Modelos

Qwen4-Max: 2,4 trilhões de parâmetros e a conta menor por tarefa

A Alibaba não está vendendo o modelo mais forte do mercado. Está vendendo a conta menor no fim do mês, com uma arquitetura que gasta menos tokens para chegar à mesma resposta. A diferença aparece nos benchmarks que o Qwen4-Max perde.

Mariana SilvaMariana Silva
Popularidade: 1,650
Uma grade densa de quadrados especialistas com seis nós acesos e uma fita longa atravessando

A Alibaba não está vendendo o modelo mais forte do mercado. Está vendendo a conta menor no fim do mês, com uma arquitetura que gasta menos tokens para chegar à mesma resposta. A diferença aparece nos benchmarks que o Qwen4-Max perde.

Qwen4-Max: a Alibaba vende economia por tarefa

O Qwen4-Max foi apresentado em 16 de novembro de 2026 e já está disponível na Alibaba Cloud. O preço é de US$ 1,50 por milhão de tokens de entrada, US$ 4,50 por milhão de saída e US$ 0,075 por milhão de tokens vindos do cache. É um modelo proprietário, servido por API, e não um pacote de pesos abertos.

O argumento comercial é a economia por tarefa. Um modelo que cobra barato por token e gasta muitos tokens por resposta sai caro, enquanto um modelo que cobra um pouco mais e fecha a tarefa em menos chamadas sai barato. A Alibaba aposta na segunda conta.

mixture-of-experts com 2,4 trilhões de parâmetros

O Qwen4-Max é um mixture-of-experts, arquitetura em que só uma parte da rede é acionada a cada token. O total é de 2,4 trilhões de parâmetros, com 71 bilhões ativos por token. O modelo aceita imagem nativamente e trabalha com uma janela de contexto de 1 milhão de tokens.

Três escolhas de projeto explicam o resto. Uma camada de embeddings N-gram de 328 bilhões de parâmetros funciona como cache de sequências comuns de tokens, evitando recalcular o que já é previsível. As conexões residuais passam por quatro canais paralelos com gate, em vez do canal único habitual. E a atenção é híbrida, com três camadas comprimindo o contexto anterior e uma quarta selecionando apenas o que importa.

O resultado, segundo a Alibaba, é um treino estável, sem picos de perda. A empresa relata ainda que o Qwen4-Max-Base melhorou de 5% a 13% em bits por byte contra o Qwen3.8-Max-Base, acionando 25% menos parâmetros por token.

1M-token context e a atenção híbrida do Qwen4-Max

A janela de 1M-token context resolve um problema e cria outro. Cabe um contrato inteiro, um repositório médio ou meses de histórico de atendimento em um único pedido. O custo de hardware para processar tudo isso cresce na mesma proporção, e é aí que entram as duas técnicas de atenção.

A Gated DeltaNet reduz a necessidade de hardware em prompts longos e a QSA descarta dados que o pedido não precisa: uma segura o contexto, a outra corta o excesso. Para quem usa o modelo em análise de documento, a diferença aparece na latência e na fatura.

Work360: a conta da Alibaba por tarefa

A Alibaba mede esse ganho em um benchmark próprio, o Work360, com 721 campos especializados de trabalho industrial. Segundo a empresa, o custo médio por tarefa caiu 62%, de US$ 4,43 para US$ 1,67. A nota no Work360 subiu de 47,74 para 52,69.

O uso de tokens recuou 35% em um benchmark interno de trabalho de conhecimento e cerca de 49% no Terminal-Bench 4.0.

Vale separar as coisas. A queda de custo é afirmação da Alibaba sobre o próprio modelo, medida no próprio benchmark. O Terminal-Bench, que testa operação de linha de comando, é externo, mas a economia de tokens continua sendo relato da empresa.

Onde o Qwen4-Max perde para Kimi e para a OpenAI

O quadro externo é menos confortável. O Artificial Analysis coloca o Qwen4-Max com 43 pontos no índice de inteligência, nove acima do Qwen3.8-Max e três atrás do Kimi K3.1 Pro, que marca 46. O custo por tarefa é de US$ 3,27. O antecessor ficava em US$ 10,02, e o Kimi, em US$ 3,68.

Modelo

Custo por tarefa

Qwen4-Max

US$ 3,27

Kimi K3.1 Pro

US$ 3,68

Qwen3.8-Max

US$ 10,02

Tencent Hy4

US$ 1,03

O Tencent Hy4 custa US$ 1,03 por tarefa e fica oito pontos abaixo na mesma escala. É a prova de que barato por tarefa não é o mesmo que melhor por tarefa, e que a briga de preço tem vários andares.

