O novo carro-chefe da Alibaba traz backbone de 2,4 trilhões de parâmetros, visão nativa e janela de contexto de 1M de tokens por US$ 1,50 por milhão de tokens de entrada, superando todos os carros-chefe ocidentais em preço.
A equipe Qwen da Alibaba lançou o Qwen4-Max em 16 de novembro de 2026, e a linha de preços é o primeiro ponto que chama atenção: US$ 1,50 por 1 milhão de tokens de entrada e US$ 4,50 por 1 milhão de tokens de saída no QwenCloud.
Para comparação, os resumos que circularam na mesma semana listam o GPT-6 Astra a US$ 10 na entrada e US$ 50 na saída, e o Claude Fable 5.2 a US$ 8 e US$ 40.
O Qwen4-Max é o primeiro modelo construído na nova arquitetura Qwen4, com um backbone de 2,4 trilhões de parâmetros, 71B parâmetros ativados por token, 328B adicionais em parâmetros de embedding N-gram, visão nativa e uma janela de contexto de 1 milhão de tokens.
A Alibaba o posiciona mais como um modelo de agente de longo horizonte do que como um modelo de chat, e a maior parte do material de lançamento se dedica a execuções autônomas de várias horas em engenharia, finanças, área jurídica e descoberta de fármacos.
Neste artigo, eu trago tudo que há de novo no Qwen4-Max, passando pela arquitetura, os principais recursos, os números de benchmark (incluindo onde resultados independentes divergem dos da própria Alibaba), modos de esforço, preços e acesso.
Qwen4-Max é o novo carro-chefe da Alibaba, construído em uma arquitetura Qwen4 totalmente nova, com visão nativa e janela de contexto de 1M de tokens.
Os ganhos aparecem em trabalhos agentivos de longo horizonte e entregáveis profissionais, onde supera o Claude Opus 5.5 em várias execuções relatadas pela Alibaba.
Terminal e codificação são o ponto fraco: fica bem atrás do Kimi K3.1, do Opus 5.5 e dos dois modelos GPT-6. Entendimento de gráficos e vídeos também fica atrás dos três modelos dos EUA.
O preço é o argumento mais forte. Ele fica abaixo de todos os carros-chefe ocidentais nos resumos de preços atuais, tanto em entrada quanto em saída, embora tarifas menores por token não garantam menor custo por tarefa.
Trate os números com cautela: o gráfico de lançamento é compilado pelo fornecedor. Já existem execuções independentes e os resultados são mais mistos, com o Artificial Analysis colocando-o em nono e o Vals em 11º, e testadores descrevendo-o como lento e prolixo. A execução do Terminal-Bench do próprio Vals bate o número da Alibaba.
Sem pesos abertos para o Max. Modelos menores da linha Qwen4 foram prometidos como open source mais adiante.
O que é o Qwen4-Max?
O Qwen4-Max é o modelo fechado carro-chefe da Alibaba e a primeira versão da série Qwen4, sucedendo o Qwen3.8-Max.
Ele é um modelo mixture-of-experts esparso, o que significa que apenas uma fração dos parâmetros atua em cada token. Dos 2,4 trilhões de parâmetros do backbone, 71B ficam ativos por token, e há mais 328B em embeddings N-gram, que são tabelas de consulta de baixo custo computacional. Ele aceita entrada em texto, imagem e vídeo e gera saída em texto.
A arquitetura é onde o Qwen4 mais se distancia da geração anterior e ajuda a explicar o tema de custo mais adiante. Três componentes mudaram:
Atenção híbrida (GDN + QSA): para cada camada de atenção esparsa, três camadas Gated DeltaNet comprimem o contexto anterior em uma memória de tamanho fixo. A camada esparsa então seleciona apenas as partes relevantes do contexto, o que mantém a janela de 1M de tokens viável em custo.
Residual com portas (Gated Residual): cada camada tem quatro caminhos paralelos, com portas controlando o que flui entre eles. A Alibaba credita isso pela estabilidade de treinamento.
Embedding N-gram: consultas para padrões locais comuns de tokens, adicionando capacidade com pouco custo computacional extra.
A Alibaba relata que o treinamento com 2,4T não teve picos de perda, aqueles saltos súbitos que indicam instabilidade.
Seu modelo base, o Qwen4-Max-Base, também apresentou o menor número de bits por byte entre cinco checkpoints avaliados em conhecimento, código, QA e STEM. Bits por byte mede o quão bem um modelo prevê texto, e quanto menor, melhor.
O resultado ficou de 5% a 13% abaixo do Qwen3.8-Max-Base, ativando 25% menos parâmetros. São testes internos, e há nota de que dois dos checkpoints comparados receberam treinamento adicional, então a comparação não é estritamente equivalente.
O número de destaque em capacidade é o Work360, benchmark próprio da Alibaba cobrindo 721 áreas profissionais, no qual o Qwen4-Max fez 52,69 contra 47,74 do Qwen3.8-Max.
Principais recursos do Qwen4-Max
O lançamento foca no que o modelo entrega ao fim de uma execução longa, e não no que responde em um único turno. Por isso, os recursos abaixo são majoritariamente sobre duração, ferramentas e formatos de saída.
Janela de contexto de 1 milhão de tokens com visão nativa
O Qwen4-Max aceita texto, imagens e vídeo em uma janela de contexto de 1M de tokens, com entrada máxima de 991K tokens, ou 983K com o thinking ativado.
O thinking vem ativado por padrão, e até 262K tokens de raciocínio contam no orçamento de saída.
O teto de saída está documentado de forma inconsistente.
A página do modelo no QwenCloud lista 393K de saída máxima em ambos os modos, enquanto a documentação de API indica 131.072 tokens sem thinking e 262.144 para thinking e resposta final combinados. Verifique qual valor se aplica ao seu endpoint antes de dimensionar o max_tokens.
O caminho de visão é nativo, e não acoplado depois, o que viabiliza o demo clínico: a Alibaba descreve o modelo revisando, em uma única conversa, um prontuário com dezenas de laudos, mais de 10.000 caracteres chineses em anotações de evolução e 1.433 imagens médicas originais, classificando-as em seis séries de imagem antes de despachar subagentes para ler centenas de cortes.
A Alibaba diz que o achado de imagem foi consistente com o diagnóstico do médico assistente e que as quatro recomendações de conduta bateram ponto a ponto com as ordens do dia.
Entregue um job de longa duração e faça ajustes no meio do caminho
O Live Delivery é o recurso que eu acho mais interessante, porque ataca o que torna execuções longas de agentes pouco utilizáveis na prática.
Em vez de esperar horas para descobrir que o agente entendeu errado o briefing no minuto três, o agente entrega uma primeira versão utilizável cedo, depois a aprimora em lançamentos sucessivos enquanto você o redireciona.
A Alibaba abriu o código do Qwen-Live-Delivery-Plugin sob Apache-2.0 para você instalar em vez de recriar, embora no lançamento ele esteja na versão 0.1.0 e suporte apenas o Codex CLI, no Linux e no macOS com Node.js 22+.
O suporte a outros frameworks de agentes está na lista de pendências.
Vale dizer: entrega contínua de trabalho parcial é mais um padrão de harness do que uma capacidade do modelo, e é por isso que o plugin aberto importa mais do que o nome de marketing.
