
Qwen4 Max chega ao OpenCode Go: o que o subsídio de US$ 15 compra e quanto custa um cache miss
- 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 · 89 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 · 86 tok/s
- OrcaOrcaCyber: MiniMax M3.1 Flash Abliterated / Uncensored2026-10-29$0.80 / $1.60 por 1M de tokens · 127 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 · 45 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 · 194 tok/s
- minimaxMiniMax: M3.1 Flash2026-10-1929Inteligência
- OrcaOrca: OrcaCyber Ultra 1.02026-10-17$5.00 / $10.00 por 1M de tokens · 136 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 · 124 tok/s
- openaiOpenAI: GPT-6.1 Sol2026-09-2955Inteligência
- anthropicAnthropic: Claude Sonnet 5.52026-09-2855Inteligência
- typesafeTypeSafe: Jev 1.132026-09-24$0.04 / $0.00 por 1M de tokens · 182 tok/s
OpenCode colocou o Qwen4 Max atrás de sua assinatura Go em 16 de novembro de 2026, no mesmo dia em que o modelo passou de prévia para disponibilidade geral com cobrança por uso, e o número que decide se isso é um bom negócio não é o preço de entrada de US$ 1,50. É 66.000 — a contagem de tokens em cache que o OpenCode presume para uma solicitação de codificação típica quando calcula até onde sua franquia vai. Essa única suposição é o motivo pelo qual um orçamento mensal de US$ 15 é cotado como aproximadamente 2.310 solicitações no Qwen4 Max e aproximadamente 810 no Qwen3.8-Max, o modelo que ele substitui no topo da mesma lista, e também é por isso que os mesmos US$ 15 podem cair para cerca de 149 solicitações se seu harness nunca obtiver um acerto de cache. Tudo abaixo são cálculos que você pode refazer a partir de duas páginas que o OpenCode publica, além de uma linha de benchmark independente que diz que o modelo é capaz, lento e prolixo.
O que o OpenCode realmente publicou, e o que não publicou
Duas superfícies apresentam a listagem e concordam em tudo o que importa. A página de marketing do Go em opencode.ai/go mostra uma linha com “Qwen4 Max — Novo”, com 463 solicitações estimadas a cada cinco horas no plano Go de $10 e 1.850 no plano Go Plus de $40, contra uma cota de uso mensal de $15 e $60. A documentação em opencode.ai/docs/console/go atribui ao mesmo modelo o id qwen4-max, o endpoint https://opencode.ai/inference/go/anthropic/v1/messages, o pacote @ai-sdk/anthropic do AI SDK e uma linha de preços de $1,50 de entrada, $4,50 de saída, $0,075 de leitura em cache e $1,875 de gravação em cache por milhão de tokens. A tabela de uso da documentação lista 460 solicitações a cada cinco horas, 1.160 por semana e 2.310 por mês.
A diferença de três requisições entre 463 e 460 nas duas páginas não é escândalo; é o que acontece quando uma interface é gerada a partir de um gráfico de barras e a outra a partir de uma tabela. Considere o valor menor. O que importa mais é que a linha de preço é a tabela de tarifas de Singapura até o centavo, sem nenhum desconto de assinatura aplicado abaixo dela.
Três detalhes nessa documentação fazem mais diferença do que o preço de destaque:
• O modelo é servido pelo protocolo Messages, não por um caminho compatível com chat-completions. Essa é a mesma rota que o OpenCode usa para Qwen3.8-Max e Qwen3.7 Plus, e é por isso que um harness que já fala Messages pode apontar para Go sem um shim.
• A privacidade é listada modelo por modelo. O Qwen4 Max está registrado como "Treinamento: não utilizado" e "Retenção: 0 dias" — a coluna de retenção zero, e não a coluna de 30 dias em que estão o Grok 4.7 e os modelos Luna. O padrão do Go também bloqueia endpoints pagos que treinam com dados de solicitações.
Cada resposta relata seu custo de volta como opencode.allowance, e o allowance é denominado em dólares ao preço de tabela, dividido em janelas de 20% ao longo de cinco horas, 50% ao longo de uma semana e 100% ao longo de um mês.
O que o OpenCode não publicou é de onde vêm os tokens. A documentação explica que alguns modelos recebem cotas grandes porque o OpenCode negociou um desconto por volume ou reservou capacidade de GPU, e que outros recebem cotas menores "seja porque o modelo é novo, seja porque seu preço público já tem desconto" — caso em que "você ainda recebe um pouco mais do que se pagasse diretamente aos provedores do modelo". O Qwen4 Max está no segundo grupo, a US$ 1,50 e US$ 4,50, exatamente a tarifa que o Qwen4 Max tem em todos os lugares. Não está declarado em lugar nenhum se isso é um repasse do endpoint de Singapura ou uma hospedagem própria do OpenCode de um modelo de 2,4 trilhões de parâmetros, e quem disser qual é está chutando.
