
Qwen4-Max 對比 Step-5 Preview:十四個指數點,每點半美分
- 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
把每個模型每項任務的成本除以它的得分,這個比較的兩邊結果差距在 6% 以內。Qwen4-Max由阿里巴巴於今天(2026 年 11 月 16 日)發布,在 Artificial Analysis Intelligence Index v5.0.1 上得分 43,實測每項指數任務成本為 3.27 美元——約每指數分 7.6 美分。Step-5 Preview是 StepFun 的 6000 億參數稀疏混合專家模型,於 2026 年 9 月 20 日發布,在同一指數上得分 29,每項任務成本 2.35 美元——約每分 8.1 美分。其中一個模型在兩者唯一共同受測的尺規上聰明 48%。另一個則在計價的兩端都更便宜,輸入端便宜三分之一,輸出端便宜 40%。而按每單位實測能力計算,兩者相差在 7% 以內,全新的旗艦模型略勝一籌。
那不是兩家廠商任何一方在推銷的比較,而這正是真正決定是否遷移的那個比較。它還伴隨著一個沒有任何發布文章提到的非對稱性:這兩個模型中,有一個具有獨立測得的輸出速度,另一個則完全還沒有測得速度,因為它才剛問世幾個小時。接下來會區分哪些是文件所載、哪些是實測,算清楚快取算術——它會把價格差距從 33% 變成完全不同的另一回事——最後落在答案毫無懸念的兩個軸線上:權重與輸出上限。
截至今日,每一個分別是什麼
Qwen4-Max 是 Alibaba 的第四代旗艦模型,建構於 2.4 兆參數的骨幹之上,每個 token 啟用 710 億參數,外加 3,280 億 N-gram 嵌入參數。它接受文字、圖像與影片,並回傳文字。文件所載的上下文視窗為 1,000,000 個 token,非思考模式的輸入上限為 991,808 個 token,思考模式則為 983,616 個 token——差額即為推理預留空間。關閉思考時,最大輸出為 131,072 個 token;開啟思考時,推理與答案共用 262,144 個 token 的預算。思考預設為開啟,預算為 131,072 個 token,預設推理強度為 high,可選 low、high 與 xhigh。上述數字出自 Alibaba 自家文件,而 Qwen4-Max 不公開權重,任何地區皆不支援微調,任何地區也皆不支援模型部署。
Step-5 Preview 是 StepFun 專為代理式工作打造的旗艦模型:總參數量 6000 億、活躍參數 270 億、100 萬 token 的上下文視窗,並支援文字、圖像與影片輸入、文字輸出。推理強度可選擇低、中、高三檔。文件記載的最大輸出為 64,000 個 token,而 max_tokens 預設不設上限,由模型自行決定長度。它支援串流輸出、工具呼叫、JSON Schema 輸出與提示快取,且 API 與 OpenAI 相容。
推出三個月後,名稱中的「Preview」已不再符合其原意。StepFun 至今仍在其模型總覽中將其列為 Preview,而 BF16 與 FP8 檢查點自 10 月 15 日起,便已依 StepFun Model License 1.0 發布於 Hugging Face。請把這個標籤視為命名習慣,而不是端點會在你使用時變動的警告——但也不要把它解讀為 GA 承諾,因為廠商並未做出這樣的承諾。
價差是三分之一;改變它的是快取算術。
以定價而言,這兩者很容易總結:Step-5 Preview 在電錶兩側都更便宜,而且差距遠超過四捨五入的誤差。
• 輸入 — Qwen4-Max 在新加坡為每百萬個 token 1.50 美元,其他五個地區為 1.413 美元,而 Step-5 Preview 則為 1.00 美元
• 輸出 — Qwen4-Max $4.50,相較於 Step-5 Preview $2.70
• 快取讀取 — Qwen4-Max 每百萬 $0.075,享 95% 折扣,相較於 Step-5 Preview 的 $0.10,享 90% 折扣
