Um cartão de título gerado exibindo Qwen4-Max - o cartão de parceiro, lido linha por linha, com três valores definidos como uma faixa de tarifas: $1.413 de entrada, $4.24 de saída e $0.071 de leitura de cache por milhão de tokens, rotulados como taxas de escopo global, ao lado de um chip que indica 262,144 de orçamento compartilhado.
Guides & Insights

O novo cartão de parceiro do Qwen4-Max divulga quatro capacidades. Três delas custam-lhe algo mais tarde.

Autor

jinhao.song

Data de publicação

Modelos mais recentes · 20Ver todos os modelos →
Benchmarks: Artificial Analysis · atualizado diariamente
Voltar para todas as publicações

Uma segunda plataforma está agora vendendo o Qwen4-Max, e o anúncio dela soa como um lançamento de produto: contexto de 1M tokens, entrada de texto, imagem e vídeo, chamada de ferramentas, saída estruturada, raciocínio, e US$ 1,413 por milhão de tokens de entrada, US$ 4,24 por milhão de saída, US$ 0,071 por milhão em cache. O modelo entrou em disponibilidade geral na própria API da Alibaba em 16 de novembro de 2026, então um segundo vendedor dois dias depois é rápido, mas não surpreendente. O que vale a pena ler com atenção é a lista de recursos, porque três dessas quatro capacidades se comportam de forma diferente em uma plataforma parceira do que na própria Alibaba, e o preço é a pista que diz por quê.

Comece pelo preço, porque todo o resto decorre dele. $1,413 e $4,24 não são números novos. São as tarifas de escopo global da Alibaba — Pequim, Hong Kong, Frankfurt, Virgínia (EUA) e Tóquio — até três casas decimais, ficando 5,8% abaixo da tabela de Singapura de $1,50 e $4,50. A tarifa de cache é a pista: $0,071 é o valor global, e o de Singapura é $0,075. Ninguém chega a $0,071 de forma independente. Uma tabela de parceiro que cita a tarifa regional do fornecedor até o milésimo de dólar está citando um repasse, e um repasse significa uma única implantação do modelo com uma segunda camada de cobrança por cima, não uma segunda execução de treinamento nem um segundo conjunto de kernels.

Essa distinção não é pedantismo. Ela estabelece a expectativa para todas as outras linhas do cartão: os preços sobrevivem a um repasse, mas o comportamento não, a menos que o parceiro tenha feito o trabalho de engenharia necessário para isso.

A generated two-column comparison card titled Qwen4-Max - the advertised card, checked, with the partner-listing column reading 1M tokens context, output ceiling not stated, $1.413 input, $4.24 output, video input yes and reasoning dial not stated, against the vendor column reading 1M with 984k usable, 262,144 shared, $1.413 Global, $4.24 Global, video yes, and low, high and xhigh on the dial.

Afirmação um: contexto de 1M. É verdade, e ainda assim é o número menos útil da página.

Toda listagem do Qwen4-Max anuncia um milhão de tokens, e todas elas estão tecnicamente corretas. A documentação da própria A​libaba fornece 1.000.000 de tokens de contexto, com um teto de entrada de 991.808 tokens quando o pensamento está desativado e 983.616 quando está ativado, e a Artificial Analysis registra, de forma independente, uma janela de contexto de 984 mil tokens. Esses três números são o mesmo 1M com diferentes quantidades da verdade expostas.

A linha que importa não é o teto de entrada, mas o orçamento de saída, que nenhum cartão de parceiro nesta categoria divulga. O Qwen4-Max tem um orçamento de 262.144 tokens compartilhado entre o pensamento e a resposta final, dos quais 131.072 ficam disponíveis quando o pensamento está desativado. Com uma entrada de 900.000 tokens, isso deixa você com no máximo 91.808 tokens de resposta no modo de pensamento antes de a janela fechar — e os tokens de raciocínio contam para esse limite. Uma equipe que dimensiona um trabalho de contexto longo com base em “1M de entrada, algo de saída” está dimensionando com base em um número que o fornecedor nunca publicou.

Este é o primeiro ponto em que uma listagem de parceiro pode custar dinheiro silenciosamente. Uma ficha que diz 1M não diz nada sobre se a plataforma impõe o orçamento compartilhado, se trunca o raciocínio em vez da resposta ou se para silenciosamente em 128K de saída. Esses são os modos de falha que aparecem como um objeto JSON truncado às 2h da manhã, não como um código de erro.

Afirmação dois: entrada de vídeo. Esta é a linha que decide se o anúncio é uma porta real.

