Qwen4-Max Preview vs Claude Opus 5.5: un modelo de catorce días frente al que aún puedes llamar en diciembre

Alibaba abrió Qwen4-Max Preview a las 10:00 del 11 de noviembre de 2026 y, en la misma página de documentación, indicó cuándo se cierra: las 24:00 del 25 de noviembre, UTC+8. Catorce días. Anthropic lanzó Claude Opus 5.5 el 22 de septiembre de 2026 a 4,00 USD por millón de tokens de entrada y 20,00 USD por millón de salida, con un compromiso de retirada no anterior al 22 de septiembre de 2027. Esas dos frases ya resuelven la mayor parte de esta comparación, porque uno de estos modelos es un experimento de dos semanas y el otro es una partida que puedes incluir en el presupuesto del próximo año.

Lo que las fechas no resuelven es si vale la pena ejecutar el experimento. No hay ningún benchmark para Qwen4-Max Preview —ni una tabla del proveedor, ni una ejecución independiente, ni una sola puntuación publicada—, así que cualquier página que lo clasifique frente a Claude Opus 5.5 en calidad está adivinando. Esta no lo hace. Compara las cuatro cosas que realmente puedes verificar antes del viernes: qué acepta cada modelo como entrada, cuánta salida puede contener una sola respuesta, cuánto cuesta una tarea y cuánto tiempo se te permite seguir usándolo.

Qué es cada uno, en la forma en que puedes llamar hoy.

Alibaba escribe el producto Qwen4-Max-Preview en su anuncio y la cadena de API qwen4-max-preview en su documentación; también existe un alias, qwen4.0-max-preview, y Alibaba señala que ambos funcionan, pero que la facturación se presenta bajo la forma 4.0. Ninguno de los nombres remite a una ficha pública del modelo, a un recuento de parámetros ni a una licencia, porque no hay nada que descargar.

Claude Opus 5.5 es el tipo opuesto de objeto: un endpoint documentado, con precio y multiplataforma cuyos límites están todos en una página que puedes citar. Si pones los dos lado a lado, el contraste no tiene que ver realmente con la capacidad en absoluto.

• Ventana de contexto — Qwen4-Max Preview: 1.000.000 de tokens frente a Claude Opus 5.5: 1.000.000 de tokens. Un empate genuino, y la única dimensión en la que la versión preliminar no necesita ninguna salvedad.

• Salida máxima por respuesta: 393.216 tokens para la vista previa, una cifra que Alibaba afirma que comparten el razonamiento y la respuesta final, frente a 128.000 tokens para Claude Opus 5.5, o 300.000 en la API de Batches con un encabezado beta.

• Entrada — texto, imágenes y video frente a texto e imágenes. Este es el único eje en el que un modelo simplemente no puede hacer el trabajo que el otro sí puede.

• Precio por millón de tokens: no publicado; se mide en Token Plan Credits con cargo a una suscripción, frente a $4.00 de entrada y $20.00 de salida, con lecturas de caché a $0.20 y escrituras de caché de 5 minutos a $5.00.

• Pensamiento predeterminado: reasoning_effort activado, con xhigh como valor predeterminado y con low y medium disponibles, frente a pensamiento adaptativo siempre activado, con el esfuerzo predeterminado en medium dentro de una escala de low a max. Los valores predeterminados apuntan en direcciones opuestas, lo que importa más de lo que parece.

• Benchmark publicado — ninguno frente a Artificial Analysis Intelligence Index 59, clasificado en quinto lugar de 74 modelos según esa métrica.

• Cómo acceder: solo mediante suscripción a Token Plan, en la URL base de Singapur token-plan.ap-southeast-1.maas.aliyuncs.com, además de la app Qwen, Qwen Chat, Agent Mode, Qoder, QwenWork y QwenStudio, frente a la API de Claude, Amazon Bedrock, Google Cloud, Microsoft Foundry y Claude Platform on AWS.

• Ventana de disponibilidad: del 11 al 25 de noviembre de 2026 frente a activo, con retirada no antes del 22 de septiembre de 2027.

