Um cartão de título 16:9 gerado com o texto "Qwen4-Max vs LongCat 2.5", com o subtítulo "Dois carros-chefe que ninguém pontuou, com uma diferença de doze vezes no preço", com três cartões arredondados: US$ 4,50 contra US$ 1,20 por milhão de tokens de saída, um contexto de 1.000.000 de tokens dos dois lados, e nenhuma pontuação independente para ambos. Logotipo da OrcaRouter no canto inferior direito.
Guides & Insights

Qwen4-Max vs LongCat 2.5: Dois modelos de ponta que ninguém avaliou, com preços separados por doze vezes

Autor

jinhao.song

Data de publicação

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

Aqui está uma comparação com uma propriedade incomum: nenhum dos lados tem um número. O Qwen4-Max, em disponibilidade geral pela Alibaba desde 16 de novembro de 2026, publica uma tabela de preços, uma janela de contexto e uma lista de recursos, e nenhum benchmark de qualquer tipo. O LongCat 2.5, que a Meituan publicou em 2 de novembro de 2026, vem com uma tabela de avaliação do fornecedor com 31 linhas e ainda não tem pontuação independente — não há entrada do LongCat 2.5 no ranking do Artificial Analysis, apenas a de seu antecessor LongCat 2.0, que também não traz valor de índice. Então, quando você coloca Qwen4-Max e LongCat 2.5 lado a lado, o que de fato os separa não é a capacidade. É US$ 1,20 contra US$ 4,50 em tokens de saída, e é se você acredita na tabela do próprio fornecedor quando ela é a única tabela que existe.

Isso faz desta página um tipo diferente de comparação em relação ao confronto direto habitual. Ela não pergunta qual modelo é melhor, porque ninguém fora dos dois laboratórios pode responder a isso. Ela pergunta qual deles você tem condições de investigar, e a que a documentação de cada fornecedor se compromete e não se compromete.

A generated two-column scoreboard titled 'Qwen4-Max vs LongCat 2.5 - the scoreboard', comparing $1.50 against $0.30 input, $4.50 against $1.20 output, a 1,000,000-token context against 1,048,576, 131,072 maximum output on both sides, six regions against one platform, and no independent score against no independent score, over a footer reading 'Both vendors report no independent benchmark; prices are first-party list rates.' OrcaRouter logo bottom-right.

O que a Meituan realmente lançou em 2 de novembro

O LongCat 2.5 é um modelo esparso de mistura de especialistas com 1,6 trilhão de parâmetros, que ativa aproximadamente 48 bilhões de parâmetros por token, o que o torna uma iteração da mesma arquitetura do LongCat 2.0, e não um novo design. Ele é nativamente multimodal em um sentido específico e incomum: sinais visuais são codificados como tokens discretos de vários níveis por meio de quantização vetorial residual sobre características de um codificador semântico e alinhado, de modo que imagens e texto entram no backbone como um único vocabulário de tokens, em vez de por meio de um adaptador acoplado. Os casos de uso declarados pelo fornecedor decorrem disso — criar uma página a partir de uma captura de tela, gerar uma cena 3D a partir de uma descrição, produzir um pôster.

O contrato de serviço é concreto. O contexto é de 1.048.576 tokens de entrada e 131.072 de saída. Dois endpoints ficam em api.longcat.chat: um /openai/v1/chat/completions compatível com OpenAI e um /anthropic/v1/messages compatível com Anthropic. Claude Code, Codex, Hermes, OpenCode e Kilo Code são indicados como harnesses compatíveis, com um guia próprio para cada um. Os pesos não estão disponíveis; os botões do GitHub e do Hugging Face no blog exibem ambos “Em breve”, sem data. O LongCat 2.0 foi lançado sob a licença MIT, então a questão da licença para o 2.5 está genuinamente em aberto, e não respondida por precedente.

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 and later entries visible below it.

O Qwen4-Max da Alibaba, em contrapartida, é fechado de uma maneira diferente: sua documentação marca o ajuste fino e a implantação de modelos como não suportados de forma categórica, o que é uma afirmação mais firme do que "em breve". Texto, imagem e vídeo na entrada; texto na saída; uma janela de 1.000.000 de tokens; 131.072 tokens de saída fora do modo de raciocínio; raciocínio ativado por padrão com um orçamento de 131.072 tokens. Seis regiões — Singapura, Pequim, Hong Kong, Frankfurt, Virgínia e Tóquio — contra a única plataforma própria da LongCat.

