Qwen 4 Max 與 Claude Opus 5：在兩者腳下移動的基準測試

Qwen 4 Max 於 2026 年 9 月 22 日在杭州雲棲大會上首度亮相——它是 Qwen 4 四款機型系列中的旗艦級別，該系列已發表但尚未推出，沒有價格、沒有上下文視窗，也沒有公布任何評分。Claude Opus 5 自 2026 年 7 月 24 日起已全面開放使用，每百萬輸入 token 收費 5.00 美元、每百萬輸出 token 收費 25.00 美元，而自 Qwen3.8-Max 發布以來，每一款旗艦機型所瞄準的目標都是它。寫這篇比較最顯而易見的做法，是做一張有一欄空白的規格表。真正有用的做法，則是注意到在 2026 年 9 月 19 日、也就是發表前三天，Artificial Analysis 重新計算了其 Intelligence Index 的分數，而 Claude Opus 5 不再位居榜首。光是這一個變化，就重新定義了 Qwen 4 Max 必須超越的對象。

9月19日有什麼改變？

Artificial Analysis 於 2026 年 9 月 19 日發布了指數修訂版 v4.3.2。在目前修訂版下，Claude Opus 5 在最高推理努力程度時，於 Intelligence Index 得分為 51——xhigh 為 50、high 為 48、medium 為 45、low 為 39——並落後於 Claude Fable 5.1 與 GPT-6 Astra，兩者皆為 53。在該指數上的每項任務成本為 5.86 美元。

如果這讀起來像是降級，事實並非如此。模型沒有改變，改變的是指數。我們自己在七月與八月的報導中，引用 Claude Opus 5 為 61 到 63，並位居榜首，而那些數字在當時生效的修訂版本下是正確的。任何仍引用這些數字卻未註明修訂日期的人，引用的是已退役的數字，而這是本月撰寫的比較中最常見的單一錯誤。實際後果是，諸如「Claude Opus 5 是現有得分最高的模型」這類說法已不再成立，而建立在此之上的比較也會隨之瓦解。

對 Qwen 一方而言，後果更加嚴峻。一個於 2026 年 9 月發表的旗艦層級，正瞄準一個已在 2026 年 9 月被重新定義的目標。無論阿里巴巴最終為 Qwen 4 Max 發布什麼，都會被拿來對照一個排行榜，而在那裡，要超越的數字是 53，不是 63。

坦白說出的比較

這張表有一邊是完整的，另一邊是空白的，而若假裝不是如此，就會落入這篇文章的整體失敗模式。以下是實際上已知的內容：

• 狀態 — Claude Opus 5 自 2026 年 7 月 24 日起全面開放使用，而 Qwen 4 Max 於 2026 年 9 月 22 日宣布，但尚未公布發布日期

• 輸入價格 — Claude Opus 5 每 100 萬個 token 為 $5.00，而 Qwen 4 Max 則未公布

輸出價格 — Claude Opus 5 為每 100 萬個 token 25.00 美元，而 Qwen 4 Max 則未公布

• 快取輸入 — Claude Opus 5 的快取讀取為每 100 萬個 token $0.50，相較之下 Qwen 4 Max 未公布

• 脈絡 — Claude Opus 5 的 1M tokens 為預設值與上限，相較之下 Qwen 4 Max 未公布

• 輸出上限 — Claude Opus 5 同步為 128K tokens，在 Batches API 上搭配 beta 標頭則為 300K，而 Qwen 4 Max 則未公布

• 模態 — Claude Opus 5 支援文字、圖像與檔案輸入並輸出文字，相較之下 Qwen 4 Max 尚未公布

• 長脈絡定價 — Claude Opus 5 不收取額外費用，因此 900,000 個 token 的請求與 9,000 個 token 的請求按相同的每 token 費率計費，而 Qwen 4 Max 則未公布

• 獨立評分 — Claude Opus 5 在 Artificial Analysis Intelligence Index v4.3.2 中以最高推理強度獲得 51 分，而 Qwen 4 Max 則不存在任何獨立評測

• 廠商回報的分數 — Claude Opus 5 在 SWE-bench Verified 拿下 96.0%、SWE-bench Pro 79.2%、OSWorld 2.0 70.6%，Terminal-Bench 2.1 則依測試框架不同，約落在 85 分上下；相較之下，Qwen 4 Max 未回報任何數據

