一張生成的 16:9 標題卡,寫著「Qwen4-Max vs GLM-5.5」,副標題為「一個今天已有價目表;另一個則還是版本號」,並有三張圓角卡片,分別列出 qwen4-max 模型 ID、新加坡每百萬 token 輸入 $1.50 與輸出 $4.50 的價目表,以及六個部署區域。右下角有 OrcaRouter 標誌。
Guides & Insights

Qwen4-Max 對比 GLM-5.5:一個今天已有價目表,另一個還只是版本號

作者

jinhao.song

發佈日期

最新模型 · 20查看全部模型 →
基準測試:Artificial Analysis · 每日更新
返回全部文章

2026 年 11 月 16 日 09:46,Alibaba 的 Model Studio 說明文件以標題為「qwen4-max(最新模型)」的頁面取代了 Qwen4-Max-Preview 頁面,該頁的模型調用 ID 為 qwen4-max、附有每百萬 token 的價目表,並在六個地區提供。五天前,同一個模型還是為期 15 天的租用服務,僅透過 Credits 訂閱販售,並預定於 11 月 25 日退役。這場比較另一邊的名字 GLM-5.5,則沒有可供指出的對等時刻:截至今日,Z.ai 尚未以該名稱發布任何模型卡、API 識別碼、定價列或權重,其自家說明文件索引仍將 GLM-5.2、GLM-5.3 與 GLM-5.3-Flash 列為整個產品線。所以這不是兩款旗艦之間的對決。這是今早才取得價格的旗艦,與一個尚未取得任何東西的版本號之間的對決。

這種不對稱才是值得書寫的重點,因為這兩個名字被搜尋的方式,彷彿它們是平起平坐的同級對手。接下來要做的,正是把兩者分開來看:Qwen4-Max 今天實際上變成了什麼、GLM-5.5 究竟是什麼,以及你真正能跑的那個比較——Qwen4-Max 對上實際出貨的 GLM——在價格、上下文與實證上呈現什麼樣貌。

A generated two-column scoreboard titled 'Qwen4-Max vs GLM-5.5 - the scoreboard', comparing Qwen4-Max at $1.50 and $4.50 per million tokens, a 1,000,000-token context, 131,072 maximum output, no independent score and no weights, against GLM-5.3 at $1.40 and $4.40, a 1,000,000 context, 128,000 maximum output, an independent score of 31.7 and published weights. The footer reads 'Qwen4-Max per Alibaba list price; GLM-5.3 per Z.ai and Artificial Analysis Index v5.0.1.' OrcaRouter logo bottom-right.

今天早上 09:46 發生了什麼變化?

預覽版仍然真實存在,且仍然獨立。qwen4-max-preview,於 11 月 11 日 UTC+8 10:00 開放,仍為僅限 Token Plan 的模型,並已公布將於 11 月 25 日 24:00 退役。新的qwen4-max 是另一個識別碼,具有不同的商業型態:按用量付費、公開費率、六個區域(包括新加坡、法蘭克福、維吉尼亞與東京),且頁面上沒有到期日。Alibaba 自家的發布清單將該模型標註為 2026 年 11 月 16 日——也就是今天——而文件頁面帶有時間戳記 2026-11-16 09:46:08。

A screenshot of Alibaba Cloud Model Studio's 'Model releases and updates' changelog, dated 2026-11-16 and headed qwen4-max, describing Qwen4-Max as the next-generation flagship multimodal model covering text generation, image and video understanding and deep reasoning, with the 2026-11-11 qwen4-max-preview entry visible below it.

