
Qwen4-Max vs Step-5 Preview: Catorze Pontos de Índice, Meio Centavo por Ponto
- GoogleNOVOGoogle: Gemini 4 Carbon2026-11-10$2.00 / $10.00 por 1M de tokens · 90 tok/s
- AnthropicNOVOAnthropic: Claude Fable 5.22026-11-09$8.00 / $40.00 por 1M de tokens · 97 tok/s
- orcaNOVOOrca: OrcaC2 1.02026-11-0717 tok/s
- OrcaNOVOOrcaCyber: GLM 5.3 Abliterated / Uncensored2026-11-04$3.00 / $5.00 por 1M de tokens · 87 tok/s
- OrcaNOVOOrcaCyber: Hy4 Abliterated / Uncensored2026-11-04$0.80 / $1.60 por 1M de tokens · 133 tok/s
- OrcaNOVOOrcaCyber: Kimi K3.1 Pro Abliterated / Uncensored2026-11-04$4.00 / $20.00 por 1M de tokens · 72 tok/s
- OrcaOrcaCyber: MiniMax M3.1 Flash Abliterated / Uncensored2026-10-29$0.80 / $1.60 por 1M de tokens · 130 tok/s
- OrcaOrcaCyber: GLM 5.3 Flash Abliterated / Uncensored2026-10-27$0.80 / $1.60 por 1M de tokens · 65 tok/s
- OrcaOrcaCyber: Qwen3.8 Flash Next Abliterated / Uncensored2026-10-26$0.80 / $1.60 por 1M de tokens · 92 tok/s
- OrcaOrcaCyber: MiMo V2.6 Flash Abliterated / Uncensored2026-10-26$0.80 / $1.60 por 1M de tokens · 43 tok/s
- MoonshotMoonshotAI: Kimi K3.1 Pro2026-10-2447Inteligência
- OrcaOrcaCyber: DeepSeek V4.1 Flash Abliterated / Uncensored2026-10-23$0.80 / $1.60 por 1M de tokens · 193 tok/s
- minimaxMiniMax: M3.1 Flash2026-10-1929Inteligência
- OrcaOrca: OrcaCyber Ultra 1.02026-10-17$5.00 / $10.00 por 1M de tokens · 150 tok/s
- deepseekDeepSeek: DeepSeek V4.1 Flash 10172026-10-1733Inteligência
- DeepSeekDeepSeek: DeepSeek V4.1 Flash2026-10-1740Inteligência
- OrcaOrca: OrcaCyber Zero 1.52026-10-10$3.00 / $7.50 por 1M de tokens · 119 tok/s
- openaiOpenAI: GPT-6.1 Sol2026-09-2955Inteligência
- anthropicAnthropic: Claude Sonnet 5.52026-09-2855Inteligência
- typesafeTypeSafe: Jev 1.132026-09-24$0.04 / $0.00 por 1M de tokens · 219 tok/s
Divida o custo por tarefa de cada modelo pelo que ele pontua, e os dois lados desta comparação ficam dentro de seis por cento um do outro. Qwen4-Max, que a Alibaba lançou hoje, 16 de novembro de 2026, pontua 43 no Artificial Analysis Intelligence Index v5.0.1 a um custo medido de US$ 3,27 por tarefa do índice — cerca de 7,6 centavos por ponto do índice. Step-5 Preview, o modelo esparso de mistura de especialistas com 600 bilhões de parâmetros da StepFun, lançado em 20 de setembro de 2026, pontua 29 no mesmo índice a US$ 2,35 por tarefa — cerca de 8,1 centavos por ponto. Um modelo é 48% mais inteligente na única régua contra a qual ambos foram medidos. O outro é mais barato nos dois lados do medidor, em um terço na entrada e 40% na saída. E por unidade de capacidade medida os dois ficam dentro de sete por cento um do outro, com o novíssimo carro-chefe ligeiramente à frente.