Entregáveis auditáveis, não só respostas
O demo de finanças gera planilhas em Excel e apresentações em PowerPoint editáveis com dois mecanismos de rastreabilidade: hyperlinks dentro das células que apontam para a fonte original dos dados e um mapeamento um-para-um entre os gráficos do PowerPoint e a planilha subjacente.
A Alibaba diz que o Qwen4 invoca 90 ferramentas MCP em seu setup de pesquisa de investimento, puxando cotações, demonstrações, juros e dividendos em A-shares, ações de Hong Kong e EUA, títulos, fundos e derivativos, e conferindo com divulgações públicas.
Esse número de ferramentas descreve o setup de pesquisa em geral. Separadamente, a Alibaba demonstra o fluxo em um caso de derivativos do CSI 300.
O exemplo jurídico é o mais impressionante.
Diante de 198 working papers com nomes inconsistentes, entregues em lotes, o Qwen4-Max os renomeou e organizou por conteúdo em 14 pastas, montou um índice de working papers, conferiu registros públicos empresariais e judiciais com os documentos e produziu um relatório de 86 páginas cobrindo 12 áreas de revisão e 14 questões jurídicas específicas, com cada conclusão citada de volta a um working paper.
Operando ferramentas profissionais de ponta a ponta
O Qwen4-Max opera Blender, Unity, Unreal Engine e Godot diretamente, cuidando de modelagem geométrica, configuração de materiais, iluminação, lógica de gameplay e HUD, executando o resultado e usando feedback visual para ajustar câmera e resposta a colisões.
Um dos demos é um jogo de corrida para Android, instalável, construído no Unity 6.
O caso de manufatura é o que traz número, embora seja um showcase de empresa e não uma medição independente.
Na SANF e na Pacific Union, o modelo construiu modelos 3D de linhas de produção a partir de plantas 2D, simulou tempos de ciclo, fez comissionamento virtual de PLC e planejou trajetórias de usinagem, reduzindo o esforço manual de programação de uma única peça de aproximadamente 475 minutos para 24 minutos.
Pesquisa operacional e escalonamento em nuvem
A Alibaba aplicou o Qwen4-Max aos seus próprios problemas de escalonamento na Alibaba Cloud, deixando o modelo gerar algoritmos candidatos, checar viabilidade e valores de função objetivo com o MindOpt (o solver da Alibaba) e iterar no código.
Os resultados relatados mostram que os custos de escalonamento de chamadas de modelo para anotação de dados caíram 10,42% frente ao baseline, a alocação online de GPU aumentou em 4,62% a duração de capacidade ociosa de máquina inteira, e o reescalonamento offline de CPU atingiu seu objetivo ótimo mais de 14,61 vezes mais rápido.
São números internos, auto-relatados, em workloads internos, então trate como demonstração de uso de ferramentas de pesquisa operacional, não como benchmark transferível.
Loops de pesquisa autônoma que chegam a resultados físicos
Em uma execução contínua de 48 horas na plataforma Mira da Deep Principle, o Qwen4 construiu um espaço candidato de 2,7 milhões de moléculas, fez triagem, rodou cálculos de primeiros princípios e análise retrosintética e então conduziu um laboratório úmido automatizado por síntese, purificação e testes.
Após quatro iterações de design, síntese e aprendizado ativo, ele produziu uma amostra física de uma nova molécula refrigerante.
Na plataforma PharmMaster, da DP Technology, mirando a inflamasoma NLRP3, ele fez 454 chamadas de ferramenta, rodou 3.239 avaliações computacionais e projetou 24 moléculas candidatas.
Cálculos de energia livre de ligação relativa colocaram a afinidade nominal da candidata final em cerca de 3,6 vezes a referência derivada de patente, o que os especialistas da DP Technology julgaram valer validação em laboratório úmido.
Plumbing padrão de API: function calling, busca na web e saídas estruturadas
No QwenCloud, o Qwen4-Max suporta function calling, saídas estruturadas em JSON, complete por prefixo via Partial Mode, cache de contexto implícito e explícito, chamadas em lote, busca na web e fine-tuning. Os limites de taxa são de 5.000.000 tokens por minuto.
Como o Qwen4-Max se sai nos benchmarks?
O Qwen4-Max é mais forte em trabalhos agentivos de longo horizonte e mais fraco em codificação no terminal e entendimento visual, e o gap entre esses pontos é grande o bastante para determinar sua adoção.
O destaque é o Agents' Last Exam v1.1, em que o Qwen4-Max marcou 46,7 contra 43,4 do Claude Opus 5.5, 42,6 do GPT-6.1 Sol e 27,9 do seu predecessor Qwen3.8-Max.
Um salto de 18,8 pontos em uma geração, em um benchmark de tarefas de longo horizonte, é o único resultado que eu apontaria deste lançamento.
Todos os scores abaixo vêm do gráfico de lançamento da Alibaba, compilado pelo fornecedor, então leia-os como números reportados pelo próprio fabricante, ainda que algumas linhas citem leaderboards de terceiros. O melhor resultado em cada linha está em negrito.
Benchmark
O que mede
Qwen4-Max
Qwen3.8-Max-0902
Opus 5.5
GPT-6.1 Sol
GPT-6 Astra
Kimi K3.1
Agents' Last Exam v1.1
Tarefas valiosas de longo horizonte
46,7
27,9
43,4
42,6
43,4
n/a
AA-Briefcase v1.1 (Elo)
Trabalho do conhecimento com agentes
1686
1605
1801
1555
1569
1674
APEX-Agents v1.1
Tarefas de serviços profissionais
72,1
63,3
73,5
60,0
64,7
65,5
AutomationBench-AA
Workflows SaaS com agentes
72,5
56,2
69,5
64,9
68,5
73,3
HLAB-Vals-1.1
Trabalho jurídico com agentes
21,3
15,4
9,2
6,3
7,1
11,7
JobBench
Tarefas profissionais de trabalho
68,5
65,3
75,4
66,2
66,1
61,2
AgentArena (melhora líquida)
Tarefas de agente no mundo real
7,5
n/a
18,2
11,8
13,9
3,9
O padrão é irregular. O Qwen4-Max leva o benchmark jurídico com ampla vantagem, quase o dobro do próximo modelo (21,3 contra 11,7 do Kimi K3.1), fica em segundo em AA-Briefcase, APEX-Agents, AutomationBench-AA e JobBench, e cai para perto do fim no AgentArena, onde os 18,2 do Opus 5.5 são mais que o dobro dos seus 7,5.
Se seus agentes fazem trabalho profissional pesado em documentos, isso é promissor; se operam ferramentas ao vivo em ambientes abertos, menos.
Codificação e tarefas de terminal
Em código, eu seria cauteloso. O Qwen4-Max faz 48,5 no Terminal-Bench 4.0, atrás do Kimi K3.1 (67,2), do Opus 5.5 (59,6), do GPT-6 Astra (59,1) e do GPT-6.1 Sol (56,1), ficando em quinto entre seis modelos no gráfico, embora tenha melhorado quase 10 pontos frente aos 38,9 do Qwen3.8-Max.
