一張生成的標題卡寫著「Qwen 4 vs Claude Opus 5.5:十六個指數點,以及它們每個答案的成本」,副標題為「每完成一項任務,Opus 多提供 38% 的指數點,費用卻多 207%,而帳單主要來自輸入」。三列編號資料列分別寫著「指數分數 42.9 對 59.1,Artificial Analysis v5.0.1」、「每完成一項指數任務的成本 $3.27 對 $10.04」以及「快取讀取每百萬個 token $0.075 對 $0.20」。頁尾寫著「分數與每項任務成本依據 Artificial Analysis Intelligence Index v5.0.1;價格依據各供應商公布的價目表。」白底搭配藍與青色漸層點綴的扁平向量風格,OrcaRouter 標誌合成於右下角。
Guides & Insights

Qwen 4 對決 Claude Opus 5.5:十六個指數點,以及每則回答的代價

作者

Gideon Frost

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

Qwen4-Max 在 Artificial Analysis Intelligence Index 上拿下 42.9 分,而Claude Opus 5.5 則拿下 59.1 分——兩者相差 16.2 分,且是在同一套測試、同一個版本(v5.0.1)上測得,時間相隔不到兩個月。在同一個榜單上,Qwen4-Max 完成一項索引任務要價 $3.27,Claude Opus 5.5 則要 $10.04。所以比例很乾淨:Opus 多交付 38% 的索引分數,代價是每項任務多付 207% 的錢。這究竟是划算還是浪費,完全取決於你的工作負載買的是分數還是答案,而這兩者並不是同一種購買。本文為兩者都標上價格。

這兩張卡片,逐一維度來看

Alibaba 於 2026 年 11 月 16 日將 Qwen4-Max 正式全面推出,按用量計費,涵蓋六個地區;Anthropic 則自 2026 年 9 月 22 日起就已開賣 Claude Opus 5.5。以下所有內容不是廠商定價,就是標示為 Artificial Analysis 的讀值——這兩者絕不會混在同一個數字裡。

• 每百萬個 token 的價格 — Qwen4-Max 在新加坡為輸入 $1.50 / 輸出 $4.50(全球範圍地區為 $1.413 / $4.24);Claude Opus 5.5 為輸入 $4.00 / 輸出 $20.00。兩者皆為廠商定價。

• 快取輸入——Qwen4-Max 的快取讀取每百萬為 $0.075,相較於 Claude Opus 5.5 的 $0.20。Qwen 也公布快取寫入費率:五分鐘項目為 $1.875,一小時為 $3.00。

• 上下文視窗 — 兩者皆公布為 1,000,000 個 token。Artificial Analysis 追蹤器將 Qwen4-Max 列為 983,616,這是思考模式的輸入上限,而非矛盾:阿里巴巴在不啟用思考時將輸入上限設為 991,808,啟用時設為 983,616,因為推理與答案共用同一個 262,144 token 的輸出預算。

• 最大輸出 — Qwen4-Max 在非思考模式下可達 131,072 個 token;若開啟思考模式,則可在推理與回答之間分配 262,144 個 token。Claude Opus 5.5 並未公布對應的分配方式。

• 指數分數——Qwen4-Max 在高強度推理下為 42.9;Claude Opus 5.5 在最高強度推理下為 59.1。Artificial Analysis,v5.0.1。

• 每項索引任務成本 — 3.27 美元對比 10.04 美元。Artificial Analysis,相同修訂版。

• 權重——兩者皆非開放。Qwen4-Max 被列為專有模型,且唯一託管商為 Alibaba Cloud;Claude Opus 5.5 亦為專有模型,透過 Anthropic 的 API、Amazon Bedrock、Google Cloud 與 Microsoft Azure 發佈。

• 輸入模態 — 兩者皆接受文字與圖像並回傳文字。就追蹤器的能力旗標而言,兩者皆不接受影片。

A generated two-column scoreboard titled 'Qwen4-Max vs Claude Opus 5.5 - the scoreboard'. The Qwen4-Max column reads index score 42.9, cost per index task $3.27, cents per index point 7.6, input per million $1.50, output per million $4.50, hallucination rate 28.4%. The Claude Opus 5.5 column reads index score 59.1, cost per index task $10.04, cents per index point 17.0, input per million $4.00, output per million $20.00, hallucination rate 50.3%. A footer reads 'Scores and per-task cost per Artificial Analysis Intelligence Index v5.0.1; prices per each vendor's published rate card.' The OrcaRouter mark is composited bottom right.