Essa não é a comparação que nenhum dos fornecedores está vendendo, e é ela que de fato decide uma migração. Ela também traz uma assimetria que nenhum post de lançamento menciona: um desses dois modelos tem uma velocidade de saída medida de forma independente, e o outro ainda não tem velocidade medida nenhuma, porque existe há apenas algumas horas. O que segue separa o que está documentado do que é medido, faz as contas de cache que levam a diferença de preço de 33% para algo completamente diferente e termina nos dois eixos em que a resposta não está nem perto — pesos e teto de saída.
O que cada um é, na data de hoje
O Qwen4-Max é o modelo principal de quarta geração da Alibaba, construído sobre uma base de 2,4 trilhões de parâmetros, com 71 bilhões de parâmetros ativos por token, além de 328 bilhões de parâmetros de embedding N-gram. Ele aceita texto, imagens e vídeo e retorna texto. A janela de contexto documentada é de 1.000.000 de tokens, com teto de entrada de 991.808 tokens no modo sem raciocínio e de 983.616 no modo de raciocínio — a diferença é a margem para o raciocínio. A saída máxima é de 131.072 tokens com o raciocínio desativado; com o raciocínio ativado, o raciocínio e a resposta compartilham um orçamento de 262.144 tokens. O raciocínio vem ativado por padrão, com um orçamento de 131.072 tokens e esforço de raciocínio padrão alto, selecionável entre baixo, alto e xhigh. Esses números constam na documentação da própria Alibaba, e o Qwen4-Max não divulga os pesos, não oferece suporte a ajuste fino em nenhuma região e também não oferece suporte à implantação do modelo em nenhuma região.
O Step-5 Preview é o carro-chefe da StepFun para trabalho agêntico: 600 bilhões de parâmetros totais, 27 bilhões ativos, uma janela de contexto de 1 milhão de tokens e entrada de texto, imagem e vídeo com saída de texto. O esforço de raciocínio é selecionável entre baixo, médio e alto. A saída máxima está documentada em 64.000 tokens, com max_tokens tendo como padrão sem limite, para que o modelo escolha o comprimento. Ele oferece suporte a streaming, chamada de ferramentas, saída em JSON Schema e cache de prompts, e a API é compatível com OpenAI.
Três meses após o lançamento, o “Preview” no nome já perdeu o sentido. A StepFun ainda o lista como Preview na visão geral dos modelos hoje, enquanto os checkpoints BF16 e FP8 estão no Hugging Face desde 15 de outubro sob a StepFun Model License 1.0. Trate o rótulo como um hábito de nomenclatura, não como um aviso de que o endpoint vai mudar debaixo dos seus pés — mas também não o interprete como um compromisso de GA, porque o fornecedor não assumiu nenhum.
A diferença de preço é de um terço; é a aritmética da cache que a altera.
A preços de tabela, é fácil resumir os dois: o Step-5 Preview é mais barato nos dois lados do medidor, e por mais do que um erro de arredondamento.
• Entrada — Qwen4-Max US$ 1,50 por milhão de tokens em Singapura, US$ 1,413 nas outras cinco regiões, em comparação com Step-5 Preview a US$ 1,00
• Saída — Qwen4-Max US$ 4,50, em comparação com Step-5 Preview US$ 2,70
• Leitura de cache — Qwen4-Max US$ 0,075 por milhão, um desconto de 95%, contra Step-5 Preview US$ 0,10, um desconto de 90%
• Gravação em cache — Qwen4-Max $1.875 por milhão para um TTL de cinco minutos e $3.00 para uma hora, em comparação com Step-5 Preview, que não cobra nada, porque a entrada com cache miss a $1.00 já inclui a gravação do prefixo
• Combinado, no mix 7:2:1 de cache-hit/entrada/saída da Artificial Analysis — Qwen4-Max US$ 0,80 por milhão versus Step-5 Preview US$ 0,54
Essa linha de gravação de cache é a que acaba sendo pulada e é a que pode inverter o ranking na carga de trabalho certa. Considere um documento de 300.000 tokens revisado em quatro passadas com 3.000 tokens de saída cada, nas tarifas de Singapura, sem thinking. No Qwen4-Max a primeira passada grava o prefixo a $0,5625 e emite $0,0135 de saída; as três seguintes o leem a $0,0225 cada, mais $0,0405 de saída entre elas. Total $0,684. No Step-5 Preview a primeira passada custa $0,30 de entrada e $0,0081 de saída; as três seguintes custam $0,03 cada, mais $0,0243. Total $0,422. O Step-5 Preview é 38% mais barato nesse trabalho.