有兩樣東西沒有隨它一起出現。廠商頁面上完全找不到任何基準測試表,無論是廠商自行回報還是其他來源都一樣;而且 Artificial Analysis 上也沒有該模型的條目:排行榜的模型索引中完全沒有 Qwen4 這一列,其個別模型網址則傳回 404。因此,以下關於能力的一切都是文件說明,而非實測數據,並且已如此標示。

該費率表,如所發布

這些是 Alibaba 自家的數字,以每百萬個 token 的美元計算,取自 2026 年 11 月 16 日的帳單頁面:

• 新加坡,標準 — 輸入 $1.50,輸出 $4.50

• 北京、香港、法蘭克福、維吉尼亞及東京,標準 — 輸入 $1.413,輸出 $4.24

• 快取寫入,五分鐘 TTL — 新加坡 $1.875,其他地方 $1.767

• 快取寫入,一小時 TTL — 新加坡 $3.00,其他地區 $2.827

• 快取讀取 — 新加坡 $0.075,其他地區 $0.071

• 批次,僅限美國地區 — 批次檔案作業的輸入為 $0.707、輸出為 $2.12

• 免費額度 — 一百萬個 token,為期 90 天,僅限新加坡

新加坡的價格才是應該拿來向人報價的那個,因為那是國際定價,而且是最高的。值得一提的是,它也是三大實驗室目前任一旗艦模型中輸出費率最便宜的:Qwen3.8-Max 定價為 $2.00 與 $6.00,Kimi K3.1 Pro 為 $2.00 與 $10.00,Grok 4.7 為 $2.00 與 $6.00。Qwen4-Max 在計價表的輸入與輸出兩端都比它們全部更低,同時還宣稱擁有比它們任何一個都更大的上下文視窗。

GLM-5.5,我們用和十月時相同的方式檢查過了

「某模型不存在」這類說法一經寫下便開始失效,因此值得再次查核,而非直接斷言。今日取得的 Z​.ai 開發者文件索引列出 GLM-5.2、GLM-5.3 與 GLM-5.3-Flash。GLM-5.4 與 GLM-5.5 的文件路徑則傳回「Page Not Found」。該廠商的 model-api 頁面列出 GLM-5.3、GLM-5.3-Flash、GLM-5 與 GLM-5V-Turbo,5.3 與 6 之間別無其他型號。以該名稱搜尋,會傳回 Z​.ai 自家頁面,將 5.3 列為現行旗艦,且沒有任何後繼型號的發表公告。

本部落格於 2026 年 10 月 13 日,針對這個名稱在九個接觸面上進行了全面稽核,並得出相同結論。此後五週內,沒有任何事改變這一點。對買家而言,真正重要的區別並不是「GLM-5.5 很冷門」,而是「GLM-5.5 只是命名序列中的一個編號,而你實際能呼叫的模型比它落後一個數字」。

現有的比較:Qwen4-Max 對上 GLM-5.3。

GLM-5.3 是一款嚴謹的模型,也是誠實可靠的替代選擇。它於 2026 年 8 月 14 日推出,8 月 18 日開放 API,並於 8 月 28 日以自訂的 Z.ai 授權條款發布其 7,430 億參數的權重。它採用混合專家(MoE)架構,每個 token 約啟用 400 億個參數,具備 100 萬 token 的上下文視窗與 128K 的輸出上限。以下是搜尋這兩個名稱之一的讀者真正需要的對照:

• 輸入價格 — Qwen4-Max 在新加坡為每 100 萬美元 1.50 美元,其他地區為 1.413 美元;對比 GLM-5.3 的定價為 1.40 美元

• 輸出價格 — Qwen4-Max $4.50,相較於 GLM-5.3 $4.40

• 背景 — Qwen4-Max 1,000,000 個 token 對上 GLM-5.3 1,000,000 個 token,真正的平手

• 最大輸出 — Qwen4-Max 131,072 個 token(非思考模式),含思考與回答共享為 262,144 個 token,相較之下 GLM-5.3 為 128,000 個 token

• 模態 — Qwen4-Max 可接受文字、圖像與影片並輸出文字;相較之下,GLM-5.3 的旗艦模型在文件記載中僅支援文字,多模態相關工作則交由 GLM-5.3-Flash 負責

• 權重 — Qwen4-Max 並未發布任何權重,且其文件明確標示不支援微調與模型部署;相較之下,GLM-5.3 以自訂授權提供開放權重

• 獨立評分 — Qwen4-Max 沒有此項評分;相較之下,GLM-5.3 在 Artificial Analysis Intelligence Index v5.0.1 中,於最高推理投入下為 31.7,於低推理投入下為 23.1

