
Qwen 4 vs Qwen 3.8 Max: Qué cambia realmente en tu factura cuando actualizas
- 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 · 126 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 · 44 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 · 147 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 · 123 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
La migración de Qwen3.8-Max a Qwen4-Max es inusual entre las actualizaciones de gama alta porque el precio se mueve a tu favor y la capacidad se mueve al mismo tiempo. Qwen3.8-Max ha estado disponible de forma general desde el 3 de agosto de 2026 a $2.00 de entrada y $6.00 de salida por millón de tokens con una ventana de contexto de un millón de tokens. Qwen4-Max, que lo reemplazó en la cima de la línea el 16 de noviembre de 2026, cuesta $1.50 y $4.50 para la misma ventana, obtiene 43 frente a 34 en el Artificial Analysis Intelligence Index y cuesta $3.27 por tarea de índice frente a $10.02. Una reducción del 25 por ciento en ambos lados del medidor, nueve puntos de índice y un tercio del costo por tarea completada —el tipo de actualización que normalmente llega con un aumento de precio incluido. La trampa, y siempre hay una en una migración dentro del mismo proveedor, es que el presupuesto de salida se redujo incluso cuando todo lo demás aumentó.
Los cuatro números que se movieron, y el que se movió hacia atrás
Las actualizaciones dentro de un mismo proveedor son más fáciles de evaluar que las comparaciones entre proveedores, porque el linaje del tokenizador, la superficie de la API y las convenciones de llamada a herramientas se mantienen tal cual. Lo que cambia es una lista corta, y puedes contrastarla con tu propio uso en una tarde.
• Precio — de $2.00/$6.00 a $1.50/$4.50 por millón de tokens, una reducción del 25 por ciento en ambos lados
• Lectura en caché: de 0,25 $ a 0,075 $ por millón, una reducción del 70 por ciento
• Puntuación independiente: de 34 a 43 en el mismo índice, el mismo consejo; ambos indican el 17 de noviembre de 2026.
• Costo por tarea de indexación — de $10.02 a $3.27, una reducción del 67 por ciento
• Presupuesto compartido de pensamiento y respuesta: 262,144 tokens, reducido desde una asignación mayor en la generación 3.8
• Parámetros activos — 71 mil millones, frente a 95 mil millones, sobre el mismo backbone de 2,4 billones de parámetros
• Contexto — sin cambios en 1.000.000 de tokens
• Pesos — ninguno de los modelos insignia publica ninguno, aunque el hermano de pesos abiertos de Qwen3.8-Max, Qwen3.8-27B, sí lo hace.
Dos de esos merecen más que una línea. La reducción de parámetros activos es la afirmación arquitectónica que sustenta el resto: Qwen4-Max activa 71.000 millones de parámetros por token, mientras que Qwen3.8-Max activaba 95.000 millones, y Alibaba atribuye la ganancia de eficiencia a una nueva arquitectura y no a la poda: capas DeltaNet con compuertas intercaladas con un mecanismo de atención dispersa que indexa el contexto con granularidad de microbloques, cuatro ramas residuales paralelas con compuertas dinámicas de lectura y escritura, y una tabla de embeddings N-gram basada en contexto de 328.000 millones de parámetros que amplía la capacidad sin ampliar el cómputo por token.
El presupuesto compartido es el que va a sorprender a la gente. Qwen4-Max agrupa su razonamiento y su respuesta en un único límite de 262.144 tokens. Si generabas salidas de 150.000 tokens en Qwen3.8-Max con el pensamiento activado, ahora te quedan 112.144 tokens para pensar, y ante un problema difícil, el pensamiento se los comerá. El fallo se manifiesta como una respuesta truncada, no como un error, que es la peor forma en que puede aflorar un límite.
Por qué el costo por tarea cayó dos tercios cuando el precio del token bajó una cuarta parte
Los precios de los tokens explican una cuarta parte del ahorro. Los otros dos tercios provienen de que el modelo hace menos trabajo para llegar a la misma respuesta, y esta es la parte del lanzamiento que resulta más difícil de verificar y más importante para el caso de negocio.
Las cifras de la propia Alibaba: en su suite Work360, el uso de tokens cae alrededor de un 24 por ciento con esfuerzo de razonamiento xhigh y un 35 por ciento con high; en Terminal-Bench 4.0, un 48 y un 49 por ciento. El coste medio por tarea en Work360 baja de 4,43 $ a 1,67 $, una reducción del 62 por ciento. Son cifras del proveedor, medidas por el proveedor, frente al modelo anterior del proveedor, sin reproducción independiente, y son evidencia direccional de que la afirmación de eficiencia no es solo una rebaja de precio disfrazada.
