mô hình Luna thuộc về. Mặc định của Go cũng chặn các điểm cuối trả phí vốn huấn luyện trên dữ liệu yêu cầu.
• Mỗi phản hồi báo cáo lại chi phí của nó dưới dạng opencode.allowance, và hạn mức được tính bằng đô-la theo giá niêm yết, chia thành các cửa sổ 20% trong năm giờ, 50% trong một tuần và 100% trong một tháng.
Điều OpenCode chưa công bố là các token đến từ đâu. Tài liệu giải thích rằng một số mô hình nhận được hạn mức lớn vì OpenCode đã thương lượng được mức chiết khấu mua số lượng lớn hoặc đặt trước năng lực GPU, còn những mô hình khác nhận hạn mức nhỏ hơn “hoặc vì mô hình còn mới hoặc vì giá niêm yết công khai của chúng vốn đã được chiết khấu” — trong trường hợp đó “bạn vẫn nhận được nhiều hơn một chút so với khi bạn trả tiền trực tiếp cho các nhà cung cấp mô hình.” Qwen4 Max nằm ở nhóm thứ hai với mức $1.50 và $4.50, đúng bằng mức giá mà Qwen4 Max áp dụng ở mọi nơi. Việc đó là chuyển tiếp từ endpoint Singapore hay là dịch vụ riêng của OpenCode đối với một mô hình 2,4 nghìn tỷ tham số thì không được nêu ở bất kỳ đâu, và bất kỳ ai nói với bạn đó là trường hợp nào thì cũng chỉ đang đoán.
Một điều đáng chỉnh lại ngay từ đầu, vì cách diễn đạt quanh mô hình này đã lỏng lẻo: Qwen4 Max không phải là một bản phát hành chưa được công bố hay bị rò rỉ. Buổi ra mắt đi kèm một bài đăng có tiêu đề “Qwen4-Max: Your New Teammate Has Arrived”, tài liệu Model Studio của mô hình đã được cập nhật vào ngày 17 tháng 11, và không có trọng số nào để kiểm tra — Artificial Analysis ghi nhận mô hình này là độc quyền, và không tồn tại kho lưu trữ nào để đọc. Phần âm thầm là mục niêm yết của OpenCode, một nền tảng lập trình đang kết nối với bản ra mắt của người khác, chứ không phải bản ra mắt của chính nó.

Mức $15 là đồng hồ tính theo đô-la, nên đây là phép tính.
Hạn mức bằng đô la chỉ có ý nghĩa khi đặt cạnh cấu trúc yêu cầu mà nó giả định, và OpenCode công bố cấu trúc đó: 420 token đầu vào mới, 66.000 token được cache và 200 token đầu ra mỗi yêu cầu. Hãy đối chiếu ba con số đó với dòng giá của Qwen4 Max:
• Đầu vào mới — 420 token với giá $1,50 mỗi triệu là $0,00063.
• Đầu vào được lưu trong bộ nhớ đệm — 66.000 token với $0,075 mỗi triệu là $0,00495.
• Đầu ra — 200 token với giá $4,50 mỗi triệu là $0,00090.
• Mỗi yêu cầu — $0.00648, và $15 chia đúng được 2,315 lần. Ước tính 2,310 mỗi tháng mà OpenCode công bố chính là con số đó được làm tròn xuống.
Phép tính tương tự trên Qwen3.8-Max, mẫu mà danh mục Go vẫn bán với giá $2.00 đầu vào, $6.00 đầu ra và $0.25 cho lượt đọc từ bộ nhớ đệm, cho ra $0.01854 mỗi yêu cầu và 809 yêu cầu với $15 — OpenCode công bố 810. Vậy nên việc chuyển sang Qwen4 Max mang lại số yêu cầu nhiều hơn gấp 2,9 lần với cùng một hạn mức, và hai phần ba mức tăng đó đến từ một dòng: giá đọc từ bộ nhớ đệm giảm từ $0.25 xuống $0.075 mỗi triệu, tức cắt giảm 70%. Giá đầu vào nổi bật chỉ dịch chuyển 25%. Chính giá bộ nhớ đệm đã làm thay đổi kết quả.