A diferença de preço, e o que ela compra

• Entrada — Qwen4-Max US$ 1,50 por 1M em Singapura e US$ 1,413 nos demais locais, versus LongCat 2.5 US$ 0,30

• Saída — Qwen4-Max US$ 4,50 em Singapura e US$ 4,24 nos demais locais, contra LongCat 2.5 US$ 1,20

• Entrada em cache — Qwen4-Max: US$ 0,075 por leitura após uma gravação de cinco minutos a US$ 1,875, contra US$ 0,006 por leitura no LongCat 2.5

• Contexto — Qwen4-Max 1,000,000 tokens versus LongCat 2.5 1,048,576 tokens

• Saída máxima — Qwen4-Max 131.072 tokens no modo sem raciocínio, 262.144 compartilhados com o modo de raciocínio, versus LongCat 2.5 131.072 tokens

• Modalidade — Qwen4-Max com entrada de texto, imagem e vídeo versus LongCat 2.5 com entrada de texto e imagem, com tokenização visual nativa

• Pesos — nenhum dos dois publica nenhum, mas o LongCat 2.5 diz "em breve", enquanto o Qwen4-Max diz "sem suporte"

• Regiões — Qwen4-Max seis versus LongCat 2.5 uma plataforma

• Pontuação independente — nenhum dos dois tem uma

Em tokens de saída, isso é uma diferença de doze vezes em Singapura e uma diferença de 3,5 vezes na entrada. Faça as contas num pipeline real: um milhão de chamadas por mês com 2.000 tokens de entrada e 500 de saída custa US$ 5.250 no Qwen4-Max Singapura e US$ 1.200 no LongCat 2.5. Com dez vezes esse volume, a diferença é de US$ 52.500 por mês contra US$ 12.000, o que equivale a um funcionário, não a um erro de arredondamento.

A screenshot of Meituan's LongCat API Platform pricing page for LongCat 2.5, showing the vendor, the model name, input $0.30, output $1.20 and cache hit $0.006 per million tokens on a pay-as-you-go card labelled limited-time.

O que o dinheiro extra compra não é, conforme o registro publicado, capacidade. Ele compra implantação regional — Frankfurt, Virgínia e Tóquio importam enormemente para uma empresa europeia ou americana com obrigação de residência de dados, e a plataforma única da Meituan não as oferece. Compra um caminho de entrada de vídeo que o LongCat não documenta. E compra a certeza operacional de um fornecedor que vem vendendo modelos de fronteira para empresas há anos, em contraste com uma plataforma cuja própria página de preços descreve seus valores como por tempo limitado e termina dizendo que "os preços estão sujeitos a alteração".

Esse último ponto merece ponderação. O tarifário da LongCat deixa claro que ela não é a fonte autoritativa dos seus próprios números. O tarifário da Qwen4-Max, publicado esta manhã, não.

Lendo uma tabela de fornecedor quando ela é a única tabela

A página de lançamento da Meituan traz 31 linhas de avaliação, e a primeira coisa interessante nelas é o conjunto de comparação: GPT-5.5, GPT-5.6 Sol, Claude-Opus-4.8 e Claude-Opus-5. O GPT-6.1 Sol da OpenAI, disponível para o público em geral desde 29 de setembro, não está na tabela. Nem o Claude Opus 5.5, o modelo para o qual o alias opus no Claude Code é resolvido. Os concorrentes foram escolhidos.

A segunda coisa interessante é a frase de resumo que o anúncio usa, de que as pontuações do LongCat 2.5 ficam "entre Claude-Opus-4.8 e Claude-Opus-5". No harness mais recente na mesma tabela, ele fica 15 pontos abaixo do Opus 5. Ambas as afirmações vêm da mesma página. Isso não é uma crítica ao modelo — um modelo esparso de 1,6T treinado de ponta a ponta em aceleradores chineses domésticos e servido a US$ 1,20 de saída é uma conquista genuína —, mas é um motivo para ler a tabela como um subconjunto escolhido, e não como um placar.

