
Qwen4-Max foi chamado de superador do Opus 5.5: o índice o coloca 16 pontos atrás
- GoogleNOVOGoogle: Gemini 4 Carbon2026-11-10$2.00 / $10.00 por 1M de tokens · 90 tok/s
- AnthropicNOVOAnthropic: Claude Fable 5.22026-11-09$8.00 / $40.00 por 1M de tokens · 96 tok/s
- orcaNOVOOrca: OrcaC2 1.02026-11-0717 tok/s
- OrcaNOVOOrcaCyber: GLM 5.3 Abliterated / Uncensored2026-11-04$3.00 / $5.00 por 1M de tokens · 87 tok/s
- OrcaNOVOOrcaCyber: Hy4 Abliterated / Uncensored2026-11-04$0.80 / $1.60 por 1M de tokens · 133 tok/s
- OrcaNOVOOrcaCyber: Kimi K3.1 Pro Abliterated / Uncensored2026-11-04$4.00 / $20.00 por 1M de tokens · 72 tok/s
- OrcaOrcaCyber: MiniMax M3.1 Flash Abliterated / Uncensored2026-10-29$0.80 / $1.60 por 1M de tokens · 130 tok/s
- OrcaOrcaCyber: GLM 5.3 Flash Abliterated / Uncensored2026-10-27$0.80 / $1.60 por 1M de tokens · 65 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 · 43 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 · 193 tok/s
- minimaxMiniMax: M3.1 Flash2026-10-1929Inteligência
- OrcaOrca: OrcaCyber Ultra 1.02026-10-17$5.00 / $10.00 por 1M de tokens · 150 tok/s
- deepseekDeepSeek: DeepSeek V4.1 Flash 10172026-10-1733Inteligência
- DeepSeekDeepSeek: DeepSeek V4.1 Flash2026-10-1740Inteligência
- OrcaOrca: OrcaCyber Zero 1.52026-10-10$3.00 / $7.50 por 1M de tokens · 120 tok/s
- openaiOpenAI: GPT-6.1 Sol2026-09-2955Inteligência
- anthropicAnthropic: Claude Sonnet 5.52026-09-2855Inteligência
- typesafeTypeSafe: Jev 1.132026-09-24$0.04 / $0.00 por 1M de tokens · 219 tok/s
O veredito do dia do lançamento sobre o Qwen4-Max foi que ele supera o Claude Opus 5.5 e tanto o GPT-6.1 Sol quanto o GPT-6 Astra, e fica atrás apenas do Claude Fable 5.2. Três dessas quatro comparações se invertem no único placar que submeteu todos os cinco modelos às mesmas nove avaliações. O Artificial Analysis Intelligence Index v5.0.1, lido em 16 de novembro de 2026 — o dia em que o Qwen4-Max foi colocado à venda —, coloca o Qwen4-Max em 43, o Claude Opus 5.5 em 59, o GPT-6 Astra em 57, o GPT-6.1 Sol em 55 e o Claude Fable 5.2 em 65. Dezesseis pontos atrás do modelo que ele supostamente superava, catorze atrás do segundo mais barato dos três, e doze atrás do terceiro. A quarta comparação, aquela em que o Fable 5.2 está na frente, é a única parte da afirmação que sobrevive ao contato com o harness.
That gap is worth taking apart rather than dismissing, because the claim is not invented. It is what you get when a comparison is assembled from reasoning-effort settings that do not match, and the mismatch happens to run in one direction every time. Below: what Alibaba actually published, what the scoreboard reads at each rung of each ladder, the one reading under which the claim becomes literally true, and the figure the tracker does not have for Qwen4-Max at all.
What Alibaba published, and what it did not
The first thing to separate is the vendor's launch material from the commentary around it. Alibaba's own Qwen4-Max blog post, dated 16 November 2026, mentions no competing model by name anywhere in its 3,100 words. Every comparison in it is against Qwen3.8-Max, the company's own previous flagship. That is a normal thing for a launch post to do and it is not a criticism — but it means the competitive framing did not come from the vendor, and any "beats Opus" statement in circulation is an inference somebody else drew.