Cửa sổ năm giờ là ràng buộc mà bạn thực sự sẽ gặp phải. Ở mức 20% hạn mức hàng tháng, một khối năm giờ cuốn chiếu trên gói Go có thể tiêu $3 cho Qwen4 Max — 463 yêu cầu theo hình dạng được mô hình hóa, tức là gần như một buổi chiều căng thẳng với các lượt agent nếu bạn không cẩn thận. Go Plus nâng con số đó lên $12 và 1,850 yêu cầu. Go Teams đặt hạn mức của mỗi thành viên ở $20 một tháng, cao hơn $15 của Go và thấp hơn $60 của Plus, với mức $20 mỗi thành viên.

66,000 token được lưu trong bộ nhớ đệm đến từ đâu, và tại sao đó lại là toàn bộ câu chuyện
Sáu mươi sáu nghìn token được lưu trong bộ nhớ đệm không phải là một con số tròn tùy tiện: đó là một tiền tố hợp lý cho một tác nhân lập trình gửi lời nhắc hệ thống, định nghĩa công cụ và một tập tệp có kích thước vừa phải trong mỗi lượt, và đó chính là lý do khiến yêu cầu được mô hình hóa lại rẻ đến vậy. Ở mức $0.075 mỗi triệu, tiền tố 66.000 token đó tốn chưa đến nửa xu. Ở mức giá đầu vào mới là $1.50, nó sẽ tốn $0.099 — gấp hai mươi lần, và hơn mười lăm lần toàn bộ phần còn lại của yêu cầu.
Cứ theo đó mà suy ra. Một yêu cầu có tiền tố không trúng bộ nhớ đệm tốn $0,1005 thay vì $0,00648, nên cùng $15 chỉ mua được khoảng 149 yêu cầu thay vì 2.315. Không có gì khác trong cách bạn sử dụng phải thay đổi để hạn mức giảm 94%; chỉ cần tiền tố không còn tái sử dụng được nữa. Ba cách khiến điều đó xảy ra đều rất đời thường: một lời nhắc hệ thống có dấu thời gian hoặc danh sách công cụ thay đổi trong đó, một harness sắp xếp lại ngữ cảnh của nó giữa các lượt, hoặc một phiên liên tục viết lại những tin nhắn sớm nhất khiến tiền tố có thể đệm được không bao giờ ổn định.
Có một chi phí thứ hai, ít được chú ý hơn. OpenCode tính giá ghi vào bộ đệm là $1.875 mỗi triệu, cao hơn 25% so với mức giá đầu vào mới — bạn phải trả thêm để thiết lập một tiền tố mà sau đó sẽ được đọc với mức giảm giá 95%. Việc ghi tiền tố 66,000 token đó tốn $0.124, khoảng mười chín lần một yêu cầu đã ấm. Một phiên liên tục làm mất hiệu lực bộ đệm của mình sẽ phải trả khoản phí ghi lặp đi lặp lại và không bao giờ nhận được khoản giảm giá.
Đây là lý do khoản hạn mức này đáng để hiểu rõ chứ không chỉ quan sát. Với một mô hình có mức giá như thế này, tỷ lệ hit cache không phải là một tối ưu hóa để dành sau; nó là sự khác biệt giữa hai gói đăng ký rất khác nhau.
Những gì bạn từ bỏ, được đo lường
Bảng điểm độc lập giờ đã đầy đủ, và nó không mấy tâng bốc bằng tấm thẻ giá. Artificial Analysis chấm Qwen4 Max 43 điểm trên Intelligence Index của mình — cao hơn mức trung vị được nêu là 41, xếp thứ 38 trong 81 mô hình trên bảng — với chi phí đo được là $3.27 cho mỗi tác vụ Intelligence Index. Bảng hiệu suất, vốn vẫn trống khi mô hình lần đầu được đưa vào danh sách, giờ đã có số liệu thực: 54 token mỗi giây đầu ra, 159 giây để có token trả lời đầu tiên, và 32,1 phút để hoàn thành một tác vụ Intelligence Index so với mức trung vị 13,3 phút. Trên bảng xếp hạng của chính công cụ theo dõi, đó là vị trí thứ 75 trong 79 về thời gian đến token trả lời đầu tiên.
• Năng lực — 43 trên Intelligence Index, thứ 38 trong 81, 3,27 USD cho mỗi tác vụ được đo.
