Qwen4-Max Preview: um carro-chefe de 1M de tokens que você só pode alugar por quinze dias

A maioria dos lançamentos de modelos chega com uma data de início. A prévia do Qwen4-Max chegou com uma data de término. A Alibaba o disponibilizou às 10:00 de 11 de novembro de 2026 (UTC+8) e disse, na mesma página de documentação que o anunciou, que o modelo será descontinuado após 24:00 de 25 de novembro — quinze dias depois, sem alterações permitidas nesse intervalo. Dentro dessa janela, você tem um contexto de 1.000.000 de tokens, um teto de saída de 393.216 tokens que o raciocínio e a resposta final precisam compartilhar, e entrada nativa de imagem e vídeo. O que você não tem é um preço por token, uma contagem de parâmetros, pesos publicados ou um único número de benchmark, relatado pelo fornecedor ou não. A publicação de lançamento diz que o modelo é “feito para tarefas do mundo real, com conhecimento mais profundo e capacidades aprimoradas”, que é o tipo de frase que toda publicação de lançamento contém; a documentação diz que o modelo tem data de validade, o que quase nenhuma delas tem.

O que realmente entrou no ar às 10:00

O nome do produto é Qwen4-Max-Preview e o ID do modelo é qwen4-max-preview. Há também um alias, qwen4.0-max-preview, e a Alibaba observa que ambos os IDs funcionam, mas as faturas exibem a forma 4.0 — vale a pena saber disso antes de sair procurando gastos sob uma string e encontrá-los sob a outra.

Há exatamente uma rota para ele, e ela não é a API comum. O Qwen4-Max-Preview é disponibilizado apenas por meio do Token Plan; o acesso por pagamento conforme o uso não é explicitamente suportado. O Token Plan Personal Edition é uma assinatura em Credits, disponível apenas na região de Singapura da Alibaba, com uma URL base dedicada em token-plan.ap-southeast-1.maas.aliyuncs.com. Se você tiver uma chave de API do Model Studio que funciona com o qwen3.8-max, ela não é a chave que abre este modelo.

O timing merece uma menção porque o intervalo é curto. A Alibaba anunciou a família Qwen 4 — Max, Flash, Plus e 27B — no palco da sua conferência Apsara, em Hangzhou, em 22 de setembro de 2026, e o comunicado escrito daquele dia dizia apenas que o Qwen 4 estava em treinamento. Cinquenta dias depois, o nível principal já tem um endpoint funcional. Isso é rápido para uma família de fronteira e é o argumento mais forte para levar a prévia a sério em vez de arquivá-la como uma demonstração de palco.

A especificação, tal como publicada

Isto é tudo, vindo da própria página do modelo da A​libaba em vez da cobertura sobre ele:

• Contexto — 1.000.000 de tokens.

• Saída máxima — 393.216 tokens, compartilhados entre o pensamento e a resposta final.

• Entrada — texto, imagens e vídeo. A saída é texto.

• Raciocínio — ativado por padrão, com reasoning_effort definido como low, medium ou xhigh, com padrão xhigh.

• Ferramentas — chamada de funções, pesquisa na web e ferramentas integradas.

• Saída estruturada — Objeto JSON e JSON Schema.

• Formato da API — compatível com OpenAI Chat Completions, OpenAI Responses e Anthropic Messages.

• Preço por milhão de tokens — não publicado. O modelo é cobrado em Créditos no âmbito de uma assinatura, e a Alibaba não publica uma taxa de créditos por token.

• Parâmetros — não publicados. Pesos — não publicados. Licença — não aplicável, porque não há nada para baixar.

• Pontuações de benchmark — nenhuma. Não é uma tabela de fornecedor, nem uma execução independente.

• Janela de disponibilidade — das 10:00 de 11 de novembro às 24:00 de 25 de novembro de 2026, UTC+8, depois retirada.

Leia o teto de saída duas vezes. 393.216 é um número grande e não é a janela de contexto — é o orçamento total para uma única resposta, e os tokens de raciocínio saem dele antes de a resposta começar. Um modelo que usa xhigh como esforço padrão gastará uma parcela significativa desse orçamento pensando, o que torna o comprimento efetivo da resposta consideravelmente menor do que o número sugere.