La corroboración independiente es más limitada, pero coincide. Artificial Analysis mide $10.02 por tarea de índice para Qwen3.8-Max y $3.27 para Qwen4-Max. Nadie publicó $4.43 ni $1.67 excepto Alibaba; los $10.02 y $3.27 son los cálculos de otra persona sobre la carga de trabajo de otra persona, y apuntan en la misma dirección.
Ponle un número a tu propio trabajo. Un pipeline que realiza 5000 tareas al día con 30 000 tokens de entrada y 4000 de salida, sin caché, según las tarifas publicadas en dólares estadounidenses: Qwen3.8-Max factura $50 de entrada y $120 de salida al día, en total $170. Qwen4-Max factura $37,50 y $90: $127,50. Un ahorro de unos $1275 al mes antes de la caché, y considerablemente más si un prefijo estable te permite aprovechar la lectura de caché de $0,075 en lugar de la de $0,25.
La historia de la eficiencia tiene una segunda mitad que nadie cita.
Los tokens más baratos por tarea son solo la mitad de un caso de negocio. La otra mitad es el tiempo transcurrido, y aquí el panorama es más confuso que la tabla de precios.
Artificial Analysis mide Qwen3.8-Max en 59 tokens de salida por segundo y 48 minutos por tarea de índice —lento, y si estás ejecutando trabajo agéntico de horizonte largo, ese número es el que determina tu ventana nocturna. Qwen4-Max no publica ninguna velocidad de salida ni ningún tiempo por tarea. Usa aproximadamente la mitad de los tokens en algunos benchmarks, lo que implicaría aproximadamente la mitad del tiempo real con el mismo rendimiento, pero nadie ha publicado el rendimiento.
Así que el planteamiento honesto de la actualización es este: sin duda pagarás menos por token, casi con toda seguridad pagarás menos por tarea y probablemente terminarás antes. Solo la primera de esas tres afirmaciones es un hecho que puedes plasmar hoy en un contrato. La segunda se sustenta en una medición independiente. La tercera es una inferencia.
Eso importa específicamente para las decisiones de programación. Si tu tarea de indexación de 48 minutos a 59 tokens por segundo ya está al límite de lo que cabe durante la noche, necesitas una prueba piloto con tus propios prompts antes de migrar; no porque sea probable que Qwen4-Max sea más lento, sino porque un presupuesto de pensamiento compartido de 262.144 tokens cambia la forma de una ejecución larga de maneras que un promedio de benchmark no revelará.
Lo que no cambió, y por qué esa es la mejor noticia aquí
La ventana de contexto es el mismo millón de tokens. La superficie de modalidades es la misma: entrada de texto, imagen y video; salida de texto. La superficie de API es la misma, con el pensamiento controlado por enable_thinking o mediante reasoning.effort en Responses API, y el modelo se sirve en las regiones de Alibaba en formatos compatibles con OpenAI, compatibles con Anthropic y nativos.
Para cualquiera que ya esté en Qwen3.8-Max, esto es lo que hace económica la actualización: la migración es un cambio de identificador de modelo, no una reescritura. Nada de reestructurar prompts, ningún esquema de tool-calling que renegociar, ningún cambio en la gestión del contexto. Las dos cosas que debes volver a probar son las que señalan los números: el presupuesto de salida con thinking y cualesquiera que sean tus rutas sensibles a la latencia.
Esto también significa que el patrón sensato es el tráfico en la sombra en lugar de un interruptor: enviar una parte de las solicitudes de producción a ambos, comparar las salidas y los recuentos de tokens, y dejar que el presupuesto compartido de 262,144 tokens se revele en los casos largos antes de que lo haga delante de un cliente.

¿Deberías conservar la instantánea 0902?
Qwen3.8-Max cuenta con una instantánea con fecha, qwen3.8-max-0902, fijada al 2 de septiembre de 2026, con las mismas capacidades y precios que el modelo base. Las instantáneas existen para garantizar la reproducibilidad, y el argumento para conservar una es más sólido justo cuando estás a punto de cambiar el modelo subyacente.
Si tienes una suite de evaluación en la que confías, ejecútala contra la instantánea antes de retirar el alias. La instantánea es tu grupo de control; el alias nunca fue estable por diseño, y Qwen4-Max es un modelo distinto, no una actualización de versión del mismo. Dos detalles que vale la pena comprobar en esa ejecución: si tus casos de salida larga sobreviven al presupuesto compartido más pequeño, y si tu coste por tarea realmente se movió en el margen que predice la tabla de precios. Si no fue así, la afirmación de eficiencia de tokens no se sostiene en tu carga de trabajo, y el argumento a favor de migrar se reduce únicamente a la rebaja de precio — que sigue valiendo la pena, pero un cuarto en lugar de dos tercios.
