Um cartão de destaque gerado para uma notícia sobre a disponibilidade do Qwen4-Max por terceiros, com o título 'Qwen4-Max' e o subtítulo 'Mesmo preço, um dia depois'. Os chips mostram 'Lançado em 16 de novembro de 2026', 'US$ 1,41 de entrada / US$ 4,24 de saída por 1 milhão' e 'Sem métrica de velocidade independente'. Um rodapé informa 'Páginas de catálogo do fornecedor e de terceiros consultadas em 17 de novembro de 2026'. A marca OrcaRouter é composta no canto inferior direito.
Guides & Insights

Qwen4-Max já está listado fora da API da Alibaba — pelo preço global da própria Alibaba

Autor

jinhao.song

Data de publicação

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

Qwen4-Max entrou em disponibilidade geral em 16 de novembro de 2026 e, na manhã seguinte, já estava listado em algum lugar que não a própria API da A​libaba. A listagem cotava US$ 1,413 por milhão de tokens de entrada, US$ 4,24 por milhão de saída e US$ 0,071 por leitura de cache. Esses não são números de revendedor. São a tabela da região Global da A​libaba para Qwen4-Max, com três casas decimais — as tarifas exatas que o fornecedor publica para Pequim, Hong Kong, Frankfurt, Virgínia (EUA) e Tóquio, que ficam 5,8% abaixo da tabela de Singapura de US$ 1,50 e US$ 4,50. Um modelo aparecer em uma segunda plataforma dentro de um dia do lançamento não é notável em 2026. Uma segunda plataforma que aparece pelo próprio preço de tabela do fornecedor diz algo específico sobre o que está de fato sendo servido, e não é uma segunda implantação de um modelo de 2,4 trilhões de parâmetros.

Do que é evidência uma listagem com o mesmo preço

A leitura é estreita e vale a pena declará-la como uma inferência, e não como um fato, porque ninguém publicou uma declaração de capacidade. O Qwen4-Max é uma mistura esparsa de especialistas com 2,4 trilhões de parâmetros, com 71 bilhões ativados por token, além de 328 bilhões de parâmetros de embedding de N-gramas, construído sobre uma nova arquitetura Qwen4 com Gated DeltaNet e um indexador de atenção esparso. Colocar isso de pé em hardware independente exige aquisição, kernels e pelo menos uma semana de ajuste. Igualar o preço do fornecedor até o milésimo de dólar em até um dia após o lançamento é a cara de um repasse, e a tarifa de token em cache é a pista: US$ 0,071 é um número estranho de se obter de forma independente e óbvio de copiar.

• Entrada — US$ 1,413 por milhão no cartão de terceiros, US$ 1,413 no cartão Global da Alibaba, US$ 1,50 em Singapura.

• Saída — $4,24 em ambos os cartões de escopo global; $4,50 em Singapura.

• Leitura de cache — $0,071 no cartão de terceiros e no cartão Global da Alibaba; $0,075 em Singapura.

• O que não é copiado — os limites. A página de terceiros anuncia um contexto de 977K tokens e uma saída máxima de 128K. O card da própria Alibaba informa um teto de entrada de 991.808 tokens e um orçamento compartilhado de 262.144 tokens para raciocínio e resposta, dos quais 131.072 ficam disponíveis quando o raciocínio está desativado. Um anúncio publicado tão rápido copia um preço de forma mais confiável do que copia um teto.

Esse último item é o prático. Se você está dimensionando um trabalho de contexto longo — um repositório de 400 mil tokens, o registro de um agente de várias horas —, uma plataforma que limita a saída a 128K truncará trabalho que o próprio modelo teria concluído. Paridade de preço não é paridade de especificação e, em um modelo tão novo quanto este, não há outra fonte para verificar um limite além da própria página do modelo do fornecedor.

O primeiro benchmark independente existe. A primeira medição independente de velocidade não.

Esta é a parte da história que importa mais do que a ficha técnica. O Artificial Analysis adicionou o Qwen4-Max ao seu ranking com uma linha completa do Índice de Inteligência — 42,9, arredondado para 43 na página pública, a um custo medido de 3,27 dólares por tarefa do índice, tendo gerado 127 milhões de tokens de saída durante a execução, o que o rastreador classifica em 65.º lugar entre 80 na sua escala de verbosidade. Trata-se de uma avaliação independente real de um modelo com dois dias de existência, e é o número a citar quando alguém lhe apresentar um gráfico de fornecedor.

O que a mesma página não tem é uma linha de velocidade. Nenhum token de saída por segundo, nenhum tempo até o primeiro token, nenhum tempo até o primeiro token da resposta. Todos os outros modelos de nível flagship nesse painel trazem esses três números; o Qwen4-Max traz um valor nulo. Isso não é uma crítica ao monitor — uma medição de throughput precisa de chamadas repetidas a um endpoint estável, e em 17 de novembro não havia um endpoint estável para chamar repetidamente. É um alerta sobre as análises que você lerá esta semana: qualquer artigo que cite um número de tokens por segundo para o Qwen4-Max nos próximos dias ou está medindo uma única requisição uma vez só, ou está inventando. O fornecedor também não publicou nenhum.

