Um cartão de título principal gerado com o texto 'Qwen4-Max vs Qwen3.8-Max-Prime' e o subtítulo 'A via rápida custa o dobro e termina por último.', além de dois painéis de preço e vazão: Qwen4-Max a '$1.50 / $4.50 por M' e 104.940 tokens por tarefa em 32,1 minutos, contra Qwen3.8-Max-Prime a '$3.301/$9.902 por M' e 170.794 tokens por tarefa em 47,5 minutos. Estilo editorial vetorial plano sobre fundo branco com uma camada de gradiente de azul para ciano, e o logotipo OrcaRouter composto no canto inferior direito.
Guides & Insights

Qwen4-Max vs Qwen3.8-Max-Prime: a via rápida custa o dobro e termina em último

Autor

jinhao.song

Data de publicação

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

O Qwen3.8-Max-Prime existe por exatamente um motivo: cobrar cerca do dobro para que os tokens cheguem mais cedo. O Qwen4-Max, disponível geralmente desde 16 de novembro de 2026, sai por menos do que o modelo sobre o qual o Prime foi construído — US$ 1,50 de entrada e US$ 4,50 de saída por milhão de tokens em Singapura, contra US$ 2,00 e US$ 6,00 — e conclui uma tarefa em cerca de dois terços do tempo de relógio. Portanto, a comparação de que um leitor realmente precisa não é "novo carro-chefe versus carro-chefe antigo". É se a faixa premium de velocidade que a Alibaba vende por cima do Qwen3.8-Max ainda compra algo que você não consegue simplesmente migrando para o Qwen4-Max na tarifa padrão, e a resposta honesta é mais restrita do que qualquer uma das páginas dos fornecedores sugere: o Prime ainda transmite mais rápido por token, e já não é claramente mais rápido por tarefa.

Há uma segunda complicação, mais discreta. Desde 18 de novembro, o ID do modelo Prime não aparece na página de documentação do modo Fast da Alibaba nem na sua tabela de preços de modelos, seja na edição internacional, seja na edição da China. Essa página foi atualizada pela última vez em 11 de outubro de 2026 e agora lista três IDs Prime, todos eles GLM ou Wan — nenhuma variante Qwen. A ausência não é o mesmo que retirada, e a Alibaba não publicou nenhum aviso de descontinuação que consigamos encontrar, então trate isto como "não mais listado" em vez de "descontinuado". Mas, se você está planejando uma troca esta semana, isso muda a pergunta de qual dos dois você deve comprar para se o mais antigo ainda está disponível.

Um deles é um modelo, o outro é uma via de serving.

A distinção decide toda a comparação, e o marketing não a faz.

• Qwen4-Max — um novo carro-chefe da equipe Qwen, da Alibaba, disponibilidade geral em 16 de novembro de 2026, cobrado por token em seis regiões, contexto de 1.000.000 de tokens, entrada de texto, imagem e vídeo com saída de texto, pensamento ativado por padrão em reasoning_effort=high.

• Qwen3.8-Max-Prime — não é um modelo. É o Qwen3.8-Max, o carro-chefe 3.8 com 2,4 trilhões de parâmetros que atingiu a disponibilidade geral (GA) em 3 de agosto de 2026, servido por meio do que a Alibaba chama de modo Fast (modo Prime, 优速模式). Mesmos pesos, mesmo contexto, mesma superfície de ferramentas, mesmos limites de uso. A própria documentação da Alibaba diz que as capacidades e as restrições são "as mesmas do modelo original" e a única coisa que você altera é o modelparâmetro

Isso importa porque uma via de serving envelhece de forma diferente de um modelo. O Prime herda todos os limites de capacidade da geração 3.8 e todas as suas características de eficiência de tokens; o que ele acrescenta é margem de throughput na infraestrutura da própria Alibaba, cobrada com um multiplicador. Quando a geração por baixo dele for substituída por algo mais barato e mais eficiente em tokens, a via mantém a sua velocidade e perde a sua razão de ser.

A planilha de preços, e a inversão que está nela

Estes são preços de tabela do tarifário da Alibaba, não faturas efetivamente medidas. Por milhão de tokens, entrada e saída:

• Qwen4-Max, Singapura — US$ 1,50 / US$ 4,50, valor fixo em toda a janela completa de 1.000.000 tokens.

• Qwen4-Max, em todos os outros lugares — $1.413 / $4.24 em Pequim, Hong Kong, Frankfurt, Virgínia e Tóquio.

• Qwen3.8-Max, Singapura — $2.00 / $6.00; $1.650 / $4.951 nas regiões globais.

• Qwen3.8-Max-Prime — $3,301 / $9,902 no cartão internacional, com hits de cache a $0,413. Isso é exatamente 2,0× a tarifa Global do ID padrão, não uma aproximação arredondada. Lemos esses valores na tabela de preços no final de setembro; são os últimos números Prime publicados que temos, e a linha não está mais na página hoje.