A entrada de texto, imagem e vídeo é o recurso deste anúncio mais difícil de falsificar. Servir vídeo ao Qwen4-Max não é uma questão de aceitar uma URL e repassá-la: os quadros precisam ser amostrados, codificados no fluxo de tokens visuais do modelo na resolução e taxa de quadros com que o modelo foi treinado, e cobrados em relação a um contexto que já é o recurso escasso. Uma plataforma que conectou apenas o caminho de texto rejeitará vídeo de imediato ou o aceitará e o degradará silenciosamente.

É por isso que a linha de vídeo é a primeira a ser testada se você estiver avaliando um parceiro. Um clipe de um minuto a 30 fps, com uma taxa de amostragem conservadora, equivale a milhares de tokens visuais; insira-o em um prompt de documento de 700.000 tokens e você chegará ao teto de entrada com uma resposta mais curta do que planejava. O suporte a vídeo do Qwen4-Max é real na própria API da Alibaba — o modelo está documentado para isso, e o Artificial Analysis registra texto, imagem e vídeo como suas modalidades —, mas um cartão de parceiro é uma afirmação, não um resultado de teste.

O caminho da imagem tem uma versão mais branda do mesmo problema. O tratamento de resolução, o tiling e o custo em tokens de uma captura de tela de alto DPI são todos decisões da plataforma, e nenhum deles aparece em uma tabela de preços que cobra a entrada por milhão de tokens.

Terceira afirmação: chamada de ferramentas e saída estruturada. O único ponto em que um parceiro pode ser melhor que o fornecedor

A saída estruturada e a chamada de ferramentas são áreas em que uma plataforma de passagem pode agregar valor real, e vale dizer isso sem rodeios porque o restante deste texto é cauteloso. A Alibaba documenta saída estruturada, chamada paralela de ferramentas, preenchimento de prefixo, pesquisa na web e cache explícito e implícito em quatro superfícies de protocolo — OpenAI Chat Completions, OpenAI Responses, Anthropic Messages e DashScope. Um parceiro que expõe apenas o formato da OpenAI oferece menos superfície, não um modelo pior.

Mas um parceiro que construiu por cima um decodificador restrito por esquema pode entregar algo que o próprio endpoint do fornecedor não garante: JSON que é analisado na primeira tentativa, sempre, sem um loop de novas tentativas. Para um pipeline que extrai campos de faturas em grande volume, uma nova tentativa evitada equivale a 2× os tokens de entrada economizados, e isso supera em muito a diferença regional de 5,8% entre as tabelas de preços de Singapura e Global.

Então, a pergunta a fazer sobre esta capacidade não é "há suporte a saída estruturada" — toda listagem diz que sim —, mas "é decodificação restrita ou uma instrução no prompt". A primeira é uma garantia; a segunda é uma sugestão forte que falha uma vez em cinquenta, normalmente na solicitação mais longa e mais cara do lote.

Quarta afirmação: raciocínio. A capacidade que menos se transfere, e a que ninguém precifica.

O Qwen4-Max vem com o raciocínio ativado e o esforço padronizado como high. O ajuste aceita low, high e xhigh, o orçamento de pensamento é de 131.072 tokens por padrão, e max_completion_tokens é de 262.144 por padrão no modo de pensamento. Uma solicitação que não define nenhum desses três recebe a configuração cara por padrão, e é nesse padrão que está a maior parte da conta: a Artificial Analysis mediu 104.940 tokens de saída por tarefa de índice, dos quais 68.914 eram de raciocínio, contra uma mediana do segmento de 65,1 milhões de tokens de saída para toda a suíte de nove avaliações. O Qwen4-Max gerou 127 milhões.

Em uma plataforma parceira, três coisas podem acontecer com esse botão e apenas uma delas é visível. O parâmetro de esforço de raciocínio pode ser repassado sem alteração, caso em que tudo o que foi dito acima se aplica. Ele pode ser aceito e ignorado, caso em que sua solicitação de esforço baixo é cobrada como uma de esforço alto. Ou ele pode ser rejeitado, caso em que você descobre com um erro 400 e se ajusta. A primeira é aceitável, a terceira é irritante, e a segunda é a que silenciosamente dobra uma fatura mensal — e é a mais comum, porque repassar um campo desconhecido para a API de um fornecedor costuma ser o comportamento padrão de um proxy compatível com a OpenAI.

É também aqui que a alegação de preço é testada com mais rigor. A $1.413 / $4.24, um parceiro está cobrando a tarifa Global do fornecedor, portanto o preço por token é honesto. Se a contagem de tokens é honesta depende de um parâmetro que não aparece no cartão.

