
Qwen4-Max está com 30% de desconto sobre o preço de tabela da Alibaba: uma tabela de tarifas antes do endpoint
- OrcaNOVOOrcaCyber: Hy4 Flash Abliterated / Uncensored2026-11-18$0.07 / $0.28 por 1M de tokens · 187 tok/s
- tencentNOVOTencent: Hy4 Flash2026-11-16$0.02 / $0.07 por 1M de tokens · 414 tok/s
- GoogleNOVOGoogle: Gemini 4 Carbon2026-11-10$2.00 / $10.00 por 1M de tokens · 87 tok/s
- AnthropicNOVOAnthropic: Claude Fable 5.22026-11-09$8.00 / $40.00 por 1M de tokens · 138 tok/s
- orcaNOVOOrca: OrcaC2 1.02026-11-0748 tok/s
- OrcaOrcaCyber: GLM 5.3 Abliterated / Uncensored2026-11-04$3.00 / $5.00 por 1M de tokens · 90 tok/s
- OrcaOrcaCyber: Hy4 Abliterated / Uncensored2026-11-04$0.80 / $1.60 por 1M de tokens · 134 tok/s
- OrcaOrcaCyber: Kimi K3.1 Pro Abliterated / Uncensored2026-11-04$2.00 / $5.00 por 1M de tokens · 79 tok/s
- tencentTencent: Hy42026-11-04$0.83 / $2.50 por 1M de tokens · 116 tok/s
- OrcaOrcaCyber: MiniMax M3.1 Flash Abliterated / Uncensored2026-10-29$0.80 / $1.60 por 1M de tokens · 111 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 · 91 tok/s
- OrcaOrcaCyber: MiMo V2.6 Flash Abliterated / Uncensored2026-10-26$0.80 / $1.60 por 1M de tokens · 42 tok/s
- MoonshotMoonshotAI: Kimi K3.1 Pro2026-10-2447Inteligência
- OrcaOrcaCyber: DeepSeek V4.1 Flash Abliterated / Uncensored2026-10-23$0.80 / $1.60 por 1M de tokens · 210 tok/s
- minimaxMiniMax: M3.1 Flash2026-10-1929Inteligência
- OrcaOrca: OrcaCyber Ultra 1.02026-10-17$5.00 / $10.00 por 1M de tokens · 109 tok/s
- deepseekDeepSeek: DeepSeek V4.1 Flash 10172026-10-1733Inteligência
- DeepSeekDeepSeek: DeepSeek V4.1 Flash 09102026-10-17$0.15 / $0.60 por 1M de tokens · 168 tok/s
- DeepSeekDeepSeek: DeepSeek V4.1 Flash2026-10-1740Inteligência
O Qwen4-Max foi lançado em 16 de novembro de 2026. Três dias depois, em 19 de novembro, uma plataforma de inferência de terceiros colocou o modelo em sua lista de preços a US$ 1,05 por milhão de tokens de entrada, US$ 3,15 por milhão de tokens de saída e US$ 0,0525 por leitura de cache. Divida esses valores pela tabela de preços de Singapura da própria Alibaba — US$ 1,50, US$ 4,50 e US$ 0,075 — e cada um deles resulta em exatamente 0,70. Não aproximadamente 30% de desconto. Exatamente 30% de desconto, nas três linhas, até a última casa decimal. Não é assim que uma implantação independente se precifica; é assim que um revendedor se precifica. E a mesma página que traz a tabela de tarifas também traz um aviso de “Lançamento em breve” e uma caixa de cadastro pedindo para ser notificado quando o Qwen4-Max estiver disponível, o que faz disto uma lista de preços publicada antes daquilo que ela precifica.
O que os 30% realmente são
Três números, um multiplicador — e o multiplicador é toda a história.
• Entrada — US$ 1,05 por milhão de tokens no cartão de terceiros, contra US$ 1,50 no cartão de Singapura da Alibaba. Proporção 0,700.
• Saída — $3,15 contra $4,50. Proporção 0,700.
• Leitura de cache — $0.0525 em comparação com $0.075. Proporção 0.700.
Uma plataforma que tivesse comprado seu próprio hardware de 2.4 trilhões de parâmetros, escrito seus próprios kernels de atenção esparsa e negociado largura de banda chegaria a números que se agrupam perto dos da Alibaba, não a três números que se dividem exatamente por dez sétimos. O preço independente tem ruído independente: um arredondamento aqui, uma margem ali, uma taxa de cache que reflete uma camada de armazenamento diferente. A exatidão em três de três é a assinatura de uma margem aplicada a um único cartão upstream, e o cartão upstream ao qual ela foi aplicada é o de Singapura, e não o Global — $1.413 e $4.24 teriam produzido $0.989 e $2.968, e os valores publicados não são nem um nem outro.
