
Qwen4-Max 對決 LongCat 2.5:兩款尚無人評測的旗艦,價格相差十二倍
- 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 · 96 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 · 152 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
這是一個具有不尋常特性的比較:雙方都沒有數字。Qwen4-Max 自 2026 年 11 月 16 日起由 Alibaba 全面提供,公布了價目表、上下文視窗與功能清單,卻沒有任何形式的基準測試。Meituan 於 2026 年 11 月 2 日發布的 LongCat 2.5,附有 31 列的廠商評估表,卻仍沒有獨立評分——Artificial Analysis 排行榜上沒有 LongCat 2.5 的條目,只有其前代 LongCat 2.0,而後者也未帶有任何指數值。所以當你把 Qwen4-Max 和 LongCat 2.5 並列比較時,真正區分它們的不是能力,而是輸出 token 的 $1.20 對上 $4.50,以及當廠商自製表格是唯一存在的表格時,你是否相信它。
這使得本頁成為一種不同於常見正面交鋒的比較。它不是在問哪個模型更好,因為除了這兩家實驗室之外,沒有人能回答這一點。它問的是:哪一個是你負擔得起去弄清楚的,以及每家供應商的文件承諾了什麼、又沒有承諾什麼。

美團在11月2日究竟推出了什麼
LongCat 2.5 是一個 1.6 兆參數的稀疏混合專家模型,每個 token 約啟用 480 億個參數,這使其成為與 LongCat 2.0 相同架構的迭代版本,而非全新設計。它的原生多模態能力具有特定且不尋常的意義:視覺訊號會透過對來自語意對齊編碼器的特徵進行殘差向量量化,編碼成多層級離散 token,因此圖像與文字是以單一 token 詞彙表進入主幹,而非透過外掛式轉接器。廠商所述的應用情境也由此而來——從螢幕截圖建立頁面、依描述生成 3D 場景、製作海報。
服務契約很具體。上下文為輸入 1,048,576 個 token、輸出 131,072 個 token。api.longcat.chat 上有兩個端點:一個是相容於 OpenAI 的 /openai/v1/chat/completions,另一個是相容於 Anthropic 的 /anthropic/v1/messages。Claude Code、Codex、Hermes、OpenCode 與 Kilo Code 被列為支援的 harness,各有一份第一方指南。權重並未釋出;部落格的 GitHub 與 Hugging Face 按鈕都顯示「Coming soon」,且未註明日期。LongCat 2.0 以 MIT 授權釋出,因此 2.5 的授權問題確實仍懸而未決,而非能依先例得出答案。

相較之下,阿里巴巴的 Qwen4-Max 則以另一種方式封閉:其文件直接將微調與模型部署標示為不支援,這比「即將推出」是更明確的表態。輸入支援文字、圖像與影片;輸出為文字;上下文視窗達 1,000,000 個 token;非思考模式下可輸出 131,072 個 token;預設開啟思考,預算為 131,072 個 token。共有六個區域——新加坡、北京、香港、法蘭克福、維吉尼亞與東京——而 LongCat 僅有單一第一方平台。
價差,以及它換來了什麼
• 輸入 — Qwen4-Max 在新加坡每 100 萬為 $1.50,其他地區為 $1.413,對比 LongCat 2.5 的 $0.30
• 輸出 — Qwen4-Max 在新加坡為 $4.50,其他地區為 $4.24,相較於 LongCat 2.5 的 $1.20
• 快取輸入 — Qwen4-Max 經過 $1.875 的五分鐘寫入後,讀取為 $0.075,相較於 LongCat 2.5 的讀取為 $0.006
• 上下文 — Qwen4-Max 的 1,000,000 個 token,對比 LongCat 2.5 的 1,048,576 個 token
• 最大輸出 — Qwen4-Max 非思考模式為 131,072 個 token,與思考模式共用 262,144 個 token;相較之下,LongCat 2.5 為 131,072 個 token
• 模態 — Qwen4-Max 支援文字、圖像與影片輸入,對比 LongCat 2.5 支援文字與圖像輸入,並具備原生視覺符元化
• 權重 — 兩者皆未發布任何權重,但 LongCat 2.5 表示「即將推出」,而 Qwen4-Max 則表示不支援
• 區域 — Qwen4-Max 六個,對比 LongCat 2.5 的單一平台
• 獨立分數 — 兩者皆無
在輸出 token 方面,新加坡的差距是十二倍;在輸入方面則是 3.5 倍。以真實管線來算一算:每月一百萬次呼叫、每次 2,000 個輸入 token 與 500 個輸出 token,在 Qwen4-Max Singapore 上要價 $5,250,在 LongCat 2.5 上則是 $1,200。量放大十倍後,差距是每月 $52,500 對上 $12,000,這是一筆人力成本,不是四捨五入的誤差。

