
Qwen 4 vs Claude Opus 5.5: dezesseis pontos no índice e quanto custam por resposta
- 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 · 126 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 · 44 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 · 147 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 · 123 tok/s
- openaiOpenAI: GPT-6.1 Sol2026-09-2955Inteligência
- anthropicAnthropic: Claude Sonnet 5.52026-09-2855Inteligência
- typesafeTypeSafe: Jev 1.132026-09-24$0.04 / $0.00 por 1M de tokens · 219 tok/s
Qwen4-Max obtém 42,9 no Artificial Analysis Intelligence Index, e Claude Opus 5.5 obtém 59,1 — uma diferença de 16,2 pontos, medida no mesmo conjunto de testes, na mesma revisão (v5.0.1), com dois meses de intervalo entre uma medição e outra. No mesmo painel, uma tarefa do índice concluída custa US$ 3,27 no Qwen4-Max e US$ 10,04 no Claude Opus 5.5. Então a proporção é clara: o Opus entrega 38% mais pontos do índice por 207% mais dinheiro por tarefa. Se isso é uma pechincha ou um desperdício depende inteiramente de sua carga de trabalho estar comprando pontos ou comprando respostas, e essas não são a mesma compra. Este artigo precifica ambas.
Os dois cartões, dimensão por dimensão
A Alibaba lançou o Qwen4-Max para disponibilidade geral em 16 de novembro de 2026, com cobrança por uso, em seis regiões; a Anthropic tem o Claude Opus 5.5 à venda desde 22 de setembro de 2026. Tudo abaixo é ou um preço de tabela do fornecedor ou uma leitura rotulada da Artificial Analysis — os dois nunca são misturados em um único número.
• Preço por milhão de tokens — Qwen4-Max US$ 1,50 de entrada / US$ 4,50 de saída em Singapura (US$ 1,413 / US$ 4,24 nas regiões de escopo Global); Claude Opus 5.5 US$ 4,00 de entrada / US$ 20,00 de saída. Ambos são preços de tabela do fornecedor.
• Entrada em cache — Qwen4-Max US$ 0,075 por milhão em uma leitura de cache, contra US$ 0,20 do Claude Opus 5.5. A Qwen também publica tarifas de gravação em cache: US$ 1,875 para uma entrada de cinco minutos e US$ 3,00 para uma hora.
• Janela de contexto — 1.000.000 de tokens publicados em ambos. O rastreador Artificial Analysis lista o Qwen4-Max com 983.616, que é o teto de entrada do modo de raciocínio, e não uma contradição: a Alibaba limita a entrada a 991.808 sem raciocínio e a 983.616 com ele, porque o raciocínio e a resposta compartilham um único orçamento de saída de 262.144 tokens.
• Saída máxima — Qwen4-Max 131.072 tokens no modo sem raciocínio, ou 262.144 divididos entre raciocínio e resposta quando o modo de raciocínio está ativado. Claude Opus 5.5 não divulga uma divisão equivalente.
• Pontuação do índice — Qwen4-Max 42,9 em esforço xhigh; Claude Opus 5.5 59,1 em esforço máximo. Artificial Analysis, v5.0.1.
• Custo por tarefa de índice — $3.27 versus $10.04. Artificial Analysis, mesma revisão.
• Pesos — nenhum dos dois é aberto. O Qwen4-Max está listado como proprietário, tendo o Alibaba Cloud como seu único provedor; o Claude Opus 5.5 é proprietário e distribuído pela API da Anthropic, Amazon Bedrock, Google Cloud e Microsoft Azure.
• Modalidade de entrada — ambos aceitam texto e imagens e retornam texto. Nenhum dos dois aceita vídeo nas flags de capacidade do tracker.

Onde os dezesseis pontos realmente ficam
Um único número de índice esconde mais do que revela, e este par é um bom exemplo. As suítes em que os dois modelos ficam próximos não são aquelas sobre as quais as pessoas discutem.
• Terminal-Bench 4.0 — Claude Opus 5.5 59,6%, Qwen4-Max 48,5%. Onze pontos, e o que se relaciona mais diretamente com "consegue operar um shell".
• FrontierCode 2.0 — 46,4% versus 26,5%. Esta é a maior lacuna do conjunto e a de consequência comercial mais clara, porque se trata de trabalho de código em escala de repositório, e não de geração de função única.