La asimetría de esa lista tiene una consecuencia práctica que es fácil pasar por alto. Qwen4-Max Preview tiene dos puertas —una puerta de producto que no requiere clave y una puerta de API que necesita una suscripción a Token Plan y una URL base que aún no tiene—, mientras que Claude Opus 5.5 es accesible desde cualquier cliente con forma de OpenAI que ya tenga. Si su evaluación es «¿este modelo entiende mi base de código?», la puerta del chat es suficiente. Si es «¿esto sobrevive al contacto con mi pipeline?», está aprovisionando un segundo contrato para un modelo que caduca en dos semanas.

El límite de salida de 393K es donde la documentación esconde una trampa

393,216 es la cifra con la que empieza cada resumen de este lanzamiento, y es una ventaja real: es solo un poco más de tres veces el límite de 128,000 tokens de Claude Opus 5.5. Reescrituras de repositorios completos, síntesis de transcripciones largas, generación de una aplicación pequeña entera en una sola respuesta: la versión preliminar está diseñada para resultados que no caben en el presupuesto de respuesta de la mayoría de los modelos.

Lee la nota al pie, eso sí. Alibaba dice que los 393,216 tokens son compartidos por el pensamiento y la respuesta final, y luego añade una frase que romperá los ports: a partir de este modelo, max_tokens en OpenAI Chat Completions equivale a max_completion_tokens, y ambos limitan el consumo combinado de pensamiento más respuesta. Todos los modelos Qwen anteriores mantenían el comportamiento antiguo, en el que el límite se aplicaba a la respuesta. Así que una solicitud copiada de qwen3.8-max con max_tokens: 8192 ahora compra 8,192 tokens de pensamiento y lo que quede —que, con el esfuerzo xhigh predeterminado en un prompt difícil, puede ser nada. El modo de fallo es una respuesta truncada, no un error que puedas detectar.

La imparcialidad exige una corrección a la forma en que esto se suele informar. El max_tokens de A​nthropic también limita el razonamiento y el texto juntos dentro de una sola respuesta, así que un presupuesto compartido no es un invento de Q​wen y no es una razón para preferir a un proveedor. Lo que es diferente es el tamaño del presupuesto, y el hecho de que Q​wen cambió el significado de un parámetro que sus propios usuarios ya habían aprendido. Ese es un costo de migración, y recae sobre ti, no sobre el proveedor.

La segunda trampa es el esfuerzo predeterminado. Qwen4-Max Preview razona en xhigh a menos que se le indique lo contrario; Claude Opus 5.5 razona en medium. Dos llamadas sin configurar, comparadas lado a lado, no están midiendo la misma cantidad de trabajo — y en la preview, un valor predeterminado más profundo consume una mayor proporción del presupuesto de respuesta antes de que exista la primera palabra de la respuesta.

La entrada de video es la única carencia sin solución alternativa

Claude Opus 5.5 acepta texto e imágenes. Qwen4-Max Preview acepta texto, imágenes y vídeo, y Alibaba nombra directamente los casos de uso: análisis de capturas de pantalla, comprensión de documentos y análisis de vídeo.

Si tu pipeline ya muestrea fotogramas y los envía como imágenes, nada cambia: ambos modelos pueden leer los fotogramas, y la diferencia se reduce a la contabilidad de tokens. Si tu pipeline quiere entregar un archivo y preguntar qué ocurrió en él, solo uno de estos modelos puede aceptar la pregunta. El razonamiento temporal sobre un clip proporcionado no es algo que puedas aproximar describiendo el clip en texto; puedes reconstruir una aproximación, y pasarás una semana de un investigador descubriendo cuánto de la respuesta vivía en el movimiento.

Esa es la regla de decisión más clara de esta comparación, y no requiere un benchmark. Un equipo con vídeo en la ruta de entrada tiene un solo candidato hoy. Un equipo que no lo tiene no tiene motivo alguno para aceptar una caducidad de catorce días como parte del acuerdo.