O que um anúncio de "colaboração" lhe diz — e o que não diz

O enquadramento deste lançamento — uma parceria com a equipe Qwen da A​libaba, em vez de uma revenda — merece ser levado ao pé da letra pelo que abrange e nem uma palavra além. É plausível que abranja acesso antecipado aos pesos, alocação de capacidade e um identificador com suporte. Não abrange as coisas que decidem sua fatura: o orçamento de raciocínio, o teto de entrada em cada modo, a política de amostragem de vídeo, a garantia de decodificação restrita ou em quais regiões a implantação está localizada.

Há uma versão testável disto. Pergunte à plataforma qual é o limite de entrada dela no modo de pensamento. A​libaba publica 983,616. Se a resposta for “1M”, a plataforma não leu a documentação do fornecedor, e o restante da ficha técnica dela merece o mesmo ceticismo. Essa única pergunta separa um parceiro que portou o modelo de um que portou o preço.

Os dados independentes agora são melhores do que eram no lançamento, o que ajuda. O Artificial Analysis atribui ao Qwen4-Max uma pontuação de 43 no Intelligence Index v5.0.1 — a mediana para modelos comparáveis — a US$ 3,27 por tarefa de índice concluída, 32,1 minutos por tarefa, 54,5 tokens de saída por segundo e 155,4 segundos até o primeiro token de resposta. Essa é uma avaliação independente real de um modelo com dois dias de existência, e é o número a citar contra qualquer gráfico de fornecedor. O que isso não diz é se uma plataforma parceira o reproduz: o rastreador mede o modelo em um endpoint, e uma segunda implantação com agrupamento em lotes diferente, kernels diferentes ou um padrão de raciocínio diferente pode ficar vários pontos e um grande múltiplo de custo de distância.

A screenshot of the Artificial Analysis page for Qwen4 Max captured 18 November 2026 with an English interface, showing the Alibaba provider tag and a November 2026 release, an Intelligence Index of 43, output speed of 55 tokens per second, 185.4 seconds to first token, a 984k-token context window, and a summary line describing the model as below average in intelligence, well priced, notably slow per task and very verbose.

Como comprar isto sem adivinhar

O OrcaRouter não hospeda o Qwen4-Max. O modelo pode ser acessado pela própria API Model Studio da A​libaba e por várias plataformas de terceiros, e essa é a descrição honesta da situação — nenhuma rota hospedada pelo fornecedor nesta plataforma, portanto nenhuma alegação de que haja uma. O que o OrcaRouter oferece é o ponto de comparação: mais de 200 identificadores de modelos por trás de uma única API com 0% de markup, preço de tabela do provedor repassado, então o cartão de Singapura de $1.50 e o cartão Global de $1.413 são os mesmos números aqui e na própria página de preços da A​libaba, e uma alteração de preço do fornecedor é aplicada no mesmo dia, e não no próximo ciclo de cobrança.

A screenshot of OrcaRouter's models catalogue captured 18 November 2026 with an English interface, showing the header '226 models - 17 providers - one API key, one bill', the filter rail for input modalities, context length, input price, status, access tier, series, supported parameters, privacy and inference region, and the first card visible being kimi/kimi-k3.1-pro next to a two-step 'how to call any model' panel.

Para uma equipe que está decidindo se vale a pena adotar uma listagem de parceiro, a configuração útil é uma comparação lado a lado, e não uma análise. Envie as mesmas 50 solicitações — um documento longo com um vídeo, um lote de extração estruturada, uma cadeia agêntica de chamadas de ferramentas, um baixo esforço de trabalho de classificação — para o endpoint do próprio fornecedor e para o do parceiro, e compare os tokens cobrados, não os tokens retornados. Os dois números divergem exatamente quando um parâmetro está sendo descartado, e é a DSL de roteamento que permite manter o parceiro para as cargas de trabalho em que ele é genuinamente melhor e fazer fallback automaticamente para aquelas em que ele não é.

O anúncio é preciso. O preço nele é a tarifa Global da própria Alibaba, a lista de modalidades corresponde à documentação do fornecedor, e um parceiro que cita uma leitura de cache com três casas decimais claramente fez as contas. O que ele omite é a parte que você não consegue verificar em uma ficha: um orçamento compartilhado de 262.144 tokens que reduz a janela utilizável, um ajuste de raciocínio que decide a maior parte da fatura, um caminho de vídeo que ou é engenharia de verdade ou é um campo aceito, e uma promessa de saída estruturada que ou é decodificação restrita ou é um desejo. Essas quatro coisas merecem mais do seu tempo de avaliação do que os 5,8% que o preço do parceiro economiza.