十六點究竟實際存在於何處

單一索引數字所隱藏的多於所揭示的,而這兩個模型就是很好的例子。兩個模型表現接近的測試套件,並不是人們爭論不休的那些測試套件。

• Terminal-Bench 4.0 — Claude Opus 5.5 59.6%,Qwen4-Max 48.5%。差距十一分,而這是最直接對應到「它能不能操作 shell」的一項。

• FrontierCode 2.0 — 46.4% 對 26.5%。這是整組中差距最大的一項,也是商業後果最明確的一項,因為它屬於儲存庫規模的程式碼工作,而非單一函式生成。

• HLE Diamond — 67.9% 對 44.9%。艱深科學問題,差距 23 個百分點。

• CritPt Agentic Hard — 68.0% 對 43.0%。在物理等級推理上相差 25 個百分點。

• GDPval — 1,866.27 對 1,808.69。在任務價值基準上相差 3.1%。在具經濟基礎的專業工作上,這兩個模型彼此接近;在艱深技術工作上則不然。

• 全知性 — Claude Opus 5.5 為 48.1,對上 Qwen4-Max 的 27.7,聽起來又像是一場一面倒的碾壓,直到你看到下一節的幻覺欄。

• 能力分項比較——Anthropic 的模型在該追蹤器公布的六項子分數中全面領先,其中金融與會計領域的差距最小(59.4 對 54.1),工程領域的差距最大(65.3 對 50.1)。

實務解讀:若你的工作屬於摘要、擷取或基於來源的文件分析,16 個百分點的頭條說法會誇大差異;若屬於代理式程式設計,則會低估差異。

A headless-browser screenshot of the Artificial Analysis page for Claude Opus 5.5, captured 17 November 2026 in English, showing Anthropic's mark, the label Proprietary model, Released September 2026, Intelligence #5 of 81, Performance #65 of 79, Cost #75 of 80, the price block reading In $4.00 and Out $20.00, a $10.04 per-task figure, an index reading of 59, and the summary paragraph describing the model as leading in intelligence but expensive for its price band and notably slow per task.

兩個模型都會捏造內容。其中一個明顯較少這麼做。

Artificial Analysis 會在準確率分數旁報告全知幻覺率,而這是 Qwen4-Max 完全勝出的唯一一欄:在其不正確或無法驗證的答案中,有 28.4% 是幻覺,而 Claude Opus 5.5 則為 50.3%。換句話說,Opus 正確的頻率高得多,但當它出錯時,它自信地答錯而非僅僅沉默的機率是兩倍以上。

這對任何需要人工審核步驟的流程都很重要。一個在出錯時有 50% 機率說「我不知道」的模型,代價是你要再多問一次;一個在出錯時有 50% 機率憑空編造的模型,代價則是你必須對每一份輸出都做一次事實查核,而這是截然不同、且龐大得多的成本項目。

帳單是輸入,不是輸出。

兩款模型都以宣傳上的輸出費率作為賣點,但兩者的輸出費率都不是成本主要來源。拆解 Artificial Analysis 自家的逐任務成本數據:在 Qwen4-Max 上,$3.27 中有 $2.80 用於輸入 token,$0.47 用於輸出。在 Claude Opus 5.5 上,$10.04 中有 $6.57 用於輸入,$3.47 用於輸出。兩者分別佔 86% 與 65%;而且在兩種情況下,輸入項的大部分都是快取流量——Qwen4-Max 的輸入成本中有 $1.12 是快取讀取、$1.67 是快取寫入;Opus 的對應數字則是 $4.74 與 $1.80。

這就是為什麼這兩個模型之間的每 token 比較,是頁面上最沒用的數字。Qwen4-Max 的輸出費率比 Opus 便宜 4.4 倍,但它的每次回答成本優勢卻只有 3.1 倍,因為它把更大比例的預算花在必須讀取的上下文上,也花在必須寫入的上下文上——而在五分鐘快取寫入上,後者的價格是每百萬 1.875 美元。

一個四十輪的 agent,被定價兩次

設想一個程式編寫代理,每回合增加 8,000 個 token 的工具輸出,執行四十回合,且每回合產生 1,500 個 token 的答案。不使用快取,採用牌價:

• Qwen4-Max — 累計輸入 token 656 萬個,每百萬 token $1.50,加上 60,000 個輸出 token,每百萬 token $4.50:$9.84 + $0.27 = $10.11。

Claude Opus 5.5 — 656 萬輸入量,以每百萬 $4.00 計,加上 6 萬輸出量,以每百萬 $20.00 計:$26.24 + $1.20 = $27.44。