O que indica que o desconto é promocional. Alguém está pagando os 30% com um orçamento de lançamento, não com uma estrutura de custos diferente, e o que se deve perguntar sobre qualquer preço promocional é por quanto tempo ele se mantém.
Três formas de uma plataforma conseguir 30% abaixo do preço de tabela
Não há uma quarta explicação que valha a pena considerar, e vale a pena conseguir distinguir as três porque têm prazos de validade diferentes.
O primeiro é um desconto de lançamento financiado pelo fornecedor. Alibaba quer o Qwen4-Max diante de desenvolvedores que já têm uma chave de API em algum lugar, e a maneira mais rápida de chegar lá é subsidiar o primeiro mês de uma plataforma. Esta é a mais provável das três e a que tem o prazo mais curto, porque é o balanço patrimonial da plataforma que absorve a diferença por uma janela definida.
A segunda é o preço de atacado genuíno — a plataforma compra a uma taxa negociada abaixo da tabela e repassa parte disso. Esta é a única versão dos 30% que é estável, e também é a versão que apareceria em um contrato de revenda, e não em uma página de marketing. Se a taxa se mantiver depois de janeiro, é disso que se tratava.
O terceiro é um produto de sacrifício em um modelo caro de servir e barato de anunciar. O Qwen4-Max ativa 71 bilhões de parâmetros por token de um backbone de 2,4 trilhões de parâmetros — um custo de serviço que não diminui só porque o preço diminuiu. Uma plataforma que vende a 70% do preço de tabela para ganhar participação no roteamento é um negócio plausível, mas é um negócio com um piso por baixo.
Todos os três resultam no mesmo preço hoje, e nenhum deles é visível na tabela de tarifas. Esse é o limite honesto do que se pode extrair de uma página: o número é real e a aritmética por trás dele não é publicada.
Os limites que o preço não carrega
Aqui está a parte que importa mais do que o desconto, e é a parte que uma comparação baseada em preço sempre deixa de fora. O cartão da Alibaba para o Qwen4-Max não é só dinheiro — é um conjunto de tetos, e um revendedor copia um preço com muito mais confiabilidade do que copia uma ficha técnica.
• Contexto — O Alibaba documenta 1.000.000 de tokens, com um teto de entrada de 991.808 tokens no modo não pensante, caindo para 983.616 no modo pensante. O card de terceiros anuncia um contexto de 1M de tokens sem o teto de entrada, que é o número que de fato limita um documento longo.
• Saída — A Alibaba limita a saída sem raciocínio a 131,072 tokens e coloca o raciocínio mais a resposta dentro de um orçamento compartilhado de 262,144 tokens. Uma página que anuncia “contexto de 1M” e para por aí não lhe disse nada sobre quanta resposta você pode receber de volta.
• Modalidade — na ficha do fornecedor, a entrada é texto, imagem e vídeo, e a saída é texto, com compreensão nativa de vídeo em vez de um extrator acoplado. Listagens de terceiros frequentemente incluem primeiro os caminhos de texto e imagem e o caminho de vídeo depois, e a listagem nem sempre informa qual deles você está recebendo.
Nada disso é uma acusação. É a lacuna comum entre um modelo e uma implantação de um modelo e, em um lançamento de quatro dias, há exatamente uma fonte para o teto — a própria página Model Studio da Alibaba — porque ninguém executou a segunda implantação por tempo suficiente para publicar algo contra ela.
Consequência prática: se você está dimensionando uma tarefa de contexto longo, pegue o valor de contexto do fornecedor e pegue o preço de quem for mais barato, mas não presuma que eles descrevem o mesmo produto até ter enviado uma requisição de 400.000 tokens e observado onde ela é truncada.

Quanto vale um desconto de 30% em uma execução de agente
Os preços por token são a unidade errada para um modelo vendido com base em trabalho agêntico de longa duração, então aqui está a aritmética para um formato para o qual o Qwen4-Max está explicitamente posicionado — um agente de programação mantendo um contexto de repositório de 200.000 tokens ao longo de 40 turnos, emitindo 30.000 tokens de raciocínio e patch por turno. Preços de tabela, sem cache, tarifas de Singapura em ambos os lados.
• No card da Alibaba — 200.000 tokens de entrada por turno a US$ 1,50 por milhão dá US$ 0,30, e 30.000 tokens de saída a US$ 4,50 por milhão dá US$ 0,135. Isso é US$ 0,435 por turno, ou US$ 17,40 em 40 turnos.
• No cartão de terceiros — o mesmo turno custa US$ 0,21 de entrada e US$ 0,0945 de saída, US$ 0,3045 por turno, ou US$ 12,18 em 40 turnos.