A linha que vai quebrar uma porta: max_tokens

Nas notas de uso está escondida uma mudança que importa mais do que a maior parte da ficha técnica. A partir de qwen4-max-preview, max_tokens equivale a max_completion_tokens, e ambos limitam o total combinado de tokens para o raciocínio e a resposta final. Todo modelo Qwen anterior mantém seu comportamento anterior, em que o limite se aplicava à resposta. Assim, uma requisição portada de qwen3.8-max com max_tokens: 4096 agora compra 4.096 tokens de raciocínio mais o que sobrar, o que, em um prompt difícil, pode ser absolutamente nada — e o modo de falha é uma resposta truncada, e não um erro que você possa capturar.

Vale a pena definir deliberadamente outros dois padrões. O Chat Completions habilita preserve_thinking por padrão, então o histórico de raciocínio retorna no campo reasoning_content das mensagens do assistente; concatenar isso em content e enviá-lo de volta como histórico é o formato errado e vai confundir o próximo turno. E reasoning_effort e thinking_budget não devem ser definidos juntos — escolha um único controle.

Nada disso é exótico. É o custo comum de chegar cedo: a camada de compatibilidade que faz o modelo parecer qualquer outro endpoint no formato OpenAI não torna sua contabilização de tokens idêntica, e a diferença só fica visível quando algo é cortado.

Quanto custa quinze dias do Token Plan

Como não há preço por token, a única questão de preço que um leitor consegue realmente responder é quanto custa a assinatura. Os quatro níveis da Edição Pessoal da Alibaba custam US$ 6 por mês para 20.000 Créditos, US$ 10 para 45.000, US$ 18 para 80.000 e US$ 43 para 200.000, com pacotes extras a US$ 15 por 20.000 Créditos e um desconto para novos usuários válido até 30 de novembro. Os Créditos são consumidos a uma taxa que, segundo o fornecedor, é determinada dinamicamente pelo tipo de modelo, uso de tokens, modo de pensamento e chamadas de ferramentas, e o único lugar para ver a taxa real é o detalhe de uso no console.

A prévia traz sua própria promoção: durante a janela, o consumo fica "a partir de 20% da tarifa padrão", e chamadas entre 22:00 e 08:00 UTC+8 recebem um desconto adicional que chega a 8% da tarifa padrão. As duas páginas que descrevem essa tarifa noturna divergem sobre como formulá-la — a página do modelo chama a etapa extra de 40% de desconto, a página do Token Plan chama de 60% de desconto — e ambas chegam aos mesmos 8%, então trate a aritmética como fato e a porcentagem como texto promocional.

Uma restrição merece ser citada em vez de parafraseada, porque elimina a maioria dos usos em produção antes mesmo de o preço entrar em questão: o Token Plan Personal Edition destina-se a "uso interativo em ferramentas de codificação e de agentes, não a scripts em lote automatizados". Uma prévia que você não consegue executar em lote é uma prévia que você avalia manualmente, em um editor, da mesma forma como avaliaria um modelo em uma janela de chat.

O que os números ausentes custam a você

Três ausências desempenham um papel real aqui, e cada uma bloqueia uma decisão diferente.

Nenhum preço bloqueia o orçamento. Créditos não podem ser convertidos em dólares por milhão de tokens com base em nada que a A​libaba publique, portanto uma equipe não consegue comparar a prévia a um modelo com cobrança por uso no único eixo que importa para trabalho em volume. A assinatura define um teto de gasto, não uma tarifa.

A ausência de uma contagem de parâmetros bloqueia a suposição sobre a infraestrutura. O mais próximo de uma declaração de arquitetura é o Qwen3.8-Flash-Next, publicado pela organização Qwen no Hugging Face em 24 de agosto de 2026, cuja ficha o descreve como uma prévia experimental da arquitetura que sustentará o Qwen 4. Essa ficha informa 125 bilhões de parâmetros principais, com cerca de 6 bilhões ativos por passo, um armazenamento de embeddings n-gram de 51 bilhões de parâmetros e três técnicas nomeadas — atenção esparsa QSA, conexões residuais com gating e embeddings n-gram como uma consulta separada. Trata-se de informação declarada pelo fornecedor e não reproduzida, e descreve um modelo de prévia de 180 bilhões de parâmetros, não este modelo principal. Quem citar uma contagem de parâmetros para o Qwen4-Max está citando algo que a Alibaba não disse.

