Claude Opus 5.5 vs Qwen 4 Max: Um fornecedor vende velocidade, o outro nunca publicou um número para ela

Claude Opus 5.5 e Qwen 4 Max são os dois nomes de destaque no quadro deste mês, e quase nada sobre eles pode ser comparado diretamente. O Claude Opus 5.5 está disponível para o público em geral desde 22 de setembro de 2026, a US$ 4,00 por milhão de tokens de entrada e US$ 20,00 por milhão de tokens de saída, com uma janela de contexto publicada, uma ficha de serviço publicada e uma pontuação de inteligência independente. O Qwen 4 Max foi apresentado em prévia na conferência Yunqi, em Hangzhou, no mesmo dia, e não publicou nada desde então: nem preço, nem janela de contexto, nem pesos, nem benchmark, nem data de lançamento. Essa assimetria já é a forma padrão de toda matéria sobre o Qwen 4, e repeti-la aqui seria a quarta vez que se conta a mesma história.

O que é genuinamente novo, e sobre o que esta página realmente trata, é a velocidade — porque esse é o único eixo em que os dois fornecedores fizeram escolhas opostas e observáveis neste mês. Em 15 de outubro de 2026, a Anthropic tirou o modo rápido do Claude Opus 5.5 da prévia de pesquisa e publicou um preço para ir mais rápido: US$ 8,00 e US$ 40,00 por milhão de tokens, exatamente o dobro, por até 2,5 vezes a velocidade de saída. A Alibaba, por sua vez, nunca publicou uma cifra de latência, taxa de transferência ou tempo até o primeiro token para qualquer nível do Qwen-Max, e a medição independente do carro-chefe Qwen em produção, o Qwen3.8-Max, fica em 39,3 tokens de saída por segundo, contra 95,2 do Claude Opus 5.5. Um fornecedor está cobrando explicitamente pela velocidade. O outro não contou a ninguém onde está.

O que cada lado realmente publicou

Comece pela metade verificável. O Claude Opus 5.5 é um endpoint real na API da Anthropic e na nossa. Seus parâmetros são públicos, sua janela de contexto é de 1.000.000 de tokens, com até 128.000 tokens de saída, ele aceita texto, imagens e arquivos, e seu preço padrão é de US$ 4,00 e US$ 20,00 por milhão de tokens, com leituras de cache a US$ 0,20 e gravações de cache a US$ 5,00. O pensamento adaptativo está sempre ativado e não pode ser desativado — uma requisição que define o thinking como disabled retorna um erro 400, e a profundidade do raciocínio é controlada pelo parâmetro effort.

Agora, a outra metade. Qwen 4 Max é um anúncio de palco. A Alibaba mostrou quatro níveis — Qwen 4 Max, Qwen 4 Flash, Qwen 4 Plus e Qwen 4 27B —, descreveu a família como treinada em uma arquitetura de nova geração e disse que ela chegaria em breve. Em 16 de outubro, não há model card, identificador de API, pesos abertos nem pontuação para nenhum dos quatro. O único artefato Qwen 4 que alguém fora da Alibaba pode inspecionar é o Qwen3.8-Flash-Next, aberto no final de agosto de 2026 e rotulado em seu próprio model card como uma prévia da arquitetura Qwen 4: 125 bilhões de parâmetros principais mais 51 bilhões de embeddings de N-gram, cerca de 6 bilhões ativos por passo, um contexto nativo de 262.000 tokens e uma alegação de custo de treinamento cerca de 90 por cento abaixo do Qwen3.7-Plus.

Então a comparação tem um lado completo e um lado vazio, e o lado vazio não está vazio porque a Alibaba está escondendo números. Está vazio porque ainda não há produto. O que vale a pena fazer em vez disso é comparar as posturas dos dois fornecedores — o que cada um deles escolhe publicar e o que isso diz sobre como esperam ser comprados.

O eixo da velocidade, e por que ele é o interessante

A Anthropic agora vende três velocidades do mesmo modelo, a três preços publicados, e a escala é excepcionalmente honesta quanto ao que está cobrando:

• Lote, assíncrono — $2,00 de entrada, $10,00 de saída por milhão, metade do padrão, para trabalhos que podem esperar

• Padrão — $4,00 de entrada, $20,00 de saída por milhão, o predefinido, com $0,20 para leituras de cache

• Modo rápido — US$ 8,00 de entrada, US$ 40,00 de saída por milhão, valor fixo em toda a janela de contexto, para até 2,5x a quantidade de tokens de saída por segundo

Três níveis, um modelo, e uma declaração clara do que a Anthropic acredita que a latência vale: uma duplicação, em ambas as direções da tabela de preços. O modo rápido não altera os pesos nem o comportamento. É o mesmo modelo sob uma configuração de inferência mais rápida, o ganho está concentrado em tokens de saída por segundo em vez do tempo até o primeiro token, e o preço é um multiplicador direto em vez de uma tarifa combinada. Isso é um fornecedor dizendo-lhe a sua própria visão da troca — e dizendo-lhe que, a partir de 15 de outubro, você não precisa mais de aprovação ou de um cabeçalho beta para comprá-lo.

