
O Qwen4-Max foi listado em outro lugar em apenas um dia. O orçamento de pensamento é a parte que não será portada.
- 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 · 97 tok/s
- orcaNOVOOrca: OrcaC2 1.02026-11-0711 tok/s
- OrcaNOVOOrcaCyber: GLM 5.3 Abliterated / Uncensored2026-11-04$3.00 / $5.00 por 1M de tokens · 88 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 · 86 tok/s
- OrcaOrcaCyber: MiniMax M3.1 Flash Abliterated / Uncensored2026-10-29$0.80 / $1.60 por 1M de tokens · 125 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 · 92 tok/s
- OrcaOrcaCyber: MiMo V2.6 Flash Abliterated / Uncensored2026-10-26$0.80 / $1.60 por 1M de tokens · 44 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 · 134 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 · 126 tok/s
- openaiOpenAI: GPT-6.1 Sol2026-09-2955Inteligência
- anthropicAnthropic: Claude Sonnet 5.52026-09-2855Inteligência
- typesafeTypeSafe: Jev 1.132026-09-24$0.04 / $0.00 por 1M de tokens · 185 tok/s
Qwen4-Max ficou disponível em geral a 16 de novembro de 2026 e, poucas horas depois, uma segunda plataforma já o publicitava desde o primeiro dia — contexto de 1M de tokens, entrada nativa de texto, imagem e vídeo, direcionado para programação, trabalho de escritório e execuções de agentes de longo horizonte. É a forma habitual de um lançamento de modelo fechado em 2026: a Alibaba não publica nenhum checkpoint do Qwen4-Max, pelo que qualquer pessoa fora das suas seis regiões de implementação só pode aceder ao modelo através de uma plataforma que o aluga à Alibaba. O que não é habitual, ou pelo menos não é discutido, é quanto do manual de operação do modelo se perde nesse relay. A tabela de preços passa intacta. O número de contexto em destaque passa intacto. A aritmética que decide se o seu pedido cabe ou devolve um truncamento não passa de todo.
O que uma listagem no dia zero realmente lhe diz
Duas coisas, nenhuma delas sobre benchmarks. Primeiro, que o modelo está sendo vendido para pesquisa e trabalho com agentes, e não para chat — o texto de lançamento começa com execuções de agentes de horizonte longo e lista vídeo como modalidade de entrada, o que é uma descrição da carga de trabalho para a qual a plataforma pretende direcioná-lo, e não uma repetição da manchete da própria Alibaba. Segundo, que o Qwen4-Max é alugável, mas não portável: não há download, então todo endpoint que o serve está servindo à implantação da Alibaba, e toda página de terceiros que o descreve é um resumo da documentação da Alibaba. Resumos de tabelas de especificações são onde os bugs de integração nascem.
A tabela de preços é a parte fácil e vale declarar uma vez. Em Singapura, a Alibaba lista o Qwen4-Max a US$ 1,50 por milhão de tokens de entrada e US$ 4,50 por milhão de saída, com entrada em cache a US$ 0,075 e gravações de cache a US$ 1,875 para a janela de cinco minutos ou US$ 3,00 para uma hora. Os escopos de implantação Global — Pequim, Hong Kong, Frankfurt, Japão e Virgínia, nos EUA — são um pouco menores: US$ 1,413 de entrada, US$ 4,24 de saída e US$ 0,071 por leitura de cache. É um único nível de preço até o limite de contexto: sem sobretaxa de contexto longo, sem desconto para lote a procurar, porque inferência em lote não é oferecida nesse modelo de forma alguma.

Três números que não acompanham o modelo
"1M context" é o número em todas as listagens. A página do modelo da Alibaba, atualizada pela última vez no dia do lançamento, é mais específica, e é na lacuna entre o número de marketing e os números operacionais que as integrações quebram:
• Comprimento do contexto — 1.000.000 de tokens, um teto para toda a solicitação, em vez de um orçamento que você possa gastar na saída
• Entrada máxima, sem raciocínio — 991,808 tokens, porque 8,192 da janela são reservados para a resposta
• Entrada máxima, raciocínio — 983.616 tokens, mais 8.192 reservados para o bloco de raciocínio
• Saída máxima, sem raciocínio — 131.072 tokens
• Pensamento combinado mais resposta, modo de pensamento — 262.144 tokens, compartilhados entre o traço de raciocínio e a resposta visível
• Orçamento de pensamento padrão — 131,072 tokens, com reasoning_effort assumindo high por padrão quando nenhum dos parâmetros está definido
A quinta linha é a que morde. Uma equipe que dimensiona uma tarefa com base em um teto de saída documentado de 262,144 tokens e depois a executa no modo de pensamento verá a resposta visível parar em um comprimento que não tem nada a ver com o quanto o modelo ainda tinha a dizer, porque o traço de raciocínio vem consumindo do mesmo pool. O valor 131,072 é o número seguro de saída. O valor 262,144 é um orçamento compartilhado, e a diferença entre essas duas leituras é a diferença entre um pipeline funcional e um incidente semanal.
Há um pequeno consolo: isso também explica uma discrepância que você verá em listagens de especificações de terceiros, que citam uma janela de contexto de 984k. Não é um modelo diferente nem um downgrade. É o teto de entrada do modo de raciocínio, 983.616 arredondado, e é o número honesto para dimensionar com base se você chamar o modelo com o raciocínio ativado — que é o padrão.
O remapeamento de esforço é onde um cliente no formato OpenAI perde um nível.
O Qwen4-Max expõe três níveis de raciocínio, não cinco: low, high e xhigh, com padrão high. Chame-o por meio de um cliente compatível com OpenAI e uma string de effort fora do intervalo é mapeada em vez de rejeitada — a tabela da Alibaba mapeia minimal para low, medium para high e max para xhigh. No formato Messages da Anthropic, medium se torna high e max se torna xhigh.
Ambos os mapeamentos são defensáveis e ambos são silenciosos. Um pipeline ajustado para um modelo de cinco níveis que solicita medium aqui recebe raciocínio de alto esforço: mais tokens, mais latência, mais gasto, e nenhum erro para avisar que isso aconteceu. Um pipeline que solicita max esperando o topo de uma escada de cinco degraus recebe xhigh, que por acaso é o topo desta — então a saída parece certa e só a fatura discorda. A correção é uma linha por rota: fixe o nível que você realmente mediu, no vocabulário do fornecedor, e valide isso em staging. Qualquer coisa que passe uma string de esforço não mapeada diretamente para um modelo com uma escada mais curta vai divergir, e vai divergir na direção de gastar mais dinheiro.

