
Qwen4-Max 將每項任務成本降低 67%:節省究竟從何而來
- Google新Google: Gemini 4 Carbon2026-11-10$2.00 / $10.00 每百萬 tokens · 90 tok/s
- Anthropic新Anthropic: Claude Fable 5.22026-11-09$8.00 / $40.00 每百萬 tokens · 97 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 每百萬 tokens · 87 tok/s
- Orca新OrcaCyber: Hy4 Abliterated / Uncensored2026-11-04$0.80 / $1.60 每百萬 tokens · 133 tok/s
- Orca新OrcaCyber: Kimi K3.1 Pro Abliterated / Uncensored2026-11-04$4.00 / $20.00 每百萬 tokens · 72 tok/s
- OrcaOrcaCyber: MiniMax M3.1 Flash Abliterated / Uncensored2026-10-29$0.80 / $1.60 每百萬 tokens · 130 tok/s
- OrcaOrcaCyber: GLM 5.3 Flash Abliterated / Uncensored2026-10-27$0.80 / $1.60 每百萬 tokens · 65 tok/s
- OrcaOrcaCyber: Qwen3.8 Flash Next Abliterated / Uncensored2026-10-26$0.80 / $1.60 每百萬 tokens · 92 tok/s
- OrcaOrcaCyber: MiMo V2.6 Flash Abliterated / Uncensored2026-10-26$0.80 / $1.60 每百萬 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 每百萬 tokens · 193 tok/s
- minimaxMiniMax: M3.1 Flash2026-10-1929智能
- OrcaOrca: OrcaCyber Ultra 1.02026-10-17$5.00 / $10.00 每百萬 tokens · 150 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 每百萬 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 每百萬 tokens · 219 tok/s
基準帳單是一種奇特的產物:它是唯一一份公開文件,為模型的習性定價。Artificial Analysis 公布了讓 Qwen4-Max 跑完其 Intelligence Index 的成本——每項任務 3.27 美元——也公布了它據此得出的價目表。將兩者相除,就能還原出實驗室從未明說的東西:Qwen4-Max 實際花多少 token 在思考。對它所取代的 Qwen3.8-Max 如法炮製,每項任務成本 67% 的降幅就能清楚拆成兩個數字,而多數關於 11 月 16 日發布的報導卻把這兩個數字混為一談。節省下來的成本大約有一半來自降價,另一半來自 Qwen4-Max 說得更少。而如今在其帳單中占主導地位的項目,並不是頭條價格所暗示的那一項。
廠商自己的摘要是準確的,但把有趣的部分壓縮掉了。阿里巴巴在其發布頁面上表示,Qwen4-Max 在 Work360 上以 Xhigh 努力程度運行時,使用的 token 比 Qwen3.8-Max 少約 24%,在 High 下少 35%;在 Terminal-Bench 4.0 上則分別少 48% 和 49%;Work360 上每項任務的平均成本從 $4.43 降至 $1.67,降幅 62%。那些是公司在其自家基準測試上的公司數據。下面的獨立計算則透過不同途徑,在不同基準測試上得出 67%,而這正是一種有用的吻合:兩種方法、相同方向、相近幅度。
獨立計分板實際上怎麼說
在 Artificial Analysis 上,Qwen4-Max 在智慧指數上得分 43,而 Qwen3.8-Max 為 34,測得能力提升 27%。同一頁面將這兩款模型定價為每百萬輸入 token 1.50 美元、每百萬輸出 token 4.50 美元,相較之下為 2.00 美元與 6.00 美元——輸入與輸出雙向均直降 25%。快取輸入正是折扣幅度驚人的地方:每百萬 0.075 美元對比 0.25 美元,降幅 70%,而快取命中折扣率從 87.5% 提高到 95%。
Intelligence Index 中每項任務的成本(依索引中全部九項評測加權)為 3.27 美元,對比為 10.02 美元。將成本除以分數,差距會進一步擴大:Qwen4-Max 以不到八美分提供一分可衡量的能力,Qwen3.8-Max 則約需三十美分。如果唯一的問題是要把工作負載遷移到哪個模型,這就是值得記住的數字——每美元能力提升約四分之三,而不是單看每項任務成本所暗示的 67%。
反轉帳單以恢復 token 計數
Artificial Analysis 將每項任務的成本拆解為各個組成部分:以完整費率計算的輸入、快取寫入、快取讀取與輸出,其中輸出再細分為推理與答案 token。它也會公布價格。將每個組成部分除以其價格,就能得到 token 數。這個方法在一行上自我驗證——輸出組成部分除以 $4.50 得到每項任務 104,940 個 token,而該頁面另行報導 Qwen4-Max 每項任務 104,939.8 個輸出 token。小數點後完全一致,而且這一行是用兩種不同方式計算出來的。
