
Qwen4-Max agora está sendo promovido para codificação agêntica. A linha de velocidade independente indica 74º de 79.
- 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 1.02026-11-0711 tok/s
- OrcaNOVOOrcaCyber: GLM 5.3 Abliterated / Uncensored2026-11-04$3.00 / $5.00 por 1M de tokens · 88 tok/s
- OrcaNOVOOrcaCyber: Hy4 Abliterated / Uncensored2026-11-04$0.80 / $1.60 por 1M de tokens · 134 tok/s
- OrcaNOVOOrcaCyber: Kimi K3.1 Pro Abliterated / Uncensored2026-11-04$4.00 / $20.00 por 1M de tokens · 86 tok/s
- OrcaOrcaCyber: MiniMax M3.1 Flash Abliterated / Uncensored2026-10-29$0.80 / $1.60 por 1M de tokens · 125 tok/s
- OrcaOrcaCyber: GLM 5.3 Flash Abliterated / Uncensored2026-10-27$0.80 / $1.60 por 1M de tokens · 67 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 · 192 tok/s
- minimaxMiniMax: M3.1 Flash2026-10-1929Inteligência
- OrcaOrca: OrcaCyber Ultra 1.02026-10-17$5.00 / $10.00 por 1M de tokens · 134 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 · 128 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 · 186 tok/s
Em 09:31 UTC de 17 de novembro de 2026, a conta oficial Qwen4-Max no X publicou cinco palavras e um convite: o modelo agora está disponível em uma plataforma de terceiros, venha experimentar codificação agêntica. Foi um quote-tweet do próprio anúncio da plataforma, um dia depois de a Alibaba passar o modelo de prévia para disponibilidade geral com cobrança por uso. A publicação é pequena e é fácil passar direto por ela. É também a primeira vez que o fornecedor direciona seus próprios seguidores para uma rota externa específica para seu carro-chefe, e escolheu a carga de trabalho — codificação agêntica de longo horizonte — na qual Qwen4-Max atualmente tem a medição independente mais fraca no ranking.
Essa é toda a tensão que vale a pena relatar, e não é uma acusação. É normal que um fornecedor promova um modelo para quem constrói agentes. O que vale a pena estabelecer é a distância entre o discurso de venda e os números que um leitor consegue verificar, porque é com base no discurso que uma equipe age, e são os números que a fatura e o relógio entregam.
O que o post realmente estabelece
Três coisas, e não mais que três. O resto é inferência disfarçada de notícia.
• O aval é real e tem data. A publicação tem um carimbo temporal de 17 de novembro, 09:31 UTC, vem da própria conta do fornecedor e cita com comentário o anúncio anterior da plataforma, em vez de aparecer isolada. Um fornecedor que republica o lançamento de um parceiro age deliberadamente; a conta não o mencionou apenas por acaso.
• A plataforma não é uma segunda implantação. A página de modelos dela lista qwen/qwen4-max em uma tabela intitulada “Modelos roteados servidos pelos próprios laboratórios” — não entre as suas próprias edições publicadas. Essa distinção importa mais do que o texto de marketing em volta dela: um modelo roteado é a implantação da Alibaba acessada pela porta da frente de outra pessoa, que é a única maneira de um modelo fechado da classe de 2,4 trilhões de parâmetros aparecer em qualquer lugar.
• Trata-se de um beta, não de capacidade. O banner permanente do site informa que ele está em beta privado e solicita um código de convite. Um endosso vindo da própria conta do modelo é um sinal de intenção, não de throughput, cota ou acordo de nível de serviço — e um código de convite não é um caminho de contratação.
E o que o post não estabelece é uma única alegação de desempenho. Não há nele nenhum número de tokens por segundo, nenhuma taxa de conclusão de tarefas, nenhum custo por tarefa, nenhuma declaração sobre quantas sessões de agente simultâneas a rota comporta. Leia-o como "agora você pode acessar este modelo aqui", que é tudo o que ele diz.
