Um cartão de título 16:9 gerado sobre um fundo azul-marinho escuro com o texto "Qwen4-Max" e o subtítulo "Duas datas, um placar", e três cartões arredondados: DATA DO MODELO 16 Nov 2026, SEGUNDO VENDEDOR 18 Nov 2026, PONTUAÇÃO DO ÍNDICE 43. Uma linha de rodapé traz "Artificial Analysis Intelligence Index v5.0.1". Logotipo da OrcaRouter no canto inferior direito.
Guides & Insights

Qwen4-Max está à venda em dois lugares agora. O ranking independente é a parte que vale a pena ler.

Autor

jinhao.song

Data de publicação

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

O Qwen4-Max entrou em venda geral em 16 de novembro de 2026 e, na manhã de 18 de novembro, uma plataforma de inferência de terceiros também o estava anunciando, com o mesmo contexto de 1 milhão de tokens e as mesmas entradas de texto, imagem e vídeo. Essa é a notícia, e é uma notícia pequena: um segundo vendedor é um evento de distribuição, não um evento de modelo. O que chegou na mesma janela e quase não recebeu atenção é uma medição. A Artificial Analysis agora tem uma entrada do Qwen4-Max e, em seu Intelligence Index, atribui ao modelo pontuação 43, contra 34 do Qwen3.8-Max, o predecessor que ele substitui.

Ambos esses números vêm com um contexto que determina se são boas notícias, e o blog do próprio fornecedor não o fornece. Portanto, este artigo faz três coisas, em ordem: o que realmente foi lançado em 16 de novembro, o que a linha independente diz que o post de lançamento não diz, e o que muda — e o que quebra silenciosamente — quando o mesmo modelo é servido por alguém que não a A​libaba.

Duas datas, e apenas uma delas é um lançamento

A data do modelo é 16 de novembro de 2026. A equipe Q​wen da A​libaba datou sua publicação de lançamento em 16 de novembro, e a página de documentação do Model Studio para o modelo traz um carimbo de data/hora de atualização de 2026-11-16 09:46:08 com o título "qwen4-max (Modelo Mais Recente)" e um identificador de modelo simples de qwen4-max. Essa página é a que importa comercialmente: ela substituiu um identificador de prévia, qwen4-max-preview, que havia sido aberto em 11 de novembro em um plano de créditos com uma data de desativação publicada de 25 de novembro. A disponibilidade geral significava uma tabela de preços por uso, seis regiões e sem expiração.

O evento de 18 de novembro é de natureza diferente. Uma plataforma que não é a A​libaba começou a listar o modelo para seus próprios clientes, dois dias após o surgimento da tabela de preços. Nada sobre o modelo mudou em 18 de novembro: nenhum novo peso, nenhum novo número de contexto, nenhum novo preço do laboratório. Se você está lendo uma cobertura que enquadra esta semana como um lançamento, o enquadramento está um passo atrás — o Qwen4-Max foi lançado no dia 16, e o que aconteceu no dia 18 é que ele se tornou revendível em escala. Essa distinção não é pedantismo. Ela indica quais perguntas fazer: não "o que ele pode fazer", que foi respondido na segunda-feira, mas "o que sobrevive à passagem por um revendedor", que ninguém respondeu.

A generated two-column scoreboard titled 'Qwen4-Max vs Qwen3.8-Max' with five rows: index score 43 against 34; output tokens per run 127M against 150M; wall-clock per task 32.1 min against 47.5 min; cost per task $3.27 against $10.02; throughput 55 tok/s against 'not listed'. Footer reads 'Artificial Analysis Intelligence Index v5.0.1, measured November 2026'. OrcaRouter logo bottom-right.

O que foi lançado em 16 de novembro

A especificação abaixo é da Alibaba, do post de lançamento e da documentação do modelo, e nada disso foi reproduzido de forma independente — a arquitetura, em particular, é uma descrição feita pelo fornecedor de uma execução de treinamento que nenhum agente externo inspecionou.

• Arquitetura — um novo design Qwen4 com um backbone de 2,4 trilhões de parâmetros, 71 bilhões de parâmetros ativados por token e mais 328 bilhões de parâmetros de embedding N-gram

• Atenção — três camadas Gated DeltaNet alimentando cada camada Q​wen Sparse Attention, que comprime o histórico em estados de tamanho fixo e indexa o contexto em granularidade de microblocos

• Trabalho de estabilidade — quatro ramos residuais paralelos com portas dinâmicas de leitura e escrita, descritos pelo laboratório como o motivo pelo qual a execução de 2.4T não teve picos de perda

• Contexto — 1.000.000 de tokens na documentação do fornecedor; a Artificial Analysis mede a janela utilizável em 984.000

