中国のアリババが11月16日に公開したAI「Qwen4-Max」は、使った分だけ払う料金の単価が大きく下がりました。公開翌日までに、開発者たちが実際の仕事に近い作業で測った結果も出ています。その結果を追いかけると、安くなった分がそのまま請求額に出る場面がありました。一方で、AIが考え込んで手数が増え、差の大半が消える場面もありました。ハルはネット上に出た4本の実測記事と公開資料を読み込み、料金表の上の安さが現場の数字とどこまで合うのかを並べてみました。
日本の会社にとって:開発や運用の作業に、AIをAPI(ほかのプログラムからAIを呼び出す窓口)経由で組み込んでいる会社の開発責任者は、モデルを乗り換える前に今月中に測ってください。自社の課題を数件使い、1件を終えるまでの合計費用と時間を見ます。Copilot・ChatGPT 法人版・Gemini を月額の契約で使っているだけの会社には、今回の話は直接関係ありません。
運用作業11種のQwen4-Max実測では、料金表どおり約5分の1になった
Qwen4-Max の安さが一番素直に出たのは、技術解説サイト computingforgeeks の書き手、Klinsmann Öteyo 氏の測定です。Öteyo 氏は、システムを動かし続けるための運用作業を11種類用意しました。サーバーの構成を書く作業、コンテナ(アプリを箱詰めして持ち運べるようにする仕組み)の設定、自動テストの手順書、Webサーバーの設定の修正などです。これを OpenRouter(複数のAIを1つの窓口で使える仲介サービス)経由で、合計66回実行しました。出てきた設定ファイルは、文法のチェックや試しの組み立てなど、本物の検証ツールにかけて使えるかどうかを判定しています。
Öteyo 氏の測定では、66回中63回が合格でした。課題11種をひととおりこなす料金は0.054ドル(約8.6円)です。2か月前の旧版 Qwen3.8 Max では0.275ドル(約44円)だったので、約5分の1に下がっています。Qwen4-Max の単価は、100万トークンあたり入力1.50ドル(約239円)、出力4.50ドル(約716円)です。トークンはAIが読み書きする文字の単位です。computingforgeeks の記事によると、試験全体にかかった費用も約0.47ドル(約75円)でした。
Qwen4-Max の値下がりの中身は、テキストを加工する小さな課題の例を見るとよく分かります。旧版は答える前に14,600トークン分も考え込み、約7分かけて0.091ドル(約14.5円)を使っていました。Qwen4-Max は380トークン考えただけで、9.1秒・0.0027ドル(約0.4円)で終えています。この作業が安くなったのは、単価が下がったからだけではありません。無駄に考え込む量そのものが減ったことが大きいのです。
Öteyo 氏は、Anthropic のコーディング用ツール Claude Code に Qwen4-Max をつなぐ試験もしています。結果は10回のやりとり、77秒で完了しました。気をつけたいのは、画面の表示と実際の請求のずれです。Claude Code の画面には0.237ドル(約38円)と出ましたが、実際の請求は約0.073ドル(約11.6円)でした。ツールに出た金額をそのまま社内の予算計算に使うと、実際の請求とかけ離れる場合があります。
Atomic Agent のOpus 5.5比較では、費用は3分の2でも時間は約6倍
Qwen4-Max の安さが目減りしたのは、AIエージェントの開発元 Atomic Agent の開発者、Nadya Dudka 氏と Andrew Dyuzhov 氏が行った比較です。2人は、わざとバグを13個仕込んだ約1,400行の在庫管理プログラムを用意し、Anthropic の Opus 5.5 と Qwen4-Max に直させました。採点には、AIに見せない59件のテストを使っています。
Atomic Agent の比較での正解率は、両モデルとも59件すべて合格でした。違いが出たのは費用と時間です。Opus 5.5(考える深さは中くらいの設定)は、1件あたり0.97ドル(約154円)・4.2分・約10手で終えました。Qwen4-Max(考える深さは高めの設定)は約0.65ドル(約103円)で、費用は3分の2に収まりました。ただし25.0分かかり、手数は66〜92手に膨らんでいます。手数とは、AIがファイルを開く、直す、テストを走らせる、といった操作の回数のことです。
Dudka 氏と Dyuzhov 氏の分析によると、Qwen4-Max の出力単価は Opus 5.5 の4.4分の1です。それでも手数が6〜9倍に増えたことで、その差の大半が消えました。考える深さを最高の設定に上げても、時間が約47分と倍になっただけで、結果は良くなりませんでした。1回は60分の上限で打ち切られています。費用も記録に残った分だけで0.84〜1.28ドル(約134〜204円)かかり、実際はこれより高いとAtomic Agent のブログは書いています。