• A economia — US$ 5,22 por execução de 40 turnos, o que dá US$ 0,13 por turno. Em uma carga de mil execuções por mês, isso é US$ 5.220; em uma carga de dez, é dinheiro para o almoço.
Agora adicione cache, porque é aí que o desconto se acumula e onde a própria economia do Qwen4-Max é mais interessante. A Alibaba documenta leituras de cache a US$ 0,075 por milhão de tokens em Singapura e gravações de cache a US$ 1,875 para uma janela de cinco minutos. Com 200.000 tokens em cache por turno, a leitura custa US$ 0,015, então o lado de entrada de um turno aquecido despenca de US$ 0,30 para US$ 0,015 — um corte de vinte vezes antes de qualquer desconto. Os 30% são dinheiro de verdade, mas são 30% de um número que um cache competente já tornou pequeno. Em uma execução que relê um prefixo estável, a estrutura de cache vale cerca de vinte vezes o que o desconto da plataforma vale, e nenhuma tabela de preços anuncia isso.
O ponto em que deixa de funcionar é um prefixo que muda a cada turno. Um agente que chama ferramentas e cujo contexto é majoritariamente saída recente de ferramentas não obtém acertos no cache, paga o prêmio de gravação por nada e recai na tarifa integral de entrada — momento em que os 30% são a economia inteira e é a única alavanca restante.

A questão do endpoint
Tudo o que precede pressupõe que consegue chamar o modelo a esse preço e, a 19 de novembro, essa é a única coisa que a página não resolve.
A mesma ficha do modelo traz três afirmações que não se encaixam bem juntas. Ela lista o Qwen4-Max como serverless e disponível, publica uma tabela de preços completa por consumo e mostra um estado “Em breve” com um convite para se cadastrar e ser notificado quando o modelo estiver disponível. Quaisquer duas dessas afirmações são consistentes. As três ao mesmo tempo indicam uma página em transição, e a leitura correta é que os preços já foram publicados e a capacidade ainda não — o que é um estado normal para um modelo com quatro dias de existência e uma coisa incomum para uma lista de preços dizer em voz alta.
Isso importa para uma decisão de uma forma específica. Uma tarifa promocional que começa antes de existir um endpoint tem uma contagem que começa depois do anúncio, ou não começa de jeito nenhum. Se você está montando um modelo de custos em torno de US$ 1,05, modele-o como um desconto que você ainda não conseguiu testar, e mantenha os US$ 1,50 da Alibaba como o número no qual seu orçamento se sustenta.
O OrcaRouter não atende o Qwen4-Max — o modelo é acessível pela própria API Model Studio da Alibaba e por várias plataformas de terceiros, e o desconto acima pertence a uma delas. O modelo que roteamos da mesma família é o Qwen3.8-Max, ao seu preço de tabela publicado, com 0% de markup repassado, que é a mesma estrutura de repasse que faz uma mudança de preço do fornecedor chegar aqui no mesmo dia em que chega upstream. Uma API para mais de 200 modelos, uma chave e uma DSL de roteamento que consegue enviar uma requisição para o Qwen3.8-Max ou para um modelo de outro laboratório sem um segundo contrato — o formato útil quando o modelo que você realmente quer está em uma lista de preços que ninguém terminou de montar.

O que observar, e até quando
• Se os 30% sobrevivem ao primeiro mês. Uma tarifa promocional e uma tarifa grossista parecem idênticas na primeira semana e nada parecidas em fevereiro. A data a verificar é o final de dezembro de 2026.
• Se o estado “Lançamento em breve” desaparece e o que os limites dizem quando isso acontece. Um contexto de 1M publicado sem teto de entrada declarado não é o mesmo produto que o teto de 991.808 tokens no modo sem raciocínio da Alibaba, e a diferença só aparece na requisição que trunca.
• Se uma segunda plataforma publica um cartão que não é 0,70 vez o da Alibaba. Duas plataformas chegando ao mesmo multiplicador significariam uma tarifa de atacado; duas chegando a multiplicadores diferentes significariam dois orçamentos de lançamento, e o mais barato deles é o que tem a expiração mais próxima.
• Se a Alibaba responde. Um fornecedor que vê 30% de queda no preço do seu carro-chefe em três dias ou retira a tarifa de atacado ou altera seu próprio preço de tabela, e a segunda dessas opções é a que um comprador quer.
A manchete é que o carro-chefe da Alibaba está disponível por 70% do preço de tabela, quatro dias depois de entrar em disponibilidade geral. A frase mais útil é que os 30% são o menor número da história — menor que a estrutura de cache sobre a qual se apoia, menor que o teto de contexto que ela não menciona e menor que a lacuna entre uma tabela de preços e um endpoint que você pode chamar. Precifique o desconto. Orce pela tabela.