• 推理控制 — Claude Opus 5 預設啟用自適應思考，並具備五級努力程度階梯；相較之下，Qwen 4 Max 則未公布

十行「未發布」不是修辭手法。這就是證據的狀態，而從中得出的誠實結論是：迄今任何人都還無法對這兩個模型進行能力比較。

差距中無法彌合的部分

定價與相關脈絡最終都會公布。有一項差異在發布後仍會存在，而這件事值得現在就決定，而不是等到 Qwen 4 Max 出貨的那一週：這兩款模型的設計，就是要以不同的方式被購買。

Claude Opus 5 是單一供應商推出的單一閉源模型，只有一種價格，並公開承諾在 2027 年 7 月 24 日之前不會退役。對容量規劃而言，這是一個穩定的目標。Qwen 4 Max 是阿里巴巴一再推出、價格帶寬廣許多的系列中的旗艦——Qwen 3.8 這一代涵蓋了輸入價格 2.00 美元的前沿旗艦，以及遠低於此的 Flash 層級——而 Qwen 產品線的旗艦層級，向來是在更便宜的層級追平它之前，有效壽命最短的那一個。

另一個差異是開放權重，而這一點指向相反的方向。Qwen 3.8 世代以自訂的 Qwen 授權條款，公開了其最大模型的權重，而這正是微調、量化與自行架設得以實現的根本原因。Claude Opus 5 並未釋出權重，未來也不會有。如果你的工作負載需要一個能在自家防護範圍內運行、或可供修改的模型，那是阿里巴巴一項結構性的優勢，任何基準測試的修訂都無法奪走——而這也是我們該在意這項特定比較、而非把它當成一個旗艦模型對上另一個旗艦模型來看待的最強理由。

今天如何執行這項比較

Claude Opus 5 現已推出，OrcaRouter 以 anthropic/claude-opus-5 的形式轉送它，價格為 Anthropic 的定價、0% 加價——供應商的費率原封不動地傳遞，因此上方 $5.00 與 $25.00 的數字就是你實際被收取的費用，而非加價後的等值金額。對這個價位帶的模型來說，這點比平常更為重要：$25.00 輸出費率上的 10% 平台利潤是每百萬 token $2.50，這比大多數開放權重替代方案的整體輸入成本還高。除此之外，該目錄在單一 OpenAI 相容端點上提供近 200 個模型，當供應商路徑劣化時會自動容錯移轉，並提供路由 DSL，讓你能明確表達政策，而不必把模型名稱硬編碼進應用程式中。

OrcaRouter 並未收錄的，是 Qwen 4 Max，或任何 Qwen 4 層級。目錄中這個系列沒有任何條目，而這正是對於一個已宣布但尚未推出的模型會預期的情況。等這些層級真正上線時，它們會出現在同一個位置，而在那之前，值得拿來與 Claude Opus 5 相比的 Qwen 模型，是你實際能呼叫的那一個：Qwen3.8-Max，自 2026 年 8 月 3 日起正式全面供應，每百萬個 token 輸入 $2.00、輸出 $6.00，權重已公開，且有紀錄的獨立智慧評分為 56，每項任務 $1.14 —— 這個數字是在較早的指數修訂版本下取得的，因此若要與 Claude Opus 5 的 51 相比，唯有附帶這項但書才成立。

在模型卡存在之前，該如何處理這個？

這裡沒有什麼結論可下，因為這兩個模型中，有一個並非真實存在的產品。能說的是，這場比較在 2026 年 9 月 19 日改變了樣貌，而兩家廠商都沒有做任何事：Claude Opus 5 不再是大多數比較所倚賴的那份獨立排行榜上得分最高的模型，如今它落後另外兩個模型兩分。Qwen 4 Max 推出後，將落在這份榜單上，而不是七月的版本。

所以接下來幾個月的抉擇，並不是 Qwen 4 Max 對上 Claude Opus 5，而是 Claude Opus 5 對上那款已經推出的 Qwen 模型——一款以五分之一輸入價格提供旗艦級表現、且權重公開的模型——而這個比較現在就能做，雙方都有真實數據。等阿里巴巴發布模型卡時再重新檢視，在那之前看到的任何 Qwen 4 Max 基準測試表，都應視為未經證實。