Qwen3.8-Flash-Next vs Claude Opus 4.8: O que 33x o preço realmente entrega

O Claude Opus 4.8 está listado a $5.00 por milhão de tokens de entrada e $25.00 por milhão de saída na própria tabela de preços da Anthropic. O Qwen3.8-Flash-Next é a prévia de pesos abertos da Alibaba da arquitetura Qwen4 — pesos no Hugging Face desde 24 de agosto de 2026, no ModelScope desde 26 de agosto — e, na forma servida Qwen3.8-Flash, custa $0.15 e $0.47 nessas mesmas unidades. Isso é 33x na entrada e 53x na saída para dois modelos que, no único índice público que avaliou ambos, ficam a cerca de dois pontos um do outro. O confronto parece desequilibrado e não é. O que o multiplicador realmente compra é mais restrito e mais específico do que a diferença sugere, e descobrir de qual parte dele sua carga de trabalho precisa é a decisão inteira.

Uma coisa a esclarecer antes de tudo, porque ela molda cada número abaixo: ninguém colocou esses dois frente a frente com configurações equivalentes em um harness nomeado e publicou o resultado. O que existe é a pontuação de cada modelo no Artificial Analysis Intelligence Index, e esses registros foram avaliados em datas diferentes, então trate-os como adjacentes, e não como uma comparação controlada. Todo o resto aqui vem do material publicado pelos dois fornecedores e de harnesses independentes que de fato executaram um dos dois.

Claude Opus 4.8, da própria documentação da Anthropic

O Claude Opus 4.8 foi lançado em 28 de maio de 2026, e a A​nthropic agora o classifica como modelo legado: ainda disponível, ainda à venda, mas não mais o topo da linha Opus. A visão geral de modelos da própria A​nthropic diz que você deve considerar migrar para o Claude Opus 5.5, e o guia de migração para essa mudança está linkado na própria página do 4.8. Como um fato sobre o modelo, e não como um demérito a ele: legado aqui significa superado no topo, não retirado.

O que ele oferece: uma janela de contexto de 1M de tokens e saída máxima de 128K, elevada para 300K na Message Batches API sob um cabeçalho beta. Texto e imagens de entrada, texto de saída, com visão, uso de ferramentas, JSON e raciocínio entre suas capacidades suportadas. Pensamento adaptativo com o parâmetro effort tendo como padrão high — um padrão diferente do Opus 5.5, que vem com medium, então um valor idêntico de `effort` não significa o mesmo orçamento de raciocínio nos dois. Cortes de conhecimento e de treinamento confiáveis, ambos em janeiro de 2026, cinco meses atrás da geração atual do Opus. Preços de US$ 5,00 por milhão de tokens de entrada, US$ 25,00 por milhão de saída, US$ 0,50 por milhão de leituras de cache, US$ 6,25 por milhão de gravações de cache de cinco minutos, US$ 10,00 por milhão de gravações de cache de uma hora, e um desconto fixo de 50% da Batch API sobre entrada e saída. A​nthropic se compromete a manter o modelo disponível até pelo menos 28 de maio de 2027.

Também não é uma peça de museu. O ID de modelo `claude-opus-4-8` está ativo na Claude API, no A​mazon Bedrock, no G​oogle Cloud, no M​icrosoft Foundry e na Claude Platform on AWS, e o próprio material de lançamento da A​nthropic para o Opus 5.5 documenta que a maioria das solicitações de cibersegurança nessa implantação mais recente é encaminhada por design para o Opus 4.8. Um modelo que é o fallback designado do atual carro-chefe ainda é solicitado a fazer trabalho de verdade.

