
Qwen 4 vs Muse Wonder: O Modelo Mais Barato É Aquele Que Ninguém Cronometrou
- 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 / $0.00 por 1M de tokens · 219 tok/s
O Muse Wonder custará aproximadamente US$ 6,95 para concluir uma tarefa do Intelligence Index. O Qwen4-Max custará US$ 3,27. Esse é todo o argumento econômico do novo carro-chefe da Alibaba em relação ao da Meta, e vem com uma grande ressalva: os US$ 3,27 pertencem a um modelo que não tem velocidade de saída publicada, nem tempo medido por tarefa, nem qualquer tipo de medição de tempo no painel que produziu o número. O Muse Wonder tem as três coisas — 118 tokens por segundo, 13,5 minutos por tarefa do índice e 19,64 segundos até o primeiro token de resposta. Então, a afirmação honesta é que o carro-chefe do Qwen 4 custa cerca de metade do preço e tem uma quantidade desconhecida da velocidade, e só é possível se planejar hoje em torno de uma dessas duas diferenças. O Muse Wonder foi lançado em 12 de outubro de 2026; o Qwen4-Max, em 16 de novembro de 2026. Ambas as datas são contexto, não novidade.
Os dois perfis, lado a lado e sem suavização
O Muse Wonder é o modelo de raciocínio de fronteira da Meta, criado para trabalho agêntico com uma superfície de entrada incomumente ampla: texto, imagens, fala e vídeo na entrada, texto na saída, dentro de um contexto de um milhão de tokens. É um modelo de API proprietário a US$ 4,00 por milhão de tokens de entrada e US$ 20,00 por milhão de saída, com uma taxa combinada de US$ 2,94 e um desconto de cache de 95%. A Meta também publica uma variante de esforço maior que pontua 41 em vez de 44 e é mais rápida em tempo real — 9,5 minutos por tarefa de índice contra 13,5 —, o que é um lembrete útil de que "esforço máximo" não é automaticamente a configuração certa.
O Qwen4-Max é o principal modelo de quarta geração da Alibaba: uma mistura esparsa de especialistas com 2,4 trilhões de parâmetros, 71 bilhões ativos por token, visão nativa, entrada de vídeo, contexto de um milhão de tokens e um orçamento de 262.144 tokens compartilhado entre raciocínio e resposta. Seu preço é de US$ 1,50 por milhão de tokens de entrada e US$ 4,50 por milhão de tokens de saída, com leitura de cache a US$ 0,075.
• Pontuação — Qwen4-Max 43 (posição 38 de 81) vs Muse Wonder 44 (posição 35 de 81)
• Preço de entrada — Qwen4-Max $1,50 vs Muse Wonder $4,00 por 1M
• Preço de saída — Qwen4-Max $4.50 vs Muse Wonder $20.00 por 1M
• Custo por tarefa de indexação — Qwen4-Max US$ 3,27 vs Muse Wonder US$ 6,95
• Velocidade de saída — Qwen4-Max não divulgado vs Muse Wonder 118 tokens por segundo
• Tempo por tarefa de indexação — Qwen4-Max não publicado vs Muse Wonder 13,5 minutos
• Superfície de entrada — Qwen4-Max texto, imagem, vídeo vs Muse Wonder texto, imagem, fala, vídeo
• Pesos — nenhuma das duas publica
O preço por token e o preço por resposta divergem por um fator de dois
A proporção principal é de 4,4× na saída e 2,7× na entrada. A proporção por tarefa é de 2,1×. A diferença entre esses números é a quantidade de trabalho que cada modelo faz para produzir uma resposta, e ela segue o sentido oposto ao que a etiqueta sugere: o Muse Wonder está gastando mais tokens por tarefa, não menos, e é por isso que um preço de saída de US$ 20 vira uma conta de US$ 6,95 em vez de US$ 40.
Faça as contas com um caso concreto. Uma revisão de documento de 50.000 tokens que produz um memorando de 5.000 tokens, sem cache: o Qwen4-Max cobra US$ 0,075 de entrada e US$ 0,0225 de saída, menos de dez centavos. O Muse Wonder cobra US$ 0,20 e US$ 0,10, trinta centavos. Três para um, e ambos são valores triviais — e é justamente esse o ponto. Em volume pequeno, nenhum dos dois preços importa, e a diferença de pontuação de um ponto no índice é irrelevante diante da questão da velocidade.
