
Qwen4-Max sale de la vista previa: la tarjeta de precios por consumo y el presupuesto de salida que se redujo
- GoogleNUEVOGoogle: Gemini 4 Carbon2026-11-10$2.00 / $10.00 por 1M de tokens · 90 tok/s
- AnthropicNUEVOAnthropic: Claude Fable 5.22026-11-09$8.00 / $40.00 por 1M de tokens · 97 tok/s
- orcaNUEVOOrca: OrcaC2 1.02026-11-0717 tok/s
- OrcaNUEVOOrcaCyber: GLM 5.3 Abliterated / Uncensored2026-11-04$3.00 / $5.00 por 1M de tokens · 87 tok/s
- OrcaNUEVOOrcaCyber: Hy4 Abliterated / Uncensored2026-11-04$0.80 / $1.60 por 1M de tokens · 133 tok/s
- OrcaNUEVOOrcaCyber: Kimi K3.1 Pro Abliterated / Uncensored2026-11-04$4.00 / $20.00 por 1M de tokens · 72 tok/s
- OrcaOrcaCyber: MiniMax M3.1 Flash Abliterated / Uncensored2026-10-29$0.80 / $1.60 por 1M de tokens · 130 tok/s
- OrcaOrcaCyber: GLM 5.3 Flash Abliterated / Uncensored2026-10-27$0.80 / $1.60 por 1M de tokens · 65 tok/s
- OrcaOrcaCyber: Qwen3.8 Flash Next Abliterated / Uncensored2026-10-26$0.80 / $1.60 por 1M de tokens · 92 tok/s
- OrcaOrcaCyber: MiMo V2.6 Flash Abliterated / Uncensored2026-10-26$0.80 / $1.60 por 1M de tokens · 43 tok/s
- MoonshotMoonshotAI: Kimi K3.1 Pro2026-10-2447Inteligencia
- OrcaOrcaCyber: DeepSeek V4.1 Flash Abliterated / Uncensored2026-10-23$0.80 / $1.60 por 1M de tokens · 193 tok/s
- minimaxMiniMax: M3.1 Flash2026-10-1929Inteligencia
- OrcaOrca: OrcaCyber Ultra 1.02026-10-17$5.00 / $10.00 por 1M de tokens · 150 tok/s
- deepseekDeepSeek: DeepSeek V4.1 Flash 10172026-10-1733Inteligencia
- DeepSeekDeepSeek: DeepSeek V4.1 Flash2026-10-1740Inteligencia
- OrcaOrca: OrcaCyber Zero 1.52026-10-10$3.00 / $7.50 por 1M de tokens · 119 tok/s
- openaiOpenAI: GPT-6.1 Sol2026-09-2955Inteligencia
- anthropicAnthropic: Claude Sonnet 5.52026-09-2855Inteligencia
- typesafeTypeSafe: Jev 1.132026-09-24$0.04 / $0.00 por 1M de tokens · 219 tok/s
Qwen4-Max pasó de una vista previa del plan de tokens a un modelo de pago por uso el 16 de noviembre de 2026, y la cifra que hay que mirar primero no es un benchmark: son 1,50 USD de entrada y 4,50 USD de salida por millón de tokens en Singapur, frente a 2,00 y 6,00 USD para Qwen3.8-Max. Es un recorte directo del 25% en ambos lados del medidor. Pero el mismo cambio que publicó una tarjeta de precios real también redujo el presupuesto compartido de pensamiento más respuesta de 393.216 tokens en la vista previa a 262.144 en disponibilidad general, sacó al modelo de un plan de créditos y lo pasó a facturación por token en seis regiones, y dejó la inferencia por lotes disponible en exactamente una de ellas. Si estabas usando la vista previa y considerabas el 16 de noviembre un trámite, lo que te va a golpear son los cambios en las especificaciones, no el descuento.
Lo que realmente cambió el cambio del 16 de noviembre
La vista previa era una buena oferta y una oferta restrictiva: solo créditos de Token Plan, solo Singapur y una retirada documentada a las 24:00 del 25 de noviembre de 2026 (UTC+8). La disponibilidad general reemplaza esas tres restricciones y añade dos que nadie pidió. El identificador del modelo ahora es simplemente qwen4-max; las cadenas de vista previa qwen4-max-preview y qwen4.0-max-preview son las que tienen fecha de caducidad, así que una configuración que siga apuntando a cualquiera de las dos tiene una cuenta atrás que termina en nueve días.
