
Qwen4-Max ahora se promociona para la programación agéntica. La fila independiente de velocidad indica 74.º de 79.
- 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 1.02026-11-0711 tok/s
- OrcaNUEVOOrcaCyber: GLM 5.3 Abliterated / Uncensored2026-11-04$3.00 / $5.00 por 1M de tokens · 88 tok/s
- OrcaNUEVOOrcaCyber: Hy4 Abliterated / Uncensored2026-11-04$0.80 / $1.60 por 1M de tokens · 134 tok/s
- OrcaNUEVOOrcaCyber: Kimi K3.1 Pro Abliterated / Uncensored2026-11-04$4.00 / $20.00 por 1M de tokens · 86 tok/s
- OrcaOrcaCyber: MiniMax M3.1 Flash Abliterated / Uncensored2026-10-29$0.80 / $1.60 por 1M de tokens · 125 tok/s
- OrcaOrcaCyber: GLM 5.3 Flash Abliterated / Uncensored2026-10-27$0.80 / $1.60 por 1M de tokens · 67 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 · 192 tok/s
- minimaxMiniMax: M3.1 Flash2026-10-1929Inteligencia
- OrcaOrca: OrcaCyber Ultra 1.02026-10-17$5.00 / $10.00 por 1M de tokens · 134 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 · 128 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 · 186 tok/s
A las 09:31 UTC del 17 de noviembre de 2026, la cuenta oficial Qwen4-Max en X publicó cinco palabras y una invitación: el modelo ya está disponible en una plataforma de terceros; ven a probar la programación agéntica. Fue un tuit que citaba el anuncio de la propia plataforma, un día después de que Alibaba pasara el modelo de la vista previa a la disponibilidad general de pago por uso. La publicación es breve y es fácil pasarla por alto al desplazarse. También es la primera vez que el proveedor dirige a sus propios seguidores hacia una ruta externa específica para su buque insignia, y eligió la carga de trabajo —la programación agéntica de horizonte largo— en la que Qwen4-Max tiene actualmente la medición independiente más débil de la tabla.
Esa es toda la tensión que merece la pena reportar, y no es una acusación. Que un proveedor promocione un modelo ante quienes construyen agentes es normal. Lo que merece la pena precisar es la distancia entre el discurso de venta y las cifras que un lector puede verificar, porque el discurso es lo que un equipo usa para actuar y las cifras son lo que entregan la factura y el reloj de pared.
Lo que realmente establece la publicación
Tres cosas, y no más de tres. El resto es inferencia disfrazada de noticia.
• El respaldo es real y está fechado. La publicación lleva una marca temporal del 17 de noviembre a las 09:31 UTC, proviene de la propia cuenta del proveedor y cita el tuit del anuncio anterior de la plataforma en lugar de aparecer de forma aislada. Que un proveedor republique el lanzamiento de un socio es un acto deliberado; la cuenta no lo mencionó simplemente por casualidad.
• La plataforma no es un segundo despliegue. Su página de modelo enumera qwen/qwen4-max en una tabla titulada «Modelos enrutados servidos por sus propios laboratorios» — no entre sus propias ediciones publicadas. Esa distinción importa más que el texto de marketing que la rodea: un modelo enrutado es el despliegue de Alibaba al que se llega a través de la puerta de entrada de otro, que es la única forma en que un modelo cerrado de clase 2,4 billones de parámetros puede aparecer en cualquier sitio.
• Es una beta, no capacidad. El banner permanente del sitio indica que está en beta privada y solicita un código de invitación. El respaldo desde la propia cuenta del modelo es una señal sobre la intención, no sobre el rendimiento, la cuota ni un acuerdo de nivel de servicio; y un código de invitación no es una vía de adquisición.
Y lo que la publicación no establece es ni una sola afirmación de rendimiento. No incluye ninguna cifra de tokens por segundo, ninguna tasa de finalización de tareas, ningún costo por tarea, ninguna declaración sobre cuántas sesiones concurrentes de agentes admite la ruta. Léela como «ahora puedes acceder a este modelo aquí», que es todo lo que dice.
