APIMODELSAPIMODELS

Qwen 4 Max 和 Gemini 4 Carbon 怎么选

TL;DR Gemini 4 Carbon 在第三方跑分上更高,而在我们自己的测试里 Qwen 4 Max 更靠得住。Artificial Analysis 给 Carbon 打 60 分,给 Qwen 4 Max(阿里的 Qwen4-Max,2026 年 11 月 16 日正式发布)打 43 分;Vals 上也是 Carbon 领先,70.45% 对 63.20%。我们的七道同题里 Qwen 4 Max 93 项检查全对,Carbon 对了 89 项:它三次重跑都退了一件政策不允许退的商品,还在一份长日志里数错了两个数。Carbon 除了视频还能输入音频和 PDF,Qwen 不能。官方价是 Qwen 4 Max 每百万 token $1.50 / $4.50;Carbon 在 2026 年 11 月 30 日前是 $2 / $10,之后 $4 / $20。两个模型用同一把 apimodels.app key 就能调。

Qwen 4 Max 和 Gemini 4 Carbon 到开发者手里前后只差六天:谷歌 2026 年 11 月 10 日向所有付费 Gemini API 用户开放 Carbon,阿里 11 月 16 日开放 Qwen 4 Max 的按量计费,模型 ID 是 qwen4-max。两者都是各自家族里「想得更深」的那一款,都是一百万 token 的上下文,都能输入视频。

这一组的外部证据比别的组合少。阿里的发布图里没有 Carbon,写这篇的时候也还没有人发表过两者的同题实测。所以这一页主要靠两样东西:给两边都打过分的独立机构,以及我们自己用完全相同的提示词在两个模型上跑的七道题。

我们运营 apimodels.app,两个模型都能用同一把 key 调用,没有理由偏向哪一个。跑分来自 Artificial Analysis、Vals AI 和 OpenRouter,出处链接放在页面末尾。七道同题测试是我们自己做的:2026 年 11 月 17 日通过我们自己的 API 跑,两个模型都用默认的思考设置。

Qwen 4 Max

照规则办事更稳,价格不变

  • ·我们的七道同题 93 项检查全对(Carbon 89 项)
  • ·退款政策 3 次全守住;Carbon 3 次全破
  • ·每百万 token $1.50 / $4.50,没有预定的调价
  • ·输入文字、图片、视频;单次最多输出 131K token
Qwen 4 Max 价格与接入 →

Gemini 4 Carbon

跑分更高,能输入的类型更多

  • ·Artificial Analysis 智能指数 60(Qwen 4 Max 为 43)
  • ·Vals Index 70.45% 对 63.20%;Terminal-Bench 4.0 65.2% 对 48.5%
  • ·在 apimodels.app 每百万 token $1.10 / $5.50(至 11 月 30 日),之后 $2.20 / $11.00
  • ·输入文字、图片、视频、音频、PDF
Gemini 4 Carbon 价格与接入 →

最难的推理和研究类问题、终端类工作、要输入音频或 PDF,选 Gemini 4 Carbon。需要模型严格照书面规则办事、法律和文档类 agent,或者想要一个 12 月 1 日不会变的价格,选 Qwen 4 Max。

规格和价格对照

最显眼的差别是能输入什么。两者都能读文字、图片和视频,但只有 Carbon 还能直接接收音频和 PDF 文件。如果你的流程是从录音或扫描件开始的,这一条比任何跑分都先决定选谁。

第二个差别在日期上。谷歌给 Carbon 的上市价是每百万 token $2 / $10,执行到 2026 年 11 月 30 日,12 月 1 日翻倍到 $4 / $20。Qwen 4 Max 是 $1.50 / $4.50,没有宣布过调价。今天在 apimodels.app 上 Carbon 的输入价更低;到 12 月,输入和输出都是 Qwen 更低。