Benchmark
O que mede
Qwen4-Max
Qwen3.8-Max-0902
Opus 5.5
GPT-6.1 Sol
GPT-6 Astra
Kimi K3.1
DeepSWE v1.1
Codificação com agentes
75,7
69,3
74,2
75,2
74,1
75,5
CodeArena (Elo)
Desenvolvimento web
1750
1676
1816
1742
1763
1686
Terminal-Bench 4.0
Codificação agentiva em terminal
48,5
38,9
59,6
56,1
59,1
67,2
ProgramBench
Replicação de software em caixa-preta
31,5
28,0
65,0
52,5
55,0
25,0
O ProgramBench é o mais feio: 31,5 contra 65,0 do Opus 5.5, menos da metade. No DeepSWE, cinco modelos ficam dentro de 1,6 ponto um do outro, então eu trataria essa linha como ruído mais do que vitória, ainda que o Qwen4-Max esteja nominalmente em primeiro.
Uma ressalva sobre a linha do Terminal-Bench.
Quando comparamos GPT-6 Astra e Claude Opus 5.5, as cifras publicadas eram 66,4% para o Opus 5.5 e 57,9% para o Astra no Terminal-Bench 4.0, contra 59,6 e 59,1 no gráfico da Alibaba.
Harnesses diferentes produzem números diferentes no mesmo benchmark, o que é um bom motivo para não ler gaps de 5 pontos como ranking. O número do próprio Qwen4-Max parece sólido: o Vals mediu independentemente 48,48%.
Raciocínio, ciência e multimodal
O Qwen4-Max faz 51,7 no Humanity's Last Exam, atrás do Opus 5.5 (59,8) e do GPT-6.1 Sol (54,0), e à frente do Kimi K3.1 (51,1). Ele lidera o BioMysteryBench-1.1 com 85,0 e melhora muito no HealthBench Professional, indo de 39,6 para 60,0, embora ambos os GPT-6 ainda pontuem mais alto.
Benchmark
O que mede
Qwen4-Max
Qwen3.8-Max-0902
Opus 5.5
GPT-6.1 Sol
GPT-6 Astra
Kimi K3.1
Humanity's Last Exam
Raciocínio multidisciplinar
51,7
43,9
59,8
54,0
53,6
51,1
BioMysteryBench-1.1
Pesquisa em bioinformática
85,0
84,1
81,9
84,4
78,9
80,6
HealthBench Professional
Raciocínio clínico
60,0
39,6
59,9
65,1
66,0
57,2
Chartography
Entendimento de gráficos visuais
54,2
42,0
66,3
67,8
71,1
50,0
Video-Index
Compreensão de vídeo
68,1
63,2
74,8
73,8
76,7
63,2
As linhas de visão são a parte menos lisonjeira do gráfico.
No Chartography, o Qwen4-Max marcou 54,2, subindo de 42,0 do Qwen3.8-Max, mas fica de 12 a 17 pontos atrás do Opus 5.5, GPT-6.1 Sol e GPT-6 Astra, vencendo apenas o Kimi K3.1. O Video-Index conta a mesma história, com 68,1 contra 73,8 a 76,7 dos três modelos dos EUA. A visão nativa funciona, mas não é liderança.
Eficiência de tokens e custo por tarefa
Este é o resultado que mais impacta um orçamento de produção.
No Work360, o Qwen4-Max usou cerca de 24% menos tokens em Xhigh e cerca de 35% menos em High do que o Qwen3.8-Max, e no Terminal-Bench 4.0 as reduções foram de cerca de 48% e 49%.
Somado a tarifas de API menores, a Alibaba relata que o custo médio por tarefa no Work360 caiu de US$ 4,43 para US$ 1,67, uma redução de 62%.
Pontuar mais alto gastando cerca de 38% do custo por tarefa é uma afirmação mais útil do que a maioria das vitórias em um único benchmark, mas cabem duas ressalvas. O Work360 é benchmark da própria Alibaba, e a redução é maior do que a soma de cortes de tokens e preço sugeriria: cerca de 35% menos tokens a um preço 25% menor implicaria algo como 51%, e os valores em yuan da Alibaba dão 58%. A Alibaba não explicou a diferença.
Custos independentes por tarefa são menos conclusivos contra um rival. No índice do Artificial Analysis, uma tarefa sai em média por US$ 3,27 no Qwen4-Max, contra US$ 10,04 no Opus 5.5, mas apenas US$ 1,27 no GPT-6.1 Sol.
No Vals, um teste custa US$ 9,33 no Qwen4-Max, contra US$ 24,77 no Opus 5.5 e US$ 3,61 no Sol, e o Sol pontua um pouco mais (63,94% contra 63,20%).
Para a maioria, o Kimi K3.1 é a comparação mais próxima ao avaliar uma alternativa em ecossistema aberto. Ele bate o Qwen4-Max no Terminal-Bench 4.0 (67,2 versus 48,5) e no AutomationBench-AA (73,3 versus 72,5), enquanto o Qwen4-Max lidera no APEX-Agents v1.1 (72,1 versus 65,5), HLAB-Vals-1.1 (21,3 versus 11,7) e JobBench (68,5 versus 61,2). Escolha Kimi para trabalho de terminal; Qwen4-Max para fluxos profissionais orientados a documentos.
O que mostram os testes independentes
O gráfico de lançamento é compilado pelo fornecedor.
Algumas linhas citam leaderboards de terceiros, incluindo LM Arena para CodeArena e AgentArena, Artificial Analysis para AA-Briefcase e AutomationBench-AA, a leaderboard da Mercor para APEX-Agents v1.1 e o Vals Index para HLAB-Vals-1.1, com o Agents' Last Exam citado dos autores.
A Alibaba rodou o JobBench internamente. Não encontrei reproduções independentes dos resultados em agentes, razão pela qual eu ainda trataria essas vitórias como provisórias.
Leaderboards independentes agora estão preenchendo o quadro mais amplo, e eles são menos lisonjeiros do que o material de lançamento.
O Artificial Analysis dá nota 43 ao Qwen4-Max no seu Intelligence Index, nono no geral, atrás de Claude Fable 5.2, Gemini 4 Carbon, Opus 5.5, GPT-6 Astra, GPT-6.1 Sol e Kimi K3.1.
O Vals o coloca em 11º de 38 no seu Index, com 63,20%, o maior entre os modelos chineses que testou, e sua execução independente do Terminal-Bench bate o número da Alibaba.
No Code Arena WebDev ele aparece em sexto, ainda com marcação de preliminar devido a poucas votações.
Finanças é seu melhor resultado independente: oitavo de 41 tanto no índice de finanças do Vals quanto no seu Finance Agent benchmark; jurídico é mais fraco, 17º de 39 no Vals Legal Index, o que contrasta com a liderança no HLAB-Vals.
Lentidão e verbosidade são as queixas recorrentes. O Vals cronometraram cerca de 1 hora e 4 minutos por teste, mais lento do que todos, exceto Opus 5.5 e Sonnet 5.5 entre os 11 primeiros, e o Artificial Analysis registrou 127 milhões de tokens de saída em seu índice, contra uma mediana de 78,6 milhões.
Relatos práticos são mistos e muitas vezes se contradizem, com testers descrevendo excesso de raciocínio em tarefas simples e longos tempos de conclusão em prompts longos; um avaliador o colocou abaixo do próprio Qwen3.8-Max, enquanto outro relatou a conclusão de uma tarefa agentiva em cerca de 30 minutos, contra cerca de 70 minutos do MiniMax M3.1 Flash.