• 快取寫入 — Qwen4-Max 每百萬 $1.875(五分鐘 TTL)及 $3.00(一小時),而 Step-5 Preview 則為零,因為 $1.00 的快取未命中輸入已包含寫入前綴
• 混合計價,依 Artificial Analysis 的 7:2:1 快取命中/輸入/輸出比例 — Qwen4-Max 每百萬 $0.80,相較於 Step-5 Preview $0.54
那條快取寫入的項目正是會被跳過的一項,而它正是在合適的工作負載上能逆轉排名的一項。取一份 300,000 token 的文件,分四輪審閱,每輪輸出 3,000 token,按新加坡費率計算,不啟用思考。在 Qwen4-Max 上,第一輪以 $0.5625 寫入前綴,並產生 $0.0135 的輸出;接下來三輪分別以 $0.0225 讀取該前綴,合計另有 $0.0405 的輸出。總計 $0.684。在 Step-5 Preview 上,第一輪的輸入費用為 $0.30,輸出費用為 $0.0081;接下來三輪每輪 $0.03,另有 $0.0243。總計 $0.422。在這項工作上,Step-5 Preview 便宜 38%。
將它縮減為單次執行,差距反而擴大而非縮小——$0.576 對上 $0.308,Step-5 Preview 便宜 46%——但原因改變了。單次執行時沒有可攤銷的讀取,因此你是在為一個永遠不會重用的前綴支付 Qwen4-Max 的快取寫入溢價。實用規則是:Qwen4-Max 的快取會回報被讀取多次的前綴,並懲罰只被讀取一次的前綴。Step-5 Preview 固定的 $0.10 快取讀取價,以及已包含寫入的未命中價格,對於無法預測命中率的工作負載而言是更友善的結構。

十四點,以及一個方向相反的證據缺口
兩個模型都已納入 Intelligence Index v5.0.1 進行評測,該指數涵蓋九項評測:AA-Briefcase v1.1、AutomationBench-AA、Terminal-Bench 4.0、FrontierCode-AA 2.0、AA-Omniscience v1.1、GDP.pdf、HLE-Diamond、CritPt v2 以及 Terminal-Bench-Science 0.1。兩個模型的頁面都未分別公布各推理強度設定下的分數,因此這些數字是在 Artificial Analysis 所採用的設定下所得到的單一數值。
• 指數 — Qwen4-Max 為 43,在其類別 81 個中排名第 38;相較之下,Step-5 Preview 為 29,在大型開放權重模型 29 個中排名第 10。各類別的中位數不同(41 和 23),因此即使分數可以相比,這些排名彼此仍不可相比
• 每項索引任務的成本 — $3.27 對比 $2.35
• 每個指數點的成本——7.6 美分對比 8.1 美分,因此就每項任務而言較貴的模型,在每單位能力上反而較便宜
• 輸出速度 — Step-5 Preview 每秒 124 個 token,相較之下 Qwen4-Max 未公布數據。Artificial Analysis 將其每項任務耗時列為未知,而其供應商頁面完全沒有回報任何供應商基準測試。
• 產生首個回答 token 的時間 — Step-5 Preview 為 23.53 秒,而 Qwen4-Max 則未公布任何數據
• 每個索引任務的時間 — Step-5 Preview 為 15.2 分鐘,而同類別的中位數為 13.3 分鐘;Qwen4-Max 則沒有數據
• 冗長程度 — Qwen4-Max 在整個索引中共產生 1.27 億個輸出 token,而中位數為 7,860 萬;相較之下,Step-5 Preview 為 1.29 億,中位數為 1.04 億。兩者都偏冗長;Qwen4-Max 相對於更精簡的同類群體而言顯得冗長。
