SubQ Snap 1.1 so với Qwen 3.8: Giá mỗi token gấp bốn mươi lần, một công việc khác

Qwen3.8-Max có chi phí cao gấp khoảng bốn mươi lần mức mà SubQ Snap 1.1 phải trả cho mỗi token đầu vào — khoảng 1,65 USD mỗi triệu so với 0,04 USD — và tỷ lệ đó là điều ít thú vị nhất về màn so tài này. Hai mô hình được tính phí cho những thứ khác nhau. Qwen3.8-Max, mô hình chủ lực 2,4 nghìn tỷ tham số của Alibaba ra mắt ngày 3 tháng 8 năm 2026, tính phí cho những gì nó nghĩ và những gì nó viết. Snap 1.1, mô hình ra quyết định của Subquadratic phát hành ngày 22 tháng 10 năm 2026, chỉ tính phí cho những gì nó đọc, vì câu trả lời là một nhãn chứ không phải một câu. Chạy phần quyết định trên một mô hình bạn kiểm soát, và phần tạo sinh trên mô hình xứng đáng với hóa đơn của nó: Qwen3.8-Max được cung cấp theo giá niêm yết của nhà cung cấp với mức tăng giá 0% và tự động chuyển đổi dự phòng.

Đặt chúng vào cùng một pipeline thì tỷ lệ giá không còn giống như một món hời hay một cú chặt chém nữa, mà bắt đầu giống như một quyết định thiết kế. Một trong hai mô hình này nên đảm nhận mọi lệnh gọi định tuyến trong hệ thống của bạn. Mô hình còn lại nên đảm nhận gần như không lệnh nào trong số đó — và những trường hợp Qwen3.8-Max là câu trả lời đúng lại chính là những trường hợp mà một mô hình ra quyết định hoàn toàn không thể xử lý.

Qwen3.8-Max thực sự là gì

Alibaba đã giới thiệu trước mô hình này tại WAIC ở Thượng Hải vào ngày 19 tháng 7 năm 2026 và ra mắt vào ngày 3 tháng 8. Kiến trúc là một hỗn hợp chuyên gia thưa ở quy mô tiên phong thực sự: tổng cộng 2,4 nghìn tỷ tham số với khoảng 95 tỷ tham số hoạt động cho mỗi token, cửa sổ ngữ cảnh 1M token và đầu ra tối đa 131K token. Mô hình có khả năng đa phương thức gốc, chấp nhận văn bản, hình ảnh và video, đồng thời hỗ trợ chế độ suy nghĩ, gọi hàm, công cụ tích hợp và đầu ra có cấu trúc trên các định dạng truyền tải tương thích OpenAI, tương thích Anthropic và OpenAI Responses.

Dòng điểm chuẩn là dòng của mô hình tiên phong, không phải dòng mô hình nhỏ: GPQA Diamond 92.6, HLE 43.6, OSWorld 86.1, DeepSWE 1.1 ở 56.6, MRCR v2 ở 0.93, và Chỉ số Trí tuệ Artificial Analysis là 45. Đó là kiểu con số biện minh cho mức giá niêm yết $1.65/$4.95 — khoảng $4,950 để đưa một tỷ token đầu vào qua nó, hoặc xấp xỉ mức Snap 1.1 tính cho 124 tỷ.

Một lưu ý về cách đặt tên, vì điều này quan trọng với bất kỳ ai đang cân nhắc lựa chọn: Qwen3.8-Max là mô hình flagship dạng hosted. Nó có trọng số mở được phát hành với tên Qwen3.8-2.4T-A95B theo một giấy phép tùy chỉnh, và có một mô hình anh em thực sự mở riêng biệt — Qwen3.8-27B, Apache 2.0, ngữ cảnh gốc 262K, Chỉ số Thông minh 34, và khoảng $0.42 đến $0.50 mỗi triệu token đầu vào. 27B là mô hình mà hầu hết các nhóm nên đem so sánh với các mô hình nhỏ. Max là mô hình bạn dùng khi tác vụ cần đến mô hình lớn nhất hiện có.

Snap 1.1 thực sự là gì

Snap 1.1 là một mô hình ra quyết định, một tuyên bố hẹp hơn vẻ ngoài của nó. Nó chấp nhận tối đa 384K token văn bản và hình ảnh cùng một tập đáp án từ hai đến 255 lựa chọn cho mỗi câu hỏi, và trả về một lựa chọn kèm xác suất đã hiệu chỉnh. Không văn xuôi. Không JSON cần sửa. Không token suy nghĩ. Lập luận của Subquadratic là một quyết định có đáp án cố định là một công việc tính toán khác với sinh văn bản, và kiến trúc attention thưa của nó xử lý đầu vào với lượng tính toán không đổi trên mỗi token thay vì trả chi phí attention bậc hai trên toàn bộ tài liệu dài.

