Qwen4-Max Preview 對決 Claude Opus 5.5：一個只存在十四天的模型，對上一個到了十二月你仍能呼叫的模型

A​libaba 於 2026 年 11 月 11 日 10:00 開放 Qwen4-Max Preview，並在同一份說明文件頁面上說明了關閉時間：UTC+8 的 11 月 25 日 24:00。十四天。A​nthropic 於 2026 年 9 月 22 日發佈 Claude Opus 5.5，價格為每百萬輸入 token 4.00 美元、每百萬輸出 token 20.00 美元，並承諾不早於 2027 年 9 月 22 日退役。這兩句話已足以決定這項比較的大部分結果，因為其中一個模型是為期兩週的實驗，另一個則是可以列入明年預算的支出項目。

這些日期無法確定的是，這項實驗是否值得進行。Qwen4-Max Preview 沒有任何基準測試——沒有廠商表格，沒有獨立測試結果，也沒有任何一項公布過的分數——所以任何把它與 Claude Opus 5.5 在品質上排名比較的頁面，都只是在猜測。本頁並非如此。它比較的是你在週五之前實際能驗證的四件事：每個模型接受什麼作為輸入、單次回應能容納多少輸出、一項任務要花多少成本，以及你能持續使用它多久。

每一個是什麼，以你今日可以呼叫的形式

A​libaba 在公告中將產品拼寫為 Qwen4-Max-Preview，在文件中則將 API 字串寫為 qwen4-max-preview；另外還有一個別名 qwen4.0-max-preview，A​libaba 指出兩者皆可使用，但計費會以 4.0 的形式呈現。這兩個名稱都無法對應到公開的模型卡、參數數量或授權，因為沒有東西可供下載。

Claude Opus 5.5 則是相反類型的物件：一個有文件記載、有定價、跨多平台的端點，其每一項限制都寫在你能引用的頁面上。把兩者並排一看，對比其實根本不在於能力。

• 上下文視窗——Qwen4-Max Preview 1,000,000 tokens 對上 Claude Opus 5.5 1,000,000 tokens。貨真價實的平手，也是這個預覽版唯一無需但書的維度。

• 每個回應的最大輸出量——預覽版為 393,216 個 token，阿里巴巴表示，這個數字為思考與最終答案所共用；相較之下，Claude Opus 5.5 為 128,000 個 token，而在帶有 beta 標頭的 Batches API 上則為 300,000 個 token。

• 輸入 — 文字、圖像與影片 vs 文字與圖像。這是唯一一個層面：某個模型根本無法完成另一個模型能做的事。

• 每百萬個 token 的價格 — 未公開；以 Token Plan Credits 依訂閱方案計量，對比輸入 $4.00 與輸出 $20.00，快取讀取為 $0.20，5 分鐘快取寫入為 $5.00。

• 思考預設 — reasoning_effort 開啟，預設為 xhigh，並提供 low 與 medium；相較之下，自適應思考則始終開啟，effort 在 low 到 max 的尺度上預設為 medium。兩者的預設值指向相反方向，這比聽起來更重要。

• 已公布的基準測試——無 vs Artificial Analysis Intelligence Index 59，在該指標上於 74 個模型中排名第五。

• 如何存取 — 僅限 Token Plan 訂閱，並使用新加坡基礎 URL token-plan.ap-southeast-1.maas.aliyuncs.com，外加 Qwen 應用程式、Qwen Chat、Agent Mode、Qoder、QwenWork 與 QwenStudio；相較之下，則是 Claude API、Amazon Bedrock、Google Cloud、Microsoft Foundry 與 AWS 上的 Claude Platform。

• 可用性期間 — 2026年11月11日至25日（相對於啟用狀態），退役時間不早於2027年9月22日。

那份清單中的不對稱有一個很容易被略過的實際後果。Qwen4-Max Preview 有兩道門——一道是無需金鑰的產品門，另一道是需要 Token Plan 訂閱、且你手上還沒有的 base URL 的 API 門——而 Claude Opus 5.5 則可從你已擁有的任何 OpenAI 形式用戶端連上。如果你的評估是「這個模型是否理解我的程式碼庫」，聊天門就夠了。如果是「這能不能撐過與我的管線接觸」，那你就是在為一個兩週後到期的模型再準備一份合約。

393K 輸出上限正是說明文件藏著陷阱的地方

393,216 是每一次關於這次發布的摘要都會率先提到的數字，而這確實是一項實質優勢：它略高於 Claude Opus 5.5 的 128,000 token 上限的三倍。整座儲存庫改寫、長篇逐字稿綜整、以單一回應生成一整個小型應用程式——這個預覽版正是為了那些超出多數模型回應預算的輸出而打造。