Reduza para uma única passagem e a diferença aumenta em vez de diminuir — $0.576 contra $0.308, com o Step-5 Preview 46% mais barato —, mas o motivo muda. Em uma única passagem, não há leitura para amortizar, então você está pagando o prêmio de gravação em cache do Qwen4-Max por um prefixo que nunca reutilizará. A regra prática: o cache do Qwen4-Max recompensa um prefixo lido muitas vezes e penaliza uma leitura única. O preço fixo de $0.10 para leitura de cache e o preço de miss com gravação incluída do Step-5 Preview formam a estrutura mais amigável para cargas de trabalho em que você não consegue prever a taxa de acerto.

Catorze pontos, e uma lacuna de evidências que vai no sentido oposto
Ambos os modelos foram submetidos ao Intelligence Index v5.0.1, que incorpora nove avaliações: AA-Briefcase v1.1, AutomationBench-AA, Terminal-Bench 4.0, FrontierCode-AA 2.0, AA-Omniscience v1.1, GDP.pdf, HLE-Diamond, CritPt v2 e Terminal-Bench-Science 0.1. Nenhuma das páginas dos modelos publica pontuações separadas por esforço de raciocínio, portanto estes são valores únicos na configuração que a Artificial Analysis utilizou.
• Índice — Qwen4-Max 43, classificado em 38º de 81 em sua categoria, contra Step-5 Preview 29, classificado em 10º de 29 entre modelos grandes de pesos abertos. As medianas das categorias diferem (41 e 23), e é por isso que essas classificações não são comparáveis entre si, embora as pontuações sejam
• Custo por tarefa de indexação — US$ 3,27 versus US$ 2,35
• Custo por ponto de índice — 7,6 centavos versus 8,1 centavos, então o modelo mais caro por tarefa é o mais barato por unidade de capacidade
• Velocidade de saída — Step-5 Preview 124 tokens por segundo, em comparação com nenhum número publicado para o Qwen4-Max. A Artificial Analysis lista seu tempo por tarefa como desconhecido e sua página do provedor não relata nenhum benchmark do provedor.
• Tempo até o primeiro token de resposta — Step-5 Preview 23,53 segundos, versus nada publicado para o Qwen4-Max
• Tempo por tarefa de indexação — Step-5 Preview 15,2 minutos versus a mediana de 13,3 minutos da sua classe; Qwen4-Max não tem valor
• Verbosidade — o Qwen4-Max emitiu 127 milhões de tokens de saída em todo o índice, em comparação com uma mediana de 78,6 milhões, enquanto o Step-5 Preview emitiu 129 milhões, em comparação com uma mediana de 104 milhões. Ambos são verbosos; o Qwen4-Max é verboso em relação a um grupo de pares mais enxuto.
O primeiro token em 23,53 segundos é o número que deveria preocupar qualquer pessoa que planeje uma implantação interativa do Step-5 Preview. Não é um artefato de rede: é o custo que um modelo de 600 bilhões de parâmetros com o pensamento ativado por padrão cobra de você antes de a resposta começar. Os padrões de raciocínio do Qwen4-Max — pensamento ativado, orçamento de 131.072 tokens, esforço definido como alto — apontam na mesma direção e, até que alguém meça isso, não há maneira honesta de dizer qual é mais lento. Esse é o custo prático de comprar no dia do lançamento: você recebe uma pontuação e uma tabela de preços, e não recebe um número de latência.