O que o fornecedor de fato afirma, tudo informado pelo próprio fornecedor e não reproduzido:
• Arquitetura — um backbone de 2,4 trilhões de parâmetros em uma nova arquitetura Qwen4, com visão nativa e uma janela de contexto de um milhão de tokens.
• Token efficiency against Qwen3.8-Max — 24% fewer tokens at Xhigh effort and 35% fewer at High on Alibaba's Work360 benchmark, and 48% and 49% fewer on Terminal-Bench 4.0.
• Custo por tarefa em comparação com o Qwen3.8-Max — uma média de US$ 4,43 reduzida para US$ 1,67, uma redução de 62%, com as maiores reduções no preço de entrada em cache.
• Pontuação do Work360 — 52,69 contra 47,74 do Qwen3.8-Max.
Nenhum desses é uma comparação entre laboratórios, e nenhum pode ser verificado em relação aos números publicados por um concorrente, porque são medidos em benchmarks que o próprio fornecedor pontua. O número independente chegou no mesmo dia, vindo de outra direção.
O que o arnês independente lê
O Artificial Analysis v5.0.1 é um composto de nove avaliações — AA-Briefcase v1.1, AutomationBench-AA, Terminal-Bench 4.0, FrontierCode-AA 2.0, AA-Omniscience v1.1, GDP.pdf, HLE-Diamond, CritPt v2 Hard Subset e Terminal-Bench-Science 0.1 — executadas pelo rastreador, não pelos laboratórios. Nele, os 43 do Qwen4-Max situam-se na 38.ª posição entre 81 modelos, um pouco acima da mediana do campo, que é 41. Trata-se de uma estreia respeitável para uma arquitetura de primeira geração. Não é um líder, e os quatro modelos acima dos quais foi colocado estão todos à sua frente:
• Claude Opus 5.5 — 59 no Max, 57 no Xhigh, 52 no High, 48 no Medium, 35 no Low. Lançado em 22 de setembro de 2026.
• GPT-6 Astra — 57 no Max, 55 no Xhigh, 55 no High, 52 no Medium, 43 no Low. Lançado em 3 de setembro de 2026, com corte de conhecimento em abril de 2026.
• GPT-6.1 Sol — 55 em Max, 52 em Xhigh, 50 em High, 46 em Medium, 35 em Low. Lançado em 29 de setembro de 2026.
• Claude Fable 5.2 — 65 no Max, 62 no Xhigh, 62 no High, 56 no Medium, 54 no Low. Lançado em 9 de novembro de 2026.
• Qwen4-Max — 43, publicado como um único número, sem escala por nível de esforço. Lançado em 16 de novembro de 2026.
Essa última assimetria é a história inteira. O Qwen4-Max é um modelo de raciocínio, e o rastreador avalia seus concorrentes em cinco configurações de raciocínio separadas, enquanto avalia o Qwen4-Max em uma. Seja qual for a configuração que produziu o 43, ela está sendo comparada à mais forte do Opus 5.5, da Astra e do Sol, e o rastreador não informa quanta margem existe abaixo dela. Portanto, “43 versus 59” não é uma comparação equivalente entre os tetos dos dois modelos — é uma única configuração medida do Qwen4-Max contra a melhor do Opus 5.5.
A única leitura segundo a qual a afirmação é verdadeira
Leia as escadas de cima para baixo e a afirmação deixa de ser falsa e passa a ser enganosa, o que é uma falha mais interessante. O 43 do Qwen4-Max não é superado por todos os degraus de todos os oponentes. Ele supera ou empata com o degrau inferior de três dos quatro:
Contra o Claude Opus 5.5 — 43 supera os 35 da configuração Low em oito pontos, e perde para os 48 da Medium por cinco. O ponto de cruzamento fica entre Low e Medium.
• Contra o GPT-6 Astra — 43 empata exatamente com a configuração Low do Astra, de 43, e perde para a Medium, de 52, por nove.