不過，請讀一下腳註。阿里巴巴說這 393,216 個 token 是由思考與最終答案共用的，接著又補上一句會讓移植破功的話：從這個模型開始，OpenAI Chat Completions 裡的 max_tokens 等同於 max_completion_tokens，而兩者所設的上限都是「思考＋答案」的合計消耗。所有更早的 Qwen 模型都維持舊行為，也就是上限只套用在答案上。因此，一個從 qwen3.8-max 原封不動搬過來的請求，帶著 max_tokens: 8192，現在買到的是 8,192 個 token 的思考，剩下的才輪到答案——而在困難提示下以預設的 xhigh 努力程度執行時，剩下的可能什麼都沒有。失敗模式是答案被截斷，而不是你能攔下來的錯誤。

公平地說，對於這件事通常的報導方式，需要做一處更正。Anthropic 的 max_tokens 也是在單一回應內同時限制思考與文字，因此共用預算並非 Qwen 的發明，也不是偏好某一家供應商的理由。真正不同的是預算規模，以及 Qwen 改變了自家使用者早已熟悉的一個參數的意義。這是遷移成本，而且它落在你身上，不是落在供應商身上。

第二個陷阱是預設的投入程度。除非另有指示，Qwen4-Max Preview 會以 xhigh 進行推理；Claude Opus 5.5 則以 medium 進行推理。兩個未經設定的呼叫並排比較時，測量的並不是相同的工作量——而且在預覽版上，更深的預設值會在答案的第一個字出現之前，就吃掉回應預算中更大的比例。

視訊輸入是唯一無法變通的缺口

Claude Opus 5.5 接受文字與圖片。Qwen4-Max Preview 接受文字、圖片與影片，而 A​libaba 直接列出使用案例：截圖分析、文件理解、影片分析。

如果你的管線已經會取樣影格並將它們作為影像送出，那什麼都不會改變——兩個模型都能讀取這些影格，差異就只剩下 token 計算。如果你的管線想交出一個檔案並詢問裡面發生了什麼，這兩個模型只有一個能接受這個問題。對所提供的片段進行時間推理，不是用文字描述該片段就能近似取代的事；你可以重建出一個近似版本，但你會花上一位研究者一週的時間，才發現有多少答案其實存在於動作之中。

這是這項比較中最清楚的決策規則，而且不需要基準測試。目前，輸入路徑中包含影片的團隊只有一個候選方案。輸入路徑中沒有影片的團隊，則沒有理由接受將十四天到期期限作為交易的一部分。

獨立數字，以及那個與此模型無關的

Artificial Analysis 沒有 Qwen4-Max Preview 的頁面。截至 11 月 11 日，它沒有實測速度、沒有每任務成本、沒有指數分數，也沒有供應商數量——這個預覽版太新，而且到了第十四天，可能永遠不會有收錄條目。因此，要將兩者放在同一張圖表上，唯一誠實的做法，是採用最近一個已受測的 Qwen 旗艦模型 Qwen3.8-Max，並明確說明它只是代理指標。

• 智慧指數 — Claude Opus 5.5 為 59，在 74 個模型中排名第五；Qwen3.8-Max 為 34，低於其價格級距的中位數 40。資料來源：Artificial Analysis。

• 輸出速度 — 每秒 115 個 token，對比 53 個。根據 Artificial Analysis，使用相同測試框架。

• 首個回答 token 的時間：353.75 秒對 122.57 秒。Opus 5.5 起步較慢，但完成較快。

• 每項任務耗時 — 25.0 分鐘對 54.1 分鐘，相較中位數 12.6。

• 每項任務成本 — $10.04 對 $10.02。把這讀兩次；這是本頁最有趣的數字，而下一節會說明原因。

• 冗長度 — 在該指數上，輸出 token 數為 2.18 億，相較於 1.5 億，而中位數為 7,280 萬。

有一項測量確實直接拿 Qwen 4 檢查點與 Claude Opus 5.5 對比，這件事值得審慎看待，而不是拿來當標題。GameFeel Benchmark——一項創意與遊戲開發評測，會針對建置、修錯、遊戲手感、點子、視覺與音訊評分——其中有一列顯示 Qwen-4-Flash-Early 平均 49.9，對上 Claude Opus 5.5 在 XHigh 努力程度下平均 47.2。在任何人引用這個結果之前，必須先說明四件事。它是 Flash 層級的檢查點，不是 Max。-Early 標籤是基準測試作者對某個未標示端點屬於哪個未發布層級的猜測，並非阿里巴巴的確認。這兩列的計費方式不同，所以每項任務 $0.40 與 $2.60 的數字並非同類比較。而且平均值掩蓋了分項差異：Opus 在修錯以 65 比 63 勝出，在反向評估以 21.67 比 19.95 勝出，而 Qwen 檢查點則在點子以 54 比 41、視覺以 65 比 63、音訊以 30 比 25、遊戲手感以 52 比 50 勝出。修錯與反向評估是最接近生產工作的兩個子任務；點子與音訊則是最遠離生產工作的兩個。