Aumente a escala. Dez mil dessas avaliações por mês: Qwen4-Max US$ 975 contra Muse Wonder US$ 3.000. Agora o preço importa, e agora o cronômetro ausente importa mais, porque um trabalho que custa um terço do valor mas leva o dobro do tempo pode não caber de jeito nenhum numa janela noturna.
É esse o formato da decisão. Esta não é uma comparação em que um modelo é melhor; é uma em que a opção mais barata tem uma dimensão não medida que, por acaso, é justamente a que mais importa para sistemas de produção.
O que a “ausência de velocidade publicada” realmente custa a você
Um modelo não medido não é um modelo lento, e seria errado interpretá-lo assim. É um modelo cuja latência você precisa estabelecer por conta própria antes de colocá-lo atrás de qualquer coisa com timeout. Isso tem três consequências práticas, em ordem crescente de incômodo.
Primeiro, você não pode dimensionar o autoscaling com base na documentação. É preciso executar um piloto, medir o p50 e o p95 do tempo até o primeiro token nos seus próprios tamanhos de prompt e, só então, dimensionar. Os 30 tokens por segundo e os 39,7 minutos por tarefa do Kimi K3.1 Pro foram medidos e publicados; os números do Qwen4-Max também serão, eventualmente, mas ainda não estão disponíveis agora.
Em segundo lugar, os modelos de raciocínio degradam-se de forma imprevisível sob carga, de maneiras que um número de tokens por segundo só captura parcialmente. O tempo de 19,64 segundos do Muse Wonder até o primeiro token da resposta no esforço máximo é um valor medido e reproduzível. Um modelo sem esse valor não tem linha de base para perceber que uma terça-feira é duas vezes mais lenta que uma segunda-feira.
Terceiro — e é este que complica — uma camada de roteamento só pode fazer failover com base na latência se souber como é o normal. Se você colocar um modelo sem medição de tempo em um pool com um modelo medido, o comportamento do pool será definido pelo membro mais lento e desconhecido. O failover torna isso sobrevivível: uma requisição que trava pode ser repetida em um segundo modelo sem que o cliente saiba. Isso não o torna mensurável, e não substitui conhecer seus próprios números.
A superfície de entrada é o verdadeiro diferencial do Muse Wonder
A fala não é uma caixa de seleção. O Muse Wonder aceita áudio como entrada de primeira classe, ao lado de texto, imagem e vídeo, e retorna texto. O Qwen4-Max aceita texto, imagem e vídeo. Se o seu pipeline ingere gravações de chamadas, áudio de reuniões ou mídia de transmissão, essa diferença decide o modelo antes de se discutir preço — transcrever para texto primeiro é um modelo separado, uma cobrança separada e um modo de falha separado que perde prosódia e sobreposição de falantes.
O vídeo é o outro eixo em que ambos competem, e os detalhes importam. Ambos o aceitam; nenhum dos dois publica um limite de taxa de quadros, duração ou resolução no material que lemos, o que significa que uma carga de trabalho de vídeo é um projeto-piloto dos dois lados, e não uma comparação de especificações.
Onde o Qwen4-Max vence na entrada é no custo em volume. Um milhão de tokens de contexto derivado de vídeo a $1,50 custa $1,50 no Qwen4-Max e $4,00 no Muse Wonder. Análise longa de mídia é exatamente a carga de trabalho em que a diferença de 2,7× na entrada se acumula, e exatamente onde a vantagem de preço do Qwen4-Max é mais defensável.

Um ponto na pontuação do índice e quanto ele vale
44 contra 43 no mesmo Artificial Analysis Intelligence Index, lidos no mesmo dia. Isso não é uma diferença significativa de capacidade; está dentro do ruído de como um único índice agregado responde a um punhado de perguntas difíceis. Qualquer pessoa que construa um argumento para o Muse Wonder com base nesse ponto está construindo sobre nada.