O que os números do lançamento dizem, e o que eles não dizem
A avaliação de lançamento da Alibaba, reportada pelo fornecedor e não reproduzida de forma independente, coloca o Qwen4-Max em 52,69 em seu benchmark Work360, contra 47,74 do Qwen3.8-Max, com o custo médio por tarefa caindo de US$ 4,43 para US$ 1,67 e o uso de tokens de saída caindo 24% no esforço xhigh e 35% no high. No Terminal-Bench 4.0, o fornecedor relata 48% e 49% menos tokens de saída nas mesmas duas configurações, e as taxas de aprovação no nível de função em seu benchmark de codificação segura sobem de 22,0% para 31,8%. Esses são os argumentos do fornecedor para a arquitetura: um modelo esparso de mistura de especialistas com 2,4 trilhões de parâmetros que ativa 71 bilhões de parâmetros por token, além de 328 bilhões de parâmetros de embeddings N-gram, com três camadas Gated DeltaNet por camada de atenção esparsa.
A única leitura externa disponível em 17 de novembro é a Artificial Analysis, que pontua o Qwen4-Max com 43 no Intelligence Index v5.0.1 e o classifica em 38º de 81 modelos nesse índice. Ela também mede $3.27 de computação por tarefa do índice, sustentados por 127 milhões de tokens de saída ao longo da execução, contra uma mediana de 78,6 milhões, e não registra nenhuma medição de velocidade para o modelo — nenhum tempo por tarefa, nenhuma taxa de saída. Um 43 diante da alegação do fornecedor de superar a fronteira é a tensão que pautará a cobertura do próximo mês. É também o único número neste artigo que a Alibaba não produziu.

Se você fosse decidir isso esta semana
O OrcaRouter não roteia o Qwen4-Max, e vale a pena dizer isso claramente em vez de insinuar o contrário. O catálogo inclui Qwen3.8-Max — o modelo que o Qwen4-Max substitui — a US$ 2,00 de entrada e US$ 6,00 de saída por milhão com o preço de tabela do fornecedor repassado com 0% de margem, ao lado de Claude Opus 5.5, GPT-6.1 Sol, Grok 4.5 e Tencent HY4 Preview. Ainda não inclui a geração Qwen4.
O arranjo honesto para uma equipe que avalia o Qwen4-Max hoje é, portanto, uma chave direta da Alibaba para o novo modelo, além de uma camada de roteamento para tudo a que você recorreria como alternativa. Isso é menos estranho do que parece, porque o que torna um novo modelo caro de adotar não é o preço dos tokens — é que experimentá-lo significa um segundo contrato, um segundo SDK e um segundo conjunto de semânticas de nova tentativa em um caminho de produção. Manter o fornecedor atual atrás de um único endpoint com failover automático entre provedores permite que o experimento com o Qwen4-Max rode ao lado de um caminho que já funciona e que a comparação aconteça no seu próprio tráfego, em vez de no benchmark da Alibaba. Quando o modelo chegar ao catálogo, o preço que você vê será o do próprio fornecedor, atualizado no dia em que mudar, porque é isso que pass-through significa: o Global card a $1.413 e $4.24 apareceria como $1.413 e $4.24, não com o spread de um revendedor.
O que assistir
O post de lançamento da Alibaba termina com uma frase que importa mais do que qualquer benchmark nele: Max é apenas o primeiro vislumbre do Qwen4, e modelos menores da família estão chegando ao código aberto. Essa é uma promessa sobre a camada abaixo, não sobre esta, e não muda o fato de que o próprio Qwen4-Max é um modelo que você aluga de um único fornecedor e de plataformas que o alugam do mesmo fornecedor. Nesse mercado, a documentação é o diferencial do produto, e a documentação diz 983.616 de entrada e 131.072 de saída — não um milhão de nada.
Duas datas devem entrar num calendário. A desativação, em 25 de novembro, dos identificadores de pré-visualização, para quem ainda tiver qwen4-max-preview na configuração. E o que quer que a Alibaba publique a seguir sobre o orçamento de raciocínio, porque um pool compartilhado de 262.144 tokens num modelo comercializado como tendo contexto de 1M é o número com maior probabilidade de ser revisado assim que cargas de trabalho reais de agentes esbarrarem nele.
