Um cartão de título 16:9 gerado com os dizeres "Qwen4-Max vs Kimi K4", com o subtítulo "Um foi lançado esta semana; o outro nunca foi lançado", com dois cartões arredondados: um modelo GA documentado com seis regiões e preços de pagamento conforme o uso, e um nome sem ficha do modelo, sem identificador de API e sem anúncio. Logotipo da OrcaRouter no canto inferior direito.
Guides & Insights

Qwen4-Max vs Kimi K4: Um foi lançado esta semana, o outro nunca foi lançado de jeito nenhum

Autor

jinhao.song

Data de publicação

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

Pesquise por Kimi K4 e você encontrará uma grande quantidade de textos sobre um modelo que não existe. Pesquise por Qwen4-Max e, em 16 de novembro de 2026, encontrará um modelo que pode ser chamado com uma tabela de preços publicada, seis regiões e uma página de documentação com carimbo de data/hora às 09:46 daquela manhã. Esses não são estados de coisas comparáveis, e tratá-los como dois lados de um confronto é o erro mais comum neste canto do mercado. Portanto, esta página faz dois trabalhos: estabelece o que é o Kimi K4 — um nome sem model card, sem identificador de API, sem pesos, sem preço e sem anúncio por trás dele — e então executa a comparação sobre a qual o leitor pode realmente agir, entre Qwen4-Max e Kimi K3.1 Pro, o modelo que a Moonshot AI disponibiliza hoje e o modelo de pesos abertos com maior pontuação no Artificial Analysis Intelligence Index.

Essa segunda comparação é mais interessante do que a que você digitou, porque é o único lugar em que o Qwen4-Max encontra um modelo que o supera em capacidade medida, mas perde para ele em preço. É também a comparação que mostra por que o benchmark ausente do Qwen4-Max custa caro: contra o Kimi K3.1 Pro há um número real de um lado da tabela e um espaço em branco do outro.

A generated two-column scoreboard titled 'Qwen4-Max vs Kimi K3.1 Pro - the scoreboard', comparing $1.50 and $4.50 per million tokens against $2.00 and $10.00, a 1,000,000-token context against 1,048,576, a 131,072 maximum output against a 1,000,000-token ceiling, no independent score against 46.5, and no weights against an open parent under a custom licence, over a footer reading 'Qwen4-Max per Alibaba; Kimi figures per Moonshot and Artificial Analysis Index v5.0.1.' OrcaRouter logo bottom-right.

A verificação do K​imi K4, feita abertamente

As alegações de que algo não foi lançado perdem força, então aqui estão as evidências em vez do veredito. A documentação de preços para desenvolvedores da API Kimi, da Moonshot AI, lista kimi-k3.1-pro e kimi-k3 como os modelos da série K3, com uma janela de contexto de 1,048,576 tokens, além da série K2, que a mesma página diz que será totalmente descontinuada até o final de dezembro de 2026. Nenhum identificador kimi-k4 aparece. A lista de modelos da plataforma não traz nenhum. O índice do blog do próprio laboratório não traz nenhuma postagem sobre K4. Uma busca em repositórios na organização moonshotai não retorna nada acima de K3.1 Pro.

O único artefato que aparece para o nome é um reenvio de terceiros no Hugging Face, criado em julho de 2026, com algumas poucas downloads, nenhuma documentação e um conjunto de tags copiado integralmente do Kimi K3. Não é um artefato da Moonshot, e esta página não o trata como tal. Um carro-chefe lançado pela Moonshot deixa um rastro verificável em questão de dias — um model card com contagem de parâmetros, uma linha na tabela de preços, um identificador de API, uma entrada em ranking. Um nome que não deixou nada disso não é um lançamento discreto; é apenas um nome.

Vale dizer claramente, porque o enquadramento desta página pode ser mal interpretado: o fato de o K4 não ter sido lançado não diz nada sobre a trajetória da Moonshot. O laboratório lançou duas vezes em quatro meses, e o segundo desses lançamentos, o K3.1 Pro em 24 de outubro de 2026, é o melhor resultado de pesos abertos no índice atual. O próximo modelo é uma questão de quando, não de se. Simplesmente não é agora.

No que o Qwen4-Max se tornou esta semana

Até 16 de novembro, o Qwen4-Max existia apenas como qwen4-max-preview: um aluguel exclusivo do Token Plan, aberto às 10:00 UTC+8 de 11 de novembro, com desativação anunciada para as 24:00 de 25 de novembro e sem preço por token em lugar nenhum. O modelo GA é um identificador diferente, qwen4-max, com tarifas de pagamento conforme o uso, seis regiões — Singapura, Pequim, Hong Kong, Frankfurt, Virgínia e Tóquio — e sem data de expiração.