A ausência de uma pontuação bloqueia o ranking. O leaderboard do Artificial Analysis, consultado em 11 de novembro de 2026, não traz absolutamente nenhuma entrada do Qwen4. Isso não é uma crítica ao modelo — uma prévia lançada esta manhã não teve tempo de ser medida —, mas significa que todo número “Qwen4 supera X” já em circulação é uma projeção ou o número de um modelo diferente usando o nome deste.

Há também uma quarta ausência fácil de passar despercebida: "nenhuma alteração será feita durante este período". A prévia está congelada. Um comportamento que você acha irritante no segundo dia ainda estará lá no décimo quarto dia, e reportá-lo não lhe traz nada até que o próximo modelo exista. Essa é a troca correta para uma prévia e a troca errada para uma dependência.

Enviar uma solicitação esta semana e o que executar em vez disso

Se quiser ver o modelo, o caminho é uma assinatura do Token Plan, a base URL dedicada e o ID do modelo acima; o endpoint fala os formatos de comunicação da O​penAI e da A​nthropic, então um cliente existente precisa de uma base URL e de uma chave, em vez de uma reescrita.

Se você quer lançar algo, este não é o modelo no qual se deve lançar, e vale ser franco sobre a alternativa. O catálogo da OrcaRouter, consultado hoje, lista 217 identificadores de modelos e nenhum deles é um nível Q​wen 4 — não oferecemos o Qwen4-Max, e nenhuma dose de esperteza de roteamento muda isso. O que o mesmo catálogo traz é o modelo que este acabará substituindo: Qwen3.8-Max, com disponibilidade geral, contexto de 1M, com texto, imagem e vídeo na entrada, a US$ 2,00 por milhão de tokens de entrada e US$ 6,00 por milhão de tokens de saída, ao preço de tabela da A​libaba, sem nada acrescentado. Essa última parte é o ponto estrutural, e não um slogan: como repassamos o preço do provedor com 0% de acréscimo, uma mudança de preço do fornecedor repercute na sua chave no dia em que acontece — o que é exatamente o mecanismo que importará no dia em que um nível Q​wen 4 tiver uma tarifa de pagamento conforme o uso, se tiver.

Para a avaliação em si, uma cadeia de fallback é a forma barata de executá-la. Coloque a prévia atrás de um modelo em que você já confia, e não à frente dele: se uma requisição der erro, expirar ou for truncada porque o orçamento de raciocínio consumiu a resposta, o fallback responde e você ainda descobre se contexto de 1M e entrada de vídeo resolvem seu problema. Testar um endpoint não comprovado sem fallback é como um experimento de quinze minutos vira uma indisponibilidade.

O que 25 de novembro decide

Três desfechos são possíveis e não têm a mesma probabilidade. O mais limpo é a disponibilidade geral com um preço por token publicado e um endpoint de pagamento conforme o uso; isso faria do Qwen4-Max uma verdadeira decisão de compra e tornaria esta prévia a due diligence mais barata possível. O segundo é uma extensão — outra janela, mesmos termos — o que lhe diria que a A​libaba ainda está restrita por capacidade em Singapura e ainda não está pronta para cobrar pelo uso do modelo. O terceiro é a desativação no prazo, com silêncio, o que significaria que a prévia foi uma demonstração de capacidade voltada para empresas que compram por meio do Token Plan, e não para desenvolvedores que compram tokens.

Observe duas coisas em paralelo. Se os outros três níveis recebem fichas de modelo, porque uma família com um nível lançado e três nomes é um roteiro, não uma linha de produtos. E se o Q​wen 4 27B aparece com pesos abertos, porque esse nível tem sido historicamente aquele que a organização Q​wen publica no Hugging Face, e um modelo Q​wen 4 disponível para download mudaria o cálculo para todos que não podem colocar uma assinatura de Singapura na sua arquitetura.

Por enquanto, o resumo honesto é limitado e útil: o Qwen4-Max existe, pode ser chamado, tem uma janela de um milhão de tokens e um orçamento de saída de 393.216 tokens, deixará de existir em quinze dias, e ninguém fora da Alibaba o mediu. Isso basta para dedicar uma tarde e não basta para planejar um trimestre em torno disso.