O material de avaliação da própria Alibaba é uma questão separada e deve ser lido como relatado pelo fornecedor, não reproduzido. No Work360, seu benchmark interno que abrange 26 domínios industriais de nível superior, o fornecedor relata 52,69 para o Qwen4-Max contra 47,74 para o Qwen3.8-Max. Ele também relata que o custo médio por tarefa do Work360 caiu de US$ 4,43 para US$ 1,67, uma redução de 62%, e que o uso de tokens caiu cerca de 24% no nível de esforço xhigh e 35% no nível de esforço high nesse benchmark, com reduções de 48% e 49% no Terminal-Bench 4.0. Essas são alegações sobre o Qwen4-Max em relação ao seu antecessor. Elas não dizem nada sobre o Step-5 Preview, e nenhuma delas foi verificada de forma independente.

Pesos: este aqui não chega nem perto
O Step-5 Preview está disponível para download hoje. O repositório do Hugging Face contém safetensors BF16 e FP8 sob a StepFun Model License 1.0 — uma licença no estilo Apache-2.0 com exigência de atribuição e uma condição de uso comercial — além do template de chat, três variantes quantizadas e receitas de implantação: FP8 em quatro B300s ou oito H200s com vLLM, FP8 no mesmo hardware com SGLang, BF16 em oito B300s ou dezesseis H200s. Cerca de 1.600 downloads no último mês.
O Qwen4-Max não tem checkpoint nem caminho para obter um. A documentação da Alibaba indica o ajuste fino como não suportado em todas as regiões e a implantação de modelos como não suportada em todas as regiões, o que é uma afirmação mais forte do que "os pesos ainda não foram disponibilizados" — significa que o fornecedor não vai permitir, de forma alguma, que você execute este modelo por conta própria através da sua plataforma. Se o seu requisito é um modelo que você possa quantizar, ajustar finamente, manter em air-gap ou fixar numa build específica, a comparação termina aqui e termina a favor da StepFun.
Isso também muda o que “aberto” lhe proporciona. A licença do Step-5 Preview permite uso comercial com condições, portanto, uma revisão jurídica faz parte do custo de adoção, e as receitas de implantação pressupõem um nó de quatro a dezesseis GPUs — este não é um modelo para rodar em uma estação de trabalho. Mas é um modelo cujo comportamento não pode ser alterado sob seus pés por uma atualização silenciosa do provedor e, para quem está construindo um sistema regulamentado ou de longa duração, isso vale mais do que quatorze pontos de índice.
O teto de saída, e um conflito de documentação que vale a pena conhecer
Esta é a diferença menos glamourosa e a mais provável de prejudicar uma carga de trabalho específica. O Qwen4-Max oferece 131.072 tokens de saída com o pensamento desativado e um orçamento compartilhado de 262.144 tokens com o pensamento ativado. A documentação da API do Step-5 Preview informa 64.000 tokens de saída máxima. A ficha do modelo no Hugging Face dele diz que a saída pode chegar ao total de 1 milhão de tokens, com entrada e saída contando para o mesmo limite.
Essas duas declarações vêm do mesmo fornecedor com um mês de diferença entre si, e nenhuma delas está marcada como obsoleta. Se você está planejando uma tarefa de saída longa — um relatório completo, um patch grande, um documento gerado —, leia a documentação da API em vez do cartão e teste o limite antes de arquitetar em torno dele. O número de 64.000 é consistente com o tempo de 15,2 minutos por tarefa de índice; o número de 1M implicaria algo bem diferente.
Mais uma assimetria que vale destacar: ambos os modelos aceitam entrada de vídeo, mas apenas a StepFun publica o detalhe operacional. Até 60 imagens por solicitação, em detalhe baixo ou alto, vídeo como URL, Base64 ou referência stepfile://, MP4 com menos de 128 MB, com recomendação de clipes com menos de cinco minutos. A Alibaba documenta a entrada de vídeo para o Qwen4-Max sem publicar limites comparáveis na página do modelo. Se o vídeo é central para sua carga de trabalho, e não incidental, essa diferença na qualidade da documentação é, por si só, um sinal sobre qual fornecedor já foi questionado sobre isso antes.
