一張生成的標題卡,上面寫著 Qwen4-Max vs GPT-6 Luna,副標題為任務成本的 22 倍、15 個指數點,並有三個扁平線條圖示,分別暗示上升的成本曲線、分數條和影片畫格。
Guides & Insights

Qwen4-Max 對決 GPT-6 Luna:多花 22 倍任務成本,換來 15 個指數點

作者

Alistair Wren

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

把一項 Qwen4-Max 請求與一項 GPT-6 Luna 請求送進同一套評估套件,帳單回來是 3.27 美元對上 0.15 美元。二十二倍。把分數並排來看,是 43 對 28——十五分,這正是你會交給一個模型去跑多小時代理執行、還是只交給它一份文件之間的差別。這兩個差距都是真的,兩者都是在同一個索引修訂版本上測得,而兩者都沒有解決問題,因為 Qwen4-Max 自 2026 年 11 月 16 日起已正式全面可用,價格為每百萬個 token 1.50 美元與 4.50 美元,而 GPT-6 Luna 自 9 月 22 日起一直維持在其十分之一的價格。決定不在於哪個模型更好。而在於你實際上會用到的是哪十五分,而在這整個比較過程中,答案會改變兩次。

22× 及其材質

先從費率表開始,因為宣傳上的比率並不是你實際支付的比率。

• 輸入 — Qwen4-Max 在新加坡每百萬 $1.50,在全球範圍區域為 $1.413。GPT-6 Luna $0.10。十五比一。

輸出 — Qwen4-Max $4.50,或 $4.24 Global。GPT-6 Luna $0.50。九比一。

• 快取輸入 — Qwen4-Max 新加坡 $0.075、全球 $0.071,95% 折扣。GPT-6 Luna $0.01,90% 折扣。

• 混合計價 — Qwen4-Max 每百萬 $0.80,依追蹤器的 7:2:1 快取命中/輸入/輸出加權計算。GPT-6 Luna $0.077。十比一。

• 每項智慧指數任務的成本 — Qwen4-Max $3.27,GPT-6 Luna $0.15。二十二比一。

十五、九、十、二十二。這四個數字並不一致,而不一致之處才是有用的部分:每項任務比率是混合價格比率的兩倍以上,因為 Qwen4-Max 必須輸出更多 token 才能完成整套測試,而不是因為它的費率比價目表所示更差。追蹤器的冗長度面板顯示,Qwen4-Max 的輸出 token 為 1.27 億,對比中位數 9,000 萬;Luna 為 1.1 億,對比相同中位數。兩者都偏向冗長。Qwen4-Max 還多出 15%,而那 15% 在 22 倍的差距中確實發揮作用,這個差距是 10 倍的費率表不會預測到的。

本節所有數字皆為 Artificial Analysis 在 index v5.0.1 上的測量值——此為重新基準化後的指數,因此七月排行榜上的 Luna 分數無法與此處引用的 28 相比——並結合各供應商自行公布的價目表。兩家供應商均未公布配對的正面對決,任何根據這些數字所做的比較,都只是對兩次獨立執行結果進行算術運算,而非基準測試。

A generated two-column scoreboard for Qwen4-Max and GPT-6 Luna across six shared dimensions: index 43 against 28 at max and 18 at the default, price $1.50 and $4.50 against $0.10 and $0.50 per 1M, cost per index task $3.27 against $0.15, time per task 29.8 minutes against 12.2, output speed 59 against 103 tokens per second, and input modalities text, image and video against text and image.

「努力程度」設定是更大的槓桿。

以下是為何「43 對 28」這種表述框架具有誤導性,而這可不是小幅更正。

GPT-6 Luna 隨附六種推理設定——無、低、中、高、極高與最高——並預設為中。Artificial Analysis 為每一級評分。差距並非四捨五入的誤差:

• Max — 指數 28,每項任務 $0.15,12.2 分鐘,每秒 103 個 token。

• Xhigh — 23,7.4 分鐘,每秒 99 個 token。

• 高 — 21、6.0 分鐘、每秒 91 個 token。

• Medium — 18、3.5 分鐘、每秒 93 個 token。這是預設值,也是幾乎所有正式環境呼叫實際採用的設定。

• 低 — 10、0.6 分鐘、每秒 87 個 token。

• 非推理 — 9,2.0 分鐘,每秒 84 個 token。

誠實的比較不是 43 對 28,而是:對未送出 effort 參數的呼叫端來說,是 43 對 18;對把旋鈕轉到最大、並為此付出六倍延遲的呼叫端來說,則是 43 對 28。預設值下是二十五點,上限下是十五點,兩者出自同一個模型,而價目卡上的價格沒有改變。

