Um card de título gerado com o texto "Qwen 4 vs GLM-5.5: o modelo de pesos abertos é o caro", com o subtítulo "O GLM mais recente que a Z.ai realmente serve é o GLM-5.3, a 15,8 centavos por ponto de índice contra 7,6 do Qwen4-Max". Três linhas numeradas trazem "pontuação de índice 42,9 contra 31,7, Artificial Analysis v5.0.1", "custo por tarefa de índice concluída US$ 3,27 contra US$ 5,01" e "pesos publicados para GLM-5.3, nenhum para Qwen4-Max". Um rodapé traz "Pontuações e custo por tarefa conforme o Artificial Analysis Intelligence Index v5.0.1; preços conforme a tabela de preços publicada de cada fornecedor." Estilo vetorial plano sobre branco com acentos azuis e ciano, a marca OrcaRouter composta no canto inferior direito.
Guides & Insights

Qwen 4 vs GLM-5.5: O modelo de pesos abertos é o mais caro

Autor

jinhao.song

Data de publicação

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

A intuição sobre pesos abertos é que eles são a opção barata. Neste confronto, não são. GLM-5.3, o G​LM mais recente que a Z.ai realmente disponibiliza, custa US$ 5,01 para executar a suíte de índices do Artificial Analysis e obtém 31,7 pontos nela — 15,8 centavos por ponto de índice. Qwen4-Maxcusta US$ 3,27 por 42,9 pontos — 7,6 centavos por ponto. O modelo proprietário é mais de duas vezes mais eficiente por unidade de capacidade medida, e é aquele que você não pode baixar. Enquanto isso, GLM-5.5, o modelo no título deste artigo, não existe: tanto o índice de documentação quanto a página de preços da Z.ai param em GLM-5.3, e os caminhos de documentação das versões 5.4 e 5.5 retornam não encontrado. O que segue é, portanto, uma comparação com o G​LM que é efetivamente disponibilizado, com o número de versão ausente tratado como um número de versão ausente, e não como uma ficha técnica a inventar.

Primeiro, o cartão que existe

O GLM-5.3 chegou em 18 de agosto de 2026 sob a Licença GLM-5.3, com pesos publicados e entrada apenas de texto. O Qwen4-Max passou a ter cobrança por uso em 16 de novembro de 2026, sendo proprietário, com entrada de imagens e a Alibaba Cloud como sua única provedora de hospedagem. Os dois estão a noventa dias de distância na data de lançamento e em lados opostos da linha fechado/aberto, que é o eixo sobre o qual este texto realmente trata.

• Preço por milhão — GLM-5.3 $1,40 entrada / $4,40 saída; Qwen4-Max $1,50 / $4,50 em Singapura, $1,413 / $4,24 nos demais locais. Nas tarifas por token, a Z.ai é a opção mais barata em 7% e 2%.

• Entrada em cache — GLM-5.3: $0.26 por milhão em uma leitura; Qwen4-Max: $0.075, com gravações de cache a $1.875 por cinco minutos e $3.00 por uma hora. A leitura de cache do Qwen é 3.5× mais barata, e é por isso que o resultado por tarefa e o resultado por token apontam em direções diferentes.

• Contexto — 1.000.000 de tokens em ambos. O GLM-5.3 limita a saída a 128.000; o Qwen4-Max permite 131.072 sem pensamento ou 262.144 compartilhados entre raciocínio e resposta.

• Pesos — GLM-5.3 publicado, sob a sua própria licença; Qwen4-Max nenhum, alojado por um único fornecedor. É esta a diferença fundamental, e tudo o que se segue decorre dela.

• Modalidade — Qwen4-Max aceita texto e imagens; o GLM-5.3 recebe texto e retorna texto. Se seu pipeline envia capturas de tela ou PDFs, a comparação termina aqui.

• Controle de raciocínio — o GLM-5.3 executa o raciocínio sempre ativado, com níveis de esforço low, high e max, tendo max como padrão; o Qwen4-Max expõe low, high e xhigh, tendo high como padrão.

• Linhagem de treinamento — A Z.ai descreve o GLM-5.3 como o mesmo modelo base do GLM-5.2, aprimorado por meio de pós-treinamento, e não de um novo pré-treinamento. Vale a pena saber disso quando você compara suas pontuações com as de um modelo com uma nova arquitetura.