O cartão abaixo do endosso é mais barato que o do próprio fornecedor.
A listagem roteada traz seus próprios números, e o preço é o que vale a pena encarar. Ela indica US$ 1,40 por milhão de tokens de entrada e US$ 4,20 por milhão de saída, com uma janela de contexto de 977K tokens e status online.
• Entrada — US$ 1,40 no cartão roteado, contra US$ 1,413 no cartão Global-scope da própria Alibaba (Pequim, Hong Kong, Frankfurt, Virgínia, EUA, Tóquio) e US$ 1,50 em Singapura.
• Saída — US$ 4,20 contra US$ 4,24 Global e US$ 4,50 Singapura.
• A direção — o número roteado fica cerca de 1% abaixo da região mais barata publicada pelo fornecedor e cerca de 6,7% abaixo do cartão em que a maioria dos leitores fora da China continental será efetivamente cobrada.
• O mecanismo declarado — a plataforma descreve sua cobrança como "a tarifa do laboratório mais a taxa de rota, um comprovante de rota assinado em cada resposta".
• O valor de contexto — 977K na listagem, contra 1,000,000 na ficha do modelo da Alibaba, em que os limites operacionais são 991,808 tokens de entrada no modo padrão e 983,616 no modo de pensamento.
Esses dois fatos não se encaixam bem. Uma rota que adiciona uma taxa sobre a tarifa do laboratório deveria custar mais do que ir direto, e esta custa menos do que todas as regiões publicadas da Alibaba. As explicações plausíveis são pouco glamorosas — uma tarifa promocional, uma arbitragem regional sobre qual endpoint da Alibaba está sendo chamado, ou uma listagem que não foi atualizada desde o cartão de prévia — e nenhuma delas pode ser confirmada de fora. O que um leitor pode fazer é parar de tratar o preço roteado como o preço do modelo. O cartão da própria Alibaba é a referência; qualquer coisa abaixo dele é um arranjo comercial com uma data de validade que ninguém publicou. Se o custo por tarefa é o que você está decidindo, dimensione-o a partir de US$ 1,50 de entrada e US$ 4,50 de saída em Singapura, ou US$ 1,413 e US$ 4,24 no escopo Global, e trate um desconto como vantagem, não como o plano.

A carga de trabalho no posto é a que o rastreador mede pior.
A Artificial Analysis é a única organização que publica medições independentes do Qwen4-Max, e sua página foi atualizada com uma linha completa de desempenho que não estava lá no dia do lançamento. O que essa linha diz não é ambíguo.
• Índice de Inteligência — 43 na suíte de nove avaliações v5.0.1, classificado em 38º de 81 modelos, marginalmente acima da mediana de 41 do tracker para a faixa de preço.
• Velocidade de saída — 54 tokens por segundo. Isso é o 74º de 79 modelos que o rastreador classifica em desempenho.
• Tempo até o primeiro token de resposta — 179,79 segundos, porque o modelo pensa antes de falar e o esforço de raciocínio padrão na ficha da Alibaba é alto.
• Tempo por tarefa do Intelligence Index — 32,2 minutos, contra uma mediana de 13,3 minutos para modelos comparáveis. O rastreador chama isso de "notavelmente lento".
• Verbosidade — 127 milhões de tokens de saída em todo o índice, contra uma mediana de 78,6 milhões. Isso é o 65º de 80.
• Custo por tarefa de indexação — US$ 3,27, classificado em 44º de 80, com um desconto de cache de 95% já aplicado.
Cada número dessa lista é a medição do próprio tracker, não da Alibaba. As alegações publicadas pelo fornecedor são um conjunto totalmente diferente e são rotuladas como alegações do fornecedor onde quer que apareçam: um ganho de eficiência de tokens de 24% a 35% em relação ao Qwen3.8-Max em seu próprio benchmark Work360, 48% a 49% no Terminal-Bench 4.0, e o custo médio por tarefa caindo de US$ 4,43 para US$ 1,67. Nada disso foi reproduzido de forma independente. Os dois conjuntos de dados não se contradizem — um modelo pode ser eficiente por tarefa e ainda assim ser lento por token —, mas apenas um deles lhe diz como será a sensação de um loop de agente às 2 da manhã.