Qual nível do Qwen4-Max você deve usar?
O Qwen4-Max é entregue como um único modelo com um toggle de thinking e níveis de esforço nomeados, então a escolha é sobre quanto raciocínio você paga, e não qual checkpoint você chama. O thinking vem ativado por padrão, em alto esforço.
"Modo padrão" portanto significa definir enable_thinking como false. A capacidade de entrada cai um pouco com o thinking ligado, de 991K para 983K, e o raciocínio (até 262K tokens) consome o orçamento de saída.
Como tokens de thinking contam para esse orçamento, um max_tokens dimensionado apenas para a resposta visível pode truncar a resposta; no preview, o max_tokens limitava thinking e resposta juntos, então presuma o mesmo até testar.
Os tetos de saída documentados diferem entre a documentação de API (131.072 sem thinking, 262.144 com) e a página do modelo (393K em ambos os modos), como já mencionado.
Esforço é o segundo ajuste.
A Alibaba reporta resultados do Work360 e do Terminal-Bench 4.0 tanto em Xhigh quanto em High, e as economias de tokens frente ao Qwen3.8-Max foram maiores em High no Work360 (35% versus 24%) e mais ou menos iguais no Terminal-Bench. Como tokens de raciocínio são cobrados pela tarifa de saída de US$ 4,50 por milhão, o ajuste de esforço é a maior alavanca na sua conta.
High também é o padrão do Qwen4-Max, enquanto o Qwen3.8-Max vinha por padrão em xhigh, então comparar as duas gerações com configurações padrão mistura a mudança de modelo com a de esforço. Defina esforço explicitamente ao fazer A/B.
Uso
Configuração
Por quê
Execuções agentivas de várias horas com chamadas de ferramenta
Thinking, esforço High
Melhor ganho de eficiência de tokens versus a geração anterior no Work360
Revisão de documentos longos em 100+ arquivos
Thinking, esforço Xhigh
Orçamento de raciocínio de 262K mais a janela de contexto de 1M
Extração estruturada em JSON
Thinking desligado
Saídas estruturadas são suportadas e desligar thinking evita sobrecarga de raciocínio
Classificação em lote de alto volume
Thinking desligado + chamadas em lote
Caching reduz a entrada para US$ 0,075 por milhão de tokens
Codificação pesada em terminal
Considere outro modelo
48,5 no Terminal-Bench 4.0 fica atrás do Kimi K3.1, do Opus 5.5 e dos dois GPT-6
Preços e disponibilidade do Qwen4-Max
O QwenCloud lista o Qwen4-Max a US$ 1,50 por 1 milhão de tokens de entrada e US$ 4,50 por 1 milhão de tokens de saída em sua tabela internacional, com entrada em cache a US$ 0,075 por milhão. A criação explícita de cache custa US$ 1,875 por milhão para janela de 5 minutos e US$ 3,00 por milhão para 1 hora, e leituras explícitas de cache saem por US$ 0,075 por milhão.
Essas tarifas ficam abaixo de todos os carros-chefe ocidentais nos resumos de preços atuais: GPT-6 Astra a US$ 10 na entrada e US$ 50 na saída (para prompts de até 272K tokens), Claude Fable 5.2 a US$ 8 e US$ 40, Gemini 4 Carbon a US$ 2 e US$ 10 até 30 de novembro (subindo para US$ 4 e US$ 20 depois) e Grok 4,7 a US$ 2 e US$ 6 (contexto abaixo de 200K).
Esses são os tiers mais caros, porém, e os modelos que a Alibaba usa como comparação são mais baratos: Claude Opus 5.5 a US$ 4 e US$ 20, e GPT-6.1 Sol e Kimi K3.1 a US$ 2 e US$ 10. Em relação ao Astra, a tarifa de saída do Qwen4-Max é cerca de um décimo; em relação ao Opus 5.5 é cerca de 22%, e em relação ao Sol e ao Kimi, cerca de 45%.
Há uma cota gratuita de 1 milhão de tokens no QwenCloud, disponível na região de Cingapura por cerca de 90 dias, e os limites de taxa publicados são de 5.000.000 tokens por minuto.
A Alibaba também vende acesso via Token Plan em vez de puro pay-as-you-go, com relatos de terceiros listando planos pessoais em Lite a US$ 6/mês por 20.000 créditos, Essential a US$ 10/mês por 45.000, Standard a US$ 18/mês por 80.000 e Pro a US$ 43/mês por 200.000, além de preços promocionais para novos usuários de US$ 3 e US$ 5 nos dois níveis mais baratos, reportados até 30 de novembro.
O plano pessoal é uma oferta de Cingapura e, durante o preview, a Alibaba o restringiu a ferramentas interativas de codificação e agentes, não a backends de produção, então confira os termos atuais antes de construir em cima dele.
Uma nota sobre a linha do tempo, porque coberturas iniciais divergiram sobre a existência de preço público por token.
A Alibaba abriu o qwen4-max-preview em 11 de novembro, apenas no Token Plan, sem preço por token e com data de retirada em 25 de novembro. A precificação pay-as-you-go chegou com o lançamento geral em 16 de novembro sob o ID qwen4-max, e os valores de US$ 1,50 e US$ 4,50 acima são a tabela internacional nessa data.
Pesos abertos para o Max não foram anunciados; a Alibaba diz que modelos Qwen4 menores serão open source mais adiante.
Como obter acesso ao Qwen4-Max?
O ID do modelo na API é qwen4-max, servido via QwenCloud tanto pelo Token Plan quanto pela API padrão, com endpoints compatíveis com OpenAI e Anthropic. Fora da API, o modelo está disponível no QwenStudio (a interface Qwen Chat), no QwenWork e no produto de codificação Qoder, que a Alibaba co-desenhou junto com o modelo.
Aqui vai a chamada mínima usando o cliente Python da OpenAI contra o endpoint Chat Completions em modo compatível. O thinking vem ativado por padrão, então a flag enable_thinking aparece apenas por clareza; defina False para desligar.
import os
from openai import OpenAI
client = OpenAI(
api_key=os.getenv("DASHSCOPE_API_KEY"),
base_url="https://ap-southeast-1.maas.qwencloudapi.com/compatible-mode/v1",)
response = client.chat.completions.create(
model="qwen4-max",
messages=[{"role":"user","content":"Summarize the revenue drivers in this quarterly report."}],
extra_body={"enable_thinking":True},# on by default; False turns thinking off)print(response.choices[0].message.content)Tecnologia
Se quiser testar o Live Delivery, o plugin está no GitHub como Qwen-Live-Delivery-Plugin. Como ele mira hoje o Codex CLI, usá-lo em outro harness exige conectar manualmente as ferramentas e hooks MCP de entrega. Para os padrões gerais por trás de function calling e harnesses de agentes, nosso tutorial do Harness² mostra como integrar um modelo ao OpenCode e avaliar os resultados.
Considerações finais
O Qwen4-Max é a Alibaba fazendo um argumento de preço mais do que de capacidade.
Ele vence as linhas que envolvem ler muitos documentos e produzir um entregável, perde as linhas que envolvem terminal, gráfico ou vídeo, e faz tudo isso a algo como um décimo da tarifa de saída do GPT-6 Astra.