Una opción más que la comparativa de los buques insignia suele ocultar: Qwen3.8-27B es de pesos abiertos bajo Apache-2.0 y se puede autoalojar, y lo servimos como qwen/qwen3.8-27b. Para trabajos de gran volumen y baja complejidad, la aritmética es completamente distinta a la de cualquiera de los dos buques insignia, y «pasar de 3.8-Max a Qwen4-Max» no es la única opción disponible. Si tu carga de trabajo es de clasificación, extracción o generación de textos breves, un modelo denso de 27B que puedas ejecutar tú mismo puede superar a ambos en coste unitario, y es la única opción de esta familia que puedes fijar a una versión y auditar.
La migración, en orden
Primero, haz un inventario de tus salidas. Cualquier ruta que solicite más de unos 120.000 tokens de salida con el razonamiento habilitado corre riesgo con el presupuesto compartido de 262.144. Eso es un grep de tus puntos de llamada, no un benchmark.
En segundo lugar, mida su propio consumo de tokens por tarea en ambos modelos durante una semana representativa. Las cifras de eficiencia publicadas están entre el 24 y el 49 por ciento según el benchmark y el esfuerzo, lo que constituye una banda amplia — lo suficientemente amplia como para que su propia cifra pueda quedar fuera de ella.
Tercero, mide tu p95. Qwen4-Max no tiene throughput publicado, así que tu primer número de latencia será el primer número de latencia que tenga alguien fuera de Alibaba.
Cuarto, decidan sobre el nivel de pesos abiertos. Si parte del volumen puede pasar a qwen/qwen3.8-27b, la migración insignia solo tiene que encargarse de los casos difíciles, y el coste combinado cae más de lo que sugiere cualquiera de los planes de un solo modelo.
Ejecutar ambos buques insignia detrás de un único endpoint es la versión de bajo esfuerzo de esto: qwen/qwen3.8-max se mantiene en $2.00/$6.00 y una solicitud de Qwen4-Max es una regla de enrutamiento en lugar de un contrato nuevo, así que puedes desplazar el tráfico gradualmente y volver al modo anterior en el momento en que el presupuesto compartido apriete. Vale la pena decir con claridad que Qwen4-Max en sí no está entre los 215 identificadores que servimos actualmente —el modelo actualizado se enruta a través de la propia API de Alibaba—, así que lo que obtienes de nosotros hoy son los modelos existentes, con precio de lista y sin nada añadido.
El veredicto, que es inusual
Migra, a menos que generes salidas muy largas. Una actualización del mismo proveedor que reduce el precio en una cuarta parte, reduce el precio de la caché en un 70 por ciento y añade nueve puntos de índice es casi un almuerzo gratis, y la evidencia por tarea —del proveedor y de un panel independiente— indica que el ahorro real es mayor de lo que implica el precio de los tokens.
La excepción es estrecha y específica: cargas de trabajo cuya salida supera con regularidad aproximadamente los 120,000 tokens con el pensamiento activado. Para esas, el presupuesto compartido de 262,144 tokens es una regresión de capacidad disfrazada de mejora de eficiencia, y lo correcto es quedarse en la generación 3.8 o dividir la solicitud.
Lo que hay que observar a continuación es la cifra que falta, no las que se publican. Un modelo que es dos tercios más barato por tarea y no tiene un rendimiento medido es una apuesta sólida con un riesgo no cuantificado, y la primera medición independiente de tiempos de Qwen4-Max resolverá más de esta discusión que cualquier puntuación de benchmark adicional.

La parte de esta familia que puedes ejecutar por tu cuenta
Una ventaja de una actualización del mismo proveedor que no existe en ninguno de los dos buques insignia: el nivel inferior a ellos es abierto y portátil. Qwen3.8-27B se distribuye bajo Apache-2.0 con entrada de texto, imagen y vídeo y una ventana de 262.144 tokens, y lo servimos como qwen/qwen3.8-27b —en nuestra propia infraestructura, a precio de lista sin recargo, fijable de una forma en que ninguno de los dos buques insignia lo es. Para una migración cuyo principal riesgo es un presupuesto de salida compartido que no se puede auditar, contar con un respaldo versionado de pesos abiertos dentro de la misma familia es el seguro más barato disponible.

Comparados en este artículo1
Detectado en este artículo · Benchmarks: Artificial Analysis · actualizado a diario