Qwen 4 MaxGemini 4 Carbon
厂商、对开发者开放阿里,2026-11-16谷歌,2026-11-10
官方价,每百万 token(输入 / 输出)$1.50 / $4.5011 月 30 日前 $2 / $10;12 月 1 日起 $4 / $20
缓存命中,官方价$0.07511 月 30 日前 $0.10;12 月 1 日起 $0.20
apimodels.app 价格$1.50 / $4.5011 月 30 日前 $1.10 / $5.50;12 月 1 日起 $2.20 / $11.00
上下文1M1M(1,048,576)
最大输出131K(含思考 262K)默认 65,536
输入类型文字、图片、视频文字、图片、视频、音频、PDF
思考怎么控制默认开,可以关三档:low、medium、high

第三方跑分

在独立机构两边都跑过的测试上,Carbon 明显领先。Artificial Analysis 的智能指数给它 60 分,在它跟踪的模型里排第 4;Qwen 4 Max 是 43 分,81 个模型里排第 38。Vals Index 上是 70.45% 对 63.20%,Terminal-Bench 4.0 上是 65.2% 对 48.5%。

看这个差距要注意两点。一是 Artificial Analysis 跑 Carbon 用的是 high 思考档,而 Qwen 4 Max 目前只测了一个档位。二是更高的分数要花更多钱才拿得到:它给出的每个指数任务花费,Carbon 是 $5.48,Qwen 是 $3.27。

有一项公开数字是对 Qwen 有利的:办公类的 Briefcase 排名,阿里报的 Qwen 4 Max 是 1686,Artificial Analysis 测的 Carbon 是 1611。这两个数来自不同的测试轮次,只能当作一个迹象,不能当成结论。

指标谁跑的Qwen 4 MaxGemini 4 Carbon
智能指数 v5.0.1Artificial Analysis43(81 个中第 38)60(第 4)
每个指数任务的花费Artificial Analysis$3.27$5.48
Vals Index v2.2Vals AI63.20%(38 个中第 11)70.45%
Terminal-Bench 4.0Vals AI / Artificial Analysis48.5%65.2%
输出速度,实时中位数OpenRouter每秒 30 token每秒 55 token
首字延迟,实时中位数OpenRouter3.6 秒18.6 秒

我们的七道同题:Qwen 93 项全对,Carbon 对 89 项

我们按开发者最常通过我们 API 发的几类请求,写了七道题:写一个函数、修一个有 bug 的类、一个要调工具并遵守退款政策的客服 agent、针对 1,500 行生产日志的提问、把一段中文群聊整理成 JSON、三道计数推理题,以及带硬约束的中文商品文案。每道题都有自动判分,一共 93 项检查;开跑之前先用参考答案验证过判分脚本。

七道题里有四道两边完全一样:函数的 50 组隐藏用例都通过,埋的五处 bug 都找全,群聊里的六条订单和日期都整理对,三道推理题也都解对。剩下三道 Qwen 4 Max 也全对,Carbon 没有。

最要紧的是退款那道题。客户要求给一把有故障的键盘退款,同时还想退一个只是「不喜欢」的鼠标;订单是 46 天前送达的,而 agent 能查到的政策写明,无理由退货只限送达后 30 天内。Carbon 查了政策,然后照样把鼠标退了,还在 11 月 17 日告诉客户这是「在 10 月 2 日送达后的 30 天内」。我们跑了三次,它三次都这么做。Qwen 4 Max 三次都拒绝了鼠标退款,并说明了原因。

日志那道题,Carbon 3.5 秒就给出了答案,五问错了两问:支付超时有 8 次,它数成 7 次;报错最多的服务也答错了(真正最多的那个,报错数大约是它选的那个的两倍)。Qwen 用了 63 秒,五问全对。商品文案那道题 Carbon 写了 221 个汉字,上限是 220。

我们跑测试的那个晚上,Carbon 的响应时间很不稳定。有的题不到 7 秒就回来了;推理题等了将近 15 分钟,写函数那道也等了 7 分多钟。整套题 Carbon 用了 1,501 秒,Qwen 4 Max 是 415 秒。我们不会把这当成 Carbon 的正常速度(见下面的速度一节),但当晚的情况就是这样。费用相差不大:按本月价格 Carbon 是 $0.17,Qwen 是 $0.21。