O lado correspondente do Qwen não existe. Não há equivalente da Alibaba de uma camada rápida para a linha Qwen-Max, nenhuma meta de latência publicada e nenhuma alegação de throughput em qualquer slide do Qwen 4 que tenha sido divulgado publicamente. Para uma família cujo argumento de venda inteiro é a eficiência de custo, a ausência de um número de latência é uma omissão notável, porque custo por token e custo por tarefa concluída são grandezas diferentes e apenas uma delas foi publicada.

O que a medição independente diz sobre a lacuna

A Artificial Analysis é o mais próximo que existe de um árbitro neutro aqui, e ela mediu ambos os flagships já lançados sob sua atual revisão do Intelligence Index, a v4.3.2:

• Índice de Inteligência — Claude Opus 5.5 com 58 em sua configuração de esforço máximo com fallback, versus Qwen3.8 Max (0902) com 45

• Velocidade de saída — 95,2 tokens por segundo para o Claude Opus 5.5, contra 39,3 para o Qwen3.8 Max (0902)

• Custo por tarefa de indexação — US$ 5,98 para o Claude Opus 5.5, contra US$ 5,41 para o Qwen3.8 Max (0902)

• Tokens de saída usados — 260 milhões para Claude Opus 5.5, contra 190 milhões para Qwen3.8 Max (0902)

Leia essas quatro linhas em conjunto e surge uma história que as planilhas de preços escondem. No preço por token, o carro-chefe da Qwen é três vezes mais barato na saída, $6,00 contra $20,00. No custo por tarefa concluída, é 10 por cento mais barato, $5,41 contra $5,98. A vantagem de três vezes já foi devorada pela diferença na quantidade de tokens que cada modelo gasta para dar conta do trabalho — e é exatamente por isso que "mais barato por milhão de tokens" é o número menos útil em uma decisão de compra, e por isso que o próprio enquadramento de lançamento da Anthropic para o Claude Opus 5.5 apoiou-se em uma redução de 40 por cento no custo por carga de trabalho em vez do corte de 20 por cento por token.

A linha da velocidade é a que deve moldar as expectativas para o Qwen 4 Max. O carro-chefe da Qwen já disponível é o mais lento dos dois nessa medição, por um fator de aproximadamente 2,4, e a Alibaba não publicou nenhuma meta de latência para o sucessor. Enquanto isso, o ganho extra de 2,5x que a Anthropic oferece sobre o Claude Opus 5.5 custa o dobro. Se a latência for um fator na sua decisão, neste momento você está escolhendo entre um fornecedor que publicou sua velocidade, publicou seu nível mais rápido e publicou quanto custa esse nível — e um fornecedor que não publicou nenhum dos três.

Duas maneiras de ser lento, e apenas uma delas é um produto

Existe uma versão desta comparação em que “Qwen 4 Max é mais lento” é injusto, e vale a pena dizê-lo claramente, porque é o argumento mais forte que o lado do Qwen tem. Um modelo anunciado e não lançado não tem velocidade medida, por definição. A Alibaba não está se recusando a publicar um número ruim; está se recusando a publicar qualquer número, e a razão pode ser simplesmente que a coisa ainda não existe em uma forma que alguém possa executar. A arquitetura do Qwen3.8-Flash-Next — atenção esparsa, embeddings de N-gramas, uma contagem de parâmetros ativos muito baixa — é um projeto voltado diretamente para a economia de inferência, e a própria alegação da Alibaba sobre custos de treinamento sugere que a família está sendo construída para ser servida de forma barata e rápida. Isso é uma previsão, não um fato.

A assimetria injusta, mas real, está em outro lugar. O modo rápido da Anthropic é um produto com preço, limite de taxa, uma resposta 429 separada e um campo usage.speed que informa qual velocidade você realmente obteve. Ele é comprado e medido. Um slide de conferência sobre um modelo em treinamento não é nem uma coisa nem outra. Quando a Alibaba lançar o Qwen 4 Max, ele será medido em relação a um concorrente que já disse ao mercado quanto vale a velocidade — US$ 8,00 e US$ 40,00 por milhão para um ganho de 2,5x — e a Alibaba terá de responder com um padrão mais rápido ou um mais barato.

