
Qwen 4 vs Qwen 3.8 Max: O que realmente muda na sua fatura quando você atualiza
- 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
A migração do Qwen3.8-Max para o Qwen4-Max é invulgar entre atualizações de topo de gama, porque o preço evolui a seu favor e a capacidade evolui ao mesmo tempo. O Qwen3.8-Max está disponível para o público em geral desde 3 de agosto de 2026, a 2,00 USD de entrada e 6,00 USD de saída por milhão de tokens, com uma janela de contexto de um milhão de tokens. O Qwen4-Max, que o substituiu no topo da gama a 16 de novembro de 2026, custa 1,50 USD e 4,50 USD para a mesma janela, obtém 43 contra 34 no Artificial Analysis Intelligence Index e custa 3,27 USD por tarefa do índice, contra 10,02 USD. Um corte de 25 por cento em ambos os lados do medidor, nove pontos no índice e um terço do custo por tarefa concluída — o tipo de atualização que normalmente chega com um aumento de preço associado. O senão, e há sempre um numa migração dentro do mesmo fornecedor, é que o orçamento de saída ficou menor, mesmo com tudo o resto a aumentar.
Os quatro números que se moveram, e o único que se moveu para trás
Atualizações dentro de um único fornecedor são mais fáceis de avaliar do que comparações entre fornecedores, porque a linhagem do tokenizador, a superfície da API e as convenções de chamada de ferramentas permanecem as mesmas. O que muda é uma lista curta, e você pode verificá-la em relação ao seu próprio uso em uma tarde.
• Preço — de $2.00/$6.00 para $1.50/$4.50 por milhão de tokens, um corte de 25 por cento em ambos os lados
• Leitura em cache — de $0,25 para $0,075 por milhão, uma redução de 70 por cento
• Pontuação independente — de 34 a 43 no mesmo índice, mesmo painel, ambos apurados em 17 de novembro de 2026
• Custo por tarefa de indexação — de US$ 10,02 para US$ 3,27, uma redução de 67 por cento
• Orçamento compartilhado de raciocínio e resposta — 262.144 tokens, reduzido de uma cota maior na geração 3.8
• Parâmetros ativos — 71 bilhões, ante 95 bilhões, no mesmo backbone de 2,4 trilhões de parâmetros
• Contexto — inalterado em 1.000.000 de tokens
• Pesos — nenhum dos modelos principais publica nenhum, embora o irmão de pesos abertos do Qwen3.8-Max, o Qwen3.8-27B, {{1}}o faça{{/1}}
Dois desses merecem mais do que uma linha. A redução de parâmetros ativos é a alegação arquitetural por trás do restante: o Qwen4-Max ativa 71 bilhões de parâmetros por token, enquanto o Qwen3.8-Max ativava 95 bilhões, e a Alibaba atribui o ganho de eficiência a uma nova arquitetura, e não à poda — camadas DeltaNet com portões intercaladas com um mecanismo de atenção esparsa que indexa o contexto em granularidade de microblocos, quatro ramos residuais paralelos com portões dinâmicos de leitura e escrita, e uma tabela de embeddings N-gram baseada em contexto com 328 bilhões de parâmetros que amplia a capacidade sem ampliar a computação por token.
O orçamento compartilhado é o que vai surpreender as pessoas. O Qwen4-Max reúne seu raciocínio e sua resposta em uma única cota de 262.144 tokens. Se você estava gerando saídas de 150.000 tokens no Qwen3.8-Max com o pensamento ativado, agora restam 112.144 tokens para o pensamento — e, em um problema difícil, o pensamento vai consumir isso. A falha parece uma resposta truncada, não um erro, que é a pior forma de um limite se manifestar.
Por que o custo por tarefa caiu em dois terços quando o preço do token caiu em um quarto
Os preços dos tokens explicam um quarto da poupança. Os outros dois terços vêm do facto de o modelo fazer menos trabalho para chegar à mesma resposta, e esta é a parte do lançamento que é mais difícil de verificar e mais importante para o caso de negócio.
Os próprios números da Alibaba: em sua suíte Work360, o uso de tokens cai cerca de 24 por cento com esforço de raciocínio xhigh e 35 por cento com high; no Terminal-Bench 4.0, 48 e 49 por cento. O custo médio por tarefa no Work360 cai de US$ 4,43 para US$ 1,67, uma redução de 62 por cento. São números do fornecedor, medidos pelo próprio fornecedor, em comparação com o modelo anterior do fornecedor, sem reprodução independente — e são evidências direcionais de que a alegação de eficiência não é apenas um corte de preço disfarçado.
