SubQ Snap 1.1 與 Qwen 3.8：每 token 價格高出四十倍，任務截然不同

Qwen3.8-Max 的每輸入 token 成本大約是 SubQ Snap 1.1 的四十倍——每百萬個 token 約 $1.65，對比 $0.04——而這個比例是這場對決中最不有趣的事實。兩款模型的計費依據不同。Qwen3.8-Max 是 Alibaba 於 2026 年 8 月 3 日推出的 2.4 兆參數旗艦模型，對其思考與撰寫的內容收費。Snap 1.1 是 Subquadratic 於 2026 年 10 月 22 日發布的決策模型，僅對其讀取的內容收費，因為答案是一個標籤，而不是一個句子。把決策交給你可掌控的模型來執行，把生成交給值得這筆帳單的模型：Qwen3.8-Max 以供應商牌價提供，0% 加價，並支援自動容錯移轉。

把它們放進同一條管線，價格比就不再像是撿到便宜或吃了大虧，而開始像是一項設計決策。這兩個模型中，有一個應該包辦你系統裡的每一次路由呼叫，另一個則應該幾乎一次都不做——而 Qwen3.8-Max 是正確答案的情況，恰恰是決策模型完全無法處理的情況。

Qwen3.8-Max 究竟是什麼

阿里巴巴於 2026 年 7 月 19 日在上海 WAIC 預覽，並於 8 月 3 日推出。其架構是真正前沿規模的稀疏混合專家：總參數量達 2.4 兆，每個權杖約有 950 億活躍參數，上下文視窗為 100 萬權杖，最大輸出為 131K 個權杖。它原生支援多模態，可接受文字、圖像與影片，並支援思考模式、函式呼叫、內建工具與結構化輸出，涵蓋 OpenAI 相容、Anthropic 相容及 OpenAI Responses 等傳輸格式。

這一列基準測試成績屬於前沿模型級別，而非小型模型級別：GPQA Diamond 92.6、HLE 43.6、OSWorld 86.1、DeepSWE 1.1 為 56.6、MRCR v2 為 0.93，以及 Artificial Analysis 智慧指數 45。這類數字足以支撐每百萬輸入／輸出 token 1.65 美元／4.95 美元的定價——大約要花 4,950 美元，才能讓十億個輸入 token 通過它，或大致相當於 Snap 1.1 對 1,240 億個 token 的收費。

關於命名的說明，因為這對任何選購者都很重要：Qwen3.8-Max 是託管的旗艦模型。它以 Qwen3.8-2.4T-A95B 之名、依自訂授權釋出開放權重，另外還有一個真正開放的兄弟模型——Qwen3.8-27B，Apache 2.0 授權、262K 原生上下文、智慧指數 34，每百萬輸入 token 約 0.42 至 0.50 美元。多數團隊該拿 27B 來和小型模型比較；而當任務需要當今最大的模型時，你呼叫的就是 Max。

Snap 1.1 究竟是什麼

Snap 1.1 是一個決策模型，而這項主張比聽起來更狹窄。它最多可接受 384K 個詞元的文字與圖像，以及每題 2 到 255 個選項的答案集，並回傳一個附有校準機率的選擇。不產生散文。沒有需要修復的 JSON。沒有思考詞元。Subquadratic 的論點是，固定答案的決策與生成是截然不同的運算工作，而其稀疏注意力架構以每個詞元固定的運算量處理輸入，而不是對長文件付出二次注意力成本。

最受關注的結果，是在 Artificial Analysis Decision Index v1.0 上獲得 65 分，與 d1-ultra 和 Elephant 9B 並列第一，並領先得分 57 的 Jev 1.14。真正該記住的是它下面的那個數字：準確率為 20%，而 d1-ultra 為 32%、Elephant 9B 為 12%，其指數分數是靠據報在無法回答的問題上有 86% 的棄答率撐起來的。Snap 1.1 是一個被訓練來拒答的模型，而它的排名衡量的是它有多擅長拒答。

規格，並排對照

• 規模 — Qwen3.8-Max 是 2.4T 參數的 MoE，約有 95B 活躍參數；SubQ Snap 1.1 則是規模未公開的稀疏注意力決策模型。

• 上下文 — Qwen3.8-Max 支援 100 萬個 token，最大輸出 131K；Snap 1.1 支援 384K 個 token，不產生輸出。

• 輸入 — Qwen3.8-Max 支援文字、圖像與影片；Snap 1.1 支援文字與圖像。

• 輸出 — 適用於 Qwen3.8-Max 的自由形式文字、推理軌跡、工具呼叫與結構化輸出；以及適用於 Snap 1.1 的帶有機率的選擇或分數。

• 價格 — Qwen3.8-Max 每 1M 輸入約 $1.65 至 $2.00、每 1M 輸出 $4.95 至 $6.00，視供應商而定，其中 OrcaRouter 列出 $2.00 與 $6.00；Snap 1.1 每 1M 輸入 $0.04，輸出則不收費。

• 通用智慧 — Qwen3.8-Max 在 Artificial Analysis 智慧指數中為 45 分；Snap 1.1 則未在該指數上進行測量。

• 決策品質 — Snap 1.1 在 Artificial Analysis Decision Index v1.0 中獲得 65 分；Qwen3.8-Max 則未在該指數中進行測量。