题目(检查项数)Qwen 4 MaxGemini 4 Carbon
写一个时间线合并函数(50 组隐藏用例)50/50 · 51 秒 · $0.01250/50 · 459 秒 · $0.007
修一个埋了 5 处 bug 的带过期缓存类(10)10/10 · 27 秒 · $0.00910/10 · 7 秒 · $0.013
带工具和政策的退款客服(7)7/7 · 16 秒 · $0.0066/7 · 退了一件不该退的商品,3 次都如此
针对 1,500 行日志的五个问题(5)5/5 · 63 秒 · $0.1203/5 · 4 秒 · $0.086
中文群聊整理成 JSON(13)13/13 · 19 秒 · $0.00413/13 · 62 秒 · $0.013
三道计数推理题(3)3/3 · 196 秒 · $0.0493/3 · 891 秒 · $0.032
带五条硬约束的中文商品文案(5)5/5 · 43 秒 · $0.0104/5 · 16 秒 · $0.016(多了 1 个字)
七道合计93/93 · 415 秒 · $0.2189/93 · 1,501 秒 · $0.17

一个任务花多少钱

11 月 30 日之前两者价格接近。官方价 Qwen 4 Max 是 $1.50 / $4.50,Carbon 是 $2 / $10;在 apimodels.app 上 Carbon 是 $1.10 / $5.50,输入比 Qwen 低,输出略高。我们的七道题算下来 Carbon $0.17,Qwen $0.21。

12 月 1 日起情况会变。Carbon 的官方价翻倍到 $4 / $20,我们的价格相应到 $2.20 / $11.00,而 Qwen 4 Max 仍是 $1.50 / $4.50。同样这七道题,到时 Carbon 约 $0.34,Qwen 还是 $0.21。

两个模型都是先思考再回答,思考按输出计费。在高难度的跑分任务上,这部分是花费的大头:Artificial Analysis 给出的每个任务花费,Carbon 是 $5.48,Qwen 4 Max 是 $3.27。

速度

Carbon 一旦开始输出就更快,但开始得更晚。OpenRouter 的实时中位数显示,Carbon 每秒输出 55 个 token,Qwen 4 Max 是 30 个;首字等待 Carbon 是 18.6 秒,Qwen 是 3.6 秒。Artificial Analysis 测得 Carbon 每秒 62 个 token,high 思考档下第一个答案 token 要等 74 秒;Qwen 的速度它还没有公布。

在我们自己的平台上,近 30 天 Carbon 首字的中位等待约 27 秒(生产调用,样本量不公开)。Qwen 4 Max 11 月 16 日才在我们这里上架,还没有可比的生产数据;在我们的测试里(不算推理题),它的第一个字要等 15 到 62 秒。

两个都不适合放在有人盯着转圈等回复的聊天框里。如果要它们快点回答,就把思考调低:Carbon 有 low 档,Qwen 4 Max 可以按请求关掉思考。

怎么选

难的研究、科学类问题和多步调试:选 Gemini 4 Carbon。它在 Artificial Analysis 指数上领先 17 分,Vals Index 上领先 7 个百分点。

照书面规则办事的 agent(退款、审批、合规检查):选 Qwen 4 Max。我们的测试里它每次都正确执行了政策,Carbon 三次都没有。无论用哪个,日期和金额门槛都应该由代码来判断,不要交给模型。

在长日志或长文档里做精确计数和查找:我们的测试里是 Qwen 4 Max,5 问全对,Carbon 5 问对 3 问。如果要用 Carbon 做这类事,请把思考档调高;我们那道题它不到 4 秒就答了。