現在,同樣的執行在累積前綴上達到 90% 的快取命中率,而這正是建構良好的代理迴圈實際上能達到的:

• Qwen4-Max — 5.904M 快取,按 $0.075 計($0.44)+ 656K 新增,按 $1.50 計($0.98)+ $0.27 輸出 = $1.69。

• Claude Opus 5.5 — 5.904M 快取,$0.20($1.18)+ 656K 全新,$4.00($2.62)+ $1.20 輸出 = $5.01。

由此可以得出兩個結論。快取讓兩份帳單都減少超過 80%,因此沒有啟用提示快取的代理,等於付了它所需費用的五到六倍。而兩者的倍數差距幾乎不變——未快取時為 2.7 倍,快取後為 3.0 倍——因為 Qwen4-Max 的優勢集中在快取寫入費率上,而快取情境會預先消耗這部分的用量。以上是依據公開費率所做的牌價推算,並非實測帳單;你的回合數、前綴成長幅度與快取命中率,都會大幅改變絕對數字。

這也是路由層真正發揮價值、而不只是圖個方便的地方。我們以 0% 加價原樣傳遞供應商牌價,因此上方的差距是供應商的差距,不是我們的——而如果 Anthropic 更改 Opus 的定價卡,該變更當天就會在同一把金鑰上生效。兩個模型都可透過同一個端點呼叫,並具備自動容錯移轉,這在這裡特別重要,因為兩者的發布日期相差兩個月:Qwen4-Max 專屬的迴歸問題會以請求失敗的形式出現,而不是一週後才注意到的糟糕答案。

「與蒸餾斷絕」實際上是在主張什麼

圍繞這場對決流傳的說法是:Qwen4-Max 在廠商基準測試上看起來具競爭力,卻在獨立指數上崩盤;而阿里巴巴被切斷蒸餾管道,則解釋了這次跌落。這個說法其實是兩個主張披著同一件外衣,且只有第一個是可衡量的。

第一點是真的,且並不神祕。阿里巴巴的發布資料顯示,Work360 為 52.69,上一代為 47.74;同一基準上的 token 減少 24% 與 35%;在 Terminal-Bench 4.0 上為 48% 與 49%;每項任務成本從 4.43 美元降至 1.67 美元。這些全都是廠商自行報告且未經重現。相較於一個包含 FrontierCode 2.0 與 CritPt Agentic Hard 的九套件獨立指數——阿里巴巴並未公布這些套件的數字——該模型落在 42.9。廠商基準套件與衡量不同事物的獨立套件會出現分歧;這是正常情況,不能證明什麼。

第二項說法(關於蒸餾)並非買家能夠驗證或據以行動的事,也不是你能呼叫的模型屬性。真正可驗證且有用的是這種能力缺口的形狀:集中在儲存庫規模的程式碼與硬科學,而在專業任務價值上偏薄。這是一項關於該把模型部署到哪裡的陳述,而且無論事後證明它的訓練方式為何,這項陳述都成立。

A headless-browser screenshot of the OrcaRouter model page for Claude Opus 5.5, captured 17 November 2026 in English, showing the identifier anthropic/claude-opus-5.5, the FLAGSHIP badge, by Anthropic dated 2026-09-22, a context window of 1M tokens, max output 128K, input listed as text, image and file, and output as text.

取得任一個

Claude Opus 5.5 已在我們的目錄中,型號為 anthropic/claude-opus-5.5 ,採用 Anthropic 的定價,每百萬 token 輸入 $4.00、輸出 $20.00。Qwen4-Max 則不在我們的目錄中——目前以 qwen4 這個識別碼查詢會回傳找不到——要使用它,得透過阿里巴巴自家的 Model Studio API 以及數個第三方平台。我們不會假裝不是如此,而我們這邊最誠實的替代方案是 qwen/qwen3.8-max,也就是前一代旗艦,價格為 $2.00 與 $6.00。

所以,這條決策規則比計分板所暗示的範圍更窄。如果你的工作負載是儲存庫規模的程式撰寫、艱難的技術推理,或任何錯誤答案代價高昂、慢答案卻無妨的情況,那麼這 16 分就是真實存在的,而每項任務 $10.04 就是換取它們的代價。如果你的工作負載是大量有根據的文件工作,而 GDPval 指出這兩個模型相差在 3% 以內,那麼你付的是 Opus 的費率,換來的差異卻不會出現在你的評估集裡——而 $3.27 的 Qwen4-Max 是更划算的選擇,還附帶較低的幻覺率作為額外好處。在你做決定之前該計算的數字,不是指數差距,而是你的輸入有多大比例被快取。

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