榜单让位给账单:Qwen4-Max 全量、混元 Hy4 flash 同日亮牌——考分涨了 28%、思考量少了一半,大模型进入「单任务成本」时代
11 月 16 日,中国两家巨头同日发布大模型:阿里巴巴新一代基座模型 Qwen4-Max(2.4T 总参数、71B 激活,比上代少激活 25% 参数)全量上线——五天前预览版「先上车」,今天「补票」来了;腾讯混元推出 Hy4 flash(224B 总参数、12B 激活、1M 上下文),把日常任务成本打到地板。两家给出的是同一份考卷的两种答案:Qwen4-Max 在 Terminal-Bench 4.0 同档位下,平均 Token 用量从 289K 降到 151K(少近一半),得分却从 37.9 升到 48.5(提升近 28%)——用一半的思考量换更高的考试分;单任务平均费用较上代降低 58%,缓存命中低至每百万 Token 0.5 元。它还交出了「干活」的证据:汽车工件加工编程从 475 分钟降到 24 分钟、调用 90 个 MCP 工具产出投研底稿、连续 48 小时自主运行从 270 万候选分子中筛出并真实合成一种新冷却液。Hy4 flash 则更极端:输入 0.5 元、输出 2 元、缓存命中 0.02 元每百万 Token,单任务成本仅为 Hy4 的 1/20、DeepSeek-V4.1-Flash 的 1/8,85 人对 259 个任务盲测的满意度接近 Claude Haiku 5.5,11 月 30 日前 WorkBuddy 限时免费、API 五折,并计划开源。背景是同一周 OpenRouter 榜单(每经测算口径):全球周调用量 211 万亿 Token,中国模型 119.1 万亿、连续二十九周第一,前四名全部是中国模型,四席里三席是 Flash 系。我的读法:当模型开始按「干一个任务花多少钱」定价,竞争才真正从演示走向生产——榜单在让位给账单。