A generated two-column scoreboard titled 'Qwen4-Max vs Qwen3.8-Max-Prime — the scoreboard'. Left column 'Qwen4-Max' reads Intelligence Index 42.9, HLE Diamond 44.9%, APEX Agents 59.1%, Terminal-Bench 4.0 48.5%, 104,940 tokens per task, $3.27 per task. Right column 'Qwen3.8-Max-Prime' reads Intelligence Index 33.7, HLE Diamond 24.0%, APEX Agents 42.4%, Terminal-Bench 4.0 38.9%, 170,794 tokens per task, $10.02 per task. Footer reads 'Scores: Artificial Analysis Intelligence Index v5.0.1. Prime mode runs Qwen3.8-Max weights, so its scores are Qwen3.8-Max's.'

• Taxa de leitura de cache — US$ 0,075 por milhão em Singapura e US$ 0,071 em outras localidades, contra US$ 0,413 de acerto de cache do Prime. Menos de um quinto do preço, na linha que um loop de agente longo paga com mais frequência.

Compare o primeiro e o quarto lado a lado, e a inversão é gritante: o carro-chefe lançado há dois dias custa cerca de 43% do que a via rápida da geração anterior custa na entrada, e 43% na saída. Mesmo contra o Qwen3.8-Max simples que substitui, o Qwen4-Max é 25% mais barato em Singapura — e o fornecedor está posicionando isso como uma redução de preço, o que de fato é, mas só se o novo modelo não gastar a economia em mais tokens. Mais sobre isso abaixo, porque em parte gasta e em parte não.

A linha de cache é a que se acumula. Um loop de agente longo com um prompt de sistema e um esquema de ferramentas fixos relê seu prefixo a cada rodada, então é a taxa de leitura de cache, e não a taxa de entrada anunciada, que define o custo marginal da quinquagésima rodada. A $0.075 contra $0.413, o Qwen4-Max relê um prefixo em cache por cerca de um quinto do que a Prime cobra — uma diferença 2,4 vezes maior que a de 2,3× na entrada nova, e a que decide se uma varredura de documento de 400.000 tokens é viável.

O que o Prime realmente compra: tokens por segundo, não tarefas por hora

A página do modo Fast da Alibaba declara o benefício de forma clara: o TPS é elevado para 1,5 a 2 vezes o da API padrão, voltado para assistentes de programação com IA, raciocínio de agentes em várias etapas e conversas em tempo real. Ela também descreve uma regra de limitação de taxa incomum — quando você atinge o limite de taxa, se a plataforma ainda tiver capacidade ociosa, você não é limitado, então a vazão realmente disponível não cairá abaixo do limite declarado. Isso é um piso, não um teto, e, para um assistente de programação interativo, a cauda importa mais do que a média.

O número nunca foi medido de forma independente. O que foi medido é a versão padrão do Qwen3.8-Max: o Artificial Analysis registra 60,0 tokens de saída por segundo na própria API da Alibaba, com 3,6 segundos até o primeiro token. O Qwen4-Max, no mesmo ranking, registra 54,5 tokens por segundo e 6,9 segundos até o primeiro token. Portanto, se o Prime realmente entrega o topo da faixa declarada, ele transmite a cerca de 120 tokens por segundo — mais que o dobro do Qwen4-Max — e seu primeiro token chega antes.

Em seguida, leia a outra metade da mesma tabela, e a vantagem se inverte:

• Tokens de saída por tarefa de índice — Qwen4-Max 104.940 vs. Qwen3.8-Max 170.794. O novo modelo gasta 38,6% menos tokens para percorrer o mesmo conjunto de avaliação, na mesma xhigh configuração de esforço em ambos os lados.

• Tempo real por tarefa — 32,1 minutos vs 47,5 minutos. O Qwen4-Max termina um terço mais cedo, embora faça streaming mais lentamente.

• Custo por tarefa — US$ 3,27 vs US$ 10,02, nos preços de tabela publicados. Multiplique esses US$ 10,02 pelo prêmio fixo de 2,0× do Prime e a mesma tarefa chega a cerca de US$ 20.

Esse último número é aritmética na tabela de preços, não uma medição — o Artificial Analysis cronometrou o ID padrão, não a via Prime, e ninguém publicou um benchmark de modo Prime que consigamos encontrar. Declare isso como uma estimativa. Mas a direção não está em dúvida: se você paga 2,0× por token por uma via que emite os mesmos tokens, você paga 2,0× pela tarefa. O Prime torna cada token mais rápido e cada trabalho mais caro; o Qwen4-Max torna cada token mais lento e cada trabalho mais barato e mais curto.