Qwen3.8-Flash-Next, do próprio card da Alibaba

O Qwen3.8-Flash-Next não é um modelo Qwen4, e essa distinção é da própria Alibaba, e não uma interpretação dela. O cartão do modelo descreve uma prévia experimental da arquitetura que servirá de base para o Qwen4 — a arquitetura foi lançada mais cedo, deliberadamente, para que os runtimes e as quantizações estejam prontos quando a família chegar. Ele armazena aproximadamente 180B de parâmetros em BF16: um corpo de mistura de especialistas de 125B que ativa 6B por token, uma tabela de embeddings de n-gramas separada de 51B, e cerca de 4B de camadas de previsão multi-token, ao longo de 48 camadas com 512 especialistas, dos quais 10 são roteados e um é compartilhado. A pilha de atenção é a parte genuinamente nova — 36 camadas de atenção linear executando a Gated Delta Network contra 12 camadas de atenção completa executando a Qwen Sparse Attention, a mesma divisão híbrida de aproximadamente três para um que a geração mais ampla Qwen3.8 utiliza.

O contexto nativo é de 262.144 tokens, extensível a 1.000.000. A entrada é texto, imagem e vídeo; a saída é texto. A licença é a Qwen Community License 1.0, não a Apache 2.0 — uma diferença real em relação ao 27B da família, e o tipo de coisa que decide uma questão de aquisição meses depois de decidir um argumento de benchmark. A Alibaba posiciona os pesos abertos como a prévia experimental e o Qwen3.8-Flash, servido através do Qwen Cloud, como a versão oficial de produção, com contexto padrão de 1M e ferramentas integradas. Não é declarado no card se esses são os mesmos pesos sob uma configuração de serving diferente.

Os números, rotulados por quem os produziu

A ficha de modelo da Alibaba é uma tabela de fornecedor e é rotulada como tal aqui. Nas avaliações de linguagem da própria ficha, o Qwen3.8-Flash-Next reporta 91,9 no LiveCodeBench v6, 91,7 no GPQA Diamond, 81,0 no SWE-bench Multilingual, 62,5 no SWE-bench Pro, 58,7 no DeepSWE 1.1, 73,9 no CoWorkBench e 55,7 no JobBench. Nas linhas de comparação da própria ficha, ele perde para um modelo Claude no HLE, 35,9 contra 40,0, e no NL2Repo-Bench, 48,1 contra 54,2. Duas ressalvas vêm da própria ficha: vários resultados usam benchmarks internos, e a linha do HLE observa que ele foi julgado pelo GPT-4o, o que vale a pena saber antes de citar esse número específico a alguém.

A Anthropic não publica nenhuma tabela pública equivalente para o Claude Opus 4.8 usando esses mesmos harnesses, então uma comparação linha a linha entre fornecedores não existe e não deve ser inferida a partir da planilha de nenhum dos lados. O que existe é um terceiro que executou ambos. A Artificial Analysis atribui ao Claude Opus 4.8 41,8 em seu Intelligence Index — 23º dos modelos que classifica, percentil 84 — e ao Qwen3.8-Flash-Next 40, quinto dos 113 modelos em sua classe de comparação. Ambos os números são do índice do mesmo provedor, o que os torna a coisa mais próxima de uma régua comum disponível hoje, com a ressalva declarada acima sobre as datas de avaliação.

O resto do cenário independente — tudo da Artificial Analysis e tudo referente à prévia de pesos abertos, e não à variante Flash disponibilizada:

• Trabalho de conhecimento — o Qwen3.8-Flash-Next registra 1587 no AA-Briefcase, 1647 no GDPval-AA v2 e 56% no AutomationBench-AA, o benchmark de fluxos de trabalho agênticos criado com a Zapier sobre um conjunto de tarefas privado e mantido à parte.

• Trabalho em terminal e científico — 25% no Terminal-Bench v4.0 e 51% no SciCode, em contraste com um desempenho muito mais fraco em tarefas de repositório de horizonte longo.

• Raciocínio — Humanity's Last Exam: 38% para o Qwen preview contra 48,7% para Claude Opus 4.8 no mesmo harness do provedor. No GPQA Diamond, os dois estão efetivamente no mesmo nível: 91,7 no card da Alibaba contra 92,0 para Opus 4.8 no Artificial Analysis.

