Dessa vs. Qwen3.8-Max: Um token de saída de US$ 6 contra um modelo sem preço

Qwen3.8-Max cobra US$ 2,00 por milhão de tokens de entrada e US$ 6,00 por milhão de tokens de saída. Dessa não cobra nada, porque a Block não a está vendendo, hospedando ou lançando. Isso não é uma crítica à Dessa — é a comparação inteira. Um modelo é um carro-chefe com preço, que pode ser chamado e tem avaliação independente; o outro é uma prévia de pesquisa em fala anunciada em 23 de outubro de 2026, com lista de espera e página de demonstração. Colocá-los lado a lado é útil justamente porque eles estão em extremos opostos da mesma questão de produto: quanto custa dar uma voz a um usuário?

O Qwen3.8-Max é o modelo carro-chefe hospedado da Alibaba, anunciado em 3 de agosto de 2026, um modelo esparso de mistura de especialistas com 2,4 trilhões de parâmetros, dos quais cerca de 95 bilhões ficam ativos por token. O Dessa é o modelo de fala para fala full-duplex da Block, treinado do zero em conversas humanas, sem texto e sem modelos pré-treinados. Um lê e raciocina sobre um milhão de tokens de texto. O outro escuta e fala ao mesmo tempo. Nenhum dos dois consegue fazer o trabalho do outro, e apenas um deles pode ser chamado hoje.

Para que cada modelo realmente serve

O Qwen3.8-Max é um mecanismo de raciocínio e geração de uso geral. Ele recebe texto, imagens e vídeo e retorna texto, com uma janela de contexto de cerca de um milhão de tokens, saída máxima de 131.072 tokens e um modo de pensamento que pode gastar até 262.144 tokens em cadeia de raciocínio. A tabela de benchmarks da própria Alibaba é voltada para raciocínio de ponta e trabalho agêntico: GPQA Diamond 92,6, PaperBench 93,0, OSWorld 86,1, BabyVision 82,0, todos relatados pelo fornecedor. O Artificial Analysis, que é independente, o coloca em 45 no seu Intelligence Index e mede 42,4 tokens de saída por segundo.

A Dessa é uma interface conversacional. Ela recebe um fluxo de áudio e retorna um fluxo de áudio, sem texto no meio, e é full-duplex, o que significa que consegue ouvir enquanto fala. As demonstrações da Block mostram ela dando feedback verbal, rindo no meio da frase, igualando o volume e completando o título de filme que um falante esqueceu. Não há tabela de benchmarks, contagem de parâmetros nem janela de contexto porque não existe interface de tokens a medir.

Estas não são respostas concorrentes à mesma pergunta. São respostas a duas perguntas que um produto de voz tem de fazer em sequência: como o sistema compreende e como fala?

Os números, e a lacuna onde o de Dessa deveria estar

Todos os números da Qwen abaixo são provenientes da documentação pública de preços e modelos da Alibaba ou da Artificial Analysis, e estão rotulados de acordo. Todos os números da Dessa são da página de anúncio da Block, que publica muito pouco.

• Preço — Qwen3.8-Max $2,00 de entrada e $6,00 de saída por milhão de tokens vs Dessa sem preço.

• Entrada em cache — Qwen3.8-Max US$ 0,25 por milhão de tokens vs. Dessa não aplicável.

• Parâmetros — Qwen3.8-Max 2,4T no total, aproximadamente 95B ativos vs. Dessa não divulgado.

• Contexto — Qwen3.8-Max cerca de 1.000.000 de tokens; Artificial Analysis indica 984k, enquanto a Dessa não informa.

• Saída máxima — Qwen3.8-Max 131.072 tokens vs Dessa não aplicável, porque a saída é áudio.

• Modalidade — Qwen3.8-Max: entrada de texto, imagem e vídeo, saída de texto vs. Dessa: entrada de áudio, saída de áudio.

• Pontuação independente — Qwen3.8-Max 45 no Artificial Analysis Intelligence Index vs. Dessa: nenhum.