23.53 秒的首個 token,是任何規劃以互動方式部署 Step-5 Preview 的人都該擔心的數字。這不是網路造成的假象:這是個 6000 億參數、預設開啟思考的模型,在你開始得到答案之前要你先付出的代價。Qwen4-Max 的推理預設值——思考開啟、131,072 個 token 的預算、effort 設為 high——指向同一個方向,而在有人實際測量之前,沒有誠實的方法能說哪一個比較慢。這就是發布日購買的實際代價:你拿到分數和價目表,卻拿不到延遲數字。
阿里巴巴自家的評估資料是另一回事,應視為廠商自行報告且未經重現。在 Work360 這項涵蓋 26 個頂層產業領域的內部基準測試中,廠商報告 Qwen4-Max 為 52.69,Qwen3.8-Max 為 47.74。它還報告 Work360 每項任務的平均成本從 4.43 美元降至 1.67 美元,降幅 62%;在該基準測試中,xhigh effort 下的 token 用量下降約 24%,high effort 下下降 35%;在 Terminal-Bench 4.0 上則分別下降 48% 和 49%。這些都是關於 Qwen4-Max 相較於前代的說法。它們完全沒有提及 Step-5 Preview,且其中沒有一項經過獨立查核。

權重:這次差距很大
Step-5 Preview 今日開放下載。Hugging Face 儲存庫提供 BF16 與 FP8 safetensors,採用 StepFun Model License 1.0——這是一種 Apache-2.0 風格的授權,附有署名要求與商業使用條件——以及聊天範本、三種量化變體與部署方案:在 vLLM 下於四張 B300 或八張 H200 上運行 FP8,在 SGLang 下於相同硬體上運行 FP8,以及在八張 B300 或十六張 H200 上運行 BF16。過去一個月約有 1,600 次下載。
Qwen4-Max 沒有 checkpoint,也沒有取得 checkpoint 的途徑。Alibaba 的文件在每個區域都將微調標示為不支援,且在每個區域都將模型部署標示為不支援;這比「權重尚未釋出」是更強烈的表述——它表示供應商根本不會讓你透過其平台自行執行這個模型。如果你的需求是能夠量化、微調、氣隙部署或固定到特定建置版本的模型,那麼比較到此為止,而且結果對 StepFun 有利。
這也改變了「開放」能帶給你什麼。Step-5 Preview 的授權允許在附帶條件下進行商業使用,因此法律審查是採用成本的一部分;而部署方案假設使用的是四到十六顆 GPU 的節點——這不是那種能在工作站上跑的模型。但它的行為不會因為供應商悄悄更新,就在你腳下被改變;對任何打造受監管或長壽命系統的人來說,這比十四個指數點更有價值。
輸出上限,以及一個值得留意的說明文件衝突
這是最不引人注目的差異,卻也是最可能對特定工作負載造成問題的一點。Qwen4-Max 在關閉思考時提供 131,072 個 token 的輸出,在開啟思考時則提供共用的 262,144 個 token 預算。Step-5 Preview 的 API 文件指出,最大輸出為 64,000 個 token。其 Hugging Face 模型卡則表示,輸出可達完整的 100 萬個 token,且輸入與輸出都計入同一上限。
那兩項陳述來自同一家廠商,彼此相隔不到一個月,而且兩者都未標示為已棄用。如果你正在規劃一項長輸出的任務——一份完整報告、一個大型修補程式、一份生成的檔案——請閱讀 API 文件,而不是那張卡片,並在以此為基礎進行架構設計之前先測試上限。64,000 這個數字與每個索引任務 15.2 分鐘的時間相符;1M 這個數字則意味著相當不同的事。
還有一個值得指出的不對稱之處:兩款模型都接受影片輸入,但只有 StepFun 公布了操作細節。每次請求最多 60 張影像,細節程度可為低或高;影片可以 URL、Base64 或 stepfile:// 參照的形式提供,MP4 須低於 128 MB,並建議片段長度短於五分鐘。阿里巴巴為 Qwen4-Max 記錄了影片輸入,卻未在模型頁面上公布可相比擬的限制。如果影片對你的工作負載而言是核心而非附帶,那麼這種文件品質差異本身即是一項訊號,顯示哪個供應商先前曾被問過這個問題。
這週該由誰來挑哪一個?