Para uma interface de chat em que uma pessoa observa os caracteres surgirem, essa diferença é real, e o Prime ainda leva a melhor. Para um agente que executa doze chamadas sequenciais e cobra você no final, a contagem de tokens é o tempo de relógio.

A lacuna de capacidade, medida em vez de alegada

O material de lançamento da Alibaba para o Qwen4-Max cita melhorias de eficiência de tokens de cerca de 24% no esforço xhigh e 35% no high em seu benchmark interno Work360, além de uma queda de 62% no custo médio por tarefa. Esses dados são divulgados pelo fornecedor e não foram reproduzidos. O painel independente apresenta uma história consistente, mas menos dramática, e é nela que se deve basear o planejamento.

No Artificial Analysis Intelligence Index v5.0.1, no qual ambos os modelos são pontuados com a mesma configuração de esforço:

• Índice — Qwen4-Max 42,9 (o site arredonda para 43) vs. Qwen3.8-Max com 33,7. Uma diferença de nove pontos entre gerações, e o mesmo ranking registra a linha 3.8 como obsoleta, substituída pelo Qwen4-Max.

• Humanity's Last Exam, Diamond — 44,9% vs 24,0%. Esta é a maior divergência individual da linha e a que mais muda o que você pode delegar.

• APEX Agents — 59,1% vs 42,4%. A conclusão de tarefas agênticas avança quase dezessete pontos, o que representa a diferença entre um fluxo de trabalho que você supervisiona e outro que você verifica depois.

• Terminal-Bench 4.0 — 48,5% vs 38,9%. Um ganho real, e que vale a pena considerar em conjunto com os 88,8% que a {{1}}build 3.8{{/1}} registra no Terminal-Bench 2.1 mais antigo, no qual {{2}}Qwen4-Max{{/2}} ainda não foi avaliado. Não compare entre essas duas versões.

• FrontierCode 2.0 — 26,5% vs 23,4%. A menor diferença do quadro. Se sua carga de trabalho for geração de código contra um repositório, o salto geracional é de três pontos, não nove, e a vazão do Prime ainda pode importar mais para você do que o índice.

• Onisciência — 27,7 vs 10,5, com taxas de alucinação de 28,4% e 27,1%. O Qwen4-Max sabe substancialmente mais e confabula a cerca da mesma taxa. Esses dois fatos juntos são o motivo pelo qual ele é mais seguro em pesquisa aberta e não é mais seguro em nada que você não possa verificar.

Duas lacunas apontam no sentido oposto, e ambas dizem respeito ao que você consegue fixar. O Qwen3.8-Max tem um snapshot datado, qwen3.8-max-0902, ainda na tabela de preços pelo mesmo valor, então você pode congelar o comportamento ao longo de um lançamento. O Qwen4-Max não tem ID de snapshot, nem ajuste fino, nem implantação dedicada — a página da Alibaba marca ambos como não suportados. Se o seu argumento de conformidade depende de um modelo que não pode mudar sob os seus pés, a geração mais antiga é a única das duas que oferece isso, e o Prime herda essa mesma build datada.

A questão da disponibilidade que ninguém precificou

Eis a parte que torna esta comparação urgente em vez de meramente teórica. Consulte hoje a página do modo Fast e encontrará três IDs suportados — glm-5.3-prime, glm-5.2-fast-preview e wan3.0-video-prime — em Pequim e Singapura. Nenhum modelo Qwen está listado, em qualquer das duas regiões. Consulte a tabela de preços dos modelos na edição internacional ou na edição da China e verá que não há qwen3.8-max-prime na tabela; as entradas Qwen abrangem qwen4-max, qwen3.8-max, qwen3.8-max-0902 e descem pela linha 3.7. E não há qwen4-max-prime em parte alguma — o novo modelo principal não tem qualquer variante de via rápida.

Não é possível dizer, de fora, se a Alibaba aposentou o ID Qwen Prime, se o transferiu para uma página de produto regional que não encontramos ou se simplesmente o removeu de uma tabela de documentação durante uma reestruturação. O que podemos afirmar é mais restrito e ainda assim útil: quem planeja esta semana um projeto sensível à latência com o Qwen3.8-Max-Prime deve confirmar se o ID ainda é reconhecido no próprio workspace antes de projetar em torno dele, porque a documentação pública não o garante mais. Esse é um perfil de risco diferente do de setembro, quando o ID aparecia na tabela de preços ao lado do ID padrão.

Isso também reformula a decisão. Se o Prime ainda estiver disponível na sua conta, você está escolhendo entre uma via rápida em um modelo mais antigo, mais fraco e mais caro e uma via mais lenta em um modelo mais novo, mais barato e mais forte. Se não estiver, a escolha já foi feita por você, e a única pergunta restante é por quanto tempo você continuará pagando US$ 2,00/US$ 6,00 pelo 3.8 ID padrão em vez de US$ 1,50/US$ 4,50.

