
Qwen 4 vs Gemini 4 Argon: Os 4,3% que decidem mais do que os sete pontos
- 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
The scoreboard everyone reaches for in this matchup is the headline index: 42.9 for Qwen4-Max against 50.4 for Gemini 4 Argon, seven and a half points in Google's favour. But the number that should stop a deployment decision sits three columns to the right of the one everybody quotes. Gemini 4 Argon hallucinates on 4.3% of the questions it gets wrong. Qwen4-Max hallucinates on 28.4% of them. That is a factor of 6.6, and for anyone shipping output that a human reads, it is worth more than seven index points.
The two figures come from the same suite, Artificial Analysis v5.0.1, and neither is a vendor claim. Google has not published a hallucination rate for Argon, and Alibaba has not published one for Qwen4-Max. The independent measurement is the only one that exists.
Dois modelos vendidos no mesmo segmento
Both are million-token, image-capable, text-out flagships from companies that build their own silicon. Qwen4-Max went metered on 16 November 2026 in six Alibaba Cloud regions; Gemini 4 Argon has been on sale since 30 September 2026 through Google's API. The cards are close enough that price is not the differentiator people assume.
• Input, per million tokens — Gemini 4 Argon $2.00; Qwen4-Max $1.50 in Singapore and $1.413 in the other five regions. Google is 33% more expensive on the Singapore comparison and 41% more against the Global rate.
• Saída, por milhão — Argon $10,00; Qwen4-Max $4,50 e $4,24. Esta é a diferença maior: 2,2× no número principal.
• Cached input — Argon $0.10 per million; Qwen4-Max $0.075 on a read, plus published write rates of $1.875 (five minutes) and $3.00 (one hour) that Google does not break out the same way.
Custo por tarefa de indexação concluída — Argon $4,97; Qwen4-Max $3,27. Apesar de uma taxa de saída 2,2× menor, o Qwen4-Max é apenas 34% mais barato por tarefa, porque a maior parte do valor de ambas as faturas corresponde à entrada.
• Esforço de raciocínio efetivo — Argon é medido em high; Qwen4-Max em xhigh. Ambos os modelos expõem uma escala, e nenhum dos valores é comparável ao padrão do outro modelo.
• Contexto — 1.000.000 de tokens no Argon; o Qwen4-Max é o mesmo milhão no cartão do fornecedor, com o rastreador registrando 983.616 porque a entrada do modo de raciocínio é limitada ali.
• Hosts — Argon is served by Google; Qwen4-Max by Alibaba Cloud. Neither is open-weight.

A divisão por tarefa não favorece a placa mais barata
Decomponha os US$ 4,97 e os US$ 3,27, e a surpresa é qual deles gasta mais pensando. O Argon emite 116.368 tokens de saída por tarefa de indexação, dos quais 68.301 são de raciocínio; o Qwen4-Max emite 104.940, dos quais 68.914 são de raciocínio. O volume de raciocínio é quase idêntico. A diferença está na resposta: o Argon escreve 48.067 tokens de resposta final por tarefa, contra 36.025 do Qwen4-Max. O Argon é mais verboso onde isso é visível e igualmente verboso onde não é.
That is a cheerful anomaly in Gemini's favour, because it means the 2.2× output rate is buying 33% more answer text. The per-task premium of 52% is therefore smaller than the rate card suggests, and for workloads where output dominates — long-form generation, code the model writes itself — the gap narrows further. For workloads where input dominates, which is most RAG and most agent loops, Qwen4-Max's input rate does the work instead.
Vale dizer claramente: estes são custos modelados a partir de um harness de benchmark, não faturas. A sua mistura de tokens será diferente, e a proporção entre os dois modelos mudará com ela.
Onde o Qwen4-Max está genuinamente à frente
O argumento contra o Qwen4-Max neste confronto é forte, mas não é unânime, e duas linhas seguem o caminho oposto de uma forma que importa.
• GDPval — Qwen4-Max 1.808,69 contra 1.633,51 do Argon. Em tarefas profissionais economicamente fundamentadas, o Qwen4-Max está 10,7% à frente de um modelo que o supera em 7,5 pontos de índice. Esta é a inversão única mais clara da comparação.
• FrontierCode 2.0 — 26,5% contra 25,7%. Dentro de um ponto; efetivamente um empate, na suíte em que a vantagem anunciada da Argon preveria uma diferença.
• AutomationBench — 72,6% contra 77,5%. Argon vence, mas por cinco pontos em uma suíte que está mais próxima da automação de escritório do que da engenharia de software.
• Terminal-Bench 4.0 — 48,5% contra 57,1%. Aqui, a vantagem do Argon é real: oito pontos e meio em trabalho orientado por shell.
• HLE Diamond — 44,9% contra 56,7%. Doze pontos em ciência de alto nível.
• Terminal-Bench Science — 23,3% contra 52,9%. A maior diferença do quadro, e a que separa com mais clareza a capacidade de pesquisa dos dois modelos.
• Precisão do Omniscience — 27,7 contra 46,1, com a ressalva sobre alucinações mencionada no início deste texto aplicada a ambos.
Lido em conjunto, o padrão é que o Qwen4-Max se mantém competitivo em tarefas de julgamento profissional e perde feio em qualquer coisa que exija raciocínio técnico sustentado. Essa é uma afirmação mais estreita e mais útil do que "sete pontos de índice atrás", e aponta para uma implantação diferente.