A corroboração independente é mais restrita, mas concorda. A Artificial Analysis mede US$ 10,02 por tarefa de índice para o Qwen3.8-Max e US$ 3,27 para o Qwen4-Max. Ninguém publicou US$ 4,43 ou US$ 1,67 exceto a Alibaba; os US$ 10,02 e US$ 3,27 são a aritmética de outra pessoa sobre a carga de trabalho de outra pessoa, e apontam na mesma direção.
Quantifique o seu próprio trabalho. Um pipeline que executa 5.000 tarefas por dia com 30.000 tokens de entrada e 4.000 de saída, sem cache, com base nas tarifas publicadas em dólares americanos: o Qwen3.8-Max cobra $50 de entrada e $120 de saída por dia, totalizando $170. O Qwen4-Max cobra $37,50 e $90 — $127,50. Cerca de $1.275 economizados por mês antes do cache, e consideravelmente mais se um prefixo estável permitir aproveitar a leitura de cache de $0,075 em vez da de $0,25.
A história da eficiência tem uma segunda metade que ninguém cita.
Tokens mais baratos por tarefa são apenas metade de um caso de negócio. A outra metade é o tempo decorrido, e aqui o quadro é mais nebuloso do que a tabela de preços.
A Artificial Analysis mede o Qwen3.8-Max em 59 tokens de saída por segundo e 48 minutos por tarefa de índice — lento, e, se você estiver executando trabalho agêntico de longo horizonte, esse número é o que governa sua janela noturna. O Qwen4-Max não publica nenhuma velocidade de saída nem nenhum tempo por tarefa. Ele usa aproximadamente metade dos tokens em alguns benchmarks, o que implicaria aproximadamente metade do tempo de relógio com vazão igual, mas ninguém publicou a vazão.
Portanto, a forma honesta de enquadrar a atualização é: você sem dúvida pagará menos por token, quase certamente pagará menos por tarefa e provavelmente terminará mais rápido. Apenas a primeira dessas três é um fato que você pode incluir em um contrato hoje. A segunda é respaldada por uma medição independente. A terceira é inferência.
Isso importa especificamente para decisões de agendamento. Se sua tarefa de indexação de 48 minutos a 59 tokens por segundo já está no limite do que cabe durante a noite, você precisa de um piloto com seus próprios prompts antes de migrar — não porque o Qwen4-Max provavelmente será mais lento, mas porque um orçamento de pensamento compartilhado de 262.144 tokens muda a forma de uma execução longa de maneiras que uma média de benchmark não revelará.
O que não mudou, e por que essa é a melhor notícia aqui
A janela de contexto é o mesmo milhão de tokens. A superfície de modalidades é a mesma — texto, imagem e vídeo na entrada, texto na saída. A superfície da API é a mesma, com o raciocínio controlado por enable_thinking ou por reasoning.effort na Responses API, e o modelo disponibilizado em todas as regiões da Alibaba em formatos compatíveis com OpenAI, compatíveis com Anthropic e nativos.
Para quem já usa o Qwen3.8-Max, é isto que torna a atualização barata: a migração é uma mudança de identificador de modelo, não uma reescrita. Não é preciso reestruturar prompts, renegociar esquemas de chamada de ferramentas nem alterar a gestão de contexto. As duas coisas que você precisa testar novamente são as que os números sinalizam — o orçamento de saída no modo de raciocínio e quaisquer caminhos seus sensíveis à latência.
Isso também significa que o padrão sensato é o tráfego sombra, em vez de uma troca: enviar uma fração das requisições de produção para ambos, comparar as saídas e as contagens de tokens e deixar que o orçamento compartilhado de 262.144 tokens se revele nos casos longos antes de se revelar diante de um cliente.

Você deve manter o snapshot 0902?
O Qwen3.8-Max tem um snapshot datado, qwen3.8-max-0902, fixado em 2 de setembro de 2026 com as mesmas capacidades e preços do modelo base. Snapshots existem para reprodutibilidade, e o argumento para manter um é mais forte exatamente quando você está prestes a alterar o modelo subjacente.
Se você tem uma suíte de avaliação em que confia, execute-a contra o snapshot antes de aposentar o alias. O snapshot é seu grupo de controle; o alias nunca foi estável por design, e o Qwen4-Max é um modelo diferente, não uma atualização de versão do mesmo modelo. Dois detalhes que vale a pena verificar nessa execução: se seus casos de saída longa sobrevivem ao orçamento compartilhado menor e se seu custo por tarefa realmente mudou na margem que a tabela de preços prevê. Se não mudou, a alegação de eficiência de tokens não se sustenta na sua carga de trabalho, e o argumento para migrar se reduz apenas ao corte de preço — ainda vale a pena, mas um quarto em vez de dois terços.