Qwen4-Max 的階梯只有三級——低、高、極高——而且預設為高。它沒有中:Chat Completions 與 DashScope 都會把「中」對應到「高」,所以要求中間設定所付出的代價與最高設定相同。這個調節選項比 Luna 的更差,而原因同樣重要——你呼叫的級別決定分數,而 Qwen4-Max 讓你少買一點的途徑更少。

追蹤頁面沒有為 Qwen4-Max 公布的,是它在三個級別各自的分數;頁面只列到 43 就停了。Luna 完整的六級階梯是公開的,這使得 Luna 成為更容易建模、卻更難引用的模型。如果你在做成本預測,完整公開的階梯比單一更漂亮的數字更有價值,因為你能看出拐點在哪裡。

A screenshot of the OrcaRouter model page for openai/gpt-6-luna, captured in an English interface, showing the OpenAI breadcrumb, the openai/gpt-6-luna identifier, a 128K max output, vision and tools and JSON and reasoning capability chips, an output modality of text, and a public-benchmarks line attributed to OpenAI dated 2026-09-22.

Luna 的 272,000 個 token 斷崖

兩款模型都宣稱支援百萬 token 的上下文,但其中只有一款在整個上下文範圍內收取相同費率,而這是買家最不能忽略、代價最高的一點。

• Qwen4-Max — 在完整的 1,000,000 token 視窗內,$1.50 與 $4.50 均為均一價,於 32K 或 128K 皆不分級。文件記載的輸入上限為:非思考模式 991,808 tokens,開啟思考模式 983,616;非思考輸出上限為 131,072,思考與答案合計共用 262,144。

• GPT-6 Luna — 輸入 token 在 272,000 以內時為 $0.10 和 $0.50,超過後則為 $0.20 輸入與 $0.75 輸出。重新計價適用於整個請求,而不是僅限超出部分:300,000 token 的提示會對全部 300,000 個 token 按雙倍計價,而不是只對最後 28,000 個計價。根據 O​penAI 的文件,上下文視窗為 1,050,000,而追蹤器上顯示為 1M;最大輸入為 922,000;輸出上限為 128,000。

跑一下長上下文案例,22× 就會朝 7.5× 收斂。一份 400,000 token 的文件搭配 8,000 token 的答案,在 Qwen4-Max 上的輸入費用是 $0.60、輸出費用是 $0.09——按新加坡費率計算是 $0.69。同樣的請求在 Luna 上是輸入 $0.08、輸出 $0.006,共 $0.086。是七點五倍,不是二十二倍。Luna 仍然便宜得多,但便宜幅度只有標題數字所暗示的三分之一。

那個反轉還有第二道鋒刃,而且會朝相反方向切。在 272,000 個 token 以下,這個斷崖永遠不適用,而大多數代理工作負載——程式碼庫上下文、客服對話、工具呼叫迴圈——都遠低於這個門檻。一個團隊若在兩張規格卡上都看到「1M context」,並為一項 500,000-token 的工作把 Luna 的預算編成 $0.10,就會在輸入上低估 2 倍、在輸出上低估 1.5 倍,而這個錯誤只會出現在帳單上。

還有一點關於資料駐留的限制,值得在價格成為關鍵之前先了解:Luna 上的 EU 資料駐留僅適用於 Standard 處理模式,這完全排除了 Batch 與 Fast 折扣。如果資料駐留要求屬於範圍內,Luna 的實際費率就是標準費率,而你原本指望的折扣結構對你並不可用。

影片,以及 Luna 無法進入的那一排

模態差異比行銷所暗示的來得小,卻比匆匆一瞥規格表所意味的來得大。

• GPT-6 Luna — 輸入文字與圖片,輸出文字。並非影片或音訊模型。圖像生成、語音生成、轉錄與翻譯皆記載為不支援。

• Qwen4-Max — 輸入文字、圖像和影片,輸出文字,視覺以原生方式處理,而非透過擷取器。協定端支援 OpenAI Chat Completions、OpenAI Responses、Anthropic Messages 與 DashScope,並對接 Luna 的 Responses、Chat Completions 與 Batch。

所以,Qwen4-Max 是兩者之中唯一能讓你指著螢幕錄影、講座錄影或影片評論並針對它提問的模型。這是真正的能力差異,不是基準測試差異——兩張卡上的任何指標都測不出這一點,而且無論在 Luna 上怎麼調整投入等級,也無法產生這種能力。如果工作負載包含影片,比較到此為止,而 22× 就是入場代價。