如果上限比帳單更重要,就選 Qwen4-Max:硬推理、長程代理式工作,或任何在九項評估指標上 43 對 29 足以決定任務能否完成的情況。但得接受兩個風險作為交換。第一,你是在第一天就買單,既沒有獨立延遲數據,也沒有第三方重現廠商的 Work360 主張。第二是快取寫入溢價,它對單遍長上下文工作每寫入百萬個 token 悄悄課徵 1.875 美元。
如果你需要擁有該模型、需要實測每秒 124 個 token,以及可據此規劃的 23.53 秒首個 token 延遲,或你的工作負載快取密集到無法預測,就選擇 Step-5 Preview。要接受你買的是 29 個指數點、首個 token 來得慢,以及供應商以兩種不同方式記載輸出上限。
第三個選項對本週大多數團隊來說才是誠實的選擇:兩者皆不選,別無其他。這兩個模型在每單位實測能力上的差距為 6%,遠落在單一指標版本的誤差範圍內,而且兩者都只由同一套評測工具評估過一次。若團隊憑藉發布當天的分數就押注其中一個模型,等於是在對一個尚未被重現的數字表態。
在沒有第二份合約的情況下同時執行兩者
目前 OrcaRouter 目錄中這兩個模型都不存在——215 個模型識別碼,今天早上查過,其中沒有 Qwen4 項目,也沒有 StepFun 的文字模型。兩者都可透過各自供應商的 API 存取:Qwen4-Max 可透過 Alibaba 的六個區域,Step-5 Preview 則可透過 StepFun 位於 api.stepfun.ai/v1 的 OpenAI 相容端點。若說不是這樣,就會是那種不到一週便會站不住腳的說法。
我們路由的對象,正是 Qwen4-Max 所取代的模型。 Qwen3.8-Max 已收錄在我們的目錄中,識別碼為 qwen/qwen3.8-max,採用阿里巴巴自家的定價,每百萬個 token 輸入 $2.00、輸出 $6.00,不加價原樣轉出,並與另外 214 個識別碼並列於同一個 OpenAI 相容的基礎 URL 上。在這次比較中,這點之所以重要,正好只有一個原因:把正式生產路徑押在剛發佈的模型上,是最糟糕的選擇;而穩健的做法,是在路由中保留已驗證的世代,同時用你自己的流量來衡量新模型。路由 DSL 把這件事表達為策略,而非程式碼變更——把困難、推理密集的呼叫送到新模型,把高流量工作留在更便宜且已驗證的模型上,並讓 自動容錯移轉接住全新端點在你未能預測的負載下效能劣化的情況。
直通式定價也意味著本文中的計算始終誠實。當 Alibaba 降價——就像今天所做的那樣,將 Qwen4-Max 從 Qwen3.8-Max 的 $2.00 與 $6.00 調降至 $1.50 與 $4.50——一份直接反映供應商牌價的價目表,會在同一天反映此變動,而不是等到下一次合約續約。這並不是主張我們勝過任一供應商自家的 API。這是在主張:不要簽下任何會鎖定你尚未見過維持一個月的價格的協議。

讀者兩週後真正想看的比較,不是這則標題裡的那個。而是 Qwen4-Max 的延遲與 Step-5 Preview 的穩定版發布,兩者都由非廠商的一方、針對人們實際運行的工作負載來測量。在那之前,站得住腳的立場既狹窄又不光鮮:48% 的能力差距、33% 的價格差距、每單位能力 6% 的差距,以及一連串決定——權重、輸出上限、快取結構——這些都不是任何指數分數能捕捉的,且會比這個發布週更長壽。