• Hiệu năng — 54 token đầu ra mỗi giây, 159 giây để có token trả lời đầu tiên, 32,1 phút mỗi tác vụ lập chỉ mục so với trung vị 13,3 phút, xếp thứ 75 trong số 79 về thời gian đến token trả lời đầu tiên.
• Độ rườm rà — 127 triệu token đầu ra để hoàn tất lượt chạy chỉ mục, so với mức trung vị 78,6 triệu, xếp thứ 65 trong 80 trên thang đo độ rườm rà của chính công cụ theo dõi.
• Ngữ cảnh — 984k token theo phép đo của trình theo dõi, so với cửa sổ 1.000.000 token đã được ghi trong tài liệu với giới hạn đầu vào 991.808 token ở chế độ không suy nghĩ.
Với một vòng lặp lập trình tương tác, chỉ số token đầu tiên của câu trả lời chính là con số gây khó chịu. Các mô hình suy luận không phát ra gì cho đến khi quá trình suy nghĩ kết thúc, vì vậy 159 giây là khoảng cách giữa lúc nhấn Enter và lúc nhìn thấy ký tự đầu tiên của câu trả lời, và ngân sách suy nghĩ dài chỉ đẩy con số đó lên xuống chứ không làm nó biến mất. Đối với công việc theo lô — một hàng đợi các lần tái cấu trúc, một đợt quét hằng đêm — điều đó không liên quan, và mức năng lực trên mỗi đô-la là 3,27 đô-la mỗi tác vụ là khá đáng nể so với các mô hình tiên phong tính phí cao gấp vài lần mức đó.
Con số về độ dài đầu ra xứng đáng có một câu riêng, vì đây là yếu tố tương tác với hạn mức tính bằng đô la. Một mô hình tạo ra 127 triệu token trong khi mức trung vị tạo ra 78,6 triệu sẽ tiêu tốn nhiều hơn khoảng 60% token đầu ra cho cùng một tập tác vụ, và trên Qwen4 Max, đầu ra là hạng mục đắt nhất trong yêu cầu ở mức 4,50 đô la mỗi triệu token. Hạn mức 15 đô la của bạn được tính bằng đô la, nên một mô hình nói nhiều với cùng mức giá mỗi token đơn giản là sẽ cạn hạn mức sớm hơn.

Thanh điều chỉnh mức nỗ lực không phải là tùy chọn trên mô hình này
Tài liệu của chính Qwen4 Max đặt reasoning_effort thành high và thinking_budget thành 131.072 khi bạn bỏ qua cả hai, đồng thời ánh xạ bộ từ vựng năm giá trị mà hầu hết các SDK sử dụng sang ba cài đặt thực: minimal trở thành low, medium trở thành high và max trở thành xhigh. Trên giao thức Messages, tức tuyến mà OpenCode cung cấp, tham số điều chỉnh là output_config.effort với cùng ba giá trị đó.
Hai hệ quả kéo theo. Thứ nhất, yêu cầu mức nỗ lực "medium" không đưa bạn đến một thiết lập ở giữa — nó đưa bạn đến high, mức mặc định. Nếu bạn muốn mô hình suy nghĩ ít hơn, bạn phải yêu cầu low. Thứ hai, trần đầu ra được chia sẻ với phần suy nghĩ: 262,144 token bao gồm chuỗi suy luận cộng với câu trả lời ở chế độ thinking, 131,072 token câu trả lời khi tắt thinking, so với trần đầu vào 983,616 token khi bật thinking. Một agent ghim max_completion_tokens ở 262,144 và chọn xhigh đã quyết định tiêu hạn mức của mình vào token suy luận trước khi viết một dòng mã nào.
Thiết lập thực tế cho một phiên lập trình tương tác trên gói đăng ký tính phí theo mức dùng là low cho các chỉnh sửa và tái cấu trúc nhỏ, high cho những lượt mà mô hình phải giữ nhiều tệp cùng lúc, và xhigh chỉ cho những tác vụ mà nếu không thì bạn sẽ giao cho một người. Đó là phán đoán về ngân sách của bạn, không phải một tuyên bố về điểm chuẩn — chưa ai công bố đường cong chi phí theo từng mức nỗ lực cho mô hình này, và các con số giảm token của chính nhà cung cấp vẫn là con số của nhà cung cấp.