• Facturación: medición por token en seis regiones, frente a créditos de Token Plan en una sola. La cuota gratuita de 1 millón de tokens de la tarjeta de Singapur es válida durante 90 días a partir de la activación, el lanzamiento del modelo o la aprobación, lo que ocurra más tarde.
• Regiones — Beijing (China continental), Singapur (Internacional), y Frankfurt, Virginia (EE. UU.), Tokio y Hong Kong, todos dentro del ámbito Global. La vista previa era únicamente Singapur.
• Presupuesto de salida compartido — 262.144 tokens combinando el pensamiento y la respuesta final en GA, frente a 393.216 en la tarjeta de vista previa. Se ha perdido un tercio del margen disponible, y se ha perdido de la parte que las ejecuciones largas de agentes consumen más rápido.
• Salida sin pensamiento — limitada a 131,072 tokens, con un límite de entrada de 991,808 tokens. En el modo de pensamiento, el límite de entrada baja a 983,616, porque el razonamiento y la respuesta salen del mismo cupo de 262,144 tokens.
• Inferencia por lotes — compatible {{1}}solo en Pekín{{/1}}, y no compatible en las otras cinco regiones. La versión preliminar no tenía ninguna ruta por lotes, así que se trata de una nueva capacidad y no de una regresión, pero tiene un carácter regional que el marketing no pone en primer plano.
• Superficie de protocolos: OpenAI Chat Completions, OpenAI Responses, Anthropic Messages y DashScope, los cuatro, con salida estructurada, llamada a herramientas en paralelo, finalización de prefijo, búsqueda web y almacenamiento en caché tanto explícito como implícito. La entrada acepta texto, imagen y vídeo; la salida es solo texto.
La tarjeta de precios, presentada tal como llega la factura
Alibaba publica dos tarjetas diferentes para el mismo modelo, y la diferencia no es lo suficientemente pequeña como para ignorarla cuando eliges un alcance de implementación.
• Singapur, entrada y salida — $1.50 / $4.50 por millón de tokens, tarifa plana durante toda la ventana de 1.000.000 de tokens, sin tramos a 32K ni 128K.
• En todos los demás lugares, entrada y salida: $1.413 / $4.24 por millón de tokens, una tarifa plana durante la misma ventana. El mismo modelo, los mismos límites, un 5,8 % más barato que Singapur por token.
• Escrituras de caché, Singapur — $1.875 por millón para una escritura de 5 minutos, $3.00 para una escritura de 1 hora. En otros lugares: $1.767 y $2.827.
• Lecturas de caché, Singapur — 0,075 $ por millón. En otros lugares: 0,071 $. Eso es el 5 % de la tarifa de entrada de Singapur, y es la palanca más importante en una carga de trabajo de agentes con contexto largo.
• Batch, solo en Beijing — Batch File a $0.707 / $2.12 por millón, Batch Chat a $1.413 / $4.24. Solo Batch File incluye el descuento por lote del 50 %; Batch Chat figura a la tarifa en tiempo real, por lo que «batch» en el nombre del endpoint no es una garantía de precio.
• Frente a Qwen3.8-Max, misma página: $2.00 / $6.00 en Singapur, $1.65 / $4.951 en las regiones globales. Qwen4-Max es un 25 % más barato en Singapur y un 14.4 % más barato en otras regiones, porque la tarjeta para regiones distintas de Singapur del modelo anterior ya está descontada.
La cifra del 14,4 % es la que importa si ya operas en Fráncfort o Virginia: la reducción de una generación a otra es menor allí de lo que sugiere el titular de Singapur, y la afirmación del proveedor de un coste medio por tarea del 62 % está soportando mucho peso que la tarjeta de precios por token por sí sola no soporta.

Un ejemplo resuelto, para que la línea de caché deje de ser algo abstracto.
Toma un prefijo de documento de 400.000 tokens revisado en tres pasadas, con 8.000 tokens de salida por pasada, sin modo de razonamiento, con tarifas de Singapur. Esto es aritmética sobre los precios de lista publicados, no una ejecución medida.
• Primera pasada: el prefijo se escribe en la caché a $1.875 por millón, $0.75, más 8.000 tokens de salida a $4.50 por millón, $0.036. Total: $0.786.