O que é significativo é que o Muse Wonder tem uma variante de alto esforço com pontuação 41, o que indica que o controle de esforço move a pontuação em cerca de três pontos para cima ou para baixo. Se o controle de esforço do Qwen4-Max se comportar de forma semelhante — e os próprios relatórios da Alibaba sugerem que o esforço altera substancialmente o consumo de tokens, com o uso do Work360 caindo 24 por cento em xhigh e 35 por cento em high —, então o 43 é uma única amostra de uma distribuição, não uma propriedade fixa. Relatado pelo fornecedor, em relação ao Qwen3.8-Max, não reproduzido: trate a direção como informativa e a magnitude como uma alegação.
Os benchmarks de lançamento de ambos os fornecedores devem ser lidos com o mesmo ceticismo. Os números do JobBench e do Vals da Meta são dados da própria empresa. A pontuação 52,69 do Work360 da Alibaba, a sua queda de custo por tarefa de US$ 4,43 para US$ 1,67 e as suas melhorias de bits por byte em cinco checkpoints base são dados da própria empresa. Nenhum dos conjuntos foi reproduzido de forma independente, e nenhum dos fornecedores publica o harness de avaliação que permitiria que você o testasse.
Onde cada um é a resposta óbvia
Escolha o Muse Wonder quando o áudio estiver no pipeline, quando você precisar de um número de latência publicado para basear um SLA, ou quando o trabalho for agêntico e de longo horizonte e você preferir pagar $6,95 por uma tarefa que consegue cronometrar do que $3,27 por uma que não consegue. A marca de 118 tokens por segundo é genuinamente rápida para um modelo com esta pontuação, e velocidade é um recurso que os clientes notam.
Escolha o Qwen4-Max quando o volume for a restrição, quando a carga de trabalho for leitura de contexto longo em vez de raciocínio de horizonte longo, ou quando a entrada for vídeo em escala e a diferença de 2,7× na entrada representar a fatura inteira. O cartão de preços fixos de $1.50/$4.50, sem nível de contexto longo, é fácil de prever, o que importa mais do que parece quando você está elaborando um orçamento trimestral.
Ambos são proprietários e não têm pesos publicados, portanto nenhum dos dois pode ser auto-hospedado ou ter a versão fixada. Se isso for um requisito, esta comparação não tem vencedor, e a resposta é um modelo que publique checkpoints — o Kimi K3.1 Pro, entre os modelos de ponta, publica.
Se você quiser evitar escolher, o meio-termo útil é um pool em vez de uma decisão: roteie por modalidade de entrada (áudio para Muse Wonder, vídeo em escala para Qwen4-Max), mantenha a vantagem de preço onde ela é real e deixe o failover cobrir a latência que você ainda não consegue prever. Vale a pena ser preciso sobre o que é roteável hoje — nem Muse Wonder nem Qwen4-Max estão entre os 215 identificadores que atendemos, então esse pool é um projeto, não uma página de produto. O que de fato oferecemos no lado da Meta é a linha Muse Spark a US$ 1,25 de entrada e US$ 4,25 de saída, e no lado da Alibaba qwen/qwen3.8-max a US$ 2,00/US$ 6,00, com preço de tabela do provedor, sem nada acrescentado.

A pergunta a fazer antes do próximo lançamento
Toda comparação de um modelo com algumas semanas de idade com outro de um mês tem a mesma fraqueza: as evidências são assimétricas de maneiras que favorecem o modelo lançado primeiro, porque os testes independentes tiveram mais tempo para analisá-lo. Os números do Muse Wonder são mais ricos não porque a Meta é mais transparente, mas porque ele teve cinco semanas a mais de medição.
O que é preciso observar não é outro benchmark. É se a velocidade e o tempo por tarefa do Qwen4-Max aparecem no mesmo quadro antes que a vantagem de preço se esgote. Um modelo que custa metade por tarefa e tem o dobro da latência é um produto diferente de um que custa metade e é comparável, e, no momento, ninguém fora da Alibaba sabe qual dos dois é.

Comparados neste artigo1
Detectado a partir deste artigo · Benchmarks: Artificial Analysis · atualizado diariamente