• Benchmarks do fornecedor — Qwen3.8-Max GPQA Diamond 92,6, OSWorld 86,1 vs. Dessa, sem nenhuma alegação quantitativa.

• Disponibilidade — Qwen3.8-Max, uma API paga desde agosto de 2026, versus Dessa, uma lista de espera e uma pequena prévia para pesquisadores de segurança.

Licença — Qwen3.8-Max, uma API comercial alojada, com uma versão separada de pesos abertos sob os seus próprios termos, vs. Dessa, sem licença publicada.

Ouve-se, lê-se

A lacuna de modalidades é a parte que se perde em uma comparação de especificações. O Qwen3.8-Max aceita texto, imagens e vídeo, e emite texto. O áudio não está entre suas modalidades de entrada e ele não emite áudio de forma alguma; nada na linha Qwen3.8 é um modelo de fala para fala.

Isso significa que um produto de voz construído sobre o Qwen3.8-Max é necessariamente um pipeline: o reconhecimento de fala transforma o áudio do chamador em texto, o Qwen3.8-Max raciocina sobre esse texto, e a síntese de fala transforma a resposta de volta em áudio. Cada etapa é um fornecedor separado, um modo de falha separado e uma linha separada na fatura. O pipeline funciona — é assim que a maioria dos agentes de voz em produção hoje é construída —, mas tem um custo estrutural que a arquitetura da Dessa foi projetada para eliminar.

A vantagem estrutural da Dessa não é inteligência. É que não há uma transcrição à qual se comprometer. Um pipeline tem de decidir quando você terminou de falar antes de poder responder; um modelo duplex não. É por isso que as demos da Block conseguem mostrar sobreposição e interrupção, e por que um pipeline tem de simular esses comportamentos com detecção de fim de fala e lógica de barge-in que cancela o sintetizador no meio da palavra.

Quanto custa, na prática, um agente de voz ao vivo no Qwen3.8-Max

A aritmética é mais tranquilizadora do que a tabela de preços sugere. Uma conversa falada de dez minutos chega a aproximadamente 1.500 palavras, o que equivale a cerca de 2.000 tokens de entrada quando o prompt do sistema e o histórico da conversa são incluídos. Uma resposta de comprimento semelhante fica em cerca de 1.000 tokens de saída se o agente for conciso. A US$ 2,00 e US$ 6,00 por milhão, isso dá US$ 0,004 de entrada e US$ 0,006 de saída — aproximadamente um centavo de custo de modelo de linguagem por chamada de dez minutos.

A 10.000 chamadas por dia, a conta do modelo de linguagem é de cerca de US$ 100 por dia, ou aproximadamente US$ 3.000 por mês. Isso não é pouca coisa, mas é quase certamente menor que a conta de reconhecimento e síntese de fala para o mesmo volume, e menor que o custo de engenharia da camada de orquestração. A intuição de que voz é cara porque tokens são caros está errada aos preços atuais. Voz é cara porque áudio de entrada e áudio de saída são caros, e porque a latência do pipeline é a soma de suas etapas.

O contexto de um milhão de tokens muda o que o agente consegue reter. Uma chamada de dez minutos é um erro de arredondamento diante dessa janela, o que significa que o sistema consegue carregar a transcrição completa, o arquivo do cliente e um documento de políticas de uma só vez, sem recuperação. Trata-se de uma capacidade para a qual a Dessa não tem interface alguma — um modelo apenas de fala não consegue ler o documento de políticas.

O orçamento de latência é onde as arquiteturas divergem.

Num pipeline, o utilizador deixa de falar, o reconhecedor aguarda um endpoint, o modelo de linguagem produz um primeiro token e o sintetizador produz o primeiro áudio. O streaming de cada etapa esconde parte disso, mas a cadeia continua a ter um limite mínimo, e o barge-in significa desmontar o sintetizador e reiniciar o reconhecedor. O resultado é o ritmo familiar dos assistentes de voz: uma pausa, depois uma resposta, depois uma pausa.