Atomic Agent の数字を会社の目線で読むと、仕事の回し方によって得か損かが変わります。AIが1件を直すあいだ人が結果を待つ仕事なら、4分と25分の差は、費用が3割安くなることより重く効くかもしれません。夜のうちにまとめて回す仕事なら、時間は問題になりにくく、3分の2の費用が効いてきます。
GPT-6 Solとの比較では、Qwen4-Max は考え込んで負け、長い文書では逆転
Qwen4-Max の考え込みが費用を押し上げた例は、OpenAI の GPT-6 Sol との比較でも出ています。API仲介サービスに勤める開発者の Super Lewis 氏が、7つの課題・93項目で両者を比べました。正解率はどちらも満点です。ただし Qwen4-Max の出力は約22,100トークンで、GPT-6 Sol の約4,350トークンの約5倍に膨らみました。7課題の合計費用は Qwen4-Max が約0.21ドル(約33円)、GPT-6 Sol が約0.09ドル(約14円)でした。所要時間は415秒と189秒で、費用も時間も Qwen4-Max が2倍を超えています。数え上げのパズル1組だけで10,801トークンを使った例もあったと、dev.to の記事は伝えています。
Super Lewis 氏の試算には、逆の結果もあります。GPT-6 Sol は、一度に読ませる文書が27万2千トークンを超えると単価が上がる料金体系です。30万トークンの長い文書を1件読ませる場合、Qwen4-Max は0.4725ドル(約75円)、GPT-6 Sol は1.2150ドル(約193円)で、Qwen4-Max のほうが安くなると計算しています。契約書や報告書の束を丸ごと読ませる使い方なら、単価の安さがそのまま効く可能性があります。なお、この比較の計測者は仲介サービスの社員で、自社の仕組みで測ったと本人が明かしています。
Qwen4-Max が短い時間でまとまった成果を出したという報告もあります。AIサービス Cleus AI の創業者 Prabhu Biswal 氏は、OpenRouter 経由で13問を試し、総費用は0.10ドル(約16円)だったと書いています。コーディング問題は隠しテスト15件をすべて通過しました。喫茶店のWebサイト1枚を167秒で作り上げ、使ったトークンは11,296と、Opus 5.5 の22,274の約半分だったと報じられています。最初の文字が返ってくるまでは約4.3秒でした。アリババ自身も、業務課題1件あたりの費用が4.43ドル(約704円)から1.67ドル(約266円)へ62%下がったと公表している、と同じ記事は伝えています。ただし Cleus AI のブログは、自社サービスの宣伝を含むと本人が明記しています。
Qwen4-Max を使う前に押さえたい弱点と、まだ分からないこと
Qwen4-Max の失敗例は、computingforgeeks の測定でも出ています。サーバー設定を自動化するツール Puppet を使う課題では6回中2回失敗し、考える深さを上げても直りませんでした。コンテナを管理する Kubernetes の課題では、頼んでいない設定を勝手に書き足しています。さらに、答えの長さの上限を低く設定すると、空の回答のまま料金だけ請求されたと報告されています。
Qwen4-Max には、答える内容の制限もあります。Cleus AI の Biswal 氏が、台湾、天安門、習近平氏への批判など微妙な質問を4つ投げたところ、完全に答えたものは1つもなかったと報じられています。アリババ側で入出力を絞る仕組みが入っています。モデルの中身(重み)は公開されていないので、利用者がこの仕組みを外すこともできません。また Qwen4-Max はAPI専用なので、使うには社内のコードや文書を、アリババか OpenRouter のような仲介業者のサーバーへ送ることになります。11月16日時点で、AIの公開置き場 Hugging Face に Qwen4 の公式モデルはありません。社内のサーバーで動かせる小型版も、公開の日付も名前も決まっていないと伝えられています。
Qwen4-Max の総合力は、外部の評価で見ると上位のモデルとまだ差があります。総合評価サイト Artificial Analysis の点数は43で、Opus 5.5 の59を下回りました。端末を使った難しいエージェント作業を測る Terminal-Bench 4.0 でも48.5で、Opus 5.5 の59.6に届いていないと伝えられています。
Qwen4-Max の実測について、確かめられていないことをここにまとめておきます。今回の4本はどれも1〜3回ずつの小規模な試験で、条件をそろえた第三者による直接比較はまだありません。Cleus AI の記事は自社の宣伝を含み、GPT-6 Sol との比較は仲介サービスの社員による計測です。ハルが読み込んで言えるのは次のところまでです。Qwen4-Max の単価の安さは、短くて迷わない作業や長い文書の読み込みでは請求額に出やすい。何十手も試行錯誤する修正作業では、手数と時間に食われやすい。料金表を見比べるより、自社の作業を数件流して1件あたりの合計を見るほうが確実です。




