Эфир 18.11 · Поток 318 ноября в 19:00 МСК — бесплатный практический эфир по ИИ-агентам · Живой Поток 3 стартует 23.11Эфир 18 ноября →Поток 3 (23.11)

Alibaba удешевила Qwen4-Max на 67% за задачу, но GPT-6.1 Sol дешевле: $3,27 против $1,27

Alibaba открыла доступ к Qwen4-Max и обещает «втрое дешевле», но цена за миллион токенов — это ещё не цена решённой задачи. По Artificial Analysis, задача из индекса стоит $3,27 против $10,02 у прошлой версии (−67%), но 75% скидки дал прайс, а не экономия токенов. Модель слишком много рассуждает, поэтому GPT-6.1 Sol с более дорогим токеном выходит за задачу всего $1,27. Берите Qwen4-Max под контекст 1M, а не ради дешёвого кодинга.

AI-обработка оригинала TG: @ai_product (AI Product / Igor Akimov); редакция Hamidun News
Alibaba удешевила Qwen4-Max на 67% за задачу, но GPT-6.1 Sol дешевле: $3,27 против $1,27
Источник: TG: @ai_product (AI Product / Igor Akimov). Коллаж: Hamidun News.
Слушать статью
Паспорт материала и цифры
ПараметрДанные
ПервоисточникTG: @ai_product (AI Product / Igor Akimov) ↗
Главный редактор
Индекс Artificial Analysis43 пункта против 34 у Qwen3.8-Max
Прайс$1,50 / $4,50 за 1M токенов, кэш $0,075
Terminal-Bench 4.048,5 против 67,2 у Kimi K3.1

Alibaba открыла общий доступ к Qwen4-Max и называет её «24/7 AI teammate» втрое дешевле предыдущего поколения. Проблема в том, что «дешевле» здесь относится к цене за токен, а вы платите за решённую задачу. Представьте, что вы поручаете модели починить баг в репозитории: если она сначала «думает» в два раза дольше конкурента, низкий тариф за токен не спасёт счёт. Именно так и вышло: по замерам Artificial Analysis (независимая лаборатория, которая сравнивает модели) прогон задачи из их индекса стоит $3,27 против $10,02 у Qwen3.8-Max, то есть на 67% меньше. Но у GPT-6.1 Sol та же задача обходится всего в $1,27. Для разработчика вывод практический: сравнивайте модели не по прайсу, а по стоимости решённой задачи на ваших данных.

Что внутри и сколько стоит

Qwen4-Max — гигантская модель на 2,4 трлн параметров, из которых для каждого ответа активны 71 млрд. Это уровень датацентров. Открытых весов не будет: Alibaba выложит их только для младших моделей линейки. Контекст — 1M токенов, на вход принимаются текст, картинки и видео, на выходе только текст.

Цена: $1,50 за миллион входных токенов, $4,50 за миллион выходных, кэшированный вход — $0,075. Это на 25% дешевле Qwen3.8-Max и заметно ниже лидеров рынка.

Что показала сама Alibaba, а что независимые замеры

Вендорский чарт компания собирала сама, поэтому читать его надо с поправкой:

  • DeepSWE v1.1 (задачи по разработке): 75,7 против 74,2 у Opus 5.5 и 75,5 у Kimi K3.1. Пять моделей уложились в полтора пункта — это шум, а не лидерство.
  • HLAB-Vals (юридические задачи): 21,3 против 9,2 у Opus 5.5. Здесь Qwen4-Max действительно ушла вперёд.
  • Terminal-Bench 4.0 (работа агента в терминале): 48,5 против 67,2 у Kimi K3.1 и 59,6 у Opus 5.5. Слабо.
  • ProgramBench: 31,5 против 65,0 у Opus 5.5. Тоже провал.
  • Chartography (чтение графиков) и Video-Index (видео): отставание от американских моделей на 6–17 пунктов.

Независимая картина скромнее. В Artificial Analysis Intelligence Index модель набрала 43 пункта против 34 у Qwen3.8-Max. Впереди Fable 5.2 (65), Gemini 4 Carbon (60), Opus 5.5 (59), GPT-6 Astra (57), GPT-6.1 Sol (55) и даже более старая Kimi K3.1 Pro (46). В Vals Index у Qwen4-Max 63,20% — 11-е место из 38 и лучший результат среди китайских моделей. В Code Arena WebDev она на шестом месте с 1750 Elo, но рейтинг пока предварительный.