• 部署方式——Qwen3.8-Max 提供託管 API 與依自訂授權釋出的開放權重；Snap 1.1 則僅提供託管 API，不釋出權重。

最後那兩列，正是這個比較老是被做得亂七八糟的原因。每個模型所依據的指標，都是另一個模型從未受測過的，因此任何聲稱其中一個「勝過」另一個的說法，都只是推論，而不是結果。至今沒有人發表過正面對決的數據。

反模式：將旗艦機當作路由器使用

這種情況很常見，而且代價高昂，只是要到帳單送來時才會顯現。一個團隊打造了一個代理，需要它在五個工具之間做出選擇，於是選用了可得的最強模型，因為這項決定很重要。這項決定確實重要。只是這個模型被要求去做一件並非為它最佳化的事，而付出的價格卻是為另一種用途而設的。

以一百萬次路由決策、每次 6,000 個 token 的上下文來算——六十億個輸入 token。Qwen3.8-Max 以最低列出的 $1.65 費率計算：輸入費用 $9,900，再加上每次決策也許二十個輸出 token，也就是 2,000 萬個輸出 token、每百萬 $4.95，另計 $99。就算 $10,000。以 OrcaRouter 的 $2.00 與 $6.00 報價，同樣用量合計為 $12,120。Snap 1.1 在同樣用量下：$240，而且完全沒有輸出費用項目。這個差距不是折扣，而是四十到五十倍。

延遲從另一面訴說著同一個故事。一個 2.4 兆參數的模型即使只生成簡短答案，也會產生首字延遲與解碼成本，而決策模型根本沒有這些負擔——Snap 的賣點是次秒級的決策層，而 Subquadratic 除此之外並未公布 1.1 的任何延遲數據。在一個每項任務要做二十次決策的代理迴圈中，這種差異會累積成每項任務數秒之差，而這正是代理讓人感覺即時，還是感覺像壞掉的差別。

Qwen3.8-Max 能做到、而 Snap 做不到的事

凡是涉及產出某種成果的事情。它會撰寫升級備註、起草客戶回覆、摘要 900 頁的合約、產生程式碼、以有效的引數結構描述呼叫工具，並針對答案不在你事先提供清單中的問題進行推理。Snap 1.1 這些事情全都做不到，不是因為它比較差，而是因為它沒有執行這些事情的機制。

100 萬 token 的視窗也是真正的能力，而不是規格表上的炫耀。阿里巴巴回報 MRCR v2 為 0.93，這是檢索分數，而非名目上的上下文長度，而這正是決定百萬 token 視窗是否可用的數字。具備強大有效檢索能力的 384K 視窗，可以勝過檢索能力薄弱的 1M 視窗，但 Qwen 的檢索分數顯示，它並不是靠這個名目數字。

而開放權重之所以重要，還有另一個原因：Qwen3.8-2.4T-A95B 可依自訂授權自行託管，這意味著該系列中最大的模型並非純粹依賴 API。Snap 1.1 則沒有這種選項。

它們契合之處

可辯護的架構並不是在兩者之間做選擇，而是分工。Snap 1.1 負責高量、固定答案的決策；在這些決策中，經校準的機率與拒絕選項比流暢度更有價值：該進哪個佇列、該用哪個工具、是否該升級處理、這份文件到底是否相關。Qwen3.8-Max 負責處理少數需要對不在選項清單中的資料進行推理的案例，並處理決策下游所有需要寫作的事項。

比例就是整個經濟論證的核心。如果 Snap 對 14% 的案例棄權，而這些案例被轉送到旗艦模型，你只需為 14% 的流量支付旗艦價格，而不是 100%，而且你會得到一個經過校準的訊號，告訴你是哪 14%——這比在通用模型的 softmax 上設固定閾值更好的分配機制。

Qwen3.8-Max 是單一 OrcaRouter 金鑰背後 200 多個模型之一，以供應商定價提供、0% 加價，並可跨供應商自動容錯移轉。Snap 1.1 不是我們的；它透過 Subquadratic 自家的 API 執行。在設計管線之前，這個分界值得了解，因為這代表生成層可以整合到單一合約與單一帳單項目，而決策層仍維持獨立、單一供應商的依賴。若第二個依賴不可接受，替代方案是在你自己託管的 Qwen3.8-27B 執行個體上執行決策——它較不善於棄權，卻更善於自我解釋，而且完全在你的掌控之下。

誠實的預設

如果你要為一個代理挑選單一模型來做決策，而這些決策有固定的答案集，就選決策模型。四十比一的價格比是真的，但這只是論點中較小的一半；較大的一半在於，一個被訓練成會說「我不知道」的模型，能給你旗艦模型做不到的東西，也就是一個能把人類放進迴圈的位置。

如果你要選一個模型包辦所有事——決策、推理、寫作、呼叫工具、讀取百萬個 token——那就選 Qwen3.8-Max，並接受你正以旗艦級費率支付那些其實由 0.04 美元模型處理得更好的路由呼叫。大多數團隊在推出約三個月後才發現自己正是這麼做，當帳單送達，卻沒人解釋得清楚為什麼路由器的成本比產品本身還高。