A headless-browser screenshot of the Artificial Analysis model page for Qwen4 Max, captured 17 November 2026 in English, showing the Alibaba vendor label, 'Released November 2026', a Proprietary model tag, an Intelligence Index score of 43, the summary text describing a 984k-token context window and 127M generated tokens against a 78.6M median, and the cost block reading In $1.50, Out $4.50 and $3.27 per task. The Performance and Time per Task panels show no speed figures.

Quanto custa realmente uma execução de agente, com essas tarifas

Os preços por token são a unidade errada para um modelo de horizonte longo, então aqui está a aritmética de um formato para o qual o Qwen4-Max é explicitamente comercializado — um agente de codificação que carrega um contexto de 200.000 tokens ao longo de 40 turnos e escreve 30.000 tokens de raciocínio e patch por turno. Todos os valores são de preço de tabela, não de uma fatura medida.

• Contexto em cache, por turno — 200.000 tokens a US$ 0,075 por milhão é US$ 0,015. Em 40 turnos, US$ 0,60.

• Saída, por turno — 30.000 tokens a US$ 4,50 por milhão é US$ 0,135. Em 40 turnos, US$ 5,40.

• A proporção — a saída custa nove vezes o que o contexto em cache custa, por turno, mesmo depois de um desconto de cache de 95%. O desconto de cache não é a alavanca que as pessoas supõem que seja quando a saída é longa.

• Entrada nova — cada turno que não acerta o cache paga US$ 1,50 por milhão em vez de US$ 0,075, um salto de 20×. Quatro milhões de tokens de falhas de cache ao longo da execução acrescentam US$ 6,00, mais do que a fatura total de saída.

O que inverte o conselho habitual. No Qwen4-Max, o que se deve instrumentar é a taxa de acerto de cache, não o comprimento da saída: um loop de 40 turnos que mantém seu contexto quente fica perto de US$ 6,00, e o mesmo loop que reenvia seu contexto frio fica perto de US$ 12,00. A própria manchete do fornecedor — custo médio por tarefa no seu benchmark Work360 caindo de US$ 4,43 para US$ 1,67 — é uma afirmação sobre o mix de tokens do benchmark dele, não uma promessa sobre o seu. É também um número de fornecedor em um benchmark de fornecedor, e é rotulado como tal aqui porque nada independente o reproduz ainda.

A generated bar chart titled 'Where a 40-turn agent bill comes from', with four bars reading Cached context $0.60, Output $5.40, Cache misses $6.00 and Total with no misses $6.00, over a footer reading 'List-price arithmetic on Qwen4-Max rates; not a measured bill.' White background with blue-and-cyan accents and the OrcaRouter mark composited bottom right.

Experimentando sem trocar de plataforma

O OrcaRouter não roteia o Qwen4-Max. Vale dizer isso claramente em vez de esconder: o catálogo traz qwen/qwen3.8-max, anthropic/claude-fable-5.2 e openai/gpt-6.1-sol, e uma solicitação para um identificador qwen4 retorna não encontrado hoje. Se você quer o novo carro-chefe Q​wen na nossa chave, você está esperando como todo mundo.

O que esta situação de fato justifica não é trocar toda a sua stack por um modelo de dois dias de idade para testá-lo. Uma transição de preview para GA que também reduziu o orçamento compartilhado de saída de 393.216 tokens para 262.144 e mudou a cobrança de créditos para medição por token é exatamente o tipo de mudança que quebra um caminho de produção na segunda semana. É esse o argumento para manter o experimento atrás de um endpoint roteado em vez de um codificado diretamente — modelo novo em uma rota, o modelo atual no fallback, uma única fatura de qualquer maneira. Quando o Qwen4-Max chegar ao catálogo, ele estará listado pelo preço do fornecedor com 0% de markup, o que significa que o mesmo repasse que torna um cartão de terceiros idêntico ao da A​libaba é o que torna um corte de preço do fornecedor visível do nosso lado no dia em que acontecer.

A headless-browser screenshot of the OrcaRouter model page for qwen/qwen3.8-max, captured 17 November 2026 in English, showing the Qwen3.8 Max heading, the model id qwen/qwen3.8-max, attribution to Qwen dated 2026-08-05, vision, tools, JSON and reasoning badges, a 1,000,000-token context window, a Zero Data Retention note, and the rate block reading $2.00 input and $6.00 output with 4.35 s and 10.00 s latency figures.

A letra miúda tem uma data.

Dois identificadores estão com prazo contado. qwen4-max-preview e qwen4.0-max-preview param de funcionar às 24:00 de 25 de novembro de 2026, UTC+8 — nove dias após a disponibilidade geral, e o identificador de modelo que sobrevive é o simples qwen4-max. Qualquer configuração, padrão de SDK, notebook ou harness de avaliação que ainda aponte para qualquer uma das strings de preview falhará com model-not-found em vez de um aviso de depreciação, que é a maneira menos útil de descobrir.

Então a história é menor e mais útil do que “já está disponível em todos os lugares agora”. Um modelo foi lançado, uma ficha de terceiros apareceu em até um dia com as próprias tarifas Globais do fornecedor, e os limites atrelados a essa ficha não são os limites do fornecedor. A pontuação independente de inteligência chegou em até um dia; a pontuação independente de velocidade não chegou de jeito nenhum. Interprete o preço como repasse, leia o teto na página do fornecedor e coloque um lembrete no calendário para 25 de novembro referente aos identificadores de pré-visualização — isso é tudo o que 16 de novembro realmente lhe disse.