Eu mudaria? Para pipelines de agentes intensivos em documentos, onde o custo por tarefa é o limitador, vale um teste sério, mas não uma migração às cegas.
A queda de US$ 4,43 para US$ 1,67 por tarefa no Work360 é número da própria Alibaba, e execuções independentes são mais mistas: o GPT-6.1 Sol foi mais barato por tarefa e pontuou um pouco mais no Vals, e o Qwen4-Max é lento e prolixo. Para trabalho pesado de código, eu ficaria com o Opus 5.5 ou o Kimi K3.1, e a execução independente do Terminal-Bench pelo Vals confirma essa fraqueza.
O Qwen4-Max é o primeiro modelo na nova arquitetura Qwen4, com um backbone de 2,4 trilhões de parâmetros, 71B parâmetros ativados por token e visão nativa. Ele marcou 52,69 no Work360 da Alibaba contra 47,74 do Qwen3.8-Max e saltou de 27,9 para 46,7 no Agents' Last Exam v1.1. Também usa cerca de 24% a 49% menos tokens nas mesmas tarefas, reduzindo o custo médio por tarefa no Work360 de US$ 4,43 para US$ 1,67.
Quanto custa o Qwen4-Max por milhão de tokens?⌄
O QwenCloud lista o Qwen4-Max a US$ 1,50 por 1 milhão de tokens de entrada e US$ 4,50 por 1 milhão de tokens de saída, com entrada em cache e leituras explícitas de cache a US$ 0,075 por milhão. A criação explícita de cache custa US$ 1,875 por milhão para janela de 5 minutos e US$ 3,00 por milhão para 1 hora. Há uma cota gratuita de 1 milhão de tokens, e a Alibaba também vende assinaturas Token Plan a partir de cerca de US$ 6 por mês.
Onde posso acessar o Qwen4-Max?⌄
O Qwen4-Max está disponível no QwenCloud pelo Token Plan ou pela API, usando o ID de modelo qwen4-max em um endpoint compatível com OpenAI. Ele também roda no QwenStudio (Qwen Chat), no QwenWork e no produto de codificação Qoder. Algumas documentações de terceiros se referem a um ID de preview, qwen4-max-preview.
O Qwen4-Max é open source?⌄
Não. O Qwen4-Max tem pesos fechados, e a Alibaba não anunciou pesos abertos nem um model card público. A Alibaba informou que modelos menores da família Qwen4 serão liberados como open source mais adiante, construídos na mesma linhagem e técnicas de treinamento.
O Qwen4-Max é bom para programar?⌄
Ele é competitivo em codificação com agentes e fraco em trabalho de terminal. O Qwen4-Max marca 75,7 no DeepSWE v1.1, praticamente no nível do Claude Opus 5.5 (74,2) e do GPT-6.1 Sol (75,2), mas apenas 48,5 no Terminal-Bench 4.0 contra 67,2 do Kimi K3.1, e 31,5 no ProgramBench contra 65,0 do Opus 5.5. Para tarefas pesadas de terminal e replicação de software, outros modelos seguem mais fortes.
O que é o Live Delivery no Qwen4-Max?⌄
Live Delivery é a abordagem do Qwen4-Max para tarefas longas de agente: em vez de devolver resultados só quando o job terminar, o agente entrega uma primeira versão utilizável cedo e a melhora em lançamentos sucessivos enquanto você o redireciona no meio da execução. A Alibaba abriu o Qwen-Live-Delivery-Plugin no GitHub para você instalar sem ter que recriar o padrão do zero.
Escritor e editor de conteúdo na área de edtech. Comprometido com a exploração de tendências de dados e entusiasmado com o aprendizado da ciência de dados.
Descubra a atualização mais recente da OpenAI, GPT-4 Turbo com visão, e seus principais recursos, incluindo o corte de conhecimento aprimorado, uma janela de contexto expandida, preço acessível e muito mais.
GPT-4 alternativas de código aberto que podem oferecer desempenho semelhante e exigem menos recursos computacionais para serem executadas. Esses projetos vêm com instruções, fontes de código, pesos de modelos, conjuntos de dados e interface de usuário do chatbot.
O ajuste fino dos grandes modelos de linguagem (LLMs, Large Language Models) revolucionou o processamento de linguagem natural (PLN), oferecendo recursos sem precedentes em tarefas como tradução de idiomas, análise de sentimentos e geração de textos. Essa abordagem transformadora aproveita modelos pré-treinados como o GPT-2, aprimorando seu desempenho em domínios específicos pelo processo de ajuste fino.
Este tutorial apresentará tudo o que você precisa saber sobre o GPT-4 Vision, desde o acesso a ele, passando por exemplos práticos do mundo real, até suas limitações.
Explore o GPT-3.5 Turbo e descubra o potencial transformador do ajuste fino. Saiba como personalizar esse modelo de linguagem avançado para aplicativos de nicho, aprimorar seu desempenho e entender os custos associados, a segurança e as considerações de privacidade.
Uma visão geral abrangente da API Assistants com nosso artigo, que oferece uma análise aprofundada de seus recursos, usos no setor, orientação de configuração e práticas recomendadas para maximizar seu potencial em vários aplicativos de negócios.
Aprenda a integrar IA a aplicativos de software usando APIs e bibliotecas de código aberto. Comece hoje sua jornada rumo à carreira de engenheiro de IA!
A equipe Qwen da Alibaba lançou o Qwen4-Max em 16 de novembro de 2026, e a linha de preços é o primeiro ponto que chama atenção: US$ 1,50 por 1 milhão de tokens de entrada e US$ 4,50 por 1 milhão de tokens de saída no QwenCloud.
Para comparação, os resumos que circularam na mesma semana listam o GPT-6 Astra a US$ 10 na entrada e US$ 50 na saída, e o Claude Fable 5.2 a US$ 8 e US$ 40.
O Qwen4-Max é o primeiro modelo construído na nova arquitetura Qwen4, com um backbone de 2,4 trilhões de parâmetros, 71B parâmetros ativados por token, 328B adicionais em parâmetros de embedding N-gram, visão nativa e uma janela de contexto de 1 milhão de tokens.
A Alibaba o posiciona mais como um modelo de agente de longo horizonte do que como um modelo de chat, e a maior parte do material de lançamento se dedica a execuções autônomas de várias horas em engenharia, finanças, área jurídica e descoberta de fármacos.
Neste artigo, eu trago tudo que há de novo no Qwen4-Max, passando pela arquitetura, os principais recursos, os números de benchmark (incluindo onde resultados independentes divergem dos da própria Alibaba), modos de esforço, preços e acesso.
Para entender com quem ele concorre, confira nossa comparação entre GPT-6 Astra e Claude Opus 5.5 e nosso tutorial sobre como construir agentes autoaperfeiçoáveis com o Harness².
Resumo rápido
O que é o Qwen4-Max?
O Qwen4-Max é o modelo fechado carro-chefe da Alibaba e a primeira versão da série Qwen4, sucedendo o Qwen3.8-Max.
Ele é um modelo mixture-of-experts esparso, o que significa que apenas uma fração dos parâmetros atua em cada token. Dos 2,4 trilhões de parâmetros do backbone, 71B ficam ativos por token, e há mais 328B em embeddings N-gram, que são tabelas de consulta de baixo custo computacional. Ele aceita entrada em texto, imagem e vídeo e gera saída em texto.