Por que vale a pena pagar por uma taxa de alucinação de 4,3%
Coloque um número na diferença. Se um revisor consegue verificar uma afirmação em trinta segundos e uma afirmação fabricada custa dez minutos de retrabalho quando chega à produção, então o custo esperado de revisão por mil respostas é determinado quase inteiramente pela parcela fabricada, e não pela parcela errada. Os 4,3% do Argon significam que aproximadamente uma resposta em cada vinte e três do seu conjunto incorreto precisa de retrabalho; os 28,4% do Qwen4-Max significam aproximadamente uma em cada três e meia.
Em contrapartida, o acréscimo de 52% por tarefa desaparece para qualquer fluxo de trabalho que tenha um revisor humano, porque o tempo do revisor ofusca o gasto com tokens a quase qualquer custo horário total. Ele desaparece na direção oposta para qualquer fluxo de trabalho que não tenha, porque uma resposta fabricada sem revisor não é um custo, é um incidente.
The honest caveat: hallucination rate is measured on a fixed question set and is a property of the measurement as much as the model. Google could change Argon's behaviour with a system-prompt revision tomorrow and this number would not move until the suite is re-run. Treat it as a strong prior, not a guarantee.
A questão de roteamento, respondida para um lado
Gemini 4 Argon is on our catalogue as google/gemini-4-argon at Google's list price, $2.00 in and $10.00 out per million, with 0% markup on top — the same rates Google publishes, passed through rather than repriced. Qwen4-Max is not on our catalogue: a qwen4 identifier returns not-found, its route is Alibaba's Model Studio API and several third-party platforms, and the closest Qwen model we serve is qwen/qwen3.8-max at $2.00 and $6.00.
Essa assimetria é, por si só, a resposta para a questão da implantação na maioria das equipes. O modelo que vence na coluna de alucinações é aquele que você pode chamar hoje pelo endpoint que já tem, e o modelo que vence no GDPval custa um segundo contrato com fornecedor para testar. Se você quiser testar a alegação do GDPval com seus próprios dados antes de se comprometer, uma DSL de roteamento permite enviar um conjunto fixo de avaliação pelos dois caminhos a partir de uma única chamada e comparar as saídas lado a lado — o que é um experimento mais barato do que o preço por tarefa de qualquer um dos modelos sugere.

O que os sete pontos não lhe dizem
Duas coisas mudariam essa comparação, e nenhuma delas está distante. Uma medição independente de alucinação em uma implantação do Qwen4-Max com um prompt de sistema ajustado para abstenção testaria se 28,4% é uma propriedade do modelo ou de como ele foi consultado — nenhum fornecedor publicou uma. E uma nova execução do GDPval com uma amostra maior nos diria se a vantagem de 10,7% do Qwen4-Max em tarefas profissionais é real ou ruído, porque os intervalos desse benchmark são amplos e os dois modelos estão próximos o suficiente para que a ordenação se inverta.
Until either lands, the split is clean and it is not the one the index suggests. Sustained technical reasoning, science, shell work, or anything a customer reads unreviewed: Gemini 4 Argon, and the 52% premium is the least interesting number in the deal. Grounded professional judgement at volume, with a review step you were going to run anyway: Qwen4-Max is 10.7% better on the suite that measures exactly that, and it is 34% cheaper per task while you find out.