A generated two-column scoreboard titled 'Qwen4-Max vs GLM-5.3 - the scoreboard'. The Qwen4-Max column reads index score 42.9, cost per index task $3.27, cents per index point 7.6, input per million $1.50, output per million $4.50, hallucination rate 28.4%. The GLM-5.3 column reads index score 31.7, cost per index task $5.01, cents per index point 15.8, input per million $1.40, output per million $4.40, hallucination rate 38.9%. A footer reads 'Scores and per-task cost per Artificial Analysis Intelligence Index v5.0.1; prices per each vendor's published rate card.' The OrcaRouter mark is composited bottom right.

Sete centavos versus dezesseis, explicado

A diferença de custo por ponto não é um artefato de precificação. Os US$ 5,01 por tarefa do GLM-5.3 decompõem-se em US$ 4,49 de entrada e US$ 0,52 de saída — 90% de entrada, e US$ 4,13 dessa entrada são leituras de cache. Os US$ 3,27 do Qwen4-Max são US$ 2,80 de entrada e US$ 0,47 de saída, com US$ 1,12 de leituras de cache e US$ 1,67 de gravações de cache. Assim, ambos os modelos gastam quase nada nos tokens que geram e quase tudo na releitura de contexto.

A diferença está em quanto contexto cada um consome para chegar a uma resposta. O GLM-5.3 lê 10,3 bilhões de tokens de entrada na suíte e emite 135 milhões de tokens de saída; o Qwen4-Max lê 9,9 bilhões e emite 127 milhões. Volume praticamente idêntico. A diferença de dezenove pontos na pontuação, portanto, também não é uma questão de volume — é simplesmente que um modelo é melhor nas tarefas, e a diferença de custo por tarefa vem do preço do cache, em que uma leitura de US$ 0,075 contra uma leitura de US$ 0,26 se acumula ao longo de dez bilhões de tokens.

Esse é o mecanismo que vale a pena levar consigo: em execuções de benchmark de contexto longo, a taxa de leitura de cache, e não a taxa de entrada anunciada, é o que determina a conta. Um modelo com entrada a $1.40 e leitura de cache a $0.26 pode custar mais por tarefa do que um modelo com entrada a $1.50 e leitura de cache a $0.075.

Onde ficam os dezenove pontos

• Terminal-Bench 4.0 — Qwen4-Max 48,5%, GLM-5.3 41,9%. Sete pontos, a mais próxima das suítes agênticas.

• FrontierCode 2.0 — 26,5% contra 21,6%. Cinco pontos; ambos os modelos são fracos aqui em termos absolutos.

• HLE Diamond — 44,9% versus 17,9%. Vinte e sete pontos, e a maior divergência isolada da comparação.

• Onisciência — 27,7 versus 6,0, com taxas de alucinação de 28,4% e 38,9%, respectivamente. O GLM-5.3 é simultaneamente menos preciso e menos propenso a abster-se, o que é a pior combinação possível.

• Subpontuações de capacidade — Qwen4-Max lidera todas as cinco que ambos os modelos reportam: engenharia 50,1 contra 37,6, finanças e contabilidade 54,1 contra 42,1, jurídico 49,6 contra 35,8, estratégia e operações 56,9 contra 47,4, e economia 51,3 contra 37,3.

Nada nessa lista chega perto o suficiente para que se discuta. A questão interessante não é se o Qwen4-Max é melhor, porque é claramente é.

A headless-browser screenshot of the Artificial Analysis page for GLM-5.3, captured 17 November 2026 in English, showing Z.ai's mark, the label Open weights model, Released August 2026, the heading GLM-5.3: Intelligence, Performance & Price Analysis, a rank strip reading Intelligence #3 of 29, Performance #21 of 27, Cost #28 of 28 and Verbosity #23 of 29, a statistics row giving a 61.448-second time to first answer token, 87 output tokens per second, $1.40 input and $4.40 output per million tokens, an 81% cache discount, 10.3 billion input tokens and an output-to-input ratio of 1.312%, and the summary paragraph describing the model as among the leading open-weight models in intelligence but particularly expensive against other open-weight models of similar size, notably slow per task and very verbose, with text input, text output and a 1M-token context window.

A única coisa que o Qwen4-Max não consegue fazer

Cada linha acima é uma comparação de capacidades, e capacidade é o enquadramento errado quando um dos dois modelos pode ser levado para casa. A Z.ai publica os pesos do GLM-5.3 sob a sua própria licença; a A​libaba não publica nada para o Qwen4-Max e indica um único host. Essa diferença muda três coisas que nenhum benchmark mede.

• Continuidade — um modelo que você hospeda continua respondendo quando a página de preços de um fornecedor muda, uma região é descontinuada ou um aviso de descontinuação chega. O Qwen4-Max tem um precedente de 25 de novembro de 2026 para isso: o identificador de prévia foi retirado nove dias após a disponibilidade geral, e qualquer configuração que ainda apontasse para qwen4-max-preview deixou de funcionar.