A especificação publicada é um contexto de 1.000.000 de tokens, uma saída máxima de 131.072 tokens no modo sem raciocínio, um orçamento compartilhado de 262.144 tokens para raciocínio mais resposta, entrada de texto, imagem e vídeo, e saída apenas em texto. O raciocínio é ativado por padrão com um orçamento de 131.072 tokens e esforço de raciocínio definido como alto. A API é compatível com OpenAI Chat Completions, OpenAI Responses, Anthropic Messages e DashScope, o que significa que um SDK da Anthropic existente apontado para uma nova URL base funcionará sem reescrita. O ajuste fino e a implantação de modelos são documentados como não suportados, e nenhum peso é publicado.

A screenshot of Alibaba Cloud Model Studio's 'Model releases and updates' changelog, dated 2026-11-16 and headed qwen4-max, with the 2026-11-11 qwen4-max-preview entry visible below and the documentation timestamp at the top of the page.

Qwen4-Max contra o K​imi que você realmente pode chamar

Kimi K3.1 Pro foi um lançamento de pós-treinamento, e não uma nova arquitetura: a Moonshot o descreve como o Kimi K3 retreinado com muito mais compute de pós-treinamento, incluindo aprendizado por reforço conjunto em larga escala em centenas de domínios a jusante. A janela de contexto permanece inalterada em 1.048.576 tokens, a entrada de visão e vídeo permanece inalterada, e o limite de saída permanece inalterado em 1M tokens. O que mudou de forma mais consequente foi o preço: US$ 2,00 por milhão de tokens de entrada e US$ 10,00 por milhão de saída, abaixo dos US$ 3,00 e US$ 15,00 do K3.

• Preço de entrada — Qwen4-Max US$ 1,50 por 1M em Singapura, US$ 1,413 em outros locais, versus Kimi K3.1 Pro US$ 2,00

• Preço de saída — Qwen4-Max $4.50 em Singapura, $4.24 nos demais locais, versus Kimi K3.1 Pro $10.00

• Leitura de cache — Qwen4-Max US$ 0,075 após uma gravação de cinco minutos de US$ 1,875, versus Kimi K3.1 Pro US$ 0,20 após uma gravação de US$ 2,00

• Contexto — Qwen4-Max 1.000.000 tokens versus Kimi K3.1 Pro 1.048.576 tokens, uma vantagem de 4,6% para K​imi

• Saída máxima — Qwen4-Max 131.072 em modo sem raciocínio, contra o teto de 1M de tokens do Kimi K3.1 Pro, uma grande vantagem para o K​imi

• Pontuação independente — Qwen4-Max não publicado, em comparação com Kimi K3.1 Pro 46,5 no Artificial Analysis Intelligence Index v5.0.1, o melhor resultado de pesos abertos no ranking

• Pesos — Qwen4-Max: nenhum publicado, em comparação com o K3, modelo pai do Kimi K3.1 Pro, aberto sob uma licença personalizada

• Benchmark do fornecedor — Qwen4-Max nenhum, versus Kimi K3.1 Pro com 65,7% no Terminal-Bench 4.0, conforme relatado pelo fornecedor

A linha de preço de saída é a que reorganiza um orçamento. A US$ 4,50 contra US$ 10,00, o Qwen4-Max é 55% mais barato na saída em Singapura e 58% mais barato nas demais regiões. Um pipeline que gera 50 milhões de tokens de saída por mês paga US$ 225 no Qwen4-Max e US$ 500 no Kimi K3.1 Pro. Essa é uma diferença real, e é o argumento individual mais forte a favor do modelo mais novo.

A linha do teto de saída é a que pode anulá-lo. O Kimi K3.1 Pro emitirá um milhão de tokens em uma única resposta; o Qwen4-Max tem limite de 131.072 fora do modo de raciocínio e de 262.144 compartilhados com esse modo. Se sua carga de trabalho inclui gerar documentos longos, reescrever arquivos inteiros ou traços extensos de raciocínio em uma única chamada, o modelo mais barato pode não conseguir concluir a tarefa a nenhum preço, e um desconto de 55% em uma requisição que precisa ser dividida em oito chamadas não é um desconto.

Por que o vazio na coluna de pontuação é o que conta a história

Toda comparação de modelos que este blog publica esbarra no mesmo obstáculo com os novos carros-chefe da Alibaba: a documentação é excepcionalmente precisa sobre a mecânica e completamente silenciosa sobre a qualidade. A página do Qwen4-Max especifica a temperatura padrão em cada modo, os valores de top-p e top-k, o orçamento de raciocínio, os limites exatos de tokens de entrada e saída por modo, e as seis regiões com seus escopos de implantação. Ela não publica nenhuma tabela de benchmarks, sejam relatados pelo fornecedor ou não, e não há entrada do Qwen4 no índice de modelos da Artificial Analysis — a URL por modelo retorna 404.

Contra o Kimi K3.1 Pro, essa assimetria tem uma consequência específica. O lado da Kimi tem um número de origem própria que todos podem ver e um número independente na mesma versão do índice, e ambos estão no topo do ranking de modelos de pesos abertos. O lado da Qwen tem um preço e uma ficha técnica. Um comprador que os compara não está comparando dois modelos; está comparando um modelo medido a um modelo documentado, e a única forma de fechar essa lacuna é medi-lo por conta própria.