Почему «втрое дешевле» требует оговорок

Из 67% экономии на задачу 75% дало снижение прайса и только 25% — реальное сокращение расхода токенов. Модель по-прежнему болтливая: на один прогон индекса уходит 127 млн выходных токенов при медиане 78,6 млн.

Самое показательное сравнение — с GPT-6.1 Sol. При прайсе $2 / $10 Sol обходится в $1,27 за задачу у Artificial Analysis и $3,61 за тест у Vals. Qwen4-Max стоит $3,27 и $9,33 соответственно. При этом Sol у Vals набирает чуть больше: 63,94% против 63,20%. Получается, что модель с более дорогим токеном работает и дешевле, и чуть точнее. Дешёвый токен не равен дешёвой задаче: лишние рассуждения съедают скидку.

Кому это подходит

Для агентного кодинга в терминале Qwen4-Max пока не вариант: здесь по-прежнему лучше Kimi K3.1, Sol, Opus 5.5 или Gemini 4 Carbon. Не стоит рассчитывать и на глубокую работу с графиками и видео, где отставание заметно.

Зато у модели есть ниша: задачи, где нужен контекст в 1M токенов без больших расходов, например разбор объёмных документов, договоров или кодовой базы. Юридические сценарии выглядят отдельным сильным местом, но этот результат получен на вендорском чарте, и перед внедрением его нужно проверить на своих данных.

Итог: это честное поколенческое обновление — плюс 9 пунктов индекса и втрое дешевле прошлого поколения, но без магии. Прежде чем переключать продакшн, прогоните свой набор задач и посчитайте итоговую стоимость решённой задачи вместе с долей правильных ответов.

Сюжет

Вопросы и ответы по материалу

Что известно по теме: что внутри и сколько стоит?

Qwen4-Max — гигантская модель на 2,4 трлн параметров, из которых для каждого ответа активны 71 млрд. Это уровень датацентров. Открытых весов не будет: Alibaba выложит их только для младших моделей линейки. Контекст — 1M токенов, на вход принимаются текст, картинки и видео, на выходе только текст. Цена: $1,50 за миллион входных токенов, $4,50 за миллион выходных, кэшированный вход — $0,075. Это на 25% дешевле Qwen3.8-Max и заметно ниже лидеров рынка.

Что известно по теме: что показала сама Alibaba, а что независимые замеры?

Вендорский чарт компания собирала сама, поэтому читать его надо с поправкой: DeepSWE v1.1 (задачи по разработке): 75,7 против 74,2 у Opus 5.5 и 75,5 у Kimi K3.1. Пять моделей уложились в полтора пункта — это шум, а не лидерство. HLAB-Vals (юридические задачи): 21,3 против 9,2 у Opus 5.5. Здесь Qwen4-Max действительно ушла вперёд. Terminal-Bench 4.0 (работа агента в терминале): 48,5 против 67,2 у Kimi K3.1 и 59,6 у Opus 5.5. Слабо. ProgramBench: 31,5 против 65,0 у Opus 5.5. Тоже провал.

Что известно по теме: почему «втрое дешевле» требует оговорок?

Из 67% экономии на задачу 75% дало снижение прайса и только 25% — реальное сокращение расхода токенов. Модель по-прежнему болтливая: на один прогон индекса уходит 127 млн выходных токенов при медиане 78,6 млн. Самое показательное сравнение — с GPT-6.1 Sol. При прайсе $2 / $10 Sol обходится в $1,27 за задачу у Artificial Analysis и $3,61 за тест у Vals. Qwen4-Max стоит $3,27 и $9,33 соответственно. При этом Sol у Vals набирает чуть больше: 63,94% против 63,20%.

ЖХ
Жемал Хамидун — CPO Alpina Digital, продакт-менеджер AlpinaGPT. Делает AI-продукты с 2019 года. Hamidun News — pet project, который вырос в production-агрегатор с 6000+ читателей.
✦ Единое AI-пространство · Nomad

Протестируйте новые LLM и мультимодальные модели в одном окне

Платформа Nomad AI (nomadnet.ai) даёт прямой доступ к Claude Opus 5.5, GPT-6, Gemini 3.1, DeepSeek и автономным агентам без VPN, зарубежных карт и зоопарка подписок.

Открыть Nomad AI →Автономный Nomad Agent
Что вы думаете?
Загружаем комментарии…