同一個測試平台也顯示出投入更多運算對 Opus 5.5 的影響：在 Medium 設定下，它每項任務花費 $0.88，得分 42.3；而在 XHigh 設定下，每項任務花費 $2.60，得分 47.2。花了將近三倍的費用，只換來五分。如果你預設就讓 Opus 以最高投入度運行，這正是你該注意的那條線。

當你無法為其中一方定價時，一項任務的代價

先從有費率表的那一半開始。在 Claude Opus 5.5 上，一項送出 200,000 個輸入 token 並傳回 20,000 個輸出 token 的工作，輸入費用為 $0.80，輸出費用為 $0.40——共 $1.20。若從快取重複使用那些輸入，輸入端費用會降到 $0.04，這讓同一項工作變成 $0.44。將它批次處理，整體費用又會再減半。這些是算術計算，不是估算，而且你可以把它們放進預測中。

現在來說另一半。A​libaba 並未公布 Qwen4-Max Preview 每 token 的 Credits 費率。Token Plan Personal Edition 是 Credits 訂閱方案——A​libaba 的四個個人方案層級，從每月 6 美元、20,000 Credits，到 43 美元、200,000 Credits——而廠商表示，一次呼叫消耗 Credits 的速率，是由模型類型、token 用量、思考模式與工具呼叫動態決定。唯一能觀察實際費率的地方，是你已經花掉一些 Credits 之後，主控台中的用量明細。預覽期間有促銷折扣，這使得觀察到的費率難以作為預覽結束後費率的參考。

所以，這項定價比較並不是「哪一個比較便宜」，而是「其中一個有單價，另一個則有目前還無法換算成單價的訂閱方案」。而上面的數字顯示，費率表的重要性比表面上看起來更低：Qwen3.8-Max 的牌價為每百萬 token 2.00 美元與 6.00 美元——是 Opus 5.5 輸入價格的三分之一，也低於其輸出價格的三分之一——但每項 Intelligence Index 任務仍落在 10.02 美元，相較於 Opus 的 10.04 美元。這個便宜模型在每項任務中產生的 token 多出太多，以至於費率表幾乎完全被抵銷。較低的牌價只有在模型同時也很精簡時，才能換來較低的最終帳單；而就所有可取得的測量來看，這個系列並不精簡。

將它們並排運行，而不假裝這是一份合約

Claude Opus 5.5 已在我們的目錄中，型號為 anthropic/claude-opus-5.5，採用 Anthropic 公布的每百萬個 token 4.00 美元與 20.00 美元價格，且零加價，因此它是與超過 200 個其他模型共用同一組金鑰與同一份帳單，並提供備援鏈與路由 DSL，讓你可將工作負載中較簡單的一半送到比 Opus 更便宜的地方，而無須變更程式碼。

Qwen4-Max Preview 不在我們的目錄中，而這代表什麼值得直說：我們不提供它，你也無法在這裡把它放進容錯移轉鏈。要用到它，得要有 Token Plan API key、新加坡的 base URL，以及另一份合約——而這正是為期兩週的模型通常難以正當化去建置的東西。如果你想評估它，請用你自己的 key，拿你已經知道答案的提示詞，以離線評比的方式跑它，並讓正式環境繼續指向某個到了 11 月 26 日仍會回應請求的服務。

預覽的用途是什麼，正是它逼你面對的問題。兩週時間夠長，足以查明原生影片輸入與 393K 回應預算是否會改變你的產品能做到什麼——也夠短，讓你不會不小心最終依賴那個答案。

這週誰該做哪一項

如果你在輸入路徑中有影片，且結果沒有生產環境依賴，今天就透過 Q​wen Chat 開啟 Qwen4-Max Preview，花一個下午在你真正在意的片段上，並把你學到的任何東西都當成研究，而不是架構。第一輪先把 reasoning_effort 設為 medium，這樣回答預算不會在回答開始前就被消耗掉；並把 max_tokens 設得夠高，讓思考和輸出都能容納。

如果你要交付的任何東西必須在十二月能正常運作，Claude Opus 5.5 是兩者之中唯一價格可預測、有可向客戶引用的基準數據，而且到了那個日期依然存在的選擇。它的弱點是有據可查的，而非神秘莫測——首個 token 生成緩慢、輸出冗長，且在高強度設定下每個任務所費不貲——而這三點都能透過 effort 參數調整。

如果你兩者都要，而且順序如此，關鍵就在於先後安排：先在免費通道上證明能力，再在已有費率表的模型上繼續發展，並在十二月預覽版後繼者推出時重新檢視這個問題——屆時想必會附上價格與基準測試。