HLE Diamond — 67,9% contra 44,9%. Perguntas de ciências exatas, uma diferença de 23 pontos.
• CritPt Agentic Hard — 68,0% contra 43,0%. Uma diferença de 25 pontos em raciocínio de nível físico.
• GDPval — 1.866,27 versus 1.808,69. Uma diferença de 3,1% em um benchmark de valor de tarefa. Em trabalho profissional com base econômica, os dois modelos são vizinhos próximos; em trabalho técnico difícil, não são.
• Onisciência — 48,1 para Claude Opus 5.5 contra 27,7 para Qwen4-Max, o que soa como outra derrota esmagadora até você olhar a coluna de alucinação na próxima seção.
• Divisão de capacidades — o modelo da Anthropic lidera em cada uma das seis subpontuações publicadas pelo rastreador, com a margem mais estreita em finanças e contabilidade (59,4 contra 54,1) e a mais ampla em engenharia (65,3 contra 50,1).
A leitura prática: se o seu trabalho é sumarização, extração ou análise documental fundamentada, o destaque de 16 pontos superestima a diferença. Se o seu trabalho é programação agêntica, ele a subestima.

Ambos os modelos inventam coisas. Um deles faz isso notavelmente menos.
O Artificial Analysis reporta uma taxa de alucinação de onisciência juntamente com a pontuação de precisão, e esta é a única coluna em que o Qwen4-Max vence de forma absoluta: 28,4% de suas respostas incorretas ou não verificáveis eram alucinações, contra 50,3% do Claude Opus 5.5. Dito de outra forma, o Opus acerta com muito mais frequência, mas, quando erra, tem mais que o dobro de probabilidade de estar confiantemente errado em vez de apenas silencioso.
Isso importa para qualquer coisa com uma etapa de revisão humana. Um modelo que diz "não sei" 50% das vezes em que está errado custa uma consulta de acompanhamento. Um modelo que fabrica 50% das vezes em que está errado custa uma passagem de verificação de fatos em cada saída, o que é um item de custo diferente e muito maior.
A fatura é entrada, não saída
Ambos os modelos são vendidos com base numa taxa de saída de destaque, e em ambos a taxa de saída não é onde o dinheiro vai parar. Decompondo os próprios números de custo por tarefa da Artificial Analysis: no Qwen4-Max, US$ 2,80 dos US$ 3,27 vão para tokens de entrada e US$ 0,47 para saída. No Claude Opus 5.5, US$ 6,57 dos US$ 10,04 vão para entrada e US$ 3,47 para saída. Isso representa 86% e 65%, respectivamente, e em ambos os casos a maior parte da linha de entrada é tráfego de cache — US$ 1,12 do custo de entrada do Qwen4-Max são leituras de cache e US$ 1,67 são escritas de cache; os valores equivalentes do Opus são US$ 4,74 e US$ 1,80.
É por isso que a comparação por token entre esses dois modelos é o número menos útil da página. A taxa de saída do Qwen4-Max é 4,4× mais barata que a do Opus e, ainda assim, sua vantagem de custo por resposta é de apenas 3,1×, porque ele gasta uma parcela maior do orçamento no contexto que precisa ler e, a $1.875 por milhão numa gravação de cache de cinco minutos, no contexto que precisa gravar.
Um agente de quarenta turnos, precificado duas vezes
Pegue um agente de programação que adiciona 8.000 tokens de saída de ferramenta por turno, executa quarenta turnos e emite 1.500 tokens de resposta a cada turno. Sem cache, preços de tabela:
• Qwen4-Max — 6,56 milhões de tokens de entrada acumulados a US$ 1,50, mais 60.000 tokens de saída a US$ 4,50: US$ 9,84 + US$ 0,27 = US$ 10,11.
• Claude Opus 5.5 — 6,56 milhões de entrada a US$ 4,00, mais 60.000 de saída a US$ 20,00: US$ 26,24 + US$ 1,20 = US$ 27,44.
Agora, a mesma execução com uma taxa de acerto de cache de 90% no prefixo acumulado, que é o que um loop de agente bem construído realmente alcança:
• Qwen4-Max — 5,904M em cache a US$ 0,075 (US$ 0,44) + 656K novos a US$ 1,50 (US$ 0,98) + US$ 0,27 de saída = US$ 1,69.
