
Qwen4-Max 对比 Claude Opus 5.5:这些阶梯中,只有一架是在公众面前攀登上去的
- Google新Google: Gemini 4 Carbon2026-11-10$2.00 / $10.00 每百万 tokens · 90 tok/s
- Anthropic新Anthropic: Claude Fable 5.22026-11-09$8.00 / $40.00 每百万 tokens · 97 tok/s
- orca新Orca: OrcaC2 1.02026-11-0711 tok/s
- Orca新OrcaCyber: GLM 5.3 Abliterated / Uncensored2026-11-04$3.00 / $5.00 每百万 tokens · 88 tok/s
- Orca新OrcaCyber: Hy4 Abliterated / Uncensored2026-11-04$0.80 / $1.60 每百万 tokens · 133 tok/s
- Orca新OrcaCyber: Kimi K3.1 Pro Abliterated / Uncensored2026-11-04$4.00 / $20.00 每百万 tokens · 86 tok/s
- OrcaOrcaCyber: MiniMax M3.1 Flash Abliterated / Uncensored2026-10-29$0.80 / $1.60 每百万 tokens · 125 tok/s
- OrcaOrcaCyber: GLM 5.3 Flash Abliterated / Uncensored2026-10-27$0.80 / $1.60 每百万 tokens · 67 tok/s
- OrcaOrcaCyber: Qwen3.8 Flash Next Abliterated / Uncensored2026-10-26$0.80 / $1.60 每百万 tokens · 92 tok/s
- OrcaOrcaCyber: MiMo V2.6 Flash Abliterated / Uncensored2026-10-26$0.80 / $1.60 每百万 tokens · 44 tok/s
- MoonshotMoonshotAI: Kimi K3.1 Pro2026-10-2447智能
- OrcaOrcaCyber: DeepSeek V4.1 Flash Abliterated / Uncensored2026-10-23$0.80 / $1.60 每百万 tokens · 193 tok/s
- minimaxMiniMax: M3.1 Flash2026-10-1929智能
- OrcaOrca: OrcaCyber Ultra 1.02026-10-17$5.00 / $10.00 每百万 tokens · 134 tok/s
- deepseekDeepSeek: DeepSeek V4.1 Flash 10172026-10-1733智能
- DeepSeekDeepSeek: DeepSeek V4.1 Flash2026-10-1740智能
- OrcaOrca: OrcaCyber Zero 1.52026-10-10$3.00 / $7.50 每百万 tokens · 126 tok/s
- openaiOpenAI: GPT-6.1 Sol2026-09-2955智能
- anthropicAnthropic: Claude Sonnet 5.52026-09-2855智能
- typesafeTypeSafe: Jev 1.132026-09-24$0.04 / $0.00 每百万 tokens · 185 tok/s
这是没人做过的对比。Claude Opus 5.5自 2026 年 9 月 22 日起全面可用,在最高努力设置下于 Artificial Analysis Intelligence Index v5.0.1 上得分 59,在最低努力设置下得分 35——在 Anthropic 允许你选择的五个档位中相差 24 分。Qwen4-Max自 2026 年 11 月 16 日起开售,得分 43,而 43 是唯一存在的数字:Artificial Analysis 只测量了它的一种配置,阿里巴巴也未公布按努力程度划分的细分数据。把旗舰模型相互对比,你会得到 16 分的差距和 3.1 倍的成本差距,这就是本周所有人都会写的文章。把阶梯相互对比,则会得出更有用的东西——低努力设置下的 Opus 5.5 比 Qwen4-Max 的默认设置低八分,而 Qwen4-Max 给你三个档位可选,却没有公布其中任何一档的数字。