Há uma segunda lacuna no próprio material do fornecedor, e ela é estranha para um modelo sendo vendido com base em codificação agêntica. O model card da Alibaba não publica uma contagem de parâmetros; o material de lançamento descreve um modelo esparso de mistura de especialistas com 2,4 trilhões de parâmetros, dos quais 71 bilhões são ativados por token, e o rastreador registra o tamanho como não divulgado. Também não há uma pontuação publicada no Terminal-Bench 4.0 para este modelo pela própria Alibaba, apenas a alegação de eficiência relativa em relação ao seu antecessor. Um fornecedor que quer que criadores de agentes adotem um modelo costuma liderar com um número agêntico absoluto. Este liderou com uma proporção.
O que 32 minutos por tarefa e 54 tokens por segundo fazem com um loop
Os preços unitários escondem isso, então aqui está a aritmética sobre o formato que o post está anunciando — um agente de codificação que resolve uma tarefa em turnos. Tudo isso é derivado das tarifas publicadas e da velocidade medida, não de uma fatura.
• Tempo de geração por turno — um patch de 3.000 tokens e um bloco de raciocínio a 54 tokens por segundo equivalem a cerca de 56 segundos de saída pura. Com 8.000 tokens, são aproximadamente 2,5 minutos, antes de o modelo ter lido qualquer coisa.
• Uma sessão de 25 turnos — 25 turnos de 3.000 tokens de saída dão 75.000 tokens, cerca de 23 minutos de geração nessa velocidade, além de 25 esperas separadas pelo primeiro token da resposta, de quase três minutos cada, se o harness não mantiver o contexto aquecido. Só a sobrecarga já pode superar a geração.
• A mesma sessão em dinheiro — 75.000 tokens de saída a US$ 4,50 por milhão dá US$ 0,34. O processamento é barato; o tempo não. Essa inversão é a coisa mais útil de se entender sobre a economia deste modelo.
• O cache é a alavanca que decide se isso é tolerável — um contexto de 200.000 tokens relido a frio a US$ 1,50 por milhão custa US$ 0,30 por turno; com cache, a 95% de desconto, custa cerca de US$ 0,015. Ao longo de 25 turnos, essa é a diferença entre US$ 7,50 e US$ 0,38 de entrada, o que ofusca por completo a conta de saída.
Dito de outra forma: no Qwen4-Max, o que se deve medir não é o comprimento da saída, e sim a taxa de acerto de cache e a latência do primeiro token. Um loop que mantém seu contexto quente e tolera um raciocínio de três minutos é viável. Um loop que reenvia um contexto frio de 200K a cada turno paga vinte vezes a tarifa de entrada e espera três minutos a cada vez para fazê-lo. A tarefa de índice de 32,2 minutos é a métrica composta do tracker, não a sua tarefa, mas é em torno da direção disso que você deve planejar.

O recibo não diz o que respondeu.
Esta é a parte da listagem roteada que merece mais atenção do que o seu preço. A documentação da própria plataforma é incomumente franca: toda resposta roteada carrega um recibo de rota assinado, e o recibo "não prova quais pesos responderam". Ele registra para onde uma solicitação foi enviada e o que a sondagem mais recente relatou. Os modelos que a própria plataforma publica têm uma cadeia mais forte — arquivos armazenados por digest SHA-256, revisões identificadas por um hash de mapa de arquivos, registros assinados sob uma chave de publicador fixada, um log de transparência somente de acréscimo — e o status de verificação exibido para qwen/qwen4-max é "desconhecido".
