Qwen4-Max 对比 Gemini 4 Argon：一列空空如也，另一列每项任务要花 9.95 美元

Qwen4-Max 与 Gemini 4 Argon 之间的对决，在价目表上看起来就像抛硬币：如今，两家供应商都不会按已公布的每 token 费率向你出售任一模型的 token，而且两者都带有大上下文窗口和一个预览版形态的附加说明。可一旦你试着运行它们，它就不再像抛硬币了。Gemini 4 Argon 有标识符、端点，以及可据以计费的按量价格。Qwen4-Max 则有订阅、仅限新加坡的 base URL，以及上线十五天后就退役的日期。其中一个模型是你今天下午就能放进请求里的；另一个则是今天下午能放进请求、下个月就不行的。这个不对称——而非基准测试差值——才是本页要讲的决策，因为基准测试差值目前还不存在。

每一个实际上是什么，并注明日期

Gemini 4 Argon 是 Google 的前沿模型，于 2026 年 9 月 30 日在 DeepMind 的一篇由 Koray Kavukcuoglu 署名的文章中发布，并分三阶段推出，首阶段从 Fairwind 计划中一批具名的网络防御人员开始。发布时，它在 Google API 中没有模型 ID，也没有端点；它拥有的是一个十九行的供应商基准测试表和一份五页的评估方法。此后，它获得了在运营上至关重要的东西：它已进入 OrcaRouter 的目录，名称为 google/gemini-4-argon，价格为 Google 的标价，即每百万输入 token 2.00 美元、每百万输出 token 10.00 美元，并且一直在那里承载真实流量——截至 2026 年 11 月 11 日的七天内有 4180 万 token。

Qwen4-Max 是 Q​wen 4 系列的旗舰档位，由 A​libaba 于 2026 年 9 月 22 日在杭州 Apsara 舞台上公布名称。其预览版于 2026 年 11 月 11 日 UTC+8 10:00 开放，模型 ID 为 qwen4-max-preview，别名为 qwen4.0-max-preview，并将于 2026 年 11 月 25 日 24:00 后退役。不提供按量付费访问：仅通过 A​libaba 的 Token Plan 订阅提供，地域为新加坡，使用专用基础 URL。没有每 token 价格，没有参数量，没有基准测试表，没有权重。

所以，这种对比具有一种值得精确命名的形态。两者在通常意义上都是预览产品——都不是已经定型、普遍可用的产品。但 Gemini 4 Argon 的预览是一个正在扩大的推广阶段，而 Qwen4-Max 的预览则是一个有明确结束时间的十五天窗口。预览作为一种阶段，对比预览作为一种事件。

空列，以及它有多空

对这两者的每一次比较，最终都需要那一行来说明谁更聪明，而这一行就是：

• 供应商基准测试 — Gemini 4 Argon：一张十九行的表格，Google 自家的测试框架，竞争对手列取自竞争对手自行报告的数据。Qwen4-Max：无。

• 独立评分 — Gemini 4 Argon：在当前 v5.0.1 修订版下，于 Artificial Analysis Intelligence Index 上得分为 50，采用高推理强度测得。Qwen4-Max：未测量；排行榜中没有 Qwen4 条目。

• 上下文窗口 — Gemini 4 Argon：1,000,000 个 token。Qwen4-Max：1,000,000 个 token。这是唯一一项两者持平的数据，而之所以持平，是因为双方都公布了个整数。

• 输出上限 — Gemini 4 Argon：标准路径下为 65,536 个 token，长解码生成最高可扩展至 100 万。Qwen4-Max：393,216 个 token，由思考过程和回答共享。

• 输入模态 — Gemini 4 Argon：文本、图像、音频、视频和 PDF。Qwen4-Max：文本、图像和视频。无音频，也未记录 PDF 路径。

• 每百万个 token 的价格 — Gemini 4 Argon：输入 $2.00，输出 $10.00，缓存输入 $0.10。Qwen4-Max：未公布；按订阅以 Credits 计量。

• 访问 — Gemini 4 Argon：按量计费 API，现已可调用。Qwen4-Max：Token Plan 订阅，仅限新加坡，仅限交互式使用，11 月 25 日结束。

• 每项任务的独立成本 — Gemini 4 Argon：$9.95。Qwen4-Max：未测量。

八行中有七行在右侧有一个值。决定“哪个更好”的那一行却什么都没有，再怎么读也填不上。这就是2026年11月11日这场对决的真实状态，而直截了当地说明这一点，比用预测来粉饰更有价值。

Argon 的费率卡和 Argon 的账单是两个不同的数字。

Argon 列中最有用的数字不是它的指数得分，而是 9.95 美元——完成一个 Intelligence Index 任务的成本——它紧挨着 2.00 美元和 10.00 美元的费率卡。在该指数套件上，Argon 完成一个任务平均耗时 29.0 分钟，并产生足够多的 token，以至于按 10 美元的输出费率计算，平均每个任务的成本大约是费率卡所暗示的任务应有成本的五倍。这不是定价错误。这正是高投入推理模型的做法：它在停下来之前会写下大量内容。