La tarjeta que está debajo del endoso es más barata que la del propio vendedor.
El listado enrutado lleva sus propios números, y el precio es el que vale la pena mirar fijamente. Dice $1.40 por millón de tokens de entrada y $4.20 por millón de salida, con una ventana de contexto de 977K tokens y un estado de en línea.
• Entrada — $1.40 en la tarjeta enrutada frente a $1.413 en la propia tarjeta de alcance global de Alibaba (Pekín, Hong Kong, Fráncfort, Virginia, EE. UU., Tokio) y $1.50 en Singapur.
• Producción — $4,20 frente a $4,24 de Global y $4,50 de Singapur.
• La dirección: el número enrutado se sitúa aproximadamente un 1 % por debajo de la región publicada más barata del proveedor y alrededor de un 6,7 % por debajo de la tarjeta con la que realmente se facturará a la mayoría de los lectores fuera de China continental.
• La mecánica declarada — la plataforma describe su cobro como «la tarifa del laboratorio más la tarifa de ruta, un recibo de ruta firmado en cada respuesta».
• La cifra de contexto — 977K en el listado, frente a 1.000.000 en la ficha del modelo de Alibaba, donde los límites operativos son 991.808 tokens de entrada en modo estándar y 983.616 en modo de pensamiento.
Esos dos hechos encajan de forma incómoda. Una ruta que añade una comisión sobre la tarifa del laboratorio debería costar más que ir directamente, y esta cuesta menos que todas las regiones publicadas de Alibaba. Las explicaciones plausibles son poco glamurosas —una tarifa promocional, un arbitraje regional sobre qué endpoint de Alibaba se está llamando, o una ficha que no se ha actualizado desde la tarjeta de previsualización— y ninguna puede confirmarse desde fuera. Lo que un lector puede hacer es dejar de tratar el precio enrutado como el precio del modelo. La propia tarjeta de Alibaba es la referencia; cualquier cosa por debajo es un acuerdo comercial con una fecha de caducidad que nadie ha publicado. Si el coste por tarea es lo que estás decidiendo, cálculalo a partir de $1.50 de entrada y $4.50 de salida en Singapur, o $1.413 y $4.24 en el ámbito Global, y trata un descuento como una ventaja, no como el plan.

La carga de trabajo en la publicación es la que peor mide el rastreador.
Artificial Analysis es la única organización que publica mediciones independientes de Qwen4-Max, y su página se actualizó con una fila completa de rendimiento que no estaba allí el día del lanzamiento. Lo que dice esa fila no es ambiguo.
• Intelligence Index — 43 en la suite de nueve evaluaciones v5.0.1, en el puesto 38.º de 81 modelos, ligeramente por encima de la mediana de 41 del tracker para esta categoría de precio.
• Velocidad de salida — 54 tokens por segundo. Eso lo sitúa en el puesto 74 de los 79 modelos que el tracker clasifica por rendimiento.
• Tiempo hasta el primer token de respuesta: 179,79 segundos, porque el modelo piensa antes de hablar y el esfuerzo de razonamiento predeterminado en la ficha de Alibaba es alto.
• Tiempo por tarea de Intelligence Index: 32,2 minutos, frente a una mediana de 13,3 minutos para modelos comparables. El rastreador lo califica como "{{1}}notablemente lento{{/1}}".
• Verbosidad — 127 millones de tokens de salida en todo el índice, frente a una mediana de 78,6 millones. Eso lo sitúa en el puesto 65 de 80.
• Coste por tarea de indexación — 3,27 $, en el puesto 44 de 80, con un descuento de caché del 95 % ya aplicado.
