一张生成的标题卡,上面写着 Qwen4-Max vs Gemini 4 Neon,副标题为每个指数点便宜 28%、落后 17 分,还有三个扁平线性图标,分别暗示成本计量表、上升的得分曲线和秒表。
Guides & Insights

Qwen4-Max 对比 Gemini 4 Neon:每指数点便宜 28%

作者

jinhao.song

发布日期

最新模型 · 20查看全部模型 →
基准测试:Artificial Analysis · 每日更新
返回全部文章

Qwen4-Max 和 G​emini 4 Neon 相隔四十八小时,Intelligence Index 相差十七点,而真正有意思的数字既不是前者也不是后者。它是 $0.076 对 $0.106——用每任务实测成本除以得分后,每个模型上一点 Artificial Analysis Intelligence Index 要花你多少钱。Qwen4-Max 自 2026 年 11 月 16 日起全面可用,每百万 token 输入 $1.50、输出 $4.50,其购买指数点数的成本比价格为 $3.00 和 $15.00 的 G​emini 4 Neon 低 28%。Neon 是更好的模型,这一点无人应当争辩。Qwen4-Max 按每个指数点计算是更划算的购买,其优势幅度小于价格差距,却大于多数买家所设想。

两个模型,两个不同的问题

在算账之前,先厘清框架,因为这两者并非通常意义上的竞争对手,而把它们当作同一回事,正是比较出错的原因。

Gemini 4 Neon 是 Google 的 Gemini 4 系列下的第四款模型,它的定位是面向自家兄弟型号,而非阿里巴巴。它默认采用高推理强度,并带有四个档位——低、中、高、极高——而 Carbon 和 Argon 止步于高。Qwen4-Max 带有三个档位——低、高、极高——并且也默认采用高。两者都是文本、图像和视频输入,文本输出。两者都支持一百万 token 上下文。两者都是专有模型,都是闭权重,并且都以同样的卖点出售:长时程智能体工作,模型必须维持大量工作集并持续运行。

区别它们的是这个报价的成本。Neon 被定价为其家族中最贵的一档——统一为 $3.00 和 $15.00,没有入门优惠期,也没有免费层,而 Argon 截至 11 月 30 日为 $2.00 和 $10.00。Qwen4-Max 被定价为前沿模型中的低价端,在新加坡为 $1.50 和 $4.50,在全球范围区域为 $1.413 和 $4.24。在价目表上,这是二比一的差距。在实际计量上却并非如此,原因在于得分。

每个指数点的成本是多少

Artificial Analysis 将这两款模型都发布在 index v5.0.1 上——这是重新基准化的指数,因此来自夏季排行榜的旧分数不可比较——同时还公布了每项 index 任务的实测成本。第二个数字才是关键,因为它计入了每个模型实际完成时消耗多少 token,而价目表恰恰会在这一点上误导人。

• 智能 — Qwen4-Max 43,对比 Neon 在 xhigh 下为 61、在 high 下为 60。Neon 的默认设置为 high,因此 Neon 公平的单一数值是 60。

• 每百万 token 的价格,输入和输出——在新加坡,Qwen4-Max 为 $1.50 和 $4.50;在其他地区为 $1.413 和 $4.24。Neon 为 $3.00 和 $15.00,各地统一价格。

• 每个索引任务的成本 — Qwen4-Max 为 $3.27。Neon 为 $6.44,而该数字是在 xhigh 而非其默认设置下测得的,而追踪器对 Neon 只重点列出默认设置下的成本。

• 每索引点成本——Qwen4-Max 为 $0.0760。Neon 在 xhigh 下为 $0.1056,在 high 下则是一个更低的数值,而这一数值尚无人公布。

完成整个测试套件的输出 token 数——Qwen4-Max 为 127M,Neon 在 high 下为 123M、在 xhigh 下为 283M。在各自默认设置下,两者在输出冗长度上相差不到 3%,正是这一点让其余的计算变得干净利落。

• 每个索引任务耗时——Qwen4-Max 为 29.8 分钟,Neon 在 high 档为 14.8 分钟、在 xhigh 档为 21.5 分钟。这是本次对比中最大的功能性差距,任何价格优势都无法弥补。