同一次索引运行中，Argon 的首次回答 token 中位时间为 40.12 秒。对照我们自己模型页面上七天内的数据——真实 OrcaRouter 流量中 p50 首 token 时间为 10.00 秒——这两个数字衡量的是不同事物，而它们之间的差距恰好说明，基准测试的延迟中有多大一部分来自评测框架，而非模型本身。两个数字都没有错；把其中一个当作另一个来引用才是错的。

对于任何要为迁移做预算的人来说，实际解读是这样的：一个以高推理强度进行推理的模型，其 10 美元输出费率是一张费率卡，而不是一份预测。如果你的工作负载类似索引套件——即模型在回答前会写入大量内容的长程智能体任务——那么单任务成本将远高于按 token 估算所得的结果。如果它更像聊天产品，就不会如此。唯一能知道属于哪一种的方法，是测量你自己的流量；在一篇对比文章里不得不说这句话很奇怪，但今年发布的每个推理模型都确实如此。

为什么 Q​wen 一侧显示的是倒计时而不是价格

阿里巴巴选择通过订阅而非按量计费端点来提供 Qwen4-Max，这说明了该预览版的用途。Token Plan Personal Edition 明确限定用于编程和智能体工具中的交互式使用，明确不适用于自动化批处理脚本，并且仅限一个区域。一家打算凭借旗舰产品争夺生产流量的公司，不会把它放在每月 6 美元、分四档且最低 20,000 积分的消费者订阅之后。而一家展示能力、在冻结期收集反馈并保留其计量选项的公司则会这么做。

冻结期是团队容易低估的部分。A​libaba 的页面写明，在预览窗口期间不会做任何更改。模型在第一天做错的事，到第十四天仍然会做错。这是一个站得住脚的工程决策，却是依赖关系的糟糕基础，因为这意味着你唯一可用的反馈回路，就是向一个已经表示在窗口关闭前不会对此采取行动的供应商提交书面报告。

此外，还有一项 token 计量变更随此模型推出，并且仅适用于此模型：max_tokens 现在同时限制思考内容和回答，而不再只限制回答。所有更早的 Q​wen 模型仍保持旧行为。一个从 Qwen3.8-Max 沿用而来、上限为 4,096 个 token 的请求，现在会先以 xhigh 强度花费其中一部分预算进行推理，然后才开始生成任何内容，而症状是响应被截断，而不是报错。

说实话，给他们打电话

在我们的密钥上，从 OpenAI 形态的客户端切换到 Gemini 4 Argon 只差一行代码，按 Google 的费率计费，且不加价；同时还提供 Anthropic 格式的端点，并可为有需要的请求启用零数据保留。Qwen4-Max 不在我们的目录中——我们不提供它，也不会假装提供；目录返回217 个模型标识符，而目前其中没有一个属于 Qwen 4 层级。

这个差距正是路由能真正发挥作用、而不只是口号的地方。如果你正在评估 Qwen 预览版，就把它放在你已经信任的东西后面，纳入回退链，这样超时或被截断的回答就会降级到可用的模型，而不是让请求失败。如果你在生产路径上运行 Argon，同样的机制还能覆盖另一种风险：10 秒的 p50 首 token 时间是真实的延迟下限，而当超过它时进行故障转移的链，代价只是一行配置，而不是一次事故。

把两者都放在同一把密钥之后，成本上的理由很平常，却值得说明：两个供应商、两套计费系统和两套 SDK 集成，变成一把密钥和一个客户端。预览版的 Credits 订阅并不会因为放在我们的网关后面就变成按量计费——我们无法转售 A​libaba 不卖的东西——所以这个说法更诚实的版本是：Argon 只差一把密钥，而 Qwen4-Max 只差一个订阅，而这两者所需的工作量并不相同。

鉴于其中一列为空而做出的决定

如果你本月需要一款具备百万 token 窗口并支持视频输入的前沿模型，那么选择并不在这两者之间。依据是其可调用、可计量、在当前索引修订版上测得 50 分，并且已有实际流量，答案是 Gemini 4 Argon——但需注意，其 $2/$10 的价目卡低估了高强度调用的账单，而且其厂商基准表是用 Google 的测试框架去对比竞争对手的新闻稿。

如果你正在决定是否要花一个下午来体验 Qwen 预览版，答案取决于一个问题：你的工作负载是否涉及从超长输入生成超长输出？在 1M 上下文上拥有 393,216 个 token 的响应预算，是本次对比中所有模型已公开的最大输出上限；如果这正是你一直遇到的限制，那么十五天足以弄清楚 Qwen4-Max 能否应对它。如果你的工作负载只是普通聊天或代码补全，那么这个预览版能教给你的东西，Qwen3.8-Max 几乎也能教，而且它传授这些内容所用的“货币”，你无法兑换成美元。

会改变这个页面的，是一张带有评分的 Qwen 4 模型卡。等它发布后，空行就会被填上，对比也会变成读者所期待的那种。在那之前，有意义的对比是拿一个可调用模型与一个为期十五天的实验作比较，而唯一能说清你需要哪一个的人，是知道答案是否必须在十二月仍然存在的那个人。