这两款产品,以及每家厂商实际上在卡上放了什么

• 每百万 token 价格 — Claude Opus 5.5 输入 $4.00 / 输出 $20.00,对比 Qwen4-Max 输入 $1.50 / 输出 $4.50
• 缓存 — Opus 5.5 的读取价格为每百万 $0.20,享 95% 折扣;Qwen4-Max 的读取价格为 $0.075,写入价格为五分钟 $1.875 或一小时 $3.00
• 上下文窗口 — Opus 5.5 为 1,000,000 个 token,而 Qwen4-Max 标称 1,000,000 个,其中在思考模式下有 983,616 个可作为输入使用
• 最大输出 — Opus 5.5 上为 128,000 个 token,而 Qwen4-Max 在非思考模式下为 131,072 个 token,在思考模式下推理与回答共享 262,144 个 token
• 推理控制 — 五个级别(low、medium、high、xhigh、max)对比三个级别(low、high、xhigh),默认使用 high
• 输入模态——Opus 5.5 支持文本、图像和文件,而 Qwen4-Max 支持文本、图像和视频
• 开放性——两者均为专有,均未公布权重
• 独立指数得分——Opus 5.5 为 59;Qwen4-Max 为 43
列表中有两行比其他行承担了更多作用。推理阶梯是本文所依托的那一行。模态这一行则会悄然使一项比较不成立:Qwen4-Max 接受视频,而 Opus 5.5 不接受,因此任何围绕视频输入构建的工作负载在这里都恰好只有一个候选,基准测试也就无关紧要了。

当你攀登 Opus 5.5 的阶梯时,它会是什么样子
Anthropic 的 effort 设置与其说是质量旋钮,不如说是预算旋钮,而 Artificial Analysis 已经走遍了全部五个档位。以下全部是独立测量结果,发布在该模型页面上:
• 最大努力 — 索引 59,每个索引任务耗时 24.6 分钟,首个回答 token 耗时 352.34 秒,按每任务 $10.04 计
• xhigh — 指数 57,每项任务 15.8 分钟,首个 token 耗时 65.52 秒
• 高 — 索引 52,每任务 9.3 分钟,首个 token 用时 21.64 秒
• 中等 — 指数 48,每项任务 6.8 分钟,首个 token 用时 12.46 秒
• 低 — 索引 35,每项任务 3.0 分钟,首个 token 耗时 4.80 秒
形状才是有趣的部分。在高和最高之间,你为每个任务多花 15.3 分钟,换来七个指数点,以及首个 token 迟到近六分钟。在中和高之间,你用 2.5 分钟换来四个点。在低和中之间,你换来十三个点——这是整架梯子上最陡的一段,也是最可能被想省钱的团队砍掉的一段。如果你的方案是“便宜地跑 Opus 5.5”,低档就是该方案的落脚点,而低档是 35:比 Qwen4-Max 唯一公开配置低八点,而这还是一个被自家厂商定位为前沿选项的模型。
这不是反对 Anthropic 阶梯的论据。首个 token 延迟 3 分 4 秒时得 35 分,与首个 token 延迟 6 分钟时得 59 分,是真正不同的产品,而且两者都有用。它反对的是把“Claude Opus 5.5”和“Qwen4-Max”当作图表上的两个点。它们是两个范围,而其中只有一个已经被映射出来。
3.1 倍这一数字,以及为什么它比价格差距所暗示的要更窄
最显眼的成本对比很简单:按每百万 $4.00 和 $20.00 对比 $1.50 和 $4.50,Opus 5.5 的输入费用是 2.67 倍,输出费用是 4.44 倍。实测账单的差距更小。Artificial Analysis 测算,Opus 5.5 每项 Intelligence Index 任务为 $10.04,而 Qwen4-Max 为 $3.27——是 3.07 倍,而非 4.44 倍。
