
Qwen4-Max 对比 LongCat 2.5:两款无人评测的旗舰,价格相差十二倍
- 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 · 96 tok/s
- orca新Orca: OrcaC2 1.02026-11-0717 tok/s
- Orca新OrcaCyber: GLM 5.3 Abliterated / Uncensored2026-11-04$3.00 / $5.00 每百万 tokens · 87 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 · 72 tok/s
- OrcaOrcaCyber: MiniMax M3.1 Flash Abliterated / Uncensored2026-10-29$0.80 / $1.60 每百万 tokens · 130 tok/s
- OrcaOrcaCyber: GLM 5.3 Flash Abliterated / Uncensored2026-10-27$0.80 / $1.60 每百万 tokens · 65 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 · 43 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 · 152 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 · 119 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 · 219 tok/s
这是一个具有不同寻常特点的对比:双方都没有任何数值。Qwen4-Max 自 2026 年 11 月 16 日起由 Alibaba 正式提供,发布了价目表、上下文窗口和功能列表,却没有任何形式的基准测试。LongCat 2.5 由美团于 2026 年 11 月 2 日发布,附带一张 31 行的厂商评估表,却仍然没有独立评分——Artificial Analysis 排行榜上没有 LongCat 2.5 条目,只有其前代 LongCat 2.0,而后者也没有指数值。因此,当你把 Qwen4-Max 和 LongCat 2.5 放在一起比较时,真正区分它们的并不是能力,而是输出 token 上 1.20 美元对 4.50 美元的价格,以及当厂商自己的表格是唯一存在的表格时,你是否相信它。
这使得本页成为一种不同于通常正面对决的比较。它不是在问哪个模型更好,因为两个实验室之外没有人能回答这一点。它问的是:你负担得起去了解哪一个,以及每家厂商的文档承诺了什么、又没有承诺什么。

美团在11月2日实际交付了什么
LongCat 2.5 是一个 1.6 万亿参数的稀疏专家混合模型,每个 token 约激活 480 亿参数,因此它是对与 LongCat 2.0 相同架构的迭代,而非全新设计。它在一种特定而不同寻常的意义上原生多模态:视觉信号通过残差向量量化,对来自语义对齐编码器的特征进行编码,形成多级离散 token,因此图像和文本以单一 token 词表进入主干网络,而不是通过外挂式适配器。厂商所述用例也由此而来——从截图构建页面、根据描述生成 3D 场景、制作海报。
推理服务契约很具体。上下文为输入 1,048,576 个 token、输出 131,072 个 token。api.longcat.chat 上提供两个端点:兼容 OpenAI 的 /openai/v1/chat/completions 和兼容 Anthropic 的 /anthropic/v1/messages。Claude Code、Codex、Hermes、OpenCode 和 Kilo Code 被列为受支持的运行框架,并且每个都有官方指南。权重不可用;博客上的 GitHub 和 Hugging Face 按钮均显示“即将推出”,且没有日期。LongCat 2.0 以 MIT 许可证发布,因此 2.5 的许可证问题确实悬而未决,而非有先例可循。

相比之下,Alibaba 的 Qwen4-Max 则以另一种方式封闭:其文档直接将微调和模型部署标记为不支持,这比“即将推出”的表述更为明确。输入文本、图像和视频;输出文本;1,000,000 个 token 的窗口;非思考模式下可输出 131,072 个 token;默认开启思考模式,预算为 131,072 个 token。六个区域——新加坡、北京、香港、法兰克福、弗吉尼亚和东京——对比 LongCat 的单一第一方平台。
价差,以及它能换来什么
• 输入 — Qwen4-Max 在新加坡为每 100 万 1.50 美元,其他地区为 1.413 美元,而 LongCat 2.5 为 0.30 美元
• 输出 — Qwen4-Max 在新加坡为 $4.50,其他地区为 $4.24,而 LongCat 2.5 为 $1.20
• 缓存输入 — Qwen4-Max 在 $1.875 的五分钟写入后读取为 $0.075,而 LongCat 2.5 的读取为 $0.006
• 上下文 — Qwen4-Max 1,000,000 个 token,对比 LongCat 2.5 的 1,048,576 个 token
• 最大输出 — Qwen4-Max:非思考模式 131,072 个 token,与思考模式共享 262,144 个 token;相比之下,LongCat 2.5 为 131,072 个 token
• 模态 — Qwen4-Max 支持文本、图像和视频输入,而 LongCat 2.5 支持文本和图像输入,并具备原生视觉分词能力
• 权重——两者均未发布任何权重,但 LongCat 2.5 表示“即将推出”,而 Qwen4-Max 则表示不支持
• 区域 — Qwen4-Max 六个,LongCat 2.5 一个平台
• 独立评分——两者都没有
在输出 token 上,新加坡的差距达到十二倍,而在输入上则是 3.5 倍。拿一个真实流水线来算笔账:每月一百万次调用,每次 2,000 个输入 token 和 500 个输出 token,在 Qwen4-Max Singapore 上花费 5,250 美元,在 LongCat 2.5 上花费 1,200 美元。用量达到十倍时,差距就是每月 52,500 美元对 12,000 美元,这相当于一个人头,而不是四舍五入的误差。

