同一段提示词,四个旗舰模型:Qwen 4 Max跑了近5小时,结果没进前排
Tony用同一段Alpine Gold提示词跑了Qwen 4 Max、Fable 5.2、Gemini 4 Argon和GPT-6 Astra。最慢的Qwen花了4小时56分,成本与Gemini接近,结果却差得远;Fable最好但贵近12倍;Astra最快。选模型,得按完成任务的成本算。
同一段Alpine Gold提示词,四个模型各跑一次,没有重试。Tony把结果和账单一起贴了出来。
| 模型 | 成本 | 耗时 |
|---|---|---|
| Qwen 4 Max | $12.03 | 4小时56分36秒 |
| Fable 5.2 | $209.50 | 3小时02分54秒 |
| Gemini 4 Argon | $11.61 | 2小时01分35秒 |
| GPT-6 Astra | $17.82 | 51分10秒 |
Qwen 4 Max花了4小时56分36秒,成本$12.03。Gemini 4 Argon是$11.61,2小时01分35秒。两者成本只差$0.42,时间差近3小时。GPT-6 Astra用$17.82换来51分10秒。Fable 5.2花了$209.50和3小时02分54秒。
Tony的结论很直接:Qwen 4 Max的结果离前沿很远。近5小时做出来的东西,不值这个等待。Fable 5.2做了最好的飞机,但价格是Astra的近12倍,耗时也是3倍多。Argon最便宜,Astra最快。
评论区有人问,Qwen是不是被过度吹捧,还是原始性能比速度成本更重要。Tony回复:这一轮它三项都输了。花了近5小时,成本和Argon差不多,结果不在前沿。质量在的时候,他愿意多付钱多等;这次不值得。
另一个回复提到,如果结果可比,多花$6.21换回70分钟,在截止日期前很容易选。Tony同意:Astra比Argon早1小时10分,只贵$6.21。
背景补一下。Tony不写代码,他用AI代理构建3D电影、SaaS工具和app。从2026年5月开始,不到三个月做出第一个app Laeli。这次测试来自他给12个以上模型、70多次运行的同一套任务。他的核心判断是:最好的模型和合适的模型很少是同一个。价格要看完成任务的成本,不是token单价。
他举过另一个例子:同一部电影,High设置$26,Ultra设置$682。Ultra更好,但多出来的成本和等待不划算。所以日常他用Extra High。这个逻辑放到这次对比也成立:Fable 5.2质量最好,但$209.50一次的价格,只适合极少数特殊任务。Qwen 4 Max的问题更简单:慢可以忍,慢且结果差不能忍。
选模型时,先问任务要什么。要最快拿到可用结果,Astra;要最低成本且质量过得去,Argon;要最好效果且不介意账单,Fable 5.2。Qwen 4 Max在这一轮没有给出选它的理由。
发布时间: 2026-11-17 17:27