• Las pasadas dos y tres — el prefijo se lee a $0.075 por millón, $0.03 por pasada, más los mismos $0.036 de salida. $0.066 cada una.
• Tres pasadas con caché: $0.918. Esas mismas tres pasadas pagando el input completo cada vez: $1.908. El prefijo se lee dos veces por menos que el precio de una sola pasada nueva.
• Una cuarta pasada: el almacenamiento en caché gana por un margen cada vez mayor cada vez que vuelves a leer, que es exactamente la forma de una ejecución larga de un agente que mantiene un prompt de sistema fijo, un esquema de herramientas y un conjunto de documentos delante de una pregunta que se mueve.
El punto de equilibrio es casi inmediato: la prima de escritura en caché sobre la tarifa normal de entrada es de $0.375 por millón en Singapur, así que un prefijo en caché se amortiza en la primera relectura. Donde esto deja de funcionar es con un prefijo que cambia en cada turno: pagas la prima de escritura y nunca la recuperas, y la ventana de escritura predeterminada de 5 minutos es lo bastante corta como para que una llamada lenta a una herramienta pueda hacer que expire.
Tres valores predeterminados que deciden la factura antes de que lo haga tu prompt
Qwen4-Max viene con el razonamiento activado y ajustado en alto. Es un valor predeterminado razonable para un producto insignia y caro para un clasificador.
• El esfuerzo se establece por defecto en high: reasoning_effort acepta low, high y xhigh, y si se omite, se obtiene high. thinking_budget también se establece por defecto en 131.072, y max_completion_tokens en 262.144 en el modo thinking. Una solicitud que no establece nada ha reservado más presupuesto de salida del que utilizarán la mayoría de las tareas.
• No existe el nivel intermedio — Chat Completions y DashScope asignan minimal a low, medium a high y max a xhigh. En la ruta de Anthropic Messages, el parámetro es output_config.effort y se asigna de la misma manera. Pedir medium cuesta lo mismo que high.
• preserve_thinking tiene el valor predeterminado true: el razonamiento previo se traslada al contexto en las llamadas multiturno. Eso infla el lado de entrada de cada seguimiento y, al mismo tiempo, aumenta la probabilidad de que el prefijo siga coincidiendo con la caché. En un bucle de agente largo, los dos efectos se cancelan en parte; en un chat corto, no, y estás pagando por volver a leer pensamientos que nunca usarás.
• Los valores predeterminados de muestreo son thinking 1.0 / 0.95 / 20 y non-thinking 0.7 / 0.8 / 20 para temperature, top_p y top_k, con presence_penalty en 1.5 fuera del modo thinking. Establecer temperature explícitamente sin tocar effort cambia la forma de la salida, pero no la factura.
Lo que el proveedor dice que ha mejorado, y lo que nadie ha comprobado
Todas las cifras de esta sección son propias de Alibaba y no se han reproducido fuera del laboratorio. A fecha de 16 de noviembre, no existe ninguna entrada independiente en el índice para Qwen4-Max, así que considera la comparación una afirmación y no una medición.
• Work360 — 52,69 frente a 47,74 de Qwen3.8-Max, sobre una taxonomía creada por el proveedor: 26 dominios de Nivel 1, 182 de Nivel 2, 721 de Nivel 3.
• Eficiencia de tokens: aproximadamente un 24 % menos de tokens con esfuerzo xhigh y un 35 % con high en Work360; aproximadamente un 48 % y un 49 % en Terminal-Bench 4.0. Esta es la afirmación que se potencia con la reducción de precio, y es la que conviene probar primero con tus propias trazas, porque el ahorro de tokens depende de la forma de la carga de trabajo.
• Coste medio por tarea — de 4,43 $ a 1,67 $ en Work360, una reducción del 62 %. Esa cifra multiplica una rebaja de precio por una afirmación de ahorro de tokens; ninguno de los dos factores está verificado de forma independiente.
• Calidad del modelo base: entre un 5 % y un 13 % menos de bits por byte que Qwen3.8-Max-Base, mientras activa un 25 % menos de parámetros, medido internamente en conocimiento, código, QA y STEM. El proveedor señala que dos de los checkpoints comparados están post-entrenados, lo que debilita el encuadre de modelo base.
• Codificación segura — La última tasa de aprobación a nivel de función de Secure Code Bench aumentó del 22,0 % al 31,8 %, y el código que es seguro simultáneamente a nivel de función, archivo y repositorio aumentó del 8 % al 14,7 %.