Kết quả nổi bật là điểm 65 trên Chỉ số Ra quyết định Artificial Analysis v1.0, đồng hạng nhất với d1-ultra và Elephant 9B, và xếp trên Jev 1.14 với 57 điểm. Con số bên dưới mới là điều cần ghi nhớ: độ chính xác 20%, so với 32% của d1-ultra và 12% của Elephant 9B, với điểm chỉ số được nâng đỡ bởi tỷ lệ từ chối trả lời được báo cáo là 86% đối với những câu hỏi mà nó không thể trả lời. Snap 1.1 là một mô hình đã được huấn luyện để từ chối, và thứ hạng của nó là thước đo mức độ từ chối giỏi của nó.

Thông số kỹ thuật, so sánh cạnh nhau

• Quy mô — Qwen3.8-Max là một MoE 2,4T tham số với ~95B tham số hoạt động; SubQ Snap 1.1 là một mô hình quyết định dùng cơ chế chú ý thưa với kích thước không được tiết lộ.

• Ngữ cảnh — 1M token cho Qwen3.8-Max, đầu ra tối đa 131K; 384K token cho Snap 1.1, không có đầu ra được tạo.

• Đầu vào — văn bản, hình ảnh và video cho Qwen3.8-Max; văn bản và hình ảnh cho Snap 1.1.

• Đầu ra — văn bản dạng tự do, dấu vết suy luận, lệnh gọi công cụ và đầu ra có cấu trúc cho Qwen3.8-Max; một lựa chọn hoặc điểm số kèm xác suất cho Snap 1.1.

• Giá — khoảng {{1}}$1,65 đến $2,00{{/1}} cho mỗi 1M token đầu vào và {{2}}$4,95 đến $6,00{{/2}} cho mỗi 1M token đầu ra đối với Qwen3.8-Max, tùy thuộc vào nhà cung cấp, trong đó OrcaRouter niêm yết mức $2,00 và $6,00; {{3}}$0,04{{/3}} cho mỗi 1M token đầu vào và miễn phí cho đầu ra đối với Snap 1.1.

• Trí tuệ tổng quát — Chỉ số Trí tuệ Artificial Analysis đạt 45 đối với Qwen3.8-Max; không được đo trên chỉ số đó đối với Snap 1.1.

• Chất lượng quyết định — 65 trên Chỉ số Quyết định của Artificial Analysis v1.0 đối với Snap 1.1; không được đo trên chỉ số đó đối với Qwen3.8-Max.

• Triển khai — API được host và trọng số mở theo giấy phép tùy chỉnh đối với Qwen3.8-Max; chỉ có API được host, không có trọng số, đối với Snap 1.1.

Hai hàng cuối đó là lý do khiến phép so sánh này cứ liên tục bị thực hiện một cách tệ hại. Mỗi mô hình được đo trên một chỉ số mà mô hình kia chưa từng được chạy trên đó, vì vậy bất kỳ tuyên bố nào rằng mô hình này "đánh bại" mô hình kia đều là suy luận, không phải là kết quả. Chưa ai công bố một so sánh đối đầu trực tiếp.

Phản mẫu: dùng flagship làm router

Điều này phổ biến, và nó tốn kém theo một cách không lộ ra cho đến khi hóa đơn đến. Một nhóm xây dựng một agent, cần nó quyết định giữa năm công cụ, và chọn mô hình mạnh nhất hiện có vì quyết định này quan trọng. Quyết định đó thực sự quan trọng. Mô hình chỉ đơn giản là đang bị yêu cầu làm một việc mà nó không được tối ưu hóa cho việc đó, với mức giá được thiết kế cho một thứ khác.

Hãy thử tính toán với một triệu quyết định định tuyến, mỗi quyết định có 6.000 token ngữ cảnh — tức sáu tỷ token đầu vào. Qwen3.8-Max với mức giá niêm yết rẻ nhất là $1,65: $9.900 cho đầu vào, cộng thêm có lẽ hai mươi token đầu ra mỗi quyết định, tức 20 triệu token đầu ra với $4,95 mỗi triệu, thêm $99 nữa. Coi như $10.000. Với mức niêm yết $2,00 và $6,00 của OrcaRouter, cùng khối lượng đó lên tới $12.120. Snap 1.1 với cùng khối lượng: $240, và không có dòng chi phí đầu ra nào cả. Khoảng cách đó không phải là một khoản giảm giá. Đó là hệ số bốn mươi đến năm mươi lần.

Độ trễ cũng kể câu chuyện tương tự từ góc nhìn ngược lại. Một mô hình 2,4 nghìn tỷ tham số khi tạo ra ngay cả một câu trả lời ngắn cũng phải chịu độ trễ token đầu tiên và chi phí giải mã mà một mô hình quyết định đơn giản là không có — lời chào của Snap là một lớp quyết định dưới một giây, và Subquadratic không công bố thêm số liệu độ trễ nào cho 1.1 ngoài điều đó. Trong một vòng lặp agent đưa ra hai mươi quyết định mỗi tác vụ, khác biệt đó cộng dồn thành vài giây mỗi tác vụ, tức là khác biệt giữa một agent mang cảm giác tức thời và một agent mang cảm giác bị hỏng.