Mais uma opção que a comparação entre os modelos carro-chefe tende a esconder: o Qwen3.8-27B tem pesos abertos sob Apache-2.0 e pode ser auto-hospedado, e nós o disponibilizamos como qwen/qwen3.8-27b. Para cargas de trabalho de alto volume e baixa complexidade, a aritmética é completamente diferente da de qualquer um dos carro-chefe, e "atualizar de 3.8-Max para Qwen4-Max" não é a única opção disponível. Se sua carga de trabalho for classificação, extração ou geração de textos curtos, um modelo denso de 27B que você mesmo pode executar pode superar ambos em custo unitário — e é a única opção desta família que você pode fixar em uma versão e auditar.
A migração, em ordem
Primeiro, faça um inventário das suas saídas. Qualquer caminho que solicite mais de cerca de 120.000 tokens de saída com o pensamento ativado corre risco dentro do orçamento compartilhado de 262.144. Isso é um grep dos seus pontos de chamada, não um benchmark.
Segundo, meça o seu próprio consumo de tokens por tarefa em ambos os modelos durante uma semana representativa. Os números de eficiência publicados ficam entre 24 e 49 por cento, dependendo do benchmark e do esforço, o que é uma faixa ampla — ampla o suficiente para que o seu próprio número possa ficar fora dela.
Terceiro, meça seu p95. O Qwen4-Max não tem throughput publicado, então seu primeiro número de latência será o primeiro número de latência que qualquer pessoa fora da Alibaba terá.
Em quarto lugar, decida sobre o nível de pesos abertos. Se parte do volume puder migrar para qwen/qwen3.8-27b, a migração principal só precisará lidar com os casos difíceis, e o custo combinado cairá mais do que qualquer plano de modelo único sugere.
Rodar ambos os flagships por trás de um único endpoint é a versão de baixo esforço disto: qwen/qwen3.8-max permanece em $2.00/$6.00 e uma requisição ao Qwen4-Max é uma regra de roteamento, e não um novo contrato, então você pode migrar o tráfego gradualmente e reverter assim que o orçamento compartilhado apertar. Vale dizer claramente que o próprio Qwen4-Max não está entre os 215 identificadores que atendemos atualmente — o modelo atualizado é roteado pela própria API da Alibaba — então o que você obtém de nós hoje são os incumbentes, com preço de tabela e nada acrescentado.
O veredito, que é incomum
Migre, a menos que você gere saídas muito longas. Uma atualização do mesmo fornecedor que reduz o preço em um quarto, reduz o preço do cache em 70 por cento e acrescenta nove pontos de índice está perto de ser um almoço grátis, e as evidências por tarefa — do fornecedor e de um painel independente — dizem ambas que a economia real é maior do que o preço do token sugere.
A exceção é restrita e específica: cargas de trabalho cuja saída regularmente ultrapassa cerca de 120.000 tokens com o pensamento ativado. Para essas, o orçamento compartilhado de 262.144 tokens é uma regressão de capacidade disfarçada de ganho de eficiência, e a atitude correta é permanecer na geração 3.8 ou dividir a solicitação.
O que observar a seguir é o número que está faltando, e não os que são publicados. Um modelo que é dois terços mais barato por tarefa e não tem throughput medido é uma aposta forte com um risco não quantificado, e a primeira medição independente de tempo do Qwen4-Max resolverá mais dessa discussão do que qualquer outra pontuação de benchmark.

A parte desta família que você mesmo pode executar
Uma vantagem de uma atualização do mesmo fornecedor que não existe em nenhum dos dois modelos principais: o nível abaixo deles é aberto e portátil. O Qwen3.8-27B é distribuído sob Apache-2.0, com entrada de texto, imagem e vídeo e uma janela de 262.144 tokens, e nós o servimos como qwen/qwen3.8-27b — na nossa própria infraestrutura, pelo preço de tabela, sem acréscimo, e com a possibilidade de fixar a versão de um modo que nenhum dos dois modelos principais permite. Para uma migração cujo principal risco é um orçamento de saída compartilhado que você não pode auditar, ter uma alternativa versionada de pesos abertos na mesma família é o seguro mais barato disponível.

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