Um cartão de título com o cabeçalho “Qwen4-Max: os números que não viajam”, com três chips exibindo 983,616 tokens de entrada no modo de pensamento, 131,072 tokens de resposta e 262,144 compartilhados entre pensamento e resposta, com legenda para o model card do Alibaba Cloud Model Studio de 16 de novembro de 2026.
Guides & Insights

O Qwen4-Max foi listado em outro lugar em apenas um dia. O orçamento de pensamento é a parte que não será portada.

Autor

jinhao.song

Data de publicação

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

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 A​libaba 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 A​libaba. 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 A​libaba. Segundo, que o Qwen4-Max é alugável, mas não portável: não há download, então todo endpoint que o serve está servindo à implantação da A​libaba, e toda página de terceiros que o descreve é um resumo da documentação da A​libaba. 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 A​libaba 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.

A two-column scoreboard contrasting a third-party listing with Alibaba's model card: the listing gives 1M context, 1M output, three effort levels and no batch figure, while the model card gives 1,000,000 context, 983,616 input in thinking mode, 131,072 output non-thinking, 262,144 shared, and effort levels low, high and xhigh, sourced to Alibaba Cloud Model Studio documentation updated 16 November 2026.

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 A​libaba mapeia minimal para low, medium para high e max para xhigh. No formato Messages da A​nthropic, 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.

A screenshot of the Alibaba Cloud Model Studio documentation page for qwen4-max, showing the Model Studio navigation, the breadcrumb Home Page > Models > Get Started, and the qwen4-max (Latest Model) heading with the start of its specification tables.

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 A​libaba não produziu.

A screenshot of the OrcaRouter model page for qwen/qwen3.8-max, showing the 1M-token context badge, text, image and video input, and the pricing panel for the model Qwen4-Max replaces.

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 T​encent 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 A​libaba 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 A​libaba. 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.