• Limite de saída — 131.072 tokens com o pensamento desativado, ou 262.144 compartilhados entre pensamento e resposta

• Modalidade — texto, imagem e vídeo como entrada; texto como saída. Visão nativa, não um complemento acoplado

• Esforço de raciocínio — níveis selecionáveis, aos quais o post de lançamento se refere como High e Xhigh quando cita suas próprias métricas de eficiência

Ferramentas — chamada de funções, chamadas de ferramentas em paralelo, pesquisa na web, saída estruturada conforme JSON Schema, conclusão de prefixo, cache explícito e implícito

• Interfaces — OpenAI Chat Completions e Responses, Anthropic Messages e DashScope, que é a superfície de protocolo mais ampla que a Alibaba já lançou em um produto carro-chefe

• O que está faltando — o ajuste fino e a implantação de modelos estão ambos marcados como não suportados. Não há checkpoint, e o post de lançamento diz apenas que modelos Qwen4 menores estão "chegando ao código aberto"

As alegações de eficiência são aquelas em que o lançamento se apoia com mais força, e vale a pena declará-las com precisão porque são condicionais. Em comparação com o Qwen3.8-Max, o fornecedor relata aproximadamente 24% menos tokens em seu benchmark Work360 com esforço Xhigh e 35% menos com High, e 48% e 49% menos no Terminal-Bench 4.0 nos mesmos dois ajustes. O custo médio por tarefa no Work360 cai de US$ 4,43 para US$ 1,67, uma redução de 62%. Todos esses números são relatados pelo fornecedor, e todos estão vinculados a um nível de esforço — o que se torna o detalhe importante mais adiante, quando um revendedor decide como expor esse ajuste.

A linha independente que ninguém está citando

A Artificial Analysis publicou o Qwen4-Max no Intelligence Index v5.0.1, e a entrada é incomumente direta. A pontuação é 43, que o site descreve como abaixo da média entre modelos comparáveis — a mediana também é 43, então o modelo fica exatamente na linha, em vez de acima dela. Essa é uma frase menos lisonjeira do que "subiu nove pontos em relação ao seu antecessor", e ambas são verdadeiras. O Qwen3.8-Max, medido como o snapshot 0902, pontua 34 no mesmo índice.

O restante da linha é onde o argumento fica interessante, porque separa a capacidade do custo de extraí-la.

• Pontuação do índice — Qwen4-Max 43 versus Qwen3.8-Max (0902) 34 na v5.0.1

• Tokens de saída por execução de índice — 127 milhões versus 150 milhões, em comparação com uma mediana do setor de 65,1 milhões. Ambos os modelos são extremamente prolixos; o novo é menos.

• Tempo real por tarefa — 32,1 minutos versus 47,5 minutos, contra uma mediana do setor de 11,5. Mais rápido que seu antecessor, ainda entre os modelos mais lentos medidos

• Throughput — 55 tokens de saída por segundo, medidos na própria API da A​libaba

• Custo por tarefa — US$ 3,27 versus US$ 10,02, que é o número mais útil da linha

Lendo esses dados em conjunto, a atualização é real, mas mais limitada do que o marketing sugere. O Qwen4-Max ganha nove pontos no índice, reduz o tempo de relógio em um terço e reduz o custo de concluir uma tarefa em cerca de dois terços em relação ao modelo que substitui. Ele não traz ganho de velocidade em termos absolutos: com 32,1 minutos por tarefa, é quase três vezes mais lento que o modelo mediano no mesmo ranking e consome quase o dobro do volume mediano de tokens para chegar lá. Se sua carga de trabalho for sensível à latência, o número do índice não é o que decidirá sua conta.

A screenshot of the Artificial Analysis page for Qwen4 Max, headed 'Qwen4 Max: Intelligence, Performance & Price Analysis' and dated November 2026, showing an Intelligence Index score of 43 against a median of 43, 55 output tokens per second, a 984k context window, $1.50 input and $4.50 output per million tokens, $3.27 per task and 127M tokens generated on the index run.

O que sobrevive à retransmissão para um revendedor

É esta a parte que a listagem de 18 de novembro torna urgente em vez de teórica. Quando um modelo é servido por uma plataforma que não é o seu autor, quatro coisas viajam de forma confiável e uma não.

As quatro que viajam: o cartão de preço, porque é copiado da página do fornecedor; o número de contexto, porque é uma manchete; a lista de modalidades, porque está no texto de marketing; e o formato do protocolo, já que a maioria das plataformas expõe um endpoint compatível com OpenAI independentemente do que está por trás dele. Essas são as coisas que todo anúncio acerta, e são as coisas que todo artigo comparativo cita.