• 输出速度 — Qwen4-Max 为每秒 59 个 token,Neon 在 high 下为 101,在 xhigh 下为 110。

• 背景 — Qwen4-Max 实测为 984,000,文档标称为 1,000,000。Neon 文档标称和实际提供均为 1,000,000,且未公布实测窗口。

把每点成本这一行读两遍,因为它揭示了价格行没有揭示的东西。价目表上说 Neon 的成本是两倍。计量器显示,Neon 每项任务的成本是 1.97 倍——几乎正好两倍,这意味着两个模型每项任务消耗的 token 数相近,而每点节省几乎完全来自价格,而不是效率。Qwen4-Max 的 28% 不是靠简洁换来的,而是靠便宜换来的。

而得分那一行又把大部分优势拿了回去。每点便宜 28% 是实实在在的优势,但也是个小优势;17 个指数点则是档次的跃迁。一个为了每点省下 28% 而选择 Qwen4-Max 的团队,等于认定 43 和 60 的差距对其工作负载无关紧要,价格优势只是安慰,而非理由。

A generated two-column scoreboard for Qwen4-Max and Gemini 4 Neon across six shared dimensions: index 43 against 60 at high, price $1.50 and $4.50 against $3.00 and $15.00 per 1M, cost per index task $3.27 against $6.44 at xhigh, time per task 29.8 minutes against 14.8, output speed 59 against 101 tokens per second, and a 1M context on both sides.

速度正是差距拉大的地方

每点成本对于批处理作业是正确的单位,而对于任何直接面向人的场景则是错误的单位;这种比较比大多数情况都更严厉地惩罚了这种区分。

Neon 在默认设置下解码速度为每秒 101 个 token,在 xhigh 下为 110 个。Qwen4-Max 的解码速度为 59 个。也就是说,默认设置下相差 1.7 倍,最高档位下相差 1.9 倍;而且这一差距叠加在每任务耗时差距之上——前者为 14.8 分钟,后者为 29.8 分钟——二者处于同一数量级,这正是在两个模型以不同速率输出相近 token 数量时会出现的情况。

对于 IDE 助手、客服支持代理,或任何带有加载转圈的界面来说,每秒 59 个 token 处于可用区间中偏慢的一侧,而每秒 101 个 token 才算舒适。该追踪器将 Qwen4-Max 描述为“每项任务明显偏慢”,其首个回答 token 的到达时间为 137 秒,而这个数字决定了流式 UI 是否让人感觉是活的。如果你的工作负载是交互式的,那么这 28% 的每点优势,是用任何价目表都不会体现、且用户会比财务部门更早察觉到的延迟成本换来的。

反过来那种情况也值得直说,因为Qwen4-Max实际面向的正是这种场景。一个按计划唤醒、工作二十分钟并写出补丁的长时运行智能体,并不在乎 token 是以每秒 59 个还是 110 个到达——它在乎的是这次运行能否赶在下一次任务到期前完成。在这种形态下,29.8 分钟对 14.8 分钟仍然是实实在在的成本,但这是挂钟时间上的成本,而不是注意力上的成本,而挂钟时间恰恰是你可以多买一些的东西。

背景与无人提及的上限

两款模型都宣称拥有百万 token 的窗口,而它们背后都有一个更小的数字,决定着真正的长上下文任务能完成到什么程度。

• 输入上限——Qwen4-Max 的文档标明,非思考模式下为 991,808 个 token,思考模式下为 983,616 个 token,区别在于推理和答案都出自同一个额度池。Neon 的文档给出 64K 的标准输出上限,长解码生成可延伸至接近 1M;这是另一类限制:属于扩展,而非固定费率。

• 输出上限 — Qwen4-Max 非思考模式为 131,072,或在思考与回答之间共享 262,144。Neon 标准为 64K,在长解码生成下可扩展。

• 努力等级阶梯 — Qwen4-Max 提供 low、high、xhigh,默认 high,没有 medium:Chat Completions 会把 medium 映射为 high,因此请求中间档位要付出与最高档位相同的成本。Neon 提供 low、medium、high、xhigh,默认 high,四档全部可用。

• 缓存 — Qwen4-Max 提供显式缓存和隐式缓存,其中新加坡区域的缓存读取价格为每百万 $0.075,写入价格为每百万 $1.875(五分钟窗口)。Neon 仅支持隐式缓存,价格为每百万 $0.15——相较 $3.00 的输入费率优惠 95%。