La arquitectura que respalda la afirmación de eficiencia es una columna vertebral dispersa de mezcla de expertos de 2,4 billones de parámetros, con 71.000 millones de parámetros activados por token, más otros 328.000 millones en parámetros de embedding de N-gram que se consultan en lugar de multiplicarse. Tres capas Gated DeltaNet comprimen el historial en un estado de tamaño fijo para cada capa Qwen Sparse Attention, que selecciona el contexto con granularidad de microbloque mediante un indexador ligero, y cuatro ramas residuales paralelas con compuertas dinámicas de lectura y escritura estabilizan la pila profunda. Es una explicación plausible de por qué cae el coste del contexto largo. Sigue siendo una explicación.

Probarlo sin trasladar a ello una ruta de producción
La parte incómoda de este lanzamiento es que el modelo es genuinamente nuevo, los benchmarks no están auditados y la lista de precios es lo bastante atractiva como para que alguien lo quiera en producción esta semana. Esos tres hechos apuntan a una estrategia de staging en lugar de una migración.
Se puede acceder a Qwen4-Max a través de la propia API de Model Studio de Alibaba y de varias plataformas de terceros; no está en el catálogo de OrcaRouter a fecha de 16 de noviembre. Qwen3.8-Max sí está, a $2.00 de entrada y $6.00 de salida por millón de tokens en Singapur — el precio de lista del proveedor se traslada con un margen del 0 %, así que la diferencia del 25 % respecto a Qwen4-Max es una diferencia real y no un margen de enrutamiento. Eso hace que la prueba honesta sea barata: mantener el modelo actual con la clave que ya tienes, enviar una porción de tráfico en la sombra al nuevo modelo a través del proveedor y comparar el coste por tarea completada en lugar del coste por token. El propio planteamiento del proveedor —$4.43 a $1.67— es una cifra de coste por tarea, y el coste por tarea es la única comparación en la que una afirmación de eficiencia de tokens y una reducción de precio se sitúan en el mismo eje.
Para los equipos que ya enrutan a través de OrcaRouter, el coste de cambio que normalmente bloquea este tipo de evaluación es el segundo contrato y el segundo SDK. Una sola API para más de 200 modelos, la conmutación por error automática entre proveedores y un DSL de enrutamiento que combina varios modelos en una sola llamada hacen que el estado mixto —el modelo actual gestionando el volumen, el candidato gestionando una porción— sea un cambio de configuración en lugar de una integración. Para un modelo no probado, esa es la diferencia entre una prueba de dos semanas y una de dos días, y la conmutación por error es lo que evita que la prueba se convierta en una caída cuando el candidato tiene una mala tarde.

Qué hacer antes del 25 de noviembre
Si estás usando la versión preliminar, la fecha límite no es flexible: qwen4-max-preview está documentado para su retirada a las 24:00 del 25 de noviembre de 2026 UTC+8, y el identificador GA es qwen4-max con límites diferentes. Migra la cadena y, después, vuelve a comprobar dos cosas que no arrojarán un error cuando estén mal: cualquier código que asumiera un presupuesto compartido de 393.216 tokens ahora tiene 262.144, y cualquier trabajo que dependiera de créditos del Token Plan ahora se factura por token.
Si estás decidiendo si adoptar, el argumento para esperar es más débil de lo que era hace una semana, porque la tarjeta de precios por consumo y el precio de la caché ya están publicados y el precio está realmente por debajo de la generación anterior en todas las regiones. El argumento a favor de la cautela es el presupuesto compartido de salida, la ruta por lotes exclusiva de Pekín y un conjunto de benchmarks que escribió el proveedor. Ejecuta el segmento en sombra, calcula su precio por tarea completada y deja que las próximas dos semanas de tus propias trazas decidan: esa evidencia valdrá más que un 52,69 en una taxonomía que ninguno de nosotros puede auditar.
Se avecina otra cosa que vuelve a cambiar los cálculos: Alibaba dice que los modelos Qwen4 más pequeños se publicarán como código abierto en la misma familia, lo que históricamente significa que el piso de precios de este segmento se mueve en el plazo de un trimestre. Cualquier compromiso que asumas con las tarifas de hoy debe ser un compromiso del que puedas retirarte.