Cada cifra de esa lista es una medición propia del rastreador, no de Alibaba. Las afirmaciones publicadas por el proveedor son un conjunto completamente distinto y se etiquetan como afirmaciones del proveedor dondequiera que aparezcan: una mejora de eficiencia de tokens del 24 % al 35 % frente a Qwen3.8-Max en su propio benchmark Work360, del 48 % al 49 % en Terminal-Bench 4.0, y un costo promedio por tarea que cae de $4.43 a $1.67. Nada de eso ha sido reproducido de forma independiente. Los dos conjuntos de datos no se contradicen entre sí —un modelo puede ser eficiente por tarea y aun así ser lento por token—, pero solo uno de ellos te dice cómo se sentirá un bucle de agente a las 2 de la mañana.
Hay un segundo vacío en el material del propio proveedor, y es extraño para un modelo que se vende como de codificación agéntica. La model card de Alibaba no publica un recuento de parámetros; el material de lanzamiento describe un modelo disperso de mezcla de expertos de 2,4 billones de parámetros con 71 mil millones activados por token, y el tracker registra el tamaño como no divulgado. Tampoco hay una puntuación publicada en Terminal-Bench 4.0 para este modelo por parte de la propia Alibaba, solo la afirmación de eficiencia relativa frente a su predecesor. Un proveedor que quiere que los desarrolladores de agentes adopten un modelo suele empezar con una cifra agéntica absoluta. Este empezó con un ratio.
Qué le hacen 32 minutos por tarea y 54 tokens por segundo a un bucle
Los precios unitarios ocultan esto, así que aquí está la aritmética sobre la forma que promociona la publicación: un agente de codificación que trabaja en una tarea por turnos. Todo ello se deriva de las tarifas publicadas y de la velocidad medida, no de una factura.
• Tiempo de generación por turno — un parche y un bloque de razonamiento de 3000 tokens a 54 tokens por segundo suponen unos 56 segundos de salida pura. Con 8000 tokens, son aproximadamente 2,5 minutos, antes de que el modelo haya leído nada.
• Una sesión de 25 turnos — 25 turnos de 3,000 tokens de salida son 75,000 tokens, aproximadamente 23 minutos de generación a esa velocidad, más 25 esperas separadas del primer token de respuesta de casi tres minutos cada una si el arnés no mantiene el contexto caliente. Solo la sobrecarga puede superar la generación.
• La misma sesión en dinero: 75.000 tokens de salida a 4,50 $ por millón son 0,34 $. La computación es barata; el reloj no. Esa inversión de términos es lo más útil que hay que entender sobre la economía de este modelo.
• La caché es la palanca que decide si es tolerable: un contexto de 200.000 tokens releído en frío a $1.50 por millón cuesta $0.30 por turno; almacenado en caché con el 95 % de descuento cuesta alrededor de $0.015. A lo largo de 25 turnos, esa es la diferencia entre $7.50 y $0.38 de entrada, lo que empequeñece por completo la factura de salida.
Dicho de otro modo: en Qwen4-Max, lo que hay que medir no es la longitud de salida, sino la tasa de aciertos de caché y la latencia del primer token. Un bucle que mantiene su contexto caliente y tolera una reflexión de tres minutos es viable. Un bucle que reenvía un contexto frío de 200K en cada turno paga veinte veces la tarifa de entrada y espera tres minutos cada vez para hacerlo. La tarea de índice de 32,2 minutos es el compuesto del tracker, no tu tarea, pero es su dirección la que debe guiar la planificación.

El recibo no dice qué se respondió.
Esta es la parte del listado enrutado que merece más atención que su precio. La documentación propia de la plataforma es inusualmente sincera: cada respuesta enrutada lleva un recibo de ruta firmado, y el recibo «no demuestra qué pesos respondieron». Registra a dónde se envió una solicitud y qué informó la sonda más reciente. Los modelos que la propia plataforma publica obtienen una cadena más sólida —archivos almacenados por digest SHA-256, revisiones identificadas por un hash de mapa de archivos, registros firmados bajo una clave de editor fijada, un registro de transparencia de solo anexión— y el estado de verificación que se muestra para qwen/qwen4-max es «desconocido».