A arquitetura é onde o Qwen4 mais se distancia da geração anterior e ajuda a explicar o tema de custo mais adiante. Três componentes mudaram:
A Alibaba relata que o treinamento com 2,4T não teve picos de perda, aqueles saltos súbitos que indicam instabilidade.
Seu modelo base, o Qwen4-Max-Base, também apresentou o menor número de bits por byte entre cinco checkpoints avaliados em conhecimento, código, QA e STEM. Bits por byte mede o quão bem um modelo prevê texto, e quanto menor, melhor.
O resultado ficou de 5% a 13% abaixo do Qwen3.8-Max-Base, ativando 25% menos parâmetros. São testes internos, e há nota de que dois dos checkpoints comparados receberam treinamento adicional, então a comparação não é estritamente equivalente.
O número de destaque em capacidade é o Work360, benchmark próprio da Alibaba cobrindo 721 áreas profissionais, no qual o Qwen4-Max fez 52,69 contra 47,74 do Qwen3.8-Max.
Principais recursos do Qwen4-Max
O lançamento foca no que o modelo entrega ao fim de uma execução longa, e não no que responde em um único turno. Por isso, os recursos abaixo são majoritariamente sobre duração, ferramentas e formatos de saída.
Janela de contexto de 1 milhão de tokens com visão nativa
O Qwen4-Max aceita texto, imagens e vídeo em uma janela de contexto de 1M de tokens, com entrada máxima de 991K tokens, ou 983K com o thinking ativado.
O thinking vem ativado por padrão, e até 262K tokens de raciocínio contam no orçamento de saída.
O teto de saída está documentado de forma inconsistente.
A página do modelo no QwenCloud lista 393K de saída máxima em ambos os modos, enquanto a documentação de API indica 131.072 tokens sem thinking e 262.144 para thinking e resposta final combinados. Verifique qual valor se aplica ao seu endpoint antes de dimensionar o
max_tokens.O caminho de visão é nativo, e não acoplado depois, o que viabiliza o demo clínico: a Alibaba descreve o modelo revisando, em uma única conversa, um prontuário com dezenas de laudos, mais de 10.000 caracteres chineses em anotações de evolução e 1.433 imagens médicas originais, classificando-as em seis séries de imagem antes de despachar subagentes para ler centenas de cortes.
A Alibaba diz que o achado de imagem foi consistente com o diagnóstico do médico assistente e que as quatro recomendações de conduta bateram ponto a ponto com as ordens do dia.
Entregue um job de longa duração e faça ajustes no meio do caminho
O Live Delivery é o recurso que eu acho mais interessante, porque ataca o que torna execuções longas de agentes pouco utilizáveis na prática.
Em vez de esperar horas para descobrir que o agente entendeu errado o briefing no minuto três, o agente entrega uma primeira versão utilizável cedo, depois a aprimora em lançamentos sucessivos enquanto você o redireciona.
A Alibaba abriu o código do Qwen-Live-Delivery-Plugin sob Apache-2.0 para você instalar em vez de recriar, embora no lançamento ele esteja na versão 0.1.0 e suporte apenas o Codex CLI, no Linux e no macOS com Node.js 22+.
O suporte a outros frameworks de agentes está na lista de pendências.
Vale dizer: entrega contínua de trabalho parcial é mais um padrão de harness do que uma capacidade do modelo, e é por isso que o plugin aberto importa mais do que o nome de marketing.
Entregáveis auditáveis, não só respostas
O demo de finanças gera planilhas em Excel e apresentações em PowerPoint editáveis com dois mecanismos de rastreabilidade: hyperlinks dentro das células que apontam para a fonte original dos dados e um mapeamento um-para-um entre os gráficos do PowerPoint e a planilha subjacente.
A Alibaba diz que o Qwen4 invoca 90 ferramentas MCP em seu setup de pesquisa de investimento, puxando cotações, demonstrações, juros e dividendos em A-shares, ações de Hong Kong e EUA, títulos, fundos e derivativos, e conferindo com divulgações públicas.
Esse número de ferramentas descreve o setup de pesquisa em geral. Separadamente, a Alibaba demonstra o fluxo em um caso de derivativos do CSI 300.
O exemplo jurídico é o mais impressionante.
Diante de 198 working papers com nomes inconsistentes, entregues em lotes, o Qwen4-Max os renomeou e organizou por conteúdo em 14 pastas, montou um índice de working papers, conferiu registros públicos empresariais e judiciais com os documentos e produziu um relatório de 86 páginas cobrindo 12 áreas de revisão e 14 questões jurídicas específicas, com cada conclusão citada de volta a um working paper.
Operando ferramentas profissionais de ponta a ponta
O Qwen4-Max opera Blender, Unity, Unreal Engine e Godot diretamente, cuidando de modelagem geométrica, configuração de materiais, iluminação, lógica de gameplay e HUD, executando o resultado e usando feedback visual para ajustar câmera e resposta a colisões.
Um dos demos é um jogo de corrida para Android, instalável, construído no Unity 6.
O caso de manufatura é o que traz número, embora seja um showcase de empresa e não uma medição independente.
Na SANF e na Pacific Union, o modelo construiu modelos 3D de linhas de produção a partir de plantas 2D, simulou tempos de ciclo, fez comissionamento virtual de PLC e planejou trajetórias de usinagem, reduzindo o esforço manual de programação de uma única peça de aproximadamente 475 minutos para 24 minutos.
Pesquisa operacional e escalonamento em nuvem
A Alibaba aplicou o Qwen4-Max aos seus próprios problemas de escalonamento na Alibaba Cloud, deixando o modelo gerar algoritmos candidatos, checar viabilidade e valores de função objetivo com o MindOpt (o solver da Alibaba) e iterar no código.
Os resultados relatados mostram que os custos de escalonamento de chamadas de modelo para anotação de dados caíram 10,42% frente ao baseline, a alocação online de GPU aumentou em 4,62% a duração de capacidade ociosa de máquina inteira, e o reescalonamento offline de CPU atingiu seu objetivo ótimo mais de 14,61 vezes mais rápido.
São números internos, auto-relatados, em workloads internos, então trate como demonstração de uso de ferramentas de pesquisa operacional, não como benchmark transferível.
Loops de pesquisa autônoma que chegam a resultados físicos
Em uma execução contínua de 48 horas na plataforma Mira da Deep Principle, o Qwen4 construiu um espaço candidato de 2,7 milhões de moléculas, fez triagem, rodou cálculos de primeiros princípios e análise retrosintética e então conduziu um laboratório úmido automatizado por síntese, purificação e testes.
Após quatro iterações de design, síntese e aprendizado ativo, ele produziu uma amostra física de uma nova molécula refrigerante.
Na plataforma PharmMaster, da DP Technology, mirando a inflamasoma NLRP3, ele fez 454 chamadas de ferramenta, rodou 3.239 avaliações computacionais e projetou 24 moléculas candidatas.
Cálculos de energia livre de ligação relativa colocaram a afinidade nominal da candidata final em cerca de 3,6 vezes a referência derivada de patente, o que os especialistas da DP Technology julgaram valer validação em laboratório úmido.