其餘每一行都承襲這份信心,並公開表明一項假設:快取寫入是按完整的輸入費率計費;這是從兩個模型的算術推論而來,而非任一供應商明確記載的事。
依照 Intelligence Index 任務,會得出什麼結果:
• 輸出 token — Qwen4-Max 104,940,相較於 Qwen3.8-Max 170,794,減少了 39%。
• 推理詞元 — 68,914 對比 119,698,下降 42%。思考預算的縮減幅度遠大於答案預算。
• 答案 token — 36,025 對比 51,096,下降 30%。Qwen4-Max 現在將 66% 的輸出用於推理,而非其前代所用的 70%;它不只是更短,比例分配也不同。
• 快取讀取 Token — 約 1,490 萬對比 2,270 萬,下降 34%。這些是重播的上下文 Token,在任何長時間的代理執行中都佔主導地位。
• 快取寫入權杖 — 約 111 萬對 166 萬,下降 33%。
有兩點特別突出。第一,token 的減少並不是集中在使用者會注意到是否冗長的可見答案裡,而是在推理過程與重放的上下文中,而這些地方沒有人在看。第二,若以絕對值來看,每項任務的 token 量極其龐大——每項任務有一千四百萬次快取讀取——這說明了 Intelligence Index 實際衡量的究竟是什麼:帶有大量持久上下文的長程工作,而不是單輪問答。

將 67% 拆分為價格和行為
成本等於價格乘以用量,因此這項降幅可以清楚地拆解。若以 Qwen4-Max 的費率來計算 Qwen3.8-Max 的 token 用量,一項任務的成本會是 4.97 美元,而不是 10.02 美元——光是價格變動就貢獻了 50% 的降幅。再把 Qwen4-Max 的行為一併套用,成本會降到 3.27 美元,也就是在剩餘成本上再減少 34%。兩者相乘,0.496 乘以 0.658 等於 0.326:這完全解釋了觀察到的 67% 降幅,沒有任何剩餘未能解釋的部分。
哪一半該居功,取決於你按什麼順序計入,而這一點值得說清楚,而不是挑一個討喜的數字。以百分比來說,價格約占 50%,token 用量紀律約占 34%。以美元計算——每項任務總共節省 $6.76,其中 $5.06 來自費率、$1.70 來自用量——價格占四分之三。兩種表述都正確;它們回答的是不同問題。如果你在預測下一季支出,費率表是更大也更確定的槓桿。如果你問的是模型是否真的更經濟,來自少用 token 的那 34% 才是更持久的,因為降價可以被逆轉,而架構不能。
廠商自家數據的走向,在無人要求的情況下也印證了這項拆分。阿里巴巴一口氣把下降歸因於這兩個因素,而其在 Work360 上的 62% 與 Intelligence Index 上獨立測得的 67% 相當接近——兩套測試框架、兩組任務、同一個結論。
那個悄然成為最大一筆的支出項目
這就是宣傳價格會誤導人的地方。之前,快取讀取占帳單的 57%,快取寫入占 33%。之後,快取寫入占 51%,快取讀取占 34%。模型在每個項目上都變便宜了,但折扣並不均衡——快取讀取打了 70% 的折扣,快取寫入打了 25% 的折扣——而且這翻轉了兩項最大成本的排名。
快取寫入按輸入費率計費,每百萬 $1.50,是每百萬 $0.075 的快取讀取費率的二十倍。若工作負載重寫其上下文的頻率高於重新讀取它的頻率,現在就得用價目表上最昂貴的計價方式為這個習慣付出代價。這是發布報導大多忽略的定價變更所帶來的實際後果,也說明了那些不起眼工作的重要性:穩定的提示前綴、長壽命的會話、更少的完整上下文重建。在 Qwen3.8-Max 上,這些習慣較不重要,因為重新讀取本來就夠昂貴,足以主導帳單。
這個教訓可推廣到這個模型之外。當供應商把某一 token 類別的價格砍得遠比其他類別狠時,最佳的提示架構也會隨之改變;而你收到的帳單是落後指標,反映的是你為上一版價目表所打造的架構。

效率是相對的,而絕對數字則不怎麼好看。
輸出 token 減少 39% 聽起來像是個精簡模型。但若放到整個基準來看,它其實只是個非常多話的模型稍微精簡一點的版本。在整次索引測試執行中,Qwen4-Max 產生了 1.27 億個輸出 token;中位數模型產生 7,860 萬個。Qwen3.8-Max 產生了 1.5 億個。兩個 Qwen 模型都遠偏多話的一端,而 Qwen4-Max 只是從中位數的 1.9 倍降到 1.6 倍。
那不是對效率主張的反駁——而是對它的正確解讀。該主張是:Qwen4-Max 能用更少的 token 取得比前代更好的結果,而且這兩部分都成立。這並不是說該模型話少,任何建立在「高分模型必定簡潔」這個假設上的預算模型,都會錯得離譜。如果你的成本由輸出量驅動,改用 Qwen4-Max 會減少數量,但不會改變類別。
廠商的預訓練數據在不同層面也指向同一個方向。在內部 BPB 評估中,Qwen4-Max-Base 在每個領域都比 Qwen3.8-Max-Base 好 5–13%,同時啟用的參數少了 25%——這套架構在每單位算力下完成更多工作,這與一個需要更少 token 就能得出結論的模型相符。至於 2.4 兆參數主幹、710 億啟用參數,以及額外 3280 億個 N-gram 嵌入參數是否就是原因,這屬於廠商說法,而非阿里巴巴以外任何人重現過的測量結果。
成本全貌中缺少了什麼?