Los números independientes, y el que no se refiere a este modelo

Artificial Analysis no tiene una página para Qwen4-Max Preview. A fecha de 11 de noviembre, no hay velocidad medida, ni coste por tarea, ni puntuación de índice, ni número de proveedores para él: la preview es demasiado nueva y, con catorce días, puede que nunca llegue a tener una entrada. Así que la única forma honesta de poner a los dos en un mismo gráfico es usar el modelo insignia de Qwen más reciente que se ha medido, Qwen3.8-Max, y decir claramente que es un proxy.

• Índice de inteligencia — Claude Opus 5.5: 59, clasificado en quinto lugar de 74 frente a Qwen3.8-Max: 34, por debajo de la mediana de 40 para su nivel de precio. Según Artificial Analysis.

• Velocidad de salida — 115 tokens por segundo frente a 53. Según Artificial Analysis, con el mismo harness.

• Tiempo hasta el primer token de respuesta: 353,75 segundos frente a 122,57 segundos. Opus 5.5 es el modelo más lento para empezar y el más rápido para terminar.

• Tiempo por tarea: 25,0 minutos frente a 54,1 minutos, en comparación con una mediana de 12,6.

• {{1}}Costo por tarea{{/1}} — $10.04 vs $10.02. Lea eso dos veces; es el número más interesante de esta página y la próxima sección trata sobre por qué.

• Verbosidad: 218 millones de tokens de salida en el índice frente a 150 millones, en comparación con una mediana de 72,8 millones.

Hay una medición que sí compara directamente un checkpoint de Q​wen 4 con Claude Opus 5.5, y merece cuidado en lugar de un titular. El GameFeel Benchmark —una evaluación de creatividad y desarrollo de videojuegos que puntúa construcción, corrección de errores, sensación de juego, ideas, apartado visual y audio— incluye una fila para Q​wen-4-Flash-Early con una media de 49.9 frente a Claude Opus 5.5 con esfuerzo XHigh y una media de 47.2. Antes de que nadie lo cite, hay que decir cuatro cosas al respecto. Es un checkpoint de la gama Flash, no Max. La etiqueta -Early es la conjetura del autor del benchmark sobre a qué gama no publicada pertenece un endpoint sin etiquetar, no una confirmación de A​libaba. Las dos filas no se facturaron de la misma manera, así que las cifras de $0.40 y $2.60 por tarea no son comparables en igualdad de condiciones. Y la media oculta el desglose: Opus gana en corrección de errores, 65 a 63, y en evaluación inversa, 21.67 a 19.95, mientras que el checkpoint de Q​wen gana en ideas 54 a 41, apartado visual 65 a 63, audio 30 a 25 y sensación de juego 52 a 50. La corrección de errores y la evaluación inversa son las dos subtareas más cercanas al trabajo de producción; ideas y audio son las dos más alejadas de él.

La misma prueba también muestra qué efecto tiene el esfuerzo sobre Opus 5.5: en Medium obtiene 42,3 por 0,88 $ la tarea, frente a 47,2 por 2,60 $ en XHigh. Casi el triple de gasto para cinco puntos. Si ejecutas Opus con el esfuerzo máximo por defecto, esa es la línea que conviene mirar.

Lo que cuesta una tarea cuando no se puede poner precio a una de las partes

Empieza por la mitad que tiene una tabla de precios. Un trabajo que envía 200.000 tokens de entrada y devuelve 20.000 tokens de salida cuesta $0,80 en entrada y $0,40 en salida con Claude Opus 5.5: $1,20. Reutiliza esa entrada desde la caché y la parte de entrada baja a $0,04, con lo que el mismo trabajo sale por $0,44. Procésalo por lotes y todo se reduce otra vez a la mitad. Son cálculos aritméticos, no estimaciones, y puedes incluirlos en una previsión.

