43 分是结论,$3.27 才是账单。Artificial Analysis 在 11 月 16 日把 Qwen4-Max 收进智能指数(v5.0.1,xhigh 档,43 分),同时报出每指数任务 $3.27 的加权平均成本。OrcaRouter 当天就把这笔账倒推成 token 量:一个任务到底烧了多少字、钱花在哪、以及官方说的「单任务成本降 62%」里,降价与节流各占多少。
按 OrcaRouter 的倒推,一个指数任务平均输出 104,940 个 token,其中推理 68,914、最终答案 36,025。三个口径都比上代少了约三到四成:总输出少 39%、推理少 42%、答案少 30%。也就是说,新一代不只是便宜了,话也少了——尤其推理部分的收敛最明显。注意这组 token 数是 OrcaRouter 的推算(作者自承假设缓存写入按全价计费),不是 AA 官方公布的原始计数,读的时候要带上这个前提。
成本结构比总量更有意思:缓存写入占了单任务成本的 51%,反超缓存读取的 34%,成为最大的一项。这说明 Qwen4-Max 在 AA 的九项评测里大量产生新的缓存内容,而不是反复命中旧缓存——长程任务里上下文不断翻新,写入账单就跟着涨。对用家而言,盯着输入价谈判是不够的:缓存写入价同样决定实际账单。
官方口径的单任务成本从上代 $4.43 降到 $1.67,降幅约 62%(AA 口径的每任务成本 $3.27 与之不同,因为 AA 的任务集与权重不同,两组数字不可直接比较)。OrcaRouter 把这笔降幅拆开:约一半来自降价本身,约三分之一来自 token 纪律——输出更少、推理更收敛。剩下的部分来自口径与任务构成的差异。换句话说,Qwen4-Max 的便宜不全是定价策略,一部分是模型自己「少说话」挣来的。
但节流不等于节俭。AA 统计的整轮指数里,Qwen4-Max 一共生成了 1.27 亿个输出 token,而同价位模型的中位数是 7,860 万——仍高出约六成。单任务成本低约 11%($3.27 对 Kimi K3.1 Pro 的 $3.68),靠的是更低的单价,而不是更少的字。43 分对 46 分的 3 分差距,配上这个账单,读法应该是:便宜三分之一不到的任务成本,换来略低一档的指数分。
其一,Qwen3.8-Max 已被 AA 标记为 deprecated——上代正式退出指数舞台,43 对 34(v5.0.1 口径)这组对照以后就是历史数字了。其二,AA 改为每 18 小时重测一次指数,43 分不是一次性快照,而是一个会浮动的读数;下次重测时分数与成本都可能变,引用时请写明版本与日期。
参考来源:本文为本站原创改写与整理,事实与数据核对自 OrcaRouter — Qwen4-Max Token Efficiency Math(2026-11-16)与 Artificial Analysis — Qwen4 Max 模型页(AA 指数 43,v5.0.1)
← 返回 Qwen4-Max 专题