A screenshot of Alibaba Cloud's Fast mode documentation page, captured 18 November 2026 in English, showing the supported model table with glm-5.2-fast-preview and the other GLM and Wan Prime IDs listed for Beijing and Singapore, and no Qwen row anywhere on the page.

Quem deve escolher qual?

• Assistente de programação interativo, humano assistindo ao stream — se o Prime ainda resolve no seu workspace e a UX é medida em caracteres por segundo, a taxa de transferência de 2× é o produto. O Qwen4-Max a 54,5 tokens por segundo não é lento, mas não é uma via rápida, e seu primeiro token em 6,9 segundos é quase o dobro do build padrão 3.8.

• Pipelines agênticos, avaliação em lote, varreduras de documentos — Qwen4-Max, sem muita discussão. Menos tokens por tarefa, menos minutos por tarefa, um terço do custo por tarefa, e uma taxa de leitura de cache mais de cinco vezes mais barata que a da Prime em prefixos longos.

• Cargas de trabalho que precisam ser fixadas — qwen3.8-max-0902, o snapshot 3.8 datado, com tarifas padrão. Nem o Prime nem o Qwen4-Max oferecem um checkpoint congelado.

• Geração de código em um repositório grande — a decisão mais difícil do quadro. Três pontos de índice de melhoria do FrontierCode 2.0 podem não valer a pena se isso significar perder uma via de throughput que você já instrumentou, especialmente se o seu agente for o gargalo, e não o modelo.

• Quem ainda não migrou — faça as contas do index-suite nos seus próprios traces antes de tomar a decisão. A redução de 38,6% em tokens medida pela Artificial Analysis é uma média de uma avaliação mista; sua carga de trabalho pode comprimir melhor ou não comprimir nada.

Integrando a escolha em um único endpoint

Nem o Qwen4-Max nem o Qwen3.8-Max-Prime estão no catálogo do OrcaRouter hoje — verificamos as duas páginas dos modelos e ambas não retornam nada, e este artigo não vai insinuar o contrário. O que está lá é o modelo no qual toda esta comparação se baseia: qwen/qwen3.8-max e o seu snapshot datado qwen/qwen3.8-max-0902, servido pelo preço de tabela do provedor com 0% de margem, o que hoje significa $2,00 de entrada e $6,00 de saída por milhão de tokens. A própria página do OrcaRouter para esse ID informa um tempo até o primeiro token p50 de 4,34 segundos e um p95 de 10,00 segundos na última semana — nossa medição, no nosso tráfego, não a do fornecedor.

Isso importa para a decisão de uma forma específica. A Alibaba revisou o preço do Qwen4-Max duas vezes entre a prévia em 11 de novembro e a GA no dia 16, e o cartão Global já está 5,8% abaixo do de Singapura. Não importa o que você construa, a tarifa vai mudar sob seus pés. Um gateway de repasse significa que um corte do fornecedor chega à sua fatura no mesmo dia, em vez de na próxima renovação de contrato, e uma única chave cobre as duas gerações, então a migração de qwen3.8-max para qwen4-max é uma string de modelo, e não uma segunda integração. Até que o Qwen4-Max seja roteável aqui, o padrão útil é o chato: mantenha o ID 3.8 padrão na chave que você já tem, avalie o Qwen4-Max diretamente contra a Alibaba enquanto as condições comerciais dele se estabilizam, e deixe o failover automático cobrir a lacuna em qualquer direção.

O que mudaria este veredito?

Três coisas, e cada uma é verificável nas próximas semanas. Uma variante {{1}}Prime{{/1}} do Qwen4-Max restauraria a via rápida na geração atual e tornaria isto novamente uma comparação de throughput contra throughput, a 2× a tarifa de $1.50/$4.50. Uma medição independente do {{2}}modo Prime{{/2}} substituiria a alegação de 1.5–2× do fornecedor por algo que você pode colocar em um plano de capacidade — ninguém publicou uma, e até que alguém publique, o multiplicador é uma promessa. E um ID de snapshot para o Qwen4-Max removeria o único argumento real que resta para ficar na linha 3.8, que no momento não é preço, não é capacidade e não é velocidade em uma tarefa completa, mas a capacidade de congelar um checkpoint.

Para todos os outros, a resposta já está decidida pela aritmética: a via rápida custa mais por token, mais por tarefa e mais por releitura em cache do que o modelo que a substituiu, e faz menos. É uma coisa estranha para um nível premium ser, e é o que acontece quando uma via de serviço sobrevive à geração contra a qual foi precificada.

A screenshot of the Artificial Analysis page for Qwen4 Max, captured 18 November 2026, showing an Intelligence Index of 43 and a Cost per Intelligence Index task of $3.27 alongside the surrounding comparison charts.

Comparados neste artigo2

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