• Curva de custo — o custo marginal do GLM-5.3 torna-se a sua taxa de utilização da GPU. Em alto volume sustentado, isso geralmente fica abaixo da tarifa da API; em baixo volume com picos, é pior. O ponto de cruzamento é um cálculo de utilização, não uma questão de qualidade do modelo.

• Controle — ajuste fino, quantização, seleção de kernel e a capacidade de inspecionar o que o modelo está fazendo. Nada disso existe para o Qwen4-Max.

Em contrapartida: o modelo aberto é dezenove pontos de índice mais fraco, pior em se abster e cego a imagens. Para uma implantação greenfield, a troca não é atraente. Para um sistema já construído em torno de uma pilha de inferência auto-hospedada — em que a alternativa ao GLM-5.3 não é o Qwen4-Max, mas o G​LM anterior —, a licença é o fator decisivo e a diferença de pontuação é um custo de fazer negócios.

Por que o modelo aberto é o caro, em uma frase

Porque pesos abertos transferem o custo do medidor de tokens para o orçamento de engenharia, e o orçamento de engenharia não aparece em uma tabela de tarifas. Montar o GLM-5.3 no seu próprio hardware significa planejamento de capacidade, uma stack de serving à qual você possa aplicar patches e um harness de avaliação suficientemente bom para indicar se sua implantação corresponde à referência — custos que excedem a diferença de US$ 3,27 por tarefa em qualquer volume que uma única equipe opere. Os 15,8 centavos por ponto de índice são o número visível; o invisível é maior, e é pago uma vez, quer você atenda mil solicitações, quer um milhão.

Esse cálculo se inverte em escala, e a inversão é ainda mais forte se você precisar fazer ajuste fino. O ajuste fino é o único requisito que torna um modelo aberto não apenas mais barato, mas a única opção, e nenhuma vantagem de índice do Qwen4-Max, por maior que seja, substitui isso.

Chamando aquele que é roteável

O GLM-5.3 está no nosso catálogo como z-ai/glm-5.3 ao preço de tabela da Z.ai, US$ 1,26 de entrada e US$ 3,96 de saída por milhão, sem qualquer acréscimo — as mesmas tarifas que a Z.ai publica, incluindo qualquer alteração que ela faça nelas. O Qwen4-Max não está no nosso catálogo; um identificador qwen4 retorna not-found, e sua rota é a API Model Studio da A​libaba e várias plataformas de terceiros. O modelo Qwen mais próximo que oferecemos é qwen/qwen3.8-max a US$ 2,00 e US$ 6,00.

Isso deixa uma sequência prática para qualquer pessoa que queira o modelo mais forte sem um segundo contrato: execute a avaliação em z-ai/glm-5.3 pelo endpoint que você já tem e, se a diferença de dezenove pontos for fatal para o seu caso de uso, compare o preço do Qwen4-Max com o seu próprio mix de tokens, em vez de compará-lo com o índice. Os números por tarefa neste artigo são modelados a partir de um harness de benchmark com tráfego de cache excepcionalmente intenso; uma carga de produção com prompts curtos e saídas longas comprimirá drasticamente a diferença entre US$ 5,01 e US$ 3,27, porque quase nada de qualquer uma das duas faturas é saída.

A headless-browser screenshot of the OrcaRouter model page for GLM-5.3, captured 17 November 2026 in English, showing the identifier z-ai/glm-5.3, the byline Z.ai dated 2026-08-18, a max output of 128K, input listed as text, output listed as text, and a p50 time-to-first-token reading.

O que precisaríamos ver

Um GLM-5.5 redefiniria esta comparação, e atualmente não há qualquer vestígio de um — nenhum caminho na documentação, nenhuma linha de preços, nenhum identificador de modelo nas próprias páginas da Z.ai em 17 de novembro de 2026. Se for lançado, as perguntas a fazer são se a Z.ai publica os pesos como fez com o 5.3, se adiciona entrada de imagem e se corrige o comportamento de abstenção, porque esse último número (38,9%) é o que torna o GLM-5.3 difícil de recomendar para qualquer coisa não revisada, mais do que a diferença no índice.

Enquanto isso, o resumo honesto é contraintuitivo e curto. O modelo aberto custa mais por ponto, obtém pontuação menor em todos os conjuntos de avaliação medidos e continua sendo a escolha certa para exatamente um tipo de comprador: aquele cuja restrição é uma licença, e não um benchmark.

Comparados neste artigo2

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