• Recuperação factual versus confabulação — AA-Omniscience em menos 10 para o Qwen preview, a métrica que penaliza a invenção confiante. Não é publicado nenhum valor equivalente para o Opus 4.8 nesse harness, pelo que os dois não podem ser comparados por essa via.

• Velocidade — A Artificial Analysis mede a prévia do Qwen em 53 tokens de saída por segundo, com 2,80 segundos até o primeiro token, e o considera muito prolixo: 108 mil tokens de saída por tarefa, dos quais 72 mil são tokens de raciocínio. O Claude Opus 4.8, medido por meio do nosso próprio playground nos últimos sete dias, retorna 66,7 tokens de saída por segundo, com uma mediana de 4,2 segundos até o primeiro token. São harnesses diferentes, então trate as taxas como indicativas, e não como resultado de uma corrida.

• Contexto — 262.144 nativos e 1.000.000 estendidos para Qwen3.8-Flash-Next, em comparação com 1.000.000 nativos para Claude Opus 4.8.

Lido como um grupo, em vez de uma linha de cada vez, o padrão é consistente com a diferença de preço ser enganosa em ambas as direções. O modelo barato é genuinamente próximo em trabalho de conhecimento, tarefas de terminal e raciocínio geral — mais próximo do que uma diferença de preço de 33x preveria. O modelo caro está à frente onde o trabalho é longo, ambíguo e caro de errar, e tem um contexto de 1M tokens nativamente, em vez de por extensão.

A questão do preço, na unidade que a decide

Por token, a diferença é gritante e trata-se de aritmética sobre números publicados. No Qwen3.8-Flash servido, a entrada é 33x mais barata e a saída 53x mais barata do que no Claude Opus 4.8. O cache reduz ligeiramente essa diferença a favor da Anthropic em relação à sua própria tarifa de entrada — as leituras de cache do Claude Opus 4.8 custam 0,50 USD por milhão, um décimo do seu preço de entrada —, mas o Qwen3.8-Flash servido apresenta uma tarifa de leitura de cache de 0,0184 USD por milhão na nossa própria lista publicada, o que fica abaixo de 4% do equivalente do Opus 4.8. Para um prompt de longa duração com releitura intensa, essa diferença acumula-se na mesma direção que tudo o resto.

Por tarefa concluída é o número que sobrevive à verbosidade de tokens, e aqui a resposta honesta é que a comparação está incompleta de um dos lados. A Artificial Analysis publica um valor de custo por tarefa para os modelos que executa; a verbosidade da própria preview — 245M tokens queimados na execução do índice contra uma mediana de 140M — faz com que sua vantagem por token encolha no nível da tarefa em vez de desaparecer, e não existe nenhuma execução com configurações equivalentes desses dois modelos para resolver a questão. Se você precisa de um número para planejar, modele-o você mesmo com base no seu próprio tráfego, em vez de tomar emprestadas as contagens de tokens de outra pessoa.

Onde cada um é a escolha certa

Claude Opus 4.8 é a escolha certa quando o trabalho é de alto risco e em passagem única: execuções agênticas de horizonte longo, em que desfazer um caminho errado sai caro, depuração complexa em vários estágios por uma base de código extensa, e qualquer coisa já construída com base nos controles de pensamento e esforço da Claude, em que uma configuração `effort` idêntica e um corte de conhecimento de janeiro de 2026 são quantidades conhecidas, e não incógnitas. Também é a opção mais segura quando você quer um compromisso de fornecedor com data definida e um modelo que ainda é o fallback documentado para o tráfego mais difícil de seu sucessor.