Qwen3.8-Max làm được những gì mà Snap không thể

Mọi thứ liên quan đến việc tạo ra một thứ gì đó. Nó viết ghi chú chuyển cấp, soạn thư trả lời khách hàng, tóm tắt hợp đồng 900 trang, tạo mã, gọi một công cụ với lược đồ đối số hợp lệ và suy luận xuyên suốt một vấn đề mà câu trả lời không nằm trong danh sách bạn đã cung cấp trước. Snap 1.1 không thể làm bất kỳ điều nào trong số đó, không phải vì nó tệ hơn mà vì nó không có cơ chế để làm những việc đó.

Cửa sổ 1M token cũng là một năng lực thực sự, chứ không phải chiêu khoe trên bảng thông số. Alibaba báo cáo MRCR v2 đạt 0,93, đây là điểm truy xuất chứ không phải độ dài ngữ cảnh danh nghĩa, và đó là con số quyết định liệu một cửa sổ một triệu token có dùng được hay không. Một cửa sổ 384K với khả năng truy xuất hiệu quả mạnh có thể đánh bại một cửa sổ 1M với khả năng truy xuất yếu, nhưng điểm truy xuất của Qwen cho thấy nó không dựa vào con số danh nghĩa.

Và trọng số mở có ý nghĩa vì một lý do khác: Qwen3.8-2.4T-A95B có thể tự lưu trữ (self-host) theo một giấy phép tùy chỉnh, nghĩa là mô hình lớn nhất trong dòng sản phẩm không hoàn toàn phụ thuộc vào API. Snap 1.1 không có lựa chọn như vậy.

Nơi chúng khớp với nhau

Kiến trúc có thể biện minh không phải là sự lựa chọn giữa hai bên, mà là sự phân công lao động. Snap 1.1 xử lý các quyết định khối lượng lớn, có câu trả lời cố định, nơi một xác suất đã hiệu chỉnh và một tùy chọn từ chối có giá trị hơn độ trôi chảy: hàng đợi nào, công cụ nào, có nên chuyển cấp hay không, tài liệu này có thực sự liên quan hay không. Qwen3.8-Max xử lý phần nhỏ các trường hợp mà quyết định đòi hỏi phải suy luận trên tư liệu không nằm trong danh sách lựa chọn, và xử lý mọi thứ sau quyết định mà cần đến việc viết.

Tỷ lệ đó chính là toàn bộ lập luận kinh tế. Nếu Snap không đưa ra quyết định với 14% trường hợp và những trường hợp đó được chuyển đến mô hình chủ lực, bạn sẽ trả giá của mô hình chủ lực cho 14% lưu lượng thay vì 100%, đồng thời nhận được một tín hiệu đã được hiệu chỉnh cho biết đó là 14% nào — một cơ chế phân bổ tốt hơn so với ngưỡng cố định trên softmax của một mô hình tổng quát.

Qwen3.8-Max là một trong hơn 200 mô hình đằng sau một khóa OrcaRouter duy nhất, được cung cấp theo giá niêm yết của nhà cung cấp với mức tăng giá 0% và tự động chuyển đổi dự phòng giữa các nhà cung cấp. Snap 1.1 không phải của chúng tôi; nó chạy qua API riêng của Subquadratic. Sự tách biệt đó đáng để biết trước khi bạn thiết kế pipeline, vì điều đó có nghĩa là tầng tạo sinh có thể được hợp nhất vào một hợp đồng và một dòng thanh toán, trong khi tầng quyết định vẫn là một phụ thuộc riêng biệt, đơn nhà cung cấp. Nếu phụ thuộc thứ hai đó là không thể chấp nhận, giải pháp thay thế là chạy quyết định trên một phiên bản Qwen3.8-27B do bạn tự lưu trữ — kém hơn trong việc từ chối trả lời, tốt hơn nhiều trong việc tự giải thích, và hoàn toàn nằm trong tầm kiểm soát của bạn.

Mặc định trung thực

Nếu bạn đang chọn một mô hình để ra quyết định cho một agent, và các quyết định có một tập câu trả lời cố định, hãy chọn mô hình ra quyết định. Tỷ lệ giá bốn mươi-một là có thật, nhưng đó là nửa nhỏ hơn của lý lẽ; nửa lớn hơn là một mô hình được huấn luyện để nói "Tôi không biết" mang lại cho bạn thứ mà một mô hình chủ lực không thể, đó là một chỗ để đưa con người vào vòng lặp.

Nếu bạn đang chọn một mô hình để làm mọi thứ — ra quyết định, suy luận, viết, gọi công cụ, đọc một triệu token — hãy chọn Qwen3.8-Max, và chấp nhận rằng bạn đang trả mức giá của dòng cao cấp nhất cho những cuộc gọi định tuyến mà một mô hình $0.04 sẽ xử lý tốt hơn. Hầu hết các đội nhóm phát hiện ra mình đang làm chính xác điều này khoảng ba tháng sau khi ra mắt, khi hóa đơn đến và không ai giải thích được tại sao router lại tốn kém hơn cả sản phẩm.