• 可用性 — Qwen4-Max 在六個 A​libaba 區域,對比 GLM-5.3 的第一方加上雲端轉售

請把價格列讀兩遍,因為這個差距比兩款模型各自的行銷說法所暗示的還要窄:在輸入方面,Qwen4-Max 在新加坡每百萬貴七美分,在其他每個地區則貴一又三分之一美分。你不是在為較新的名字支付溢價。你付的錢大致相同,換來的是實質上更寬廣的輸入模態與略高的輸出上限,同時放棄了 GLM-5.3 有、而 Qwen4-Max 沒有的唯一一樣東西——可下載的權重。

缺失的分數有何價值

GLM-5.3 在 Index v5.0.1 上拿到 31.7,對旗艦模型來說只是中等分數,而且低於同一世代 Kimi K3.1 Pro 的 46.5。這讓與 Qwen4-Max 的比較在某個方向上格外令人不安:一個沒有任何測量結果的模型,正被拿來對比一個測量結果並不理想的模型來推銷,而從公開資料根本無法得知較新的模型是否能勝過它。Alibaba 的文件宣稱具備「深度推理」、預設 131,072 個 token 的思考預算,以及預設為高的推理強度——這些是配置,不是能力。在獨立評測框架對它評分之前,誠實的立場是:Qwen4-Max 相較於 GLM-5.3 的優勢有文件記載,而其劣勢則未被量化。

對於本週而非下一季就要做決定的團隊,這意味著應採取路由策略,而不是遷移。把 GLM-5.3 留在你已經熟悉其行為的工作負載上,並把 Qwen4-Max 放在其文件所述特性正是你感興趣原因的工作負載上:影片輸入、需要超過 128K 輸出的提示,或長到足以讓具備 $0.075 快取讀取的 1M 視窗改變成本計算的對話。

透過單一端點執行這些

OrcaRouter 將 GLM-5.3 列為 z-ai/glm-5.3,採用 Z​.ai 自家的定價——每百萬輸入 $1.40、輸出 $4.40——不加價直接轉嫁,並與同一 OpenAI 相容基礎 URL 上的另外 214 個模型識別碼並列。Qwen4-Max 目前不在該目錄中;它可透過 A​libaba 自家 API 取得,其全新價目表即發布於此,上述區域定價也適用於此。當供應商降價時,直通目錄會在同一天反映降價,而非等到下一個合約週期,這正是實務上的理由:把可透過同一把金鑰路由的模型留在該金鑰上,並把無法如此做的模型留在觀察清單中。

A screenshot of the OrcaRouter model page for GLM-5.3, showing the identifier z-ai/glm-5.3, the $1.40 input and $4.40 output per-million-token pricing, the context window and the available endpoints.

路由 DSL 正是契合這項特定比較的一環,因為這兩個模型之間的抉擇並非單一決定——而是每一次呼叫各自要做的決定。策略可以把帶有影片的請求送往多模態模型,並把純文字的大量工作交給當週每完成一項任務較便宜的那一方,而自動容錯移轉能在你仍蒐集新模型相關證據的同時,避免供應商端的效能劣化拖垮整條路徑。

要怎樣才能讓這成為一場真正的對決?

有兩件事,其中任何一件都足以成為重寫本頁的理由。第一是一張 GLM-5.5 模型卡:一份把參數、上下文、價格和 API 識別碼放在一起的文件,而這一直是本部落格全年用來區分已發布模型與傳聞的信號。第二是獨立排行榜上的一個 Qwen4-Max 條目——不是因為某個分數能判定哪個模型更好,而是因為眼下這場比較中,一方有測量結果,另一方只有時間戳。在這兩者之一成真之前,正確的解讀應是文件所支持的那一種:一個有標價的旗艦模型、一個有名稱卻沒有模型的條目,以及輸入價格上七美分的差異——它所能決定的事情,比任何一家供應商想讓你以為的都要少。

本文中的比較2

根據本文內容識別 · 基準測試:Artificial Analysis · 每日更新