就公開紀錄來看,多付的錢買到的並不是能力。它買到的是區域部署——對負有資料駐留義務的歐洲或美國公司而言,法蘭克福、維吉尼亞和東京至關重要,而 Meituan 的單一平台並不提供這些區域。它買到的是 LongCat 並未提供文件說明的影片輸入路徑。它還買到營運上的確定性:這是一家多年來向企業銷售前沿模型的供應商;相較之下,另一個平台自己的定價頁面稱其價格數字為限時優惠,最後還寫著「價格可能有所變動」。
最後一點值得重視。LongCat 的費率表告訴你,它不是自身數字的權威來源。今早發布的 Qwen4-Max 費率表則沒有這麼說。
當廠商資料表是唯一的資料表時讀取該表
美團的發布頁面列出了 31 列評測資料,而這些資料第一個值得注意的地方在於比較對象:GPT-5.5、GPT-5.6 Sol、Claude-Opus-4.8 和 Claude-Opus-5。OpenAI 自 9 月 29 日起全面開放的 GPT-6.1 Sol 並未出現在表中,Claude Code 中 opus 別名所指向的模型 Claude Opus 5.5 也不在其中。這些對手是經過挑選的。
第二件有趣的事,是公告所採用的總結句:LongCat 2.5 的分數「介於 Claude-Opus-4.8 和 Claude-Opus-5 之間」。但在同一張表裡最新的測試框架上,它比 Opus 5 低 15 分。這兩種說法都出自同一頁。這並不是在貶低該模型——一個在中國國產加速器上端到端訓練、並以 $1.20 輸出價格提供服務的 1.6T 稀疏模型,確實是真正的成就——但這也讓人們有理由把這張表解讀為精心挑選的子集,而不是計分卡。
Qwen4-Max 的問題正好相反:完全沒有表格。Alibaba 的文件以異常精確的方式說明機制——在 thinking 模式下預設 temperature 為 1.0、非 thinking 模式下為 0.7,top-p 為 0.95 與 0.8,top-k 為 20,thinking 預算為 131,072 個 token,非 thinking 模式與 thinking 模式的輸入上限分別為 991,808 個 token 與 983,616 個 token,並列出六個區域及其部署範圍——卻對品質隻字未提。Artificial Analysis 模型索引上沒有 Qwen4 條目,而各模型專屬 URL 會傳回 404。
所以,在一個你得打折扣看待的表格與完全沒有表格之間做選擇,比看起來更接近。這兩個模型都需要你在正式上線前自行評估。差別在於,Meituan 給你的是起始假設,而 Alibaba 給你的是規格。
真正決定這件事的工作量分配
三種模式,而每一種的答案都不同。
• 大量文本生成——LongCat 2.5 在成本計算上贏得如此決定性,以至於缺失的基準測試幾乎無關緊要。它便宜 3.5 到 12 倍,即使品質明顯落後,仍能在每項完成任務的成本上勝出。用你自己的提示詞跑一百次來驗證。
• 來自螢幕截圖及類螢幕截圖輸入的視覺工作——LongCat 的原生視覺 token 化是這個模型存在的理由,也是其發布內容中唯一屬於架構性而非宣傳性的主張。Qwen4-Max 也接受影片,因此若你的輸入是影片而非靜態影像,它是兩者中唯一會接受此請求的模型。
• 受監管或延遲敏感的部署——Qwen4-Max 的六個區域對比單一平台,這不是定價考量,而是資格考量。如果你的資料必須留在法蘭克福或維吉尼亞,十二倍的價差就無關緊要,因為較便宜的選項根本無法為你提供服務。
讓兩個選項都保持開放
OrcaRouter 目前並未路由 LongCat 2.5 或 Qwen4-Max;兩者皆可透過各自廠商自己的 API 存取,費率如上表。我們這邊這項比較應針對的模型,就是已經在同一把金鑰上的型錄中的那些——GLM-5.3 每百萬 $1.40 與 $4.40、Qwen3.8-Max $2.00 與 $6.00、Kimi K3.1 Pro $2.00 與 $10.00——因為將一個未評分模型與一個已定價且已實測的模型做三方測試,是找出新模型究竟是否值得其標價的最便宜方式。
路由層讓那項測試變得便宜。政策可以將即時流量的一份樣本同時送往 LongCat 2.5 與一個已知模型,並用你可信任的任何評審機制比較輸出,然後才決定是否轉移流量。自動容錯移轉比平常更重要,尤其面對這兩個如此新的模型:兩者都還沒有足夠長的紀錄來支撐單一供應商依賴,而當主要路徑健康時,備援鏈不會帶來任何成本。
誠實的裁決
如果你的工作涉及大量文字與圖像,LongCat 2.5 是此頁上更值得注意的模型,而其十二倍的輸出價格優勢,是兩家廠商之中唯一給你的確切數字。如果你的工作需要影片輸入、區域部署,或具備企業級實績的廠商,Qwen4-Max 才是能滿足需求的那一個,而價格就是滿足該需求所要付出的代價。
兩款模型都沒給你跳過評估的理由。兩款未評分的旗艦模型,相隔兩週發布,定價相差十倍,這正是你自己跑一個下午的流量,會比網路上每一張比較表都更有價值的情況——包括這一張。兩邊都同樣要留意一件事:要看模型卡,而不是變更日誌條目。參數、上下文、價格與 API 識別碼都出現在同一份文件裡,就是模型已完成的訊號。LongCat 2.5 的權重按鈕仍寫著「即將推出」,而 Qwen4-Max 的頁面上,原本該放基準測試表的位置仍是空白。
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