Ahora la otra mitad. Alibaba no publica ninguna tarifa de créditos por token para Qwen4-Max Preview. Token Plan Personal Edition es una suscripción de Credits —los cuatro niveles personales de Alibaba van desde $6 al mes por 20.000 Credits hasta $43 por 200.000— y el proveedor afirma que la tasa a la que una llamada consume Credits se establece dinámicamente según el tipo de modelo, el uso de tokens, el modo de razonamiento y las llamadas a herramientas. El único lugar donde se puede observar la tasa real es el detalle de uso en la consola después de haber gastado algunos. Durante la vista previa hay un descuento promocional, por lo que la tasa observada no es una buena referencia para la que habrá después de la vista previa.

Así que la comparación de precios no es "cuál es más barato". Es "uno de estos tiene un precio unitario y el otro tiene una suscripción que aún no puedes convertir en uno". Y las cifras anteriores sugieren que la tarifa importa menos de lo que parece: Qwen3.8-Max se anuncia a $2.00 y $6.00 por millón de tokens —un tercio del precio de entrada de Opus 5.5 y menos de un tercio de su precio de salida— y aun así termina en $10.02 por tarea del Intelligence Index frente a los $10.04 de Opus. El modelo barato genera tantos más tokens por tarea que la tarifa queda casi totalmente anulada. Un precio de lista más barato te compra una factura más barata solo si el modelo también es conciso, y según todas las mediciones disponibles, esta familia no lo es.

Ejecutarlos en paralelo sin pretender que sea un solo contrato.

Claude Opus 5.5 está en nuestro catálogo como anthropic/claude-opus-5.5, a los precios publicados por Anthropic de $4.00 y $20.00 por millón de tokens, con 0% de recargo, así que es una única clave y una única factura junto a más de 200 otros modelos, con una cadena de respaldo y el DSL de enrutamiento disponibles si quieres enviar la mitad fácil de una carga de trabajo a algún sitio más barato que Opus sin cambiar tu código.

Qwen4-Max Preview no está en nuestro catálogo, y vale la pena ser franco sobre lo que eso significa: no lo servimos, y no puedes incluirlo en una cadena de failover aquí. Para acceder a él se necesita una clave de API de Token Plan, la URL base de Singapur y un segundo contrato, que es exactamente el tipo de cosa que rara vez justifica construir para un modelo de dos semanas. Si quieres evaluarlo, ejecútalo como una comparativa offline con tu propia clave y con prompts cuyas respuestas ya conozcas, y mantén producción apuntando a algo que siga respondiendo solicitudes el 26 de noviembre.

Aquello para lo que la vista previa es buena es la pregunta que obliga a hacerse. Dos semanas son suficientes para descubrir si la entrada nativa de vídeo y un presupuesto de respuesta de 393K cambian lo que tu producto puede hacer, y lo bastante cortas como para que no termines dependiendo de la respuesta sin querer.

¿Quién debería hacer qué, esta semana?

Si tienes vídeo en la ruta de entrada y ninguna dependencia de producción respecto al resultado, abre Qwen4-Max Preview a través de Q​wen Chat hoy, dedica una tarde a los clips que realmente te importan y trata todo lo que aprendas como investigación en lugar de arquitectura. Establece reasoning_effort en medium para la primera pasada, para que el presupuesto de respuesta no se consuma antes de que empiece la respuesta, y establece max_tokens lo suficientemente alto como para que quepan tanto el razonamiento como la salida.

Si vas a lanzar algo que tenga que funcionar en diciembre, Claude Opus 5.5 es el único de los dos con un precio que puedes prever, un benchmark que puedes citar a un cliente y una fecha en la que seguirá existiendo. Sus debilidades están documentadas en lugar de ser un misterio —es lento hasta el primer token, verboso y caro por tarea con un esfuerzo alto— y las tres se pueden ajustar mediante el parámetro de esfuerzo.

Y si quieres ambas cosas, en ese orden, la secuencia es lo importante: demuestra la capacidad en la vía gratuita, desarrolla sobre el modelo que tiene una lista de precios y retoma la cuestión en diciembre, cuando llegue el sucesor de la preview con, se supone, un precio y un benchmark adjuntos.