A alegação da Dessa é que o ritmo desaparece porque não há cadeia. Block diz que a inferência roda mais rápido que o tempo real em um MacBook Pro M4 Max, o que — se verdadeiro — significa que o modelo não é o gargalo. Mas a empresa não publica nenhum número de latência em milissegundos, nenhuma taxa de recuperação de interrupção e nenhuma medição sob condições de rede ou ruído de fundo. "Mais rápido que o tempo real" é uma afirmação de throughput, não de responsividade. Um modelo pode gerar áudio mais rápido que a reprodução e ainda levar 800 milissegundos para reagir a uma interrupção.

Para uma equipe de produto, esse número que falta é tudo. O motivo para adotar um modelo duplex é o timing. Um fornecedor que não divulga o timing ainda não apresentou os argumentos.

Disponibilidade, roteamento e o que você pode fazer na segunda-feira

O Qwen3.8-Max está no catálogo do OrcaRouter, o que significa que ele é acessível pela mesma chave que os demais mais de 200 modelos que roteamos, com 0% de markup — preço de tabela do provedor repassado — e failover automático entre provedores. Se a Alibaba alterar a tarifa, a mudança já estará valendo do nosso lado no mesmo dia, porque não há camada de markup para recalcular o preço. A DSL de roteamento pode combinar o Qwen3.8-Max com um modelo mais barato para a maior parte de uma transcrição e reservar o carro-chefe para a etapa de raciocínio; a fusão de modelos pode executar um painel de modelos sobre a mesma pergunta quando a resposta importa mais do que a conta.

Há opções mais baratas na mesma família se o modelo principal for mais do que a tarefa exige. O Qwen3.8-27B está no nosso catálogo a $0,33 de entrada e $2,40 de saída por milhão de tokens, e o Qwen3.8-Flash a $0,15 e $0,47. Para um agente de voz cujo custo do modelo de linguagem já é cerca de um centavo por chamada, o modelo principal é acessível; as camadas mais baratas importam em maior volume ou para interações mais simples.

A Dessa não está no nosso catálogo e não a hospedamos. A página da Block oferece uma lista de espera e acesso antecipado para um pequeno grupo de pesquisadores de segurança. Não há API para encaminhar, nem preço para repassar, nem endpoint para o qual fazer failover.

Quando Dessa mudaria a resposta

Se a Block lançar uma API a um preço plausível, a comparação deixa de ser sobre tokens e passa a ser sobre minutos. A métrica correta seria o custo por minuto de conversa natural, incluindo o reconhecimento e a síntese de fala que a Dessa remove. Nessa métrica, um modelo duplex mesmo a alguns centavos por minuto poderia superar um pipeline cujos estágios de áudio custam mais do que seu modelo de linguagem.

A segunda condição é a qualidade. Um modelo duplex que é agradável por trinta segundos e fica confuso após cinco minutos é pior do que um pipeline mais lento, mas confiável. As demos da Block são curtas demais e escolhidas a dedo em excesso para responder a isso, e as próprias questões em aberto da empresa — retenção factual, aprendizado de idiomas, aprendizado em contexto — são exatamente as que determinam se uma conversa longa se mantém coesa.

O que fazer agora

Construa o produto de voz sobre o pipeline, porque é o único com preço e contrato. Use um reconhecedor e um sintetizador robustos, coloque o Qwen3.8-Max no meio, onde ocorre o raciocínio, e mantenha a camada de modelo de linguagem substituível para que a parte cara possa mudar quando os preços mudarem. Depois, fique atento aos dois números que justificariam reconstruir em torno de um modelo duplex: um número de latência publicado e um preço por minuto.

A comparação em uma linha: o Qwen3.8-Max é o que você pode comprar hoje, e o Dessa é o que você pode querer comprar amanhã. A diferença entre eles não é inteligência. É uma tabela de preços, um endpoint e um benchmark — três coisas que a Block ainda não publicou, e três coisas que a Alibaba vive publicando.