要输入音频或 PDF:选 Gemini 4 Carbon。Qwen 4 Max 只接受文字、图片和视频。

单次要输出很长的内容:选 Qwen 4 Max,最多 131K token,Carbon 默认是 65,536。

12 月还要继续跑的活:先按 Carbon $4 / $20 的价格算一遍再决定。

在 apimodels.app 上,两者之间切换只是同一把 key 下改一个模型名,所以定下来之前,先拿自己的一批任务在两边各跑一遍。

要注意的地方

我们的七道题是默认设置下的日常难度工作;除了退款题重复了三次,其余每道只跑了一次。93 项里差 4 项不算大;其中我们敢依赖的是退款题的结果,因为它可以重复出现。这些题测不出高难度那一端,而独立跑分正是在那一端把 Carbon 排在前面很多。

写这篇的时候 Qwen 4 Max 正式开放才一天,Artificial Analysis 只测了它的一个思考档,也还没有第三方在同样的任务上比较过这两个模型。Carbon 在我们测试当晚响应慢,可能和那个时段的负载有关,不应当被当成常态。

出处

规格和官方价来自阿里 QwenCloud 的模型页、Google AI Studio 的定价页和 Gemini 4 Carbon 页面(2026 年 11 月 17 日查阅);第三方跑分和任务成本来自 Artificial Analysis 和 Vals AI;实时速度和延迟来自 OpenRouter 的对比页(同日查阅)。七道同题测试是我们自己在 2026 年 11 月 17 日跑的,其中退款题在两个模型上各重复了三次。

调用示例

cURL

curl https://api.apimodels.app/v1/chat/completions \
  -H "Authorization: Bearer $APIMODELS_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "qwen4-max",
    "messages": [{"role": "user", "content": "Apply this refund policy to the order below: ..."}]
  }'
# same key, same endpoint: change "model" to "gemini-4-carbon" to run Carbon

常见问题

Qwen 4 Max 比 Gemini 4 Carbon 强吗?

看跑分不是:Artificial Analysis 智能指数上 Gemini 4 Carbon 是 60,Qwen 4 Max 是 43;Vals Index 上是 70.45% 对 63.20%。但我们的七道同题测试结果相反:Qwen 4 Max 93 项全对,Carbon 对了 89 项,因为 Carbon 三次重跑都违反了退款政策,还在一份长日志里数错了两个数。

Qwen 4 Max 和 Gemini 4 Carbon 哪个更省钱?

2026 年 11 月 30 日之前两者接近:Qwen 4 Max 官方价每百万 token $1.50 / $4.50,Gemini 4 Carbon 是 $2 / $10。12 月 1 日起 Carbon 的官方价翻倍到 $4 / $20,输入和输出都是 Qwen 4 Max 更低。Artificial Analysis 的每个任务花费是 Qwen $3.27、Carbon $5.48。

Qwen 4 Max 和 Gemini 4 Carbon 哪个快?

Gemini 4 Carbon 输出更快:OpenRouter 的实时中位数是每秒 55 个 token 对 30 个;但它出第一个字更慢,18.6 秒对 3.6 秒。两者都是先思考再回答,不把思考调低的话都不适合放进聊天界面。

Qwen 4 Max 能读音频或 PDF 文件吗?

不能直接读。阿里列出的 Qwen 4 Max 输入类型是文字、图片和视频。Gemini 4 Carbon 能接收文字、图片、视频、音频和 PDF。

要做按政策办事的客服 agent,哪个更合适?

我们的测试里是 Qwen 4 Max。给出一条 30 天期限的退款政策和一张 46 天前送达的订单,Qwen 4 Max 三次都拒绝了超期退款,Gemini 4 Carbon 三次都退了。无论用哪个模型,日期和金额上限都应该在你自己的代码里把关。

能用一把 key 同时调 Qwen 4 Max 和 Gemini 4 Carbon 吗?

可以。两个模型用同一把 apimodels.app key。调用 POST https://api.apimodels.app/v1/chat/completions,model 填 qwen4-max 或 gemini-4-carbon。

相关阅读

收录于
APIMODELS on Product HuntAPIMODELS featured on ToolifyAPIMODELS featured on There's An AI For That