Quem deve escolher o quê, esta semana
Escolha o Qwen4-Max se o teto importar mais do que a conta: raciocínio difícil, trabalho agêntico de horizonte longo ou qualquer coisa em que 43 contra 29 num índice de nove avaliações seja a diferença entre uma tarefa que é concluída e uma que não é. Aceite dois riscos em troca. O primeiro é que você está comprando no primeiro dia sem um número independente de latência e sem reprodução por terceiros das alegações do fornecedor sobre o Work360. O segundo é o prêmio de gravação em cache, que taxa discretamente o trabalho de contexto longo em passagem única a US$ 1,875 por milhão de tokens gravados.
Escolha o Step-5 Preview se precisar possuir o modelo, se precisar de 124 tokens por segundo medidos e de um primeiro token em 23,53 segundos com o qual possa planejar, ou se sua carga de trabalho for intensiva em cache de uma forma que você não consegue prever. Aceite que você está comprando 29 pontos de índice, que o primeiro token chega lentamente e que o teto de saída é documentado de duas maneiras diferentes pelo fornecedor.
A terceira opção é a mais honesta para a maioria das equipes nesta semana: nenhum dos dois, de forma exclusiva. A diferença entre esses dois modelos por unidade de capacidade medida é de 6%, o que está bem dentro da margem de erro de uma única versão do índice, e ambos foram avaliados apenas uma vez por uma única estrutura de avaliação. Uma equipe que se compromete com um deles com base em uma pontuação do dia de lançamento está assumindo uma posição sobre um número que não foi reproduzido.
Executando ambos sem um segundo contrato
Nenhum dos dois modelos está no catálogo do OrcaRouter hoje — 215 identificadores de modelos, verificados esta manhã, sem nenhuma entrada do Qwen4 e sem nenhum modelo de texto da StepFun entre eles. Ambos são acessíveis pelas APIs de seus próprios fornecedores: as seis regiões da Alibaba para o Qwen4-Max, o endpoint compatível com OpenAI da StepFun em api.stepfun.ai/v1 para o Step-5 Preview. Dizer o contrário seria o tipo de afirmação que envelhece mal em uma semana.
O que a nossa rota faz é substituir o modelo Qwen4-Max. O Qwen3.8-Max está no nosso catálogo como qwen/qwen3.8-max ao preço de tabela da própria Alibaba, de US$ 2,00 de entrada e US$ 6,00 de saída por milhão de tokens, repassado sem nenhuma margem, ao lado de outros 214 identificadores em uma única URL base compatível com OpenAI. Isso importa por exatamente um motivo nesta comparação: um modelo recém-lançado é a pior coisa possível para se apostar um caminho de produção, e a postura sensata é manter a geração já comprovada na rota enquanto você mede a nova contra o seu próprio tráfego. A DSL de roteamento expressa isso como uma política, e não como uma mudança de código — envie as chamadas difíceis, com muito raciocínio, para o novo modelo, mantenha o trabalho de alto volume no modelo mais barato e já comprovado, e deixe que o failover automático cubra o caso em que um endpoint totalmente novo se degrada sob uma carga que você não previu.
O preço de repasse também significa que a aritmética deste artigo se mantém honesta. Quando a Alibaba reduz uma tarifa — como fez hoje, passando o Qwen4-Max para $1,50 e $4,50, ante $2,00 e $6,00 do Qwen3.8-Max —, um catálogo que repassa o preço de tabela do provedor reflete isso no mesmo dia, e não na próxima renovação de contrato. Isso não é um argumento a nosso favor em detrimento da API de qualquer um dos fornecedores. É um argumento para não assinar nada que trave um preço que você não viu se manter por um mês.

A comparação que os leitores vão querer daqui a duas semanas não é a desta manchete. É a latência do Qwen4-Max e o lançamento estável do Step-5 Preview, ambos medidos por alguém que não seja o fornecedor, em cargas de trabalho que as pessoas realmente executam. Até lá, a posição defensável é estreita e sem glamour: uma lacuna de capacidade de 48%, uma lacuna de preço de 33%, uma lacuna de 6% por unidade de capacidade e um conjunto de decisões — pesos, teto de saída, estrutura de cache — que nenhuma pontuação de índice captura e que durarão mais que esta semana de lançamento.