As derrotas específicas importam mais que a média. No Terminal-Bench 4.0, o Qwen4-Max fica em 48% contra 67% do Kimi K3.1 Pro. No FrontierCode 2.0, marca 26%, empatado com o Kimi e atrás do Tencent Hy4, com 31%. No Humanity's Last Exam, fica atrás do Opus 5.5 e dos modelos da OpenAI, embora o HLE-Diamond tenha subido 21 pontos, para 45%. No HealthBench Professional, perde para os modelos da OpenAI e passa o Opus 5.5 por pouco.

Traduzindo: é um modelo forte em trabalho longo e barato por tarefa, não um líder em código ou em raciocínio abstrato. Quem escolhe pelo preço por token pode se dar bem, e quem escolhe pelo Terminal-Bench deve olhar o Kimi.

O preço do Qwen4-Max na Alibaba Cloud

O cartão de preços tem três linhas e uma armadilha. Entrada custa US$ 1,50 por milhão de tokens, saída custa US$ 4,50 e o acerto no cache custa US$ 0,075. A armadilha é comparar com outro fornecedor sem olhar quantos tokens cada modelo gasta na mesma tarefa.

É por isso que o custo por tarefa virou a métrica da vez. Para uma empresa brasileira que paga em dólar e converte no câmbio, a diferença entre US$ 3,27 e US$ 10,02 por tarefa aparece rápido em volume. A Alibaba Cloud tem região em São Paulo, o que reduz latência para quem roda carga no país, mas não muda o preço em dólar.

Live Delivery no Qwen4-Max: o piloto com SANF e Pacific Union

O recurso que mais interessa a quem compra é o Live Delivery. Em vez de devolver um resultado só no fim de uma execução longa de agente, o modelo entrega um primeiro rascunho utilizável cedo e aceita correção do usuário no meio do caminho. A Alibaba abriu o código do Qwen-Live-Delivery-Plugin.

A SANF e a Pacific Union teriam reduzido o tempo de programação manual de uma peça de cerca de 475 minutos para 24. Também descreve uma operação financeira que chama 90 ferramentas MCP e devolve arquivos em Excel e PowerPoint com números rastreáveis. São relatos de cliente, não medições independentes.

O que ainda falta no Qwen4-Max

Três pendências seguem abertas. A Alibaba prometeu modelos menores de pesos abertos sobre a mesma tecnologia do Qwen4 e ainda não os publicou. A verificação independente das economias de custo é fina, porque quase tudo vem do fornecedor. E token barato só ajuda se o agente termina o serviço, o que os números de Terminal-Bench colocam em dúvida.

Vale trocar agora?

Depende da carga.

Para quem testa agora, o caminho é medir o próprio volume. Rode a mesma tarefa no Qwen4-Max e no modelo que você já usa, conte tokens e horas, e compare o custo final. A conta por token é o começo da conversa, não o fim.

Compartilhar esta notícia

Fontes

Notícias de IA relacionadas

Uma longa forma de onda verde-azulada com uma barra laranja de destaque em campo escuro
Modelos

Rumble-2-Flash: um modelo de fala de 0,5B encosta no de 30B

A Reson8 liberou um modelo de reconhecimento de fala de 0,5 bilhão de parâmetros que fica a um décimo de ponto de um gigante de 30 bilhões em ligações de call center. O número interessa a quem paga por minuto de transcrição, e o resto do pacote decide se vale trocar.

Popularidade: 560
Três anéis de neon orbitando um pequeno núcleo brilhante em campo azul-escuro
Modelos

Gemini 4 Neon chega ao app, e o seletor perde Argon e 3.1 Pro

O Gemini 4 Neon entrou no app como a opção do meio: mais forte que o Hydrogen, mais barato que o Carbon. A troca interessa a quem paga o Gemini AI Pro, porque duas opções antigas saíram do seletor no mesmo dia.

Popularidade: 1,500
Um grande núcleo de modelo cercado por raios de raciocínio ao lado de um núcleo rápido menor, com barras de preço em queda à direita
Modelos

GPT-6.2 Astra fica 20% mais barato e continua atrás no teste independente

A OpenAI cortou o preço do Astra em 20% e deixou o Sol na faixa anterior. Só que a fatura por tarefa depende de outro número: quantos tokens o modelo queima até entregar o resultado.

Popularidade: 1,900
Duas formas de onda verde-menta sobrepostas, rotuladas chamador e televisão, ao lado das palavras Tofu-1 quem falou
Modelos

Tofu-1: o modelo de voz da Bland que escuta enquanto fala e não publica um número

A Bland apresentou o Tofu-1 como um modelo de voz que escuta enquanto fala, feito para ligações em que o som de fundo não é ruído. A empresa não publicou parâmetro, latência, resultado de teste nem preço.

Popularidade: 1,050