Executando a metade desta comparação que tem um endpoint

Tomar decisões dentro de uma comparação que não pode ser concluída não é paralisia; é apenas uma decisão menor. Três operadoras existem hoje e uma não.

O Claude Opus 5.5 pode ser roteado como anthropic/claude-opus-5.5 ao preço de tabela publicado da Anthropic, com 0% de markup — a tarifa do provedor é repassada sem alterações, então $4,00 e $20,00 são o que aparece na fatura, e não um equivalente com markup, e um corte de preço do fornecedor chega à sua chave no mesmo dia. O Qwen3.8-Max pode ser roteado como qwen/qwen3.8-max a $2,00 e $6,00, com um checkpoint datado, Qwen3.8-Max (0902), ao lado dele sob os mesmos termos. Ambos respondem no mesmo endpoint compatível com OpenAI e no mesmo compatível com Anthropic, por trás de uma única chave e uma única fatura em mais de 200 modelos — o que significa que a comparação acima pode ser feita com o seu próprio tráfego, em vez de com um post de blog, trocando a string de um modelo.

O Qwen 4 Max não é roteável no OrcaRouter, e nenhum nível do Qwen 4 também é; o catálogo tem zero entradas para a família, que é o estado correto para um modelo sem data de lançamento. Quando os níveis forem lançados, eles apareceriam no mesmo catálogo e, até lá, o roteador ainda faz algo útil com a questão que eles representam. A política de roteamento é onde "isso é rápido o suficiente" se encaixa: uma DSL de roteamento pode enviar a fatia crítica em termos de latência do seu tráfego para um modelo mais rápido e deixar o restante no Claude Opus 5.5 na velocidade padrão, de modo que uma carga de trabalho que precisa de 2,5x de velocidade de saída a compre para as chamadas que precisam dela, em vez de pagar uma taxa dobrada em toda a frota. O failover automático cobre a outra direção — um caminho degradado é resolvido para outro provedor, em vez de resultar em erro. Nenhum desses é um substituto para a decisão sobre o Qwen 4 Max. Ambos são formas de continuar trabalhando enquanto essa decisão não é tomada.

O que observar, e o que seria necessário para alterar esta página

Três coisas reescreveriam a análise acima, e cada uma delas é verificável.

Primeiro, uma ficha de modelo da Alibaba para qualquer nível do Qwen 4, com um preço e uma janela de contexto nela. Até lá, o lado Qwen da comparação é um comunicado de imprensa.

Em segundo lugar, um número de latência do Qwen 4 vindo de qualquer fonte independente. No momento em que houver um, o eixo da velocidade deixa de ser uma história unilateral e, dada a arquitetura que a Alibaba está divulgando em prévia, não é seguro presumir que isso vá mal para eles. Uma família projetada em torno de um caminho de inferência com 6 bilhões de parâmetros ativos pode muito bem ser rápida; ela simplesmente nunca teve de provar isso contra um concorrente que vende velocidade por milhão de tokens.

Terceiro, e o mais barato de verificar, se a Anthropic estende o tratamento de 15 de outubro ao restante da linha Opus. O modo rápido para Claude Opus 5 e Claude Opus 4.8 ainda está em prévia de pesquisa, com o cabeçalho beta ainda exigido, então o nível rápido de autoatendimento e sem aprovação atualmente é exclusivo do Claude Opus 5.5. Se isso se espalhar, "o modo rápido está disponível" passa a ser uma propriedade da plataforma, e não de um modelo, e a questão do nível premium muda de forma novamente.

Até que pelo menos um desses se concretize, o veredito honesto é restrito e utilizável: se você está escolhendo um modelo de ponta para desenvolver em cima neste trimestre, está escolhendo entre um modelo com preço publicado, velocidade publicada e um nível mais rápido publicado, e um modelo com um nome. Compre o que tem um endpoint, fique de olho no que tem o slide — e trate "Qwen 4 Max será mais barato" como a alegação não verificada que ele é atualmente, porque a geração Qwen 3.8 já mostrou que uma vantagem de três vezes por token pode encolher para 10 por cento quando você conta os tokens que cada modelo gasta para terminar o trabalho.

Nada disso é hipotético: as falhas de IA documentadas e os incidentes com agentes por trás de lançamentos como este estão reunidos no Arquivo de Incidentes de IA da OrcaRouter, onde cada entrada traz as suas próprias fontes, gravidade, grau de confiança e sinalização de contestação.