• Claude Opus 5.5 — 5,904M em cache a $0,20 ($1,18) + 656K novos a $4,00 ($2,62) + $1,20 de saída = $5,01.
Duas conclusões surgem. O cache reduz ambas as faturas em mais de 80%, então um agente sem cache de prompt paga cinco a seis vezes o que precisaria. E a proporção quase não muda — 2,7× sem cache, 3,0× com cache — porque a vantagem do Qwen4-Max está concentrada na taxa de gravação em cache, que o cenário com cache usa logo de início. Trata-se de aritmética de preços de tabela com tarifas publicadas, não de faturas medidas; sua contagem de turnos, o crescimento do prefixo e a taxa de acerto de cache alterarão substancialmente os números absolutos.
É também aqui que uma camada de roteamento se justifica, em vez de ser apenas conveniente. Repassamos os preços de tabela dos provedores com 0% de margem, então a diferença acima é a diferença do provedor, não nossa — e se a Anthropic alterar a tabela de preços do Opus, essa mudança entra no ar na mesma chave no mesmo dia. Ambos os modelos podem ser chamados por meio de um único endpoint com failover automático, o que importa aqui especificamente porque os dois têm dois meses de diferença na data de lançamento: uma regressão específica do Qwen4-Max aparece como uma requisição com falha, não como uma resposta ruim que você só percebe uma semana depois.
O que “cortado da destilação” está realmente afirmando
O que circula com esta comparação — que o Qwen4-Max parece competitivo nos benchmarks do fornecedor e depois desmorona no índice independente, e que o fato de a Alibaba ter sido privada da destilação explica a queda — são duas alegações sob o mesmo casaco, e apenas a primeira é mensurável.
O primeiro é verdadeiro e não tem nada de misterioso. O material de lançamento da Alibaba reporta o Work360 em 52,69 contra 47,74 da geração anterior, reduções de 24% e 35% em tokens no mesmo benchmark, 48% e 49% no Terminal-Bench 4.0, e um corte de custo por tarefa de US$ 4,43 para US$ 1,67. Tudo isso é informado pelo fornecedor e não foi reproduzido. Contra um índice independente de nove conjuntos de testes que inclui FrontierCode 2.0 e CritPt Agentic Hard — conjuntos para os quais a Alibaba não publica números —, o modelo fica em 42,9. Um conjunto de benchmarks do fornecedor e um independente que medem coisas diferentes vão divergir; esse é o caso normal, não evidência de nada.
A segunda alegação, sobre destilação, não é algo que um comprador possa verificar ou usar para agir, e não é uma propriedade do modelo que você possa invocar. O que é verificável e útil é a forma do déficit: concentrado em código em escala de repositório e ciências exatas, escasso em valor para tarefas profissionais. Isso é uma afirmação sobre onde implantar o modelo, e permanece válida independentemente do que se venha a descobrir ser verdade sobre como ele foi treinado.

Obtendo qualquer um dos dois
O Claude Opus 5.5 está no nosso catálogo como anthropic/claude-opus-5.5 ao preço de tabela da Anthropic, US$ 4,00 de entrada e US$ 20,00 de saída por milhão. O Qwen4-Max não está no nosso catálogo — um identificador qwen4 retorna não encontrado hoje — e a rota até ele é a própria API Model Studio da Alibaba e várias plataformas de terceiros. Não vamos fingir o contrário, e o substituto honesto do nosso lado é qwen/qwen3.8-max, o antigo carro-chefe, a US$ 2,00 e US$ 6,00.
Portanto, a regra de decisão é mais restrita do que o placar sugere. Se sua carga de trabalho for codificação em escala de repositório, raciocínio técnico difícil ou qualquer coisa em que uma resposta errada seja cara e uma resposta lenta não seja, os 16 pontos são reais e US$ 10,04 por tarefa é o preço deles. Se sua carga de trabalho for trabalho documental fundamentado em volume, em que o GDPval diz que os dois modelos estão dentro de 3%, você está pagando a tarifa do Opus por uma diferença que não aparecerá no seu conjunto de avaliação — e o Qwen4-Max a US$ 3,27 é a melhor compra, com uma taxa de alucinação menor como bônus. O número a calcular antes de decidir não é a diferença do índice. É qual fração da sua entrada está em cache.
Comparados neste artigo2
Detectado a partir deste artigo · Benchmarks: Artificial Analysis · atualizado diariamente