Plumbing padrão de API: function calling, busca na web e saídas estruturadas
No QwenCloud, o Qwen4-Max suporta function calling, saídas estruturadas em JSON, complete por prefixo via Partial Mode, cache de contexto implícito e explícito, chamadas em lote, busca na web e fine-tuning. Os limites de taxa são de 5.000.000 tokens por minuto.
Como o Qwen4-Max se sai nos benchmarks?
O Qwen4-Max é mais forte em trabalhos agentivos de longo horizonte e mais fraco em codificação no terminal e entendimento visual, e o gap entre esses pontos é grande o bastante para determinar sua adoção.
A Alibaba o compara com o Qwen3.8-Max-0902, Claude Opus 5.5, GPT-6.1 Sol, GPT-6 Astra e Kimi K3.1 (o Kimi-K3.1-Pro da Moonshot).
Trabalhos de longo horizonte e agentes
O destaque é o Agents' Last Exam v1.1, em que o Qwen4-Max marcou 46,7 contra 43,4 do Claude Opus 5.5, 42,6 do GPT-6.1 Sol e 27,9 do seu predecessor Qwen3.8-Max.
Um salto de 18,8 pontos em uma geração, em um benchmark de tarefas de longo horizonte, é o único resultado que eu apontaria deste lançamento.
Todos os scores abaixo vêm do gráfico de lançamento da Alibaba, compilado pelo fornecedor, então leia-os como números reportados pelo próprio fabricante, ainda que algumas linhas citem leaderboards de terceiros. O melhor resultado em cada linha está em negrito.
O padrão é irregular. O Qwen4-Max leva o benchmark jurídico com ampla vantagem, quase o dobro do próximo modelo (21,3 contra 11,7 do Kimi K3.1), fica em segundo em AA-Briefcase, APEX-Agents, AutomationBench-AA e JobBench, e cai para perto do fim no AgentArena, onde os 18,2 do Opus 5.5 são mais que o dobro dos seus 7,5.
Se seus agentes fazem trabalho profissional pesado em documentos, isso é promissor; se operam ferramentas ao vivo em ambientes abertos, menos.
Codificação e tarefas de terminal
Em código, eu seria cauteloso. O Qwen4-Max faz 48,5 no Terminal-Bench 4.0, atrás do Kimi K3.1 (67,2), do Opus 5.5 (59,6), do GPT-6 Astra (59,1) e do GPT-6.1 Sol (56,1), ficando em quinto entre seis modelos no gráfico, embora tenha melhorado quase 10 pontos frente aos 38,9 do Qwen3.8-Max.
O ProgramBench é o mais feio: 31,5 contra 65,0 do Opus 5.5, menos da metade. No DeepSWE, cinco modelos ficam dentro de 1,6 ponto um do outro, então eu trataria essa linha como ruído mais do que vitória, ainda que o Qwen4-Max esteja nominalmente em primeiro.
Uma ressalva sobre a linha do Terminal-Bench.
Quando comparamos GPT-6 Astra e Claude Opus 5.5, as cifras publicadas eram 66,4% para o Opus 5.5 e 57,9% para o Astra no Terminal-Bench 4.0, contra 59,6 e 59,1 no gráfico da Alibaba.
Harnesses diferentes produzem números diferentes no mesmo benchmark, o que é um bom motivo para não ler gaps de 5 pontos como ranking. O número do próprio Qwen4-Max parece sólido: o Vals mediu independentemente 48,48%.
Raciocínio, ciência e multimodal
O Qwen4-Max faz 51,7 no Humanity's Last Exam, atrás do Opus 5.5 (59,8) e do GPT-6.1 Sol (54,0), e à frente do Kimi K3.1 (51,1). Ele lidera o BioMysteryBench-1.1 com 85,0 e melhora muito no HealthBench Professional, indo de 39,6 para 60,0, embora ambos os GPT-6 ainda pontuem mais alto.
As linhas de visão são a parte menos lisonjeira do gráfico.
No Chartography, o Qwen4-Max marcou 54,2, subindo de 42,0 do Qwen3.8-Max, mas fica de 12 a 17 pontos atrás do Opus 5.5, GPT-6.1 Sol e GPT-6 Astra, vencendo apenas o Kimi K3.1. O Video-Index conta a mesma história, com 68,1 contra 73,8 a 76,7 dos três modelos dos EUA. A visão nativa funciona, mas não é liderança.
Eficiência de tokens e custo por tarefa
Este é o resultado que mais impacta um orçamento de produção.
No Work360, o Qwen4-Max usou cerca de 24% menos tokens em Xhigh e cerca de 35% menos em High do que o Qwen3.8-Max, e no Terminal-Bench 4.0 as reduções foram de cerca de 48% e 49%.
Somado a tarifas de API menores, a Alibaba relata que o custo médio por tarefa no Work360 caiu de US$ 4,43 para US$ 1,67, uma redução de 62%.
Pontuar mais alto gastando cerca de 38% do custo por tarefa é uma afirmação mais útil do que a maioria das vitórias em um único benchmark, mas cabem duas ressalvas. O Work360 é benchmark da própria Alibaba, e a redução é maior do que a soma de cortes de tokens e preço sugeriria: cerca de 35% menos tokens a um preço 25% menor implicaria algo como 51%, e os valores em yuan da Alibaba dão 58%. A Alibaba não explicou a diferença.
Custos independentes por tarefa são menos conclusivos contra um rival. No índice do Artificial Analysis, uma tarefa sai em média por US$ 3,27 no Qwen4-Max, contra US$ 10,04 no Opus 5.5, mas apenas US$ 1,27 no GPT-6.1 Sol.
No Vals, um teste custa US$ 9,33 no Qwen4-Max, contra US$ 24,77 no Opus 5.5 e US$ 3,61 no Sol, e o Sol pontua um pouco mais (63,94% contra 63,20%).
Para a maioria, o Kimi K3.1 é a comparação mais próxima ao avaliar uma alternativa em ecossistema aberto. Ele bate o Qwen4-Max no Terminal-Bench 4.0 (67,2 versus 48,5) e no AutomationBench-AA (73,3 versus 72,5), enquanto o Qwen4-Max lidera no APEX-Agents v1.1 (72,1 versus 65,5), HLAB-Vals-1.1 (21,3 versus 11,7) e JobBench (68,5 versus 61,2). Escolha Kimi para trabalho de terminal; Qwen4-Max para fluxos profissionais orientados a documentos.
O que mostram os testes independentes
O gráfico de lançamento é compilado pelo fornecedor.
Algumas linhas citam leaderboards de terceiros, incluindo LM Arena para CodeArena e AgentArena, Artificial Analysis para AA-Briefcase e AutomationBench-AA, a leaderboard da Mercor para APEX-Agents v1.1 e o Vals Index para HLAB-Vals-1.1, com o Agents' Last Exam citado dos autores.
A Alibaba rodou o JobBench internamente. Não encontrei reproduções independentes dos resultados em agentes, razão pela qual eu ainda trataria essas vitórias como provisórias.
Leaderboards independentes agora estão preenchendo o quadro mais amplo, e eles são menos lisonjeiros do que o material de lançamento.
