Qwen4-Max mejora, pero su ahorro varía por prueba

Qwen4-Max mejora, pero su ahorro varía por prueba

Qwen4-Max gana 9 puntos, pero el ahorro frente a otros modelos cambia según la prueba.

Por Humberto Toledo el 17 de noviembre del 2026 a las 2:01 pm PST

✨︎ Resumen (TL;DR):

  • Qwen4-Max alcanzó 43 puntos en Artificial Analysis, nueve más que Qwen3.8-Max.
  • Artificial Analysis calculó un costo promedio de 3.27 dólares por tarea, frente a 10.02 dólares para Qwen3.8-Max 0902 y 3.68 dólares para Kimi K3.1 Pro.
  • Vals AI le dio 63.20%, por encima de Kimi K3.1 Pro con 62.52%, pero registró 9.33 dólares por prueba frente a 6.44 dólares.

Qwen4-Max, el modelo de Alibaba, obtuvo 43 puntos en el Intelligence Index de Artificial Analysis, nueve más que Qwen3.8-Max, y registró un costo promedio de 3.27 dólares por tarea, frente a 10.02 dólares de Qwen3.8-Max 0902. El resultado lo acerca a Kimi K3.1 Pro, pero otra medición muestra que el ahorro cambia según las tareas incluidas.

Artificial Analysis asignó a Kimi K3.1 Pro 46 puntos y un costo promedio de 3.68 dólares por tarea. Qwen4-Max quedó tres puntos abajo y costó alrededor de 11% menos. Frente a Qwen3.8-Max 0902, la reducción del promedio fue de aproximadamente 67%.

Alibaba ya había reportado una reducción de costo para Qwen4-Max en su propia prueba Work360. La evaluación independiente de Artificial Analysis ofrece una referencia distinta y sus cifras no deben mezclarse con las del fabricante.

Claude Opus 5.5 lidera el índice v5 de Artificial Analysis
Te podría interesar:
Claude Opus 5.5 lidera el índice v5 de Artificial Analysis

Cómo calcula Artificial Analysis el costo

Intelligence Index es un índice de evaluación que combina nueve pruebas sobre tareas de conocimiento, programación y trabajo con agentes. La puntuación resume el desempeño dentro de esa selección; por sí sola no describe cómo responderá el modelo en cada aplicación.

El costo publicado tampoco es una tarifa fija por pregunta. Artificial Analysis calcula un promedio ponderado para las tareas del índice e incorpora los precios de los tokens de entrada, salida, razonamiento y caché. El volumen de texto procesado y la configuración de cada solicitud también influyen en la factura.

En Alibaba Cloud, la firma muestra estas tarifas para cada millón de tokens:

  • Qwen4-Max: 1.50 dólares de entrada y 4.50 dólares de salida.
  • Qwen3.8-Max 0902: 2 dólares de entrada y 6 dólares de salida.

Son precios por unidad de procesamiento, no el costo final de una tarea. El promedio también depende de cuántas unidades consuma cada modelo para resolver las solicitudes incluidas en la prueba.

Vals AI cambia la comparación con Kimi

Vals AI ordena de otra manera a los modelos. En la versión 2.2 de su índice, actualizada el 15 de noviembre, Qwen4-Max obtuvo 63.20% y Kimi K3.1 Pro, 62.52%. La diferencia fue de 0.68 puntos porcentuales, en una batería distinta de la de Artificial Analysis.

La tabla de Vals atribuye a Qwen4-Max un costo de 9.33 dólares por prueba, frente a 6.44 dólares para Kimi K3.1 Pro. También registra 8.73 dólares para Qwen3.8-Max 0902. En esta evaluación, Qwen4-Max logró una puntuación mayor que ambos modelos, aunque su costo por prueba fue mayor al de Kimi.

Vals reúne pruebas de finanzas, programación y trabajo legal y fiscal. Después las pondera según el peso de esos sectores en la economía estadounidense. Los niveles de razonamiento y los proveedores utilizados también pueden cambiar el resultado de una comparación.

Por eso, las cifras de Vals no se pueden trasladar directamente al promedio por tarea de Artificial Analysis. Las baterías, los procedimientos y las tareas no son los mismos. La ventaja de Qwen4-Max sobre Kimi en Vals es estrecha y no determina cuál resolverá mejor todos los encargos.

Para elegir un modelo en una aplicación concreta, conviene medir la calidad del resultado junto con el costo, el tiempo y los intentos necesarios en las tareas que se quieren automatizar. Una tarifa menor por token puede ayudar, pero no determina por sí sola el costo del trabajo terminado.

Los 43 puntos de Artificial Analysis muestran una mejora clara frente a Qwen3.8-Max dentro de esa batería, no una reducción garantizada para cada proyecto. La diferencia de 0.68 puntos porcentuales en Vals y sus costos distintos dejan la decisión atada a la prueba y al trabajo específico que se quiera ejecutar.

Fuentes: 1, 2, 3, 4, 5

+ Temas Relacionados

Más de AI

Feed