• Batch — Qwen4-Max 仅在北京支持批量推理,Batch File 的价格为 $0.707 和 $2.12,Batch Chat 则按实时费率计费。Neon 在所有区域以半价提供 batch 和 flex,价格分别为 $1.50 和 $7.50。

最后一行才是真正会改变实际账单、却最少受到关注的那一行。在 Neon 上,批处理工作负载的成本为 $1.50 和 $7.50——输入价格是 Qwen4-Max 新加坡费率的 1/3,输出价格是其 60%——而且 Neon 在哪里可用,它就在哪里可用。Qwen4-Max 的批处理路径只覆盖一个区域,这意味着在北京以外运行异步批量任务的团队要支付完整的 $4.50 输出费率,而他们读到的对比文章却假定的是批处理价格。如果你的工作负载是批处理,那 28% 的每点优势就会变得大得多;如果是实时,则保持不变。

A screenshot of the OrcaRouter model page for google/gemini-4-argon, captured in an English interface, showing the OrcaRouter Models navigation, the google/gemini-4-argon identifier, a time-to-first-token figure and the Pricing panel with zero-data-retention availability noted.

每个应该放在哪里

诚实的建议比任何一家供应商所期望的都更有限,而且它并没有选出赢家。

Neon 是合适的默认选择,适用于那些错误答案代价高昂、而速度慢一点并无大碍的场景——长周期编程、多步骤研究、无人值守运行并在事后接受审查的智能体循环。十七个指数点的差距,改变的是模型可以被托付什么,而不是它完成得多快;而且每项任务 6.44 美元,你是在为上限付费,而不是为平均水平付费。与 Carbon 相比,它也是唯一在 12 月 1 日不会变动的 G​emini 4 费率卡,这使它在自己的家族中成为稳定的选择,尽管它如今是昂贵的那一个。

对于任务定义明确且成本会成倍增加的高吞吐量工作,Qwen4-Max 是合适的默认选择——为涌入的队列打标签、起草常规回复、运行升级阶梯中成本较低的一档,以及处理大量不需要前沿模型支撑的智能体步骤。每项任务 3.27 美元对 6.44 美元,对于一个得分 43 的模型来说,费用大约只有一半,而 43 分高于其所在价格区间模型的中位数。为这类工作购买 Neon,等于购买你根本用不上的十七个点。

陷阱在于中间档,而大多数团队恰恰会落在这里。一个需要 55 的工作负载既跑不了 Qwen4-Max,也不需要 Neon,正确答案既不是这两者中的任何一个——而是每个系列里低一档、定价介于二者之间的模型,这正是路由层存在的意义所在。OrcaRouter 不提供 Qwen4-Max 或 Gemini 4 Neon;它从 Gemini 4 系列中提供的是 google/gemini-4-argon 和 google/gemini-4-carbon,两者均按 Google 的标价、以 0% 加价透传,因此这两款在 12 月 1 日的涨价,会与 Google 价目表上的涨价同一天在这里生效。Qwen4-Max 可通过阿里巴巴自家的 Model Studio API 以及若干第三方平台访问。一个 API 覆盖 200 多个模型,意味着分类层和前沿层可以是不同的模型,而无需成为不同的合同;自动故障转移意味着当其中一个出现故障时段时,流水线不会中断。

A screenshot of the OrcaRouter Models catalogue, captured in an English interface, showing the models count and provider count in the header, the filter rail with input modalities, context length, input price, status, access tier and inference region, and individual model rows with copyable model IDs.

要从这里得出的数字

Qwen4-Max 每个指数点便宜 28%,但落后 17 点;解码速度为每秒 59 个 token,而对方为 101 个;在追踪器头条所示设置下,每项任务成本为 3.27 美元,而对方为 6.44 美元。这些数字中的每一个都对“哪个更便宜”给出了不同答案,而且它们全都正确。

真正该做决定的是工作量,而不是模型。如果一项任务一次就能跑完、答案也有人核验,Qwen4-Max 能让账单减半。如果一项任务要跑二十多分钟、答案未经核验就直接交付,那么两者之中只有 Neon 能把它做完——而 1.7× 的解码速率,正是“有用的智能体”与“让你等到放弃的智能体”之间的差别。为你真正消耗的点数付费。从来没有人因为多买了十七个用不上的点数而高兴过。