Para un modelo cerrado esto no es un escándalo, es un límite estructural que comparten todos los routers, incluido el nuestro: si los pesos no se publican, ningún tercero puede demostrar qué pesos produjeron un token. Lo que sigue es una regla práctica más que una crítica. Si tu trabajo depende de que el modelo sea realmente Qwen4-Max —una evaluación, el envío a un benchmark, una afirmación contractual sobre qué modelo tocó los datos—, un endpoint enrutado no es evidencia suficiente por sí solo, por muy bien que se vea el recibo. Si lo que necesitas es la capacidad, un endpoint enrutado sirve y la cuestión de la procedencia es académica.
Cómo probarlo sin arriesgar una ruta de producción en ello
Siendo claros sobre dónde estamos: OrcaRouter no enruta Qwen4-Max. El catálogo incluye qwen/qwen3.8-max, anthropic/claude-fable-5.2 y openai/gpt-6.1-sol; una solicitud para un identificador qwen4 devuelve not-found hoy, así que si quieres este modelo en nuestra clave, estás esperando como todos los demás. Lo que sí podemos hacer es que revertir la evaluación resulte económico.
La razón para preocuparse es que todo en este lanzamiento indica que no conviene codificarlo de forma fija. El modelo tiene un día, su única fila independiente de rendimiento lo sitúa en el puesto 74 de 79 en velocidad, su precio enrutado es más bajo que el de la tarjeta de su propio proveedor por razones que nadie ha explicado, y la plataforma que lleva el respaldo está en beta privada con código de invitación. Cualquiera de esos factores puede cambiar en una semana, y una transición de vista previa a GA que además redujo el presupuesto compartido de pensamiento más respuesta de 393,216 tokens a 262,144 y pasó la facturación de créditos a medición por token es justo el tipo de cambio que rompe una ruta de producción en la segunda semana.
Ese es el argumento para mantener el experimento detrás de un endpoint enrutado en lugar de uno codificado de forma fija: el nuevo modelo en una ruta, qwen/qwen3.8-max en la alternativa, una sola clave y una sola factura para ambos. Con 0 % de margen y el precio de lista del proveedor repercutido tal cual, la aritmética que haces contra la tarifa de Alibaba es la aritmética que se te factura, lo que además significa que una bajada de precio del proveedor se refleja de nuestro lado el mismo día en lugar de en la siguiente renovación de contrato. La fusión de modelos es la otra opción que conviene conocer para un modelo no probado: ejecútalo junto al modelo actual sobre una muestra de tu propio tráfico y compara las salidas antes de que cualquiera de los dos se adueñe de la ruta. Si prefieres simplemente ver cómo es una sola API para más de 200 modelos, el catálogo es público.

¿Qué cambiaría esta lectura?
Tres cosas, en orden de cuánto importarían.
La primera es una cifra de velocidad de cualquier fuente que no sea el único rastreador. Una sola medición de 54 tokens por segundo en un benchmark compuesto es una base endeble para una decisión de producción, y el proveedor no ha publicado ninguna en absoluto. Si un segundo banco de pruebas independiente se acerca a esa cifra, la lentitud es una propiedad del modelo y quienes construyen agentes deberían dimensionar sus bucles en función de ella. Si queda muy por encima, el endpoint del rastreador era el problema y esta sección envejece mal, que es la forma correcta en que debería envejecer.
Lo segundo es que el estado de verificación de ese anuncio enrutado deje de ser «unknown», o que la plataforma salga de la beta privada. Cualquiera de las dos cosas convertiría una ruta avalada en algo que se podría respaldar con un compromiso de soporte.
El tercero es que Alibaba publique una puntuación absoluta de codificación agéntica en lugar de una proporción frente a su predecesor. Hasta que lo haga, el aval es una declaración de intenciones, y la única medición publicada de la carga de trabajo que anuncia es de 32,2 minutos por tarea a 54 tokens por segundo. Eso no es motivo para evitar Qwen4-Max — es motivo para evaluarlo con tus propias tareas antes de prometer a nadie una fecha de entrega, y para mantener al proveedor actual a una ruta de distancia mientras lo haces.