• Contra o GPT-6.1 Sol — 43 vence a configuração Low do Sol, de 35, por oito pontos, e perde para o Medium, de 46, por três. Esta é a disputa mais acirrada do quadro.
• Contra o Claude Fable 5.2 — 43 perde para todos os níveis, incluindo o 54 da configuração Low, por onze pontos. Não há nenhuma configuração do Fable 5.2 que o Qwen4-Max alcance.
Então, uma comparação que colocasse o Qwen4-Max contra concorrentes rodando em Low effort produziria exatamente a ordenação relatada para Opus 5.5 e Sol, exatamente o empate ou melhor relatado contra Astra, e exatamente a derrota relatada para Fable 5.2. Esse é um conjunto de resultados coerente e autoconsistente, e é o único conjunto neste harness que produz a ordenação em circulação. Quer alguém o tenha montado deliberadamente ou chegado a ele comparando uma configuração padrão com uma configuração mínima, a aritmética chega a esse resultado.
A consequência prática é a parte que importa para quem lê uma thread de lançamento em vez de um placar: com esforço de raciocínio equivalente, o Qwen4-Max está aproximadamente um nível atrás do GPT-6.1 Sol e dois níveis atrás do Claude Opus 5.5. É uma estreia genuinamente competitiva. Não é uma liderança, e está longe do enquadramento de “supera”.

O custo por tarefa separa duas alegações de uma.
A capacidade é só metade do que o burburinho do lançamento afirmou e, no quesito financeiro, o quadro é mais favorável ao Qwen4-Max — para dois dos três modelos, e não para o terceiro.
• Preço de tabela — Qwen4-Max custa US$ 1,50 por milhão de tokens de entrada e US$ 4,50 por milhão de tokens de saída, com 95% de desconto de cache e uma tarifa combinada de US$ 0,80 por milhão. Essa tarifa combinada é a mais baixa entre todos os cinco modelos aqui: GPT-6.1 Sol é US$ 1,47, Claude Opus 5.5 US$ 2,94, Claude Fable 5.2 US$ 5,74 e GPT-6 Astra US$ 7,70.
Custo por tarefa concluída — Claude Fable 5.2 US$ 26,54, Claude Opus 5.5 US$ 10,04, GPT-6 Astra US$ 6,24, Qwen4-Max US$ 3,27, GPT-6.1 Sol US$ 1,27. Todos na configuração Max de cada modelo.
• A inversão — o Qwen4-Max tem a taxa combinada mais barata da tabela e a terceira tarefa mais barata. Ele supera o Claude Opus 5.5 por tarefa por um fator de três e o GPT-6 Astra por aproximadamente dois, e perde para o GPT-6.1 Sol por um fator de 2,6.
The mechanism is verbosity, and the tracker measures it directly: Qwen4-Max generated 127 million output tokens completing the index, against a field median of 78.6 million, and is classed as very verbose. A model that writes 60% more than the median spends its rate advantage doing so. Alibaba's own 24-to-35% token-reduction figures are real improvements against Qwen3.8-Max and say nothing about how verbose the model is in absolute terms, which is the number that reaches an invoice.
Então, a metade do custo da afirmação se divide de forma clara. “Mais barato de executar do que Opus 5.5 e Astra” é verdadeiro por tarefa, por uma margem ampla, e é o ponto mais forte deste artigo para o Qwen4-Max. “Mais barato do que GPT-6.1 Sol” é falso por tarefa por um fator de 2,6, mesmo que a tarifa combinada do Qwen4-Max seja 46% menor. Qualquer pessoa que tenha feito o orçamento pela tabela de preços e obtido a resposta oposta na fatura encontrou a mesma discrepância.
A figura que o rastreador não possui
Uma coluna na página do Qwen4-Max está vazia de um modo que merece destaque. O Artificial Analysis informa o tempo por tarefa para todos os modelos que lista aqui — Claude Opus 5.5 com 24,9 minutos no Max, GPT-6 Astra com 20,9, GPT-6.1 Sol com 22,9, Claude Fable 5.2 com 41,8 — e informa N/A para o Qwen4-Max, com o gráfico de tempos anotado "Nenhuma API disponível publicamente".