O Qwen3.8-Flash-Next é a escolha certa quando a carga de trabalho é ampla em vez de profunda — classificação em massa, extração e compreensão de documentos, varreduras agênticas em que, de outro modo, você faria lotes para economizar — e quando você quer avaliar a arquitetura Qwen4 muito antes de o Qwen4 existir. Seus sinais fortes estão em trabalho de conhecimento e tarefas de terminal; seus sinais fracos estão na geração de repositórios de horizonte longo e na aprovação de agentes em uma única tentativa, que é exatamente onde vivem as mudanças em produção. Execute uma cópia de baixo impacto de uma carga de trabalho real antes que ele toque em qualquer coisa que importe.

A regra, dita como regra: escolha o modelo cujo modo de falha você pode suportar. Se uma resposta errada custa uma nova tentativa, o 33x é dinheiro fácil. Se uma resposta errada custa uma reversão às 3 da manhã, o modelo mais barato ainda não conquistou essa decisão — e o fato de ser uma prévia experimental com licença comunitária, em vez de uma linha de produto lançada, é parte do motivo, independentemente das pontuações.

Executando ambos sem um segundo contrato

Ambos os lados desta comparação estão ativos em um único catálogo. O Claude Opus 4.8 é roteado como `anthropic/claude-opus-4.8` a $5,00 e $25,00 por milhão de tokens — o preço de tabela publicado da Anthropic repassado com 0% de markup, então nada aqui muda se essa tabela de preços mudar. A variante de produção em serviço do lado Qwen é roteada como `qwen/qwen3.8-flash` a $0,15 e $0,47, também pelo preço de tabela do provedor, em um contexto de 1M de tokens com entrada de texto, imagem e vídeo.

A própria pré-visualização de pesos abertos é uma questão diferente e vale a pena dizer claramente: o Qwen3.8-Flash-Next não é uma das nossas rotas. Para usar a pré-visualização, você baixa os pesos do Hugging Face ou do ModelScope e os serve você mesmo — o vLLM o suporta desde o primeiro dia com um caminho de offload que mantém a tabela de embeddings n-gram de 51B parâmetros na memória do host em vez de VRAM permanente, o SGLang e o TensorRT-LLM estão na lista Day 0 da NVIDIA, e a biblioteca do Ollama inclui uma compilação MLX para Apple Silicon. O que roteamos é a variante de produção, que é a que você pode realmente chamar hoje.

O arranjo prático para uma equipe que quer as duas coisas é uma divisão de tráfego, em vez de uma decisão: uma chave, um SDK, uma fatura, com uma porcentagem das requisições enviada ao modelo barato e o failover automático absorvendo os momentos em que uma arquitetura experimental ou uma já antiga se comporta mal. Isso é um compromisso de engenharia menor do que o enquadramento desta comparação sugere, e é assim que a maioria das respostas úteis para "qual deles" realmente é encontrada — rodando os dois com tráfego real por uma semana e lendo os resultados.

O que mudaria esta página

Três coisas, em ordem de probabilidade de realmente acontecerem. Uma avaliação com configurações equivalentes de Qwen3.8-Flash-Next contra Claude Opus 4.8 num harness nomeado substituiria cada frase cheia de ressalvas acima por um número. A chegada da família Qwen4 completa moveria a prévia de "a arquitetura, no início" para "a geração anterior da arquitetura", o que muda para que ela serve. E qualquer mudança de preço na linha Opus reabriria o multiplicador no centro desta página — a tarifa de Qwen3.8-Flash servida repassada do nosso lado muda no mesmo dia em que o provedor a muda, de modo que a comparação se mantém atualizada mesmo quando os números não se mantêm.

Até então, o único fato que decide esse pareamento com mais frequência não é um benchmark: é que o lado barato é uma prévia experimental que você mesmo opera, e o lado caro é um modelo legado que você aluga com uma relação de suporte e um compromisso de disponibilidade para 2027. Equipes que precisam ser donas da stack e conseguem absorver uma arquitetura não comprovada devem escolher o 33x e testá-lo adequadamente. Equipes que precisam que a resposta esteja certa de primeira devem pagar pelo modelo cujo modo de falha elas já caracterizaram.