O que é mais barato de fazer do que parece. Cem prompts extraídos do seu próprio tráfego, executados em ambos, com esses preços, custam alguns dólares. Esse é todo o orçamento de avaliação necessário para converter o Qwen4-Max de uma incógnita em uma quantidade conhecida para sua carga de trabalho — e é menos do que o custo de uma única semana de erro nas estimativas sobre o preço de saída.

O único ponto em que os dois designs divergem mais drasticamente

A arquitetura K3 da Moonshot baseia-se em K​imi Delta Attention, um mecanismo de atenção linear com estado recorrente de tamanho fixo, em 69 de suas 92 camadas esparsas. Esse design é o que torna economicamente viável servir um contexto de 1 milhão de tokens, e também é o motivo pelo qual avaliadores independentes relativizam as alegações de contexto longo feitas pelos próprios fornecedores em toda a indústria: híbridos de atenção linear tendem a perder alguns pontos na recuperação do tipo agulha no palheiro em comparação com a atenção completa. A Q​wen não publica nada sobre o design de atenção do Qwen4-Max, então não há como saber em qual lado desse trade-off ele se posiciona.

O que o Qwen de fato publica é uma implementação de cache de prompt com modos explícito e implícito e uma gravação no cache de cinco minutos a US$ 1,875 por milhão, frente a uma leitura a US$ 0,075 — um desconto de 96% na leitura. O equivalente do Kimi é US$ 2,00 gravados e US$ 0,20 lidos, um desconto de 90%. Ambos os designs recompensam um prefixo estável e penalizam um prompt que muda a cada turno, e nenhum deles altera a aritmética em uma requisição única.

Para trabalho com documentos de contexto longo — a carga de trabalho que ambos os fornecedores estão vendendo —, o teste prático é o mesmo em qualquer um dos modelos: monte um teste de agulha no seu próprio corpus antes de confiar na janela anunciada. Um modelo que responde corretamente a 900 mil tokens nos seus dados vale mais do que um que responde corretamente a 1 milhão em um benchmark sintético, e só é possível saber um desses dois números sem o seu próprio harness.

Chamando-os lado a lado

O OrcaRouter oferece o Kimi K3.1 Pro como kimi/kimi-k3.1-pro ao preço de tabela da Moonshot — US$ 2,00 de entrada e US$ 10,00 de saída por milhão — repassado sem acréscimo, na mesma URL base compatível com OpenAI que o restante de um catálogo de 215 identificadores, com ambos os endpoints /v1/chat/completions e /v1/responses. O Qwen4-Max não está nesse catálogo hoje; ele está disponível pela própria API da Alibaba, onde se aplica a tabela de preços regional acima.

A screenshot of the OrcaRouter model page for Kimi K3.1 Pro, showing the identifier kimi/kimi-k3.1-pro, $2.00 input and $10.00 output per million tokens, the 1,048,576-token context window, the large maximum output figure, text, image and video input, and the 2026-10-24 vendor date.

A razão para manter ambos acessíveis em vez de escolher um é que a decisão entre eles é determinada pelo perfil da carga de trabalho, não pelo modelo. Trabalhos de geração longa exigem o teto de saída do K​imi. Geração de alto volume em que as respostas são curtas exige o preço de saída do Qwen4-Max. Qualquer situação em que uma resposta errada custe caro exige o modelo que já tem uma pontuação, até que você tenha gerado uma pontuação para o outro. Uma política de roteamento expressa isso como regras, e não como uma decisão de arquitetura, e o failover automático evita que o mais novo dos dois se torne um ponto único de falha enquanto você ainda está coletando evidências.

Onde isso deixa a busca que você iniciou

Se você veio pelo K​imi K4, a resposta é que ele não foi lançado, nada sobre ele foi anunciado, e o modelo a ser avaliado hoje é o K​imi K3.1 Pro — que, no índice atual, é o modelo de pesos abertos mais forte disponível para qualquer pessoa. Fique atento a um cartão de modelo, não a um boato: um documento que reúna parâmetros, contexto, preço e um identificador de API é o sinal que este blog vem usando o ano todo para distinguir um modelo lançado de um nome em circulação.

Se você veio pelo lado do Qwen4-Max, a resposta é que ele é real, tem preço definido e é barato em exatamente uma dimensão que importa — tokens de saída —, embora limite a uma fração do que o modelo K​imi emitirá em uma única resposta e não traga nenhuma medida de qualidade. Compre-o onde o volume de saída domina e as respostas são curtas. Teste-o antes de comprá-lo em qualquer outro lugar. E trate a diferença entre $4,50 e $10,00 como um convite para rodar sua própria avaliação, porque esse é o único número nesta comparação que atualmente é gratuito.

Comparados neste artigo2

Detectado a partir deste artigo · Benchmarks: Artificial Analysis · atualizado diariamente