Read that annotation carefully before drawing a conclusion from it, because it is not a statement that the model cannot be called. Alibaba publishes per-token prices for Qwen4-Max and its launch post says API prices were lowered relative to Qwen3.8-Max, and the tracker itself lists Alibaba Cloud as the model's provider and quotes a $3.27 per-task cost. A model with a rate card, a provider and a measured per-task cost has an API. The more likely reading is that the timing measurement was not obtainable through whatever path the tracker used, and the page does not say which. The tracker's own FAQ, on the same page, says the model "is available via API through 1 provider", which does not square with the chart annotation either.
O que sobrevive à ambiguidade é mais restrito e ainda útil: não há nenhum número independente de latência para o Qwen4-Max no dia em que foi lançado, enquanto todo modelo com o qual ele está sendo comparado tem um. Se sua carga de trabalho é sensível à latência, você está escolhendo com base em um número que ninguém publicou ainda, e a posição honesta é medir você mesmo antes de comprometer um caminho de produção com ele.

O que se sustenta nas alegações de lançamento
Três das asserções factuais em circulação confirmam-se e vale a pena afirmá-las sem rodeios, porque uma verificação de alegações que apenas subtrai não é uma verificação de alegações:
• A janela de contexto — anunciada em um milhão de tokens, medida pelo rastreador em 984.000. Trata-se de um modelo de um milhão de tokens de verdade, e não de um 200K arredondado para cima.
• Visão nativa — o rastreador registra entrada de texto e imagem com saída de texto, correspondendo à descrição de "visão nativa" do fornecedor, em vez de um codificador adicional acoplado a um modelo de texto.
• O corte de preço — US$ 1,50 e US$ 4,50 por milhão, em comparação com a tabela mais alta do Qwen3.8-Max, e a menor taxa combinada entre os cinco modelos comparados aqui. A direção da história de preços não está em disputa.
O que não se sustenta é o ranking, e o ranking é a parte que mais foi repetida.
O que fazer com isto no dia do lançamento
A atitude útil com um modelo como este não é escolher um lado da discussão, mas manter a opção barata. O Qwen4-Max é uma arquitetura de primeira geração com um preço unitário genuinamente baixo, uma pontuação independente no meio do pelotão e nenhum dado de latência — um perfil que recompensa um teste e pune uma migração.
That is what routing is for. Claude Opus 5.5, GPT-6 Astra, GPT-6.1 Sol and Claude Fable 5.2 are all routed on OrcaRouter at each vendor's list price with 0% markup, so a vendor rate change is live on the same day and the per-task arithmetic above stays current without a second contract or an SDK change. Qwen4-Max is not routed on OrcaRouter — it is reachable through Alibaba's own Model Studio API and several third-party platforms, and this article will not pretend otherwise. What routing buys you in that situation is the comparison: the four models it was measured against sit behind one key across 200-plus models, so benchmarking Qwen4-Max against them is a configuration change on one side of the fence rather than procurement on both.
E se o Qwen4-Max conquistar um lugar, failover automático é o que torna seguro colocar um modelo não medido em um caminho ativo — a requisição recai para um modelo cuja latência você tem, em vez de falhar quando o novo estiver lento ou indisponível da forma que a ausência de seu dado de tempo sugere que ele poderia estar.

A formulação no dia do lançamento era que um modelo chinês barato havia ultrapassado dois carros-chefe americanos. O que o harness de avaliação na verdade mostra é um modelo com bom preço, um degrau atrás do mais barato deles e dois degraus atrás do melhor, com uma capacidade de visão real, uma janela real de um milhão de tokens e nenhuma velocidade publicada. Isso é um produto melhor do que a alegação fez parecer e uma classificação pior, e a diferença entre essas duas coisas é exatamente a distância entre uma thread e um placar.
Comparados neste artigo2
Detectado a partir deste artigo · Benchmarks: Artificial Analysis · atualizado diariamente