O que não se transfere é o mapeamento de esforço. A economia do Qwen4-Max depende do esforço por design: a economia de tokens do próprio fornecedor varia de 24% a 35% no Work360 dependendo se você usa Xhigh ou High, e a documentação expõe a escolha como um parâmetro de requisição. Um revendedor que fixa o esforço em um único valor padrão, ou mapeia um parâmetro de raciocínio no estilo OpenAI para apenas dois de três níveis, entrega um modelo cujo custo por tarefa pode diferir em um terço do número publicado pelo fornecedor — com um preço por token idêntico na fatura. Se você estiver fazendo benchmark de uma listagem contra os próprios números da Alibaba, fixe o nível de esforço explicitamente e verifique o que a plataforma faz com ele antes de concluir qualquer coisa sobre o preço.

Duas coisas menores a verificar: se o orçamento compartilhado de 262.144 tokens para raciocínio e resposta é aplicado ou truncado silenciosamente, e se o cache de prompt é repassado às tarifas de cache do fornecedor, e não à tarifa integral de entrada. Ambos mudam dinheiro de verdade em execuções longas de agentes, e nenhum dos dois é visível em uma manchete.

O que não mudou, e não mudará

O fato mais decisivo sobre o Qwen4-Max não está nem na tabela de preços nem no ranking: você não pode possuí-lo. Não há checkpoint para este modelo, e a documentação classifica o ajuste fino e a implantação própria como não suportados. A frase final do post de lançamento promete que níveis menores do Qwen4 serão disponibilizados em código aberto, o que é uma declaração sobre o futuro da família, e não sobre este modelo. Todo caminho até o Qwen4-Max passa pela API de alguém, seja pelas seis regiões da A​libaba ou pelo endpoint de um revendedor.

Essa é uma configuração normal para um carro-chefe de fronteira de 2026, e tem uma consequência normal: sua integração é um aluguel, e o número de locadores acabou de passar de um para mais de um. O que é o único argumento genuinamente bom para a listagem de 18 de novembro — não que seja mais barato, mas que é outro caminho de fornecimento para um modelo que você não pode hospedar sozinho.

Se você vai configurar isso esta semana

O Qwen4-Max não está no catálogo do OrcaRouter hoje, e este texto não vai fingir o contrário. O que está lá é o modelo que ele substitui: qwen/qwen3.8-max, o carro-chefe de 2,4 trilhões de parâmetros que marcou 34 no mesmo índice e custa US$ 2,00 de entrada e US$ 6,00 de saída por milhão de tokens na lista da A​libaba. Se você está desenvolvendo com base na linha Q​wen e quer experimentar o Qwen4-Max sem apostar um caminho de produção em um acordo comercial de dois dias, o padrão sensato é manter o predecessor na mesma chave e rotear entre eles — o OrcaRouter reúne mais de 200 identificadores de modelos de diversos provedores por trás de um endpoint compatível com OpenAI a 0% de margem, com failover automático, de modo que uma indisponibilidade do lado do provedor ou um limite de taxa não derrube sua aplicação junto. O DSL de roteamento faz a mesma coisa um nível abaixo: você pode compor um modelo barato para a maior parte de uma carga de trabalho e escalar para o caro apenas onde a tarefa realmente precisa, em vez de pagar tarifas de carro-chefe por cada chamada.

A screenshot of the OrcaRouter models catalogue showing the filter rail and the header '226 models, 17 providers, one API key, one bill', with a card for Google Gemini 4 Carbon and its per-million input and output rates visible.

Isso não é o mesmo que ter o Qwen4-Max na chave, e não deveria ser vendido como tal. É a diferença entre esperar que um modelo chegue à sua stack e ter uma stack que consiga absorvê-lo quando ele chegar.

O que mudaria esta peça

Três coisas, em ordem decrescente de probabilidade. Uma segunda medição independente do Qwen4-Max resolveria se 43 é um piso ou um teto — um único board, um único harness, uma única configuração de esforço é uma base frágil para um veredito, e este blog já viu revisões de índice moverem pontuações em dois dígitos antes. Um detalhamento publicado por nível de esforço da Artificial Analysis, igual ao que ela já faz para o GLM-5.3, tornaria o número de custo por tarefa realmente acionável em vez de uma média sobre uma configuração não especificada. E um checkpoint do Qwen4 — qualquer checkpoint do Qwen4 — encerraria de vez o argumento do aluguel.

Até lá, a leitura correta desta semana é a pouco glamourosa. Um carro-chefe foi lançado na segunda-feira com uma tabela de preços real e uma pontuação independente competitiva, mas não líder; um revendedor o adotou na quarta-feira, o que é a distribuição fazendo o que a distribuição faz; e o número que deveria decidir sua integração não é $1.50 nem 43, mas 32,1 minutos e uma conta de tokens que roda a aproximadamente o dobro da mediana do setor. Esses dois são o que você realmente vai pagar.