Dùng thử mà không cần di chuyển stack của bạn
OrcaRouter hiện không định tuyến Qwen4 Max. Nên nói thẳng điều đó thay vì ám chỉ quanh co: danh mục có 215 mô hình, và một yêu cầu với định danh qwen4 trả về không tìm thấy, nên nếu mô hình chủ lực mới là thứ bạn muốn dùng trên khóa OrcaRouter thì bạn đang phải chờ. Thứ mà danh mục có là qwen/qwen3.8-max với giá đầu vào $2,00 và đầu ra $6,00 mỗi triệu, cùng với giá đọc bộ nhớ đệm $0,25 — cùng mức giá mà cả OpenCode và API chính thức của mô hình công bố — được chuyển thẳng đến với mức cộng thêm 0%, nên khi nhà cung cấp giảm giá, phía chúng tôi sẽ nhận được mức giá đó trong cùng ngày với phía họ.
Điều đó khiến bài kiểm tra hợp lý trở nên rẻ chứ không miễn phí. Nếu bạn đang cân nhắc Qwen4 Max với những gì mình đang chạy, câu hỏi cần trả lời trước tiên không phải là "43 có phải là một điểm số tốt không" mà là "bộ khung kiểm thử của tôi có giữ cho tiền tố 66,000 token luôn ấm không" — và bạn có thể trả lời điều đó với Qwen3.8-Max trên cùng tài khoản ngay hôm nay, ở mức giá bạn đã biết, trước khi bỏ tiền mua gói đăng ký để có câu trả lời. Kết hợp nó với chuyển đổi dự phòng tự động và một mô hình chưa được kiểm chứng trở thành một quyết định định tuyến thay vì một cuộc di chuyển: gửi công việc đến mô hình mới, giữ mô hình cũ làm phương án dự phòng, và để tỷ lệ lỗi quyết định.
Ai nên hành động ngay, và ai nên chờ đợi
Nếu bạn đã trả tiền cho OpenCode Go, thay đổi này không tốn thêm gì để thử, và hạn mức chính là lý do để thử nó một cách có chủ đích thay vì tình cờ. Qwen4 Max cho số yêu cầu mà $15 của bạn mua được nhiều hơn gấp đôi so với Qwen3.8-Max ở cùng gói, nhưng nó đạt được điều đó thông qua một giả định về bộ nhớ đệm mà harness của bạn phải tự chứng minh, trên một mô hình chậm rõ rệt ở token đầu tiên và dài dòng rõ rệt ở mức nỗ lực mặc định. Hãy bắt đầu ở mức nỗ lực thấp, theo dõi trường opencode.allowance trên hai mươi phản hồi đầu tiên, và so sánh tốc độ tiêu hao với chi phí mà những phiên đó sẽ tốn trên mô hình bạn đang dùng. Nếu tốc độ tiêu hao làm bạn bất ngờ, nguyên nhân gần như chắc chắn nằm ở tiền tố của bạn, không phải ở bảng giá.
Nếu bạn không dùng Go, danh sách này không thay đổi gì về các lựa chọn của bạn — Qwen4 Max có sẵn qua API chính chủ ở sáu khu vực với mức $1.50 và $4.50 tại Singapore và $1.413 và $4.24 tại các khu vực Toàn cầu, và một gói đăng ký bán lại nó ở giá niêm yết là sự tiện lợi, không phải giảm giá. Và nếu công việc của bạn nhạy cảm về độ trễ và mang tính tương tác, cách hiểu trung thực về các con số độc lập là đây là một mô hình để đưa công việc vào hàng đợi, chứ không phải để ngồi chờ xem.
Điều đáng chú ý tiếp theo không phải là một benchmark khác. Mà là liệu hạn mức 15 đô-la của OpenCode dành cho Qwen4 Max có trụ nổi khi va vào mức sử dụng thực tế hay không: tài liệu nói rằng các giới hạn “có thể thay đổi khi chúng tôi học hỏi từ việc sử dụng và phản hồi ban đầu”, và đó chính là câu mà các nền tảng viết trước khi họ thay đổi một con số. Một mô hình mới đến vậy, bị đo đếm chặt đến vậy, với một hạn mức nhỏ đến vậy, là dòng trên trang đó có khả năng cao nhất bị sửa đổi trước tiên.
So sánh trong bài viết này1
Phát hiện từ bài viết này · Benchmark: Artificial Analysis · cập nhật hằng ngày