如果影片不是重點,這一列就只是裝飾,而協定廣度才是更有趣的那一半。Qwen4-Max 支援四種傳輸格式;Luna 支援三種,並將其最豐富的工具介面藏在 Responses 之後——諸如網頁搜尋、檔案搜尋、程式碼解譯器與託管 shell 等內建工具都在那裡執行,而 Chat Completions 上的函式呼叫只有在推理強度設為 none 時才能運作。一條為了省錢而改用 Chat Completions、卻仍期待工具呼叫的管線,會在第一個請求就失敗。這是遷移陷阱,不是能力缺口,而且這種事代價是一週,不是幾個百分點。

這是路由層真正證明自身價值、而非模型選擇的接縫。OrcaRouter 已經以 OpenAI 定價提供 openai/gpt-6-luna ,0% 加成、原價轉嫁——因此 Luna 的價格一在 OpenAI 價目表上變動,這裡當天就同步——而 Qwen4-Max 並未託管於此;它可透過阿里巴巴自家的 Model Studio API 及多個第三方平台存取。一個 API 對應 200 多個模型、一把金鑰,外加一套路由 DSL,能將請求分類並送往該列指定所屬的兩者之一:Luna 用於大批量擷取層,Qwen 系列用於 Luna 在結構上無法承接的影片與長上下文工作。自動容錯移轉能應付便宜層出狀況的那一天,而那也正是單一供應商管線發現自己同樣會有這種日子的時候。

A screenshot of the Artificial Analysis page for GPT-6 Luna, captured in an English interface, showing the Intelligence, Performance and Price panels, a 1M-token context note, a speed figure, a 12.2-minute time per task and the model's measured intelligence score of 28.

每個模型分別適合什麼情況

三種工作負載,三種不同答案,而第三種正是大多數團隊實際所處的情況。

大批量、規格明確、可檢查的工作。語料庫分類、文件集抽取、摘要,以及流程中支援分診這一環。Luna 每項任務 $0.15,對比 Qwen4-Max 的 $3.27,等於為從來不需要 43 的工作省下 95% 成本。Luna 預設提供的 18 高於其價格帶的中位數,而且輸出可檢查,這就是全部理由。這不是難分高下的取捨。

長程、無人值守、出錯代價高昂。多小時的代理執行、倉庫規模的重構、橫跨數十次工具呼叫的研究。十五個指數點,就是一個能守住計畫的模型與一個會把計畫弄丟的模型之間的差別;而當一項任務要價 $3.27,對比一次重做就耗掉一小時工程師時間的執行,價格並不是限制。Qwen4-Max 也是兩者中唯一接受影片輸入的,而對越來越多的代理式工作來說——螢幕截圖、螢幕錄影、UI 軌跡——這正是工作量能否存在的差別。

對延遲敏感,情況介於兩者之間。 這是兩張卡都無法回答的情況。Luna 在最大投入下以每秒 103 個 token 解碼,預設模式下為 93;Qwen4-Max 則為 59。Luna 在最大模式下 12.2 分鐘完成索引任務,預設模式下 3.5 分鐘;Qwen4-Max 則需 29.8 分鐘。若有人在等待,每秒 59 個 token 就是決定產品是否感覺有活力的數字,而任何單一任務的節省都無法彌補介面卡頓。若沒有人在等待,29.8 分鐘則是可以據以安排行程的實際耗時。

對大多數團隊而言,正確的架構不是這兩者之一,而是兩者兼顧——原因在於決策邊界是請求層級的屬性,而不是合約層級的屬性。一條在 Luna 上進行分類、並在分類器不確定時升級到前沿模型的管線,能在容易的 90% 上取得 95% 的節省,並在其餘部分拿到那十五個百分點。這正是路由 DSL 的用途,也是這項比較中唯一不需要在兩者之間選出輸家的配置。

你能真正預測的帳單

二十二倍的任務成本,換來十五個指數點。把兩者相除,Qwen4-Max 每指數點的成本是 $0.076,而 Luna 是 $0.0054——每點貴十四倍;這個數字讓 Luna 看起來是明顯值得買的選擇,卻也是最沒用的數字,因為沒有人會消耗指數點。

人們所消耗的是一份工作負載,而工作負載有三個特性會決定這件事:上下文會用到多少 token、是否有人在等待,以及抓出錯誤答案的成本是否低廉。Luna 在前兩項完全勝出,卻在第三項輸得很慘,慘到比較結果整個反轉。Qwen4-Max 贏下第三項,並為此收取只有在替代方案是重跑時才說得通的費率。

經得起這一切的預測是:如果你是在這兩者之間依價格做選擇,你已經選錯了,因為 22× 不是你在管線中每一次請求都該支付的溢價——它是你只在少數真正需要它的請求上支付的溢價。把那一小部分分流出去。其餘的只是你可以花在別處的捨入誤差。

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