延遲就是其一。Intelligence Index 卡片將 Qwen4-Max 的每項任務時間列為不適用;至於 Qwen3.8-Max,則是 48.1 分鐘,對比中位數 13.3 分鐘,是所測得最慢的結果之一。一個每項任務便宜 67%、但每項任務實際耗時未知的模型,尚未與任何對象進行完整比較。需要等待才能取得的便宜 token,是另一種產品。
再者,就供應商廣度而言。上方每個數字背後的價格,都是阿里雲單一的第一方費率,而且該模型目前只由一家主機商提供。沒有第二個來源可供套利,因此價目表上的費率就是實際價格。此外,Qwen3.8-Max 現已被標記為棄用,改由 Qwen4-Max 取代,且每十八小時而非每六小時進行一次基準測試,這意味著比較基準的更新速度比被拿來與之比較的模型還慢。

將數字運算轉化為你能掌控的預算
從這套拆解可以得出兩個槓桿,而它們彼此獨立。第一個是價格:一張你無法議價的價目表,仍然是一張你可以繞道而行的價目表,而這正是支付牌價、不付任何高於牌價之金額的情況。OrcaRouter 以 0% 加價將供應商的牌價直接轉嫁,因此像阿里巴巴在 11 月 16 日所做的供應商降價,當天就會反映到你的帳單上,而不是等到下一次合約續約——而這次降價的幅度,尤其是快取輸入上那 70%,正是轉嫁安排會讓它顯現出來、而不是默默吸收掉的那種變動。
第二個槓桿是規模,而這是模型無法替你創造的。路由 DSL 會將數個模型組合成單一呼叫,因此管線的大部分可在便宜模型上執行,而棘手的尾端——真正需要 2.4 兆參數 MoE 的任務——則送到具備該能力的模型。這種拆分方式,讓你能取得 34% 的行為紅利,又不必為從不需要前沿模型的工作支付前沿費率;對於每項任務一千四百萬個上下文 token 屬常態的工作負載而言,這也是自然的應對方式。
精確說明我們提供與不提供的內容:截至 2026 年 11 月 16 日,Qwen4-Max 並不在我們的目錄中。我們目前路由的 Qwen 模型是 qwen/qwen3.8-max,也就是本文作為基準的前代模型。對於想在正式投入前,先測試權杖縮減效果是否適用於自家流量規模的團隊而言,自動容錯移轉是低風險的入門方式——先路由一小部分流量、讓備援機制持續運作,並比較真實的追蹤紀錄,而非基準測試任務。
什麼會改變這個解讀?
Artificial Analysis 會公布每個模型的彙總 token 數量,而本文根據其成本組成推斷各任務的用量。若兩次執行之間測試框架有所改變——任務組合不同、權重不同——那麼 39% 的輸出減少可能有一部分來自測試框架,而非模型本身。輸出列上的精確對帳結果不支持這種說法,但也沒有排除它;任何擁有自身流量的人,都應將推導出的數字視為待檢驗的假設,而不是賴以規劃的事實。
廠商 Work360 的數據附帶一項不同的但書,而這點是阿里巴巴自己說的:BPB 比較中的兩個檢查點是後訓練版本,而非基礎版本,這削弱了同類比較的框架。Work360 那 62% 的成本削減不受此影響,因為它是在固定任務集上比較已出貨的模型,但解讀預訓練相關的宣稱時應將此點納入考量。
在這一切之後仍留下來的是答案的形狀,而不是它的精確度。一場被包裝成降價的發布,也大致同樣是模型為了得出答案而花費多少的改變——而後半部分正是競爭對手無法透過調整價目表來複製的部分。那就是較小的 Qwen4 模型推出時要關注的數字,因為如果 token 紀律是架構性的,它會隨它們一起延續;如果它只是這一個檢查點的性質,就不會。
本文中的比較1
根據本文內容識別 · 基準測試:Artificial Analysis · 每日更新