Para um modelo fechado, isso não é um escândalo: é um limite estrutural que todo roteador compartilha, inclusive o nosso. Se os pesos não são publicados, nenhum terceiro pode provar quais pesos produziram um token. O que segue é uma regra prática, não uma crítica. Se seu trabalho depende de o modelo ser de fato o Qwen4-Max — uma avaliação, uma submissão a benchmark, uma alegação contratual sobre qual modelo tocou os dados —, um endpoint roteado não é evidência suficiente por si só, por melhor que o recibo pareça. Se o que você precisa é a capacidade, um endpoint roteado serve, e a questão de proveniência é acadêmica.
Como experimentá-lo sem apostar um caminho de produção nele
Falando com franqueza sobre onde estamos: o OrcaRouter não roteia o Qwen4-Max. O catálogo tem qwen/qwen3.8-max, anthropic/claude-fable-5.2 e openai/gpt-6.1-sol; uma requisição para um identificador qwen4 retorna not-found hoje, então se você quer esse modelo na nossa chave, está esperando como todo mundo. O que podemos fazer é tornar a avaliação barata de reverter.
O motivo para se importar é que tudo neste lançamento argumenta contra fixá-lo no código. O modelo tem um dia de idade, sua única linha independente de desempenho o coloca em 74º de 79 em velocidade, seu preço de roteamento é inferior ao do cartão do próprio fornecedor por motivos que ninguém explicou, e a plataforma que carrega o endosso está em beta privado atrás de um código de convite. Qualquer um desses pontos pode mudar em uma semana — e uma transição de preview para GA que também cortou o orçamento compartilhado de raciocínio mais resposta de 393.216 tokens para 262.144 e transferiu a cobrança de créditos para medição por token é exatamente o tipo de mudança que quebra um fluxo de produção na segunda semana.
É esse o argumento para manter o experimento atrás de um endpoint roteado em vez de um fixo no código: o novo modelo em uma rota, qwen/qwen3.8-max no fallback, uma chave e uma fatura para ambos. Com 0% de markup e o preço de tabela do provedor repassado, a aritmética que você faz com base na tabela de preços da Alibaba é a aritmética que você recebe na fatura — o que também significa que um corte de preço do fornecedor aparece do nosso lado no mesmo dia, e não na próxima renovação de contrato. A fusão de modelos é a outra opção que vale conhecer para um modelo não comprovado: execute-o ao lado do modelo atual em uma amostra do seu próprio tráfego e compare as saídas antes que qualquer um dos dois domine o caminho. Se você preferir apenas ver como é uma API para mais de 200 modelos, o catálogo é público.

O que mudaria essa leitura?
Três coisas, em ordem de quanto importariam.
O primeiro é um número de velocidade de qualquer fonte que não o único rastreador. Uma única medição de 54 tokens por segundo em um benchmark composto é uma base frágil para uma decisão de produção, e o fornecedor não publicou nenhuma. Se um segundo harness independente chegar perto desse número, a lentidão é uma propriedade do modelo, e quem constrói agentes deve dimensionar seus loops em torno disso. Se ficar muito acima, o endpoint do rastreador era o problema, e esta seção envelhece mal — o que é a maneira certa de ela envelhecer.
O segundo é o status de verificação daquele anúncio roteado deixando de ser "desconhecido", ou a plataforma saindo do beta privado. Qualquer um dos dois transformaria uma rota endossada em algo que você poderia respaldar com um compromisso de suporte.
O terceiro é a Alibaba publicar uma pontuação absoluta de codificação agêntica em vez de uma proporção em relação ao seu antecessor. Até que o faça, o endosso é uma afirmação sobre intenções, e a única medição publicada da carga de trabalho que ele anuncia é de 32,2 minutos por tarefa a 54 tokens por segundo. Isso não é motivo para evitar o Qwen4-Max — é motivo para avaliá-lo com benchmark nas suas próprias tarefas antes de prometer a alguém uma data de entrega, e para manter o incumbente a uma rota de distância enquanto o faz.