O problema do Qwen4-Max é o inverso. Não há tabela alguma. A documentação da A​libaba especifica a mecânica com precisão incomum — temperatura padrão 1,0 com raciocínio e 0,7 sem, top-p 0,95 e 0,8, top-k 20, um orçamento de raciocínio de 131.072 tokens, limites de entrada separados de 991.808 tokens no modo sem raciocínio e 983.616 no modo de raciocínio, seis regiões com seus escopos de implantação — e não diz absolutamente nada sobre qualidade. Não existe nenhuma entrada do Qwen4 no índice de modelos do Artificial Analysis, e a URL por modelo retorna um 404.

Então, a escolha entre uma tabela que você tem de descontar e nenhuma tabela é mais próxima do que parece. Ambos os modelos exigem sua própria avaliação antes da produção. A diferença é que a Meituan lhe deu uma hipótese inicial e a A​libaba lhe deu uma especificação.

A divisão da carga de trabalho que realmente decide isso

Três padrões, e a resposta difere para cada um.

• Geração de texto em alto volume — o LongCat 2.5 vence na aritmética de forma tão decisiva que o benchmark ausente quase não importa. Sendo de 3,5× a 12× mais barato, ele pode perder em qualidade por uma margem perceptível e ainda vencer no custo por tarefa concluída. Execute cem dos seus próprios prompts e verifique.

• Trabalho visual a partir de capturas de tela e entradas adjacentes a capturas de tela — a tokenização visual nativa do LongCat é o motivo pelo qual o modelo existe, e é a única alegação em seu lançamento que é arquitetural em vez de promocional. O Qwen4-Max também aceita vídeo, portanto, se sua entrada for vídeo em vez de imagens estáticas, ele é o único dos dois que atenderá à solicitação.

• Implantação regulamentada ou sensível à latência — as seis regiões do Qwen4-Max contra uma única plataforma não é uma questão de preço, é uma questão de elegibilidade. Se os seus dados tiverem de permanecer em Frankfurt ou na Virgínia, a diferença de preço de doze vezes é irrelevante porque a opção mais barata não o pode atender de forma alguma.

Mantendo ambas as opções em aberto

O OrcaRouter não encaminha atualmente o LongCat 2.5 nem o Qwen4-Max; ambos estão acessíveis através das APIs dos próprios fornecedores, com os tarifários acima. Os modelos com que esta comparação deve ser feita do nosso lado são os que já constam do catálogo na mesma chave — GLM-5.3 a $1,40 e $4,40 por milhão, Qwen3.8-Max a $2,00 e $6,00, Kimi K3.1 Pro a $2,00 e $10,00 — porque um teste a três entre um modelo sem avaliação e um modelo com preço e métricas é a forma mais barata de descobrir se o novo modelo vale sequer o preço de tabela.

A camada de roteamento é o que torna esse teste barato. Uma política pode enviar uma amostra do tráfego ao vivo para o LongCat 2.5 e para um modelo conhecido em paralelo, comparar as saídas com o juiz que você confiar e só então decidir se deve mover o volume. O failover automático importa mais do que o habitual com dois modelos tão novos assim: nenhum tem um histórico longo o suficiente para justificar uma dependência de um único provedor, e uma cadeia de fallback não custa nada quando o caminho primário está saudável.

O veredicto honesto

Se o seu trabalho envolve texto e imagens em grande volume, o LongCat 2.5 é o modelo mais interessante nesta página, e sua vantagem de doze vezes no preço de saída é o único número concreto que qualquer um dos fornecedores lhe deu. Se o seu trabalho exige entrada de vídeo, implantação regional ou um fornecedor com histórico comprovado no ambiente corporativo, o Qwen4-Max é o que atende ao requisito, e o preço é o que esse atendimento custa.

O que nenhum dos modelos oferece é um motivo para pular a avaliação. Dois modelos principais sem pontuação, publicados com duas semanas de diferença, com preços que diferem por um fator de dez, é exatamente a situação em que uma tarde do seu próprio tráfego vale mais do que todas as tabelas de comparação da internet — incluindo esta. A única coisa a observar de ambos os lados é a mesma: um cartão de modelo em vez de uma entrada de changelog. Parâmetros, contexto, preço e um identificador de API em um único documento é o sinal de que um modelo está pronto. O botão de pesos do LongCat 2.5 ainda diz “em breve”, e a página do Qwen4-Max ainda tem um espaço em branco onde ficaria a tabela de benchmarks.

Comparados neste artigo1

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