Lentidão e verbosidade são as queixas recorrentes. O Vals cronometraram cerca de 1 hora e 4 minutos por teste, mais lento do que todos, exceto Opus 5.5 e Sonnet 5.5 entre os 11 primeiros, e o Artificial Analysis registrou 127 milhões de tokens de saída em seu índice, contra uma mediana de 78,6 milhões.
Relatos práticos são mistos e muitas vezes se contradizem, com testers descrevendo excesso de raciocínio em tarefas simples e longos tempos de conclusão em prompts longos; um avaliador o colocou abaixo do próprio Qwen3.8-Max, enquanto outro relatou a conclusão de uma tarefa agentiva em cerca de 30 minutos, contra cerca de 70 minutos do MiniMax M3.1 Flash.
Qual nível do Qwen4-Max você deve usar?
O Qwen4-Max é entregue como um único modelo com um toggle de thinking e níveis de esforço nomeados, então a escolha é sobre quanto raciocínio você paga, e não qual checkpoint você chama. O thinking vem ativado por padrão, em alto esforço.
"Modo padrão" portanto significa definir
enable_thinkingcomo false. A capacidade de entrada cai um pouco com o thinking ligado, de 991K para 983K, e o raciocínio (até 262K tokens) consome o orçamento de saída.Como tokens de thinking contam para esse orçamento, um
max_tokensdimensionado apenas para a resposta visível pode truncar a resposta; no preview, omax_tokenslimitava thinking e resposta juntos, então presuma o mesmo até testar.Os tetos de saída documentados diferem entre a documentação de API (131.072 sem thinking, 262.144 com) e a página do modelo (393K em ambos os modos), como já mencionado.
Esforço é o segundo ajuste.
A Alibaba reporta resultados do Work360 e do Terminal-Bench 4.0 tanto em Xhigh quanto em High, e as economias de tokens frente ao Qwen3.8-Max foram maiores em High no Work360 (35% versus 24%) e mais ou menos iguais no Terminal-Bench. Como tokens de raciocínio são cobrados pela tarifa de saída de US$ 4,50 por milhão, o ajuste de esforço é a maior alavanca na sua conta.
High também é o padrão do Qwen4-Max, enquanto o Qwen3.8-Max vinha por padrão em xhigh, então comparar as duas gerações com configurações padrão mistura a mudança de modelo com a de esforço. Defina esforço explicitamente ao fazer A/B.
Preços e disponibilidade do Qwen4-Max
O QwenCloud lista o Qwen4-Max a US$ 1,50 por 1 milhão de tokens de entrada e US$ 4,50 por 1 milhão de tokens de saída em sua tabela internacional, com entrada em cache a US$ 0,075 por milhão. A criação explícita de cache custa US$ 1,875 por milhão para janela de 5 minutos e US$ 3,00 por milhão para 1 hora, e leituras explícitas de cache saem por US$ 0,075 por milhão.
Essas tarifas ficam abaixo de todos os carros-chefe ocidentais nos resumos de preços atuais: GPT-6 Astra a US$ 10 na entrada e US$ 50 na saída (para prompts de até 272K tokens), Claude Fable 5.2 a US$ 8 e US$ 40, Gemini 4 Carbon a US$ 2 e US$ 10 até 30 de novembro (subindo para US$ 4 e US$ 20 depois) e Grok 4,7 a US$ 2 e US$ 6 (contexto abaixo de 200K).
Esses são os tiers mais caros, porém, e os modelos que a Alibaba usa como comparação são mais baratos: Claude Opus 5.5 a US$ 4 e US$ 20, e GPT-6.1 Sol e Kimi K3.1 a US$ 2 e US$ 10. Em relação ao Astra, a tarifa de saída do Qwen4-Max é cerca de um décimo; em relação ao Opus 5.5 é cerca de 22%, e em relação ao Sol e ao Kimi, cerca de 45%.
Há uma cota gratuita de 1 milhão de tokens no QwenCloud, disponível na região de Cingapura por cerca de 90 dias, e os limites de taxa publicados são de 5.000.000 tokens por minuto.
A Alibaba também vende acesso via Token Plan em vez de puro pay-as-you-go, com relatos de terceiros listando planos pessoais em Lite a US$ 6/mês por 20.000 créditos, Essential a US$ 10/mês por 45.000, Standard a US$ 18/mês por 80.000 e Pro a US$ 43/mês por 200.000, além de preços promocionais para novos usuários de US$ 3 e US$ 5 nos dois níveis mais baratos, reportados até 30 de novembro.
O plano pessoal é uma oferta de Cingapura e, durante o preview, a Alibaba o restringiu a ferramentas interativas de codificação e agentes, não a backends de produção, então confira os termos atuais antes de construir em cima dele.
Uma nota sobre a linha do tempo, porque coberturas iniciais divergiram sobre a existência de preço público por token.
A Alibaba abriu o
qwen4-max-previewem 11 de novembro, apenas no Token Plan, sem preço por token e com data de retirada em 25 de novembro. A precificação pay-as-you-go chegou com o lançamento geral em 16 de novembro sob o IDqwen4-max, e os valores de US$ 1,50 e US$ 4,50 acima são a tabela internacional nessa data.Pesos abertos para o Max não foram anunciados; a Alibaba diz que modelos Qwen4 menores serão open source mais adiante.
Como obter acesso ao Qwen4-Max?
O ID do modelo na API é
qwen4-max, servido via QwenCloud tanto pelo Token Plan quanto pela API padrão, com endpoints compatíveis com OpenAI e Anthropic. Fora da API, o modelo está disponível no QwenStudio (a interface Qwen Chat), no QwenWork e no produto de codificação Qoder, que a Alibaba co-desenhou junto com o modelo.Aqui vai a chamada mínima usando o cliente Python da OpenAI contra o endpoint Chat Completions em modo compatível. O thinking vem ativado por padrão, então a flag
enable_thinkingaparece apenas por clareza; definaFalsepara desligar.Se quiser testar o Live Delivery, o plugin está no GitHub como Qwen-Live-Delivery-Plugin. Como ele mira hoje o Codex CLI, usá-lo em outro harness exige conectar manualmente as ferramentas e hooks MCP de entrega. Para os padrões gerais por trás de function calling e harnesses de agentes, nosso tutorial do Harness² mostra como integrar um modelo ao OpenCode e avaliar os resultados.
Considerações finais
O Qwen4-Max é a Alibaba fazendo um argumento de preço mais do que de capacidade.
Ele vence as linhas que envolvem ler muitos documentos e produzir um entregável, perde as linhas que envolvem terminal, gráfico ou vídeo, e faz tudo isso a algo como um décimo da tarifa de saída do GPT-6 Astra.
Eu mudaria? Para pipelines de agentes intensivos em documentos, onde o custo por tarefa é o limitador, vale um teste sério, mas não uma migração às cegas.
A queda de US$ 4,43 para US$ 1,67 por tarefa no Work360 é número da própria Alibaba, e execuções independentes são mais mistas: o GPT-6.1 Sol foi mais barato por tarefa e pontuou um pouco mais no Vals, e o Qwen4-Max é lento e prolixo. Para trabalho pesado de código, eu ficaria com o Opus 5.5 ou o Kimi K3.1, e a execução independente do Terminal-Bench pelo Vals confirma essa fraqueza.
Se você quer ganhar confiança para construir com modelos assim, comece pela nossa trilha de habilidades AI Fundamentals.