从公开记录来看,多花的钱买到的并不是能力。它买到的是区域化部署——对于负有数据驻留义务的欧洲或美国公司来说,法兰克福、弗吉尼亚和东京至关重要,而 Meituan 的单一平台并不提供这些地区。它买到的是一条 LongCat 未在文档中说明的视频输入路径。它还买到了一个多年来一直向企业销售前沿模型的供应商所带来的运营确定性,相比之下,另一个平台自己的定价页面将相关数字描述为限时价格,并在结尾写道“价格可能变动”。
最后一点值得重视。LongCat 的价目表告诉你,它不是自家数字的权威来源。今早发布的 Qwen4-Max 价目表则没有这么说。
当供应商表是唯一的表时读取它
美团的发布页面上列出了 31 行评测结果,而其中第一个耐人寻味之处在于对比对象的选择:GPT-5.5、GPT-5.6 Sol、Claude-Opus-4.8 和 Claude-Opus-5。OpenAI 的 GPT-6.1 Sol 自 9 月 29 日起已正式可用,却没有出现在这张表里。Claude Opus 5.5 同样缺席——而 Claude Code 中 opus 这个别名所指向的正是该模型。对手是经过挑选的。
第二件有意思的事是公告所采用的总结句:LongCat 2.5 的分数“介于 Claude-Opus-4.8 和 Claude-Opus-5 之间”。而在同一张表的最新测试框架上,它比 Opus 5 低 15 分。这两种说法都来自同一页面。这并不是贬低该模型——一个 1.6T 稀疏模型,完全在中国国产加速器上端到端训练,并以 1.20 美元的输出价格提供服务,这确实是真正的成就——但这正是有理由把这张表看作精心挑选的子集,而不是记分卡。
Qwen4-Max 的问题则恰恰相反。根本没有任何表格。阿里巴巴的文档以非同寻常的精确度规定了各项机制细节——开启思考时默认温度为 1.0、关闭时为 0.7,top-p 分别为 0.95 和 0.8,top-k 为 20,思考预算为 131,072 个 token,非思考模式与思考模式的输入上限分别为 991,808 和 983,616 个 token,六个区域及其部署范围——却对质量只字未提。Artificial Analysis 模型索引中没有任何 Qwen4 条目,按模型访问的 URL 返回 404。
因此,在“必须打折看待的表格”和“完全没有表格”之间做选择,比表面看起来更接近。两种模型都需要你在投入生产前自行评估。区别在于,Meituan 给了你一个起始假设,而 Alibaba 给了一份规范。
真正决定此事的工作量分配
三种模式,每种模式的答案都不同。
• 大批量文本生成——LongCat 2.5 在成本账上赢得如此决定性,以至于缺失的那项基准测试几乎无关紧要。即便价格便宜 3.5 到 12 倍,它也可能在质量上明显落后,却依然在每个完成任务的平均成本上胜出。用你自己的一百个提示词跑一跑就知道了。
• 基于截图以及与截图相近的输入开展视觉工作——LongCat 原生的视觉分词是该模型存在的理由,也是其发布说明中唯一一项属于架构层面而非宣传层面的主张。Qwen4-Max 也接受视频,因此如果你的输入是视频而不是静态图像,那么它是两者中唯一会受理该请求的模型。
• 受监管或对延迟敏感的部署——Qwen4-Max 的六个区域与一个平台相比,这并非定价考量,而是资格考量。如果你的数据必须留在法兰克福或弗吉尼亚,那么十二倍的价格差距就无关紧要,因为更便宜的选项根本无法为你提供服务。
保留两种选择
OrcaRouter 目前不路由 LongCat 2.5 或 Qwen4-Max;这两者均可通过各自厂商的 API 访问,价目表如上。在我们这边,本次对比应针对的模型是已收录在同一密钥下的模型目录中的那些——GLM-5.3 为每百万 $1.40 和 $4.40,Qwen3.8-Max 为 $2.00 和 $6.00,Kimi K3.1 Pro 为 $2.00 和 $10.00——因为将一个尚未评分的模型与一个已定价并经过实测的模型进行三方测试,是查明该新模型是否值其标价的最省成本方式。
路由层正是让这项测试成本低廉的关键。策略可以将一部分实时流量并行发送给 LongCat 2.5 和一个已知模型,用你信任的任何评判器比较输出,然后才决定是否迁移全量流量。自动故障转移比平时更重要,对于两个如此新的模型来说:两者都没有足够长的往绩记录来证明依赖单一供应商是合理的,而当主路径健康时,回退链不会带来任何成本。
诚实的裁决
如果你的工作是处理海量文本和图像,那么 LongCat 2.5 是这一页上更有意思的模型,而它十二倍的输出价格优势,是两家厂商中任何一家给过你的唯一硬数据。如果你的工作需要视频输入、区域部署,或者需要有企业级实绩的厂商,那么 Qwen4-Max 就是满足这一要求的那一个,而这个价格就是这种满足所要付出的代价。
两款模型都没有给你的,是一个跳过评估的理由。两款未评分的旗舰模型相隔两周发布,价格却相差十倍,这正是这样一种情形:花一个下午跑你自己的流量,比互联网上每一张对比表都更有价值——包括这一张。两边都同样要注意一件事:要看模型卡,而不是更新日志条目。参数、上下文、价格和 API 标识符出现在同一份文档中,才是模型已经完成的信号。LongCat 2.5 的权重按钮仍显示“即将推出”,Qwen4-Max 的页面上本该放基准测试表的位置仍然空白。
本文中的对比1
根据本文内容识别 · 基准测试:Artificial Analysis · 每日更新