原因值得理解,因为它在每一次模型发布后都依然成立:Opus 5.5 是两者中更啰嗦的那个,在整个索引运行中生成了 2.18 亿输出 token,而 Qwen4-Max 为 1.27 亿,但它仍然缩小了差距,而不是扩大了差距。真正拉近距离的是缓存。Opus 5.5 以每百万 0.20 美元读取缓存输入,并享受 95% 的折扣;Qwen4-Max 的读取价格为 0.075 美元,对于一款账单中新鲜输入占比更高的模型来说,这个费率更低。价目表和账单是两份不同的文件,而说明这两款模型之间差距约为三分之一、而非约二分之一的,正是账单。
这一点是利是弊,取决于你的工作负载。如果你的提示词很长、稳定且可缓存——一个代码库、一套文档、一段数以万计 token 计的系统提示词——那么 Opus 5.5 的缓存经济性就比其标价所暗示的更好。如果你的提示词很短且每次都不同,你就永远无法触及缓存,而你实际支付的正是那 4.44 倍的输出价差。
Qwen4-Max 是唯一选项的那一行,以及它是唯一赌注的那一行
视频输入是一道硬性分界。Qwen4-Max 可读取文本、图像和视频;Opus 5.5 可读取文本、图像和文件。如果任务涉及帧——素材审阅、屏幕录制、任何带时间轴的内容——那么比较就只剩一个候选者,16 分的指数差距也就不再重要了。
速度则相反,而这正是 Qwen4-Max 规格卡上诚实的漏洞。Artificial Analysis 没有列出该模型每任务耗时、输出速率和首 token 时间。阿里巴巴在发布材料中公布了吞吐量声明——在某些工作负载上,其 token 数比前代最多减少 50%——但 token 数量不等于延迟,厂商的 token 效率数字也无法说明一个请求会在队列中等待多久。对于 Opus 5.5,你可以对每一层级进行容量规划。对于 Qwen4-Max,你只能规划 token 账单,其余一切靠猜。将任一模型置于交互式界面背后的团队都需要第二个数字,而只有一家厂商给出了它。

如何在不运行两次的情况下进行比较
这种比较通常是由价目表、而不是由实际流量来决定的,原因在于底层管线。测试第二个模型意味着要在一条已经跑通的路径上再引入一份合同、一个 SDK,以及另一套重试和超时语义——于是团队看看价格,选一个,然后继续前行。
这正是 OrcaRouter 旨在消除的成本,而对于这一特定组合,它消除得并不均衡,这一点值得精确说明。OrcaRouter 路由 Claude Opus 5.5,输入 $4.00、输出 $20.00——供应商标价 按 0% 加价原样传递——通过 同一个密钥和同一个 OpenAI 兼容端点,与 GPT-6.1 Sol、Grok 4.5、Qwen3.8-Max 和 Tencent HY4 Preview 一样。它不路由 Qwen4-Max;目录尚未收录 Qwen4 代。因此,阶梯实验——以五个努力级别让 Opus 5.5 跑你自己的流量——只是一次配置更改;而对比中的 Qwen4-Max 一侧,在目录跟上之前,需要使用直接的 Alibaba 密钥。
有用的结果就是故障转移。如果你确实要在生产环境中测试 Qwen4-Max,可以把它作为一条路由,与一个已有五个实测层级、并支持跨提供商自动故障转移的现有方案并排使用,而不是把它当作一条你没有备用方案的路径的替代品。一个只公布了一项指数得分、却没有公布延迟的模型,正是那种应该放在安全网之后运行、而不是用来取代安全网的东西。
什么会改变答案
有两份发布内容,但二者目前都还不存在。第一份是 Artificial Analysis 对 Qwen4-Max 在 low 和 xhigh 下的运行结果,这样该模型就有了一个实测区间,而不是单一数据点——到那个阶段,这才会成为真正的梯子对梯子比较,43 也不再是关键支撑。第二份是 Qwen4-Max 的任何独立延迟数字,哪怕只有一个也好。在这两份都落地之前,站得住脚的解读范围很窄:当你需要一个能叫得出名字、能测量的梯级时,Opus 5.5 是选择;当你需要视频输入,或需要这一对里最便宜的全新输入 token,并且能承受其他一切方面的不确定性时,Qwen4-Max 是选择。
站不住脚的是两家厂商都偏爱的那种捷径——拿旗舰对旗舰作比较,无视其中一家多出四项设置,还把由此产生的16分差距称为定论。