Uma coisa que vale corrigir desde já, porque a formulação em torno deste modelo tem sido frouxa: o Qwen4 Max não é um lançamento não anunciado nem vazado. O lançamento veio com uma publicação intitulada "Qwen4-Max: Your New Teammate Has Arrived", sua documentação do Model Studio para o modelo foi atualizada em 17 de novembro, e não há pesos para inspecionar — a Artificial Analysis registra o modelo como proprietário, e não existe repositório para ler. A parte discreta é a listagem do OpenCode, que é uma plataforma de programação integrando o lançamento de outra pessoa, não um lançamento próprio.

O $15 é um medidor de dólar, então aqui está a aritmética
Uma verba em dólares só faz sentido ao lado do formato de solicitação que ela pressupõe, e o OpenCode publica esse formato: 420 tokens de entrada novos, 66.000 tokens em cache e 200 tokens de saída por solicitação. Compare esses três números com a linha de preços do Qwen4 Max:
• Entrada nova — 420 tokens a US$ 1,50 por milhão é US$ 0,00063.
Entrada em cache — 66.000 tokens a US$ 0,075 por milhão equivale a US$ 0,00495.
• Saída — 200 tokens a US$ 4,50 por milhão é US$ 0,00090.
• Por solicitação — $0.00648, valor que cabe em $15 exatamente 2.315 vezes. A estimativa publicada do OpenCode de 2.310 por mês é esse número arredondado para baixo.
A mesma aritmética no Qwen3.8-Max, que o catálogo Go ainda vende a US$ 2,00 de entrada, US$ 6,00 de saída e US$ 0,25 de leitura em cache, dá US$ 0,01854 por solicitação e 809 solicitações por US$ 15 — o OpenCode publica 810. Portanto, a troca para o Qwen4 Max vale 2,9× mais solicitações com uma cota idêntica, e dois terços desse ganho vêm de uma única linha: o preço da leitura em cache caindo de US$ 0,25 para US$ 0,075 por milhão, um corte de 70%. O preço de entrada anunciado variou 25%. O preço do cache mudou o resultado.
A janela de cinco horas é a restrição com que você realmente vai esbarrar. Com 20% da cota mensal, um bloco móvel de cinco horas no plano Go pode gastar US$ 3 no Qwen4 Max — 463 solicitações no formato modelado, o que é aproximadamente uma tarde pesada de turnos de agente se você não tomar cuidado. O Go Plus eleva isso para US$ 12 e 1.850 solicitações. O Go Teams define a cota de cada membro em US$ 20 por mês, o que é mais que os US$ 15 do Go e menos que os US$ 60 do Plus, a US$ 20 por membro.

De onde vêm os 66.000 tokens em cache e por que isso é a história completa
Sessenta e seis mil tokens em cache não é um número redondo arbitrário: é um prefixo plausível para um agente de programação que envia um prompt de sistema, definições de ferramentas e um conjunto de arquivos de tamanho moderado a cada turno, e é a razão pela qual a requisição modelada é barata. A US$ 0,075 por milhão, esse prefixo de 66.000 tokens custa menos de meio centavo. À tarifa de entrada nova de US$ 1,50, custaria US$ 0,099 — vinte vezes mais, e mais de quinze vezes o restante inteiro da requisição.
Siga essa linha de raciocínio. Uma requisição cujo prefixo não acerta o cache custa US$ 0,1005 em vez de US$ 0,00648, então os mesmos US$ 15 compram cerca de 149 requisições, e não 2.315. Nada mais no seu uso precisa mudar para que a cota caia 94%; o prefixo só precisa deixar de ser reutilizável. As três maneiras pelas quais isso acontece são banais: um prompt de sistema com um carimbo de data/hora ou uma lista de ferramentas que muda nele, um harness que reordena seu contexto entre turnos, ou uma sessão que continua reescrevendo as primeiras mensagens de modo que o prefixo cacheável nunca se estabilize.
Há um segundo custo, mais silencioso. O OpenCode cobra gravações em cache a US$ 1,875 por milhão, o que é 25% acima da tarifa de entrada nova — você paga um prêmio para estabelecer um prefixo que depois passa a ser lido com 95% de desconto. Gravar esse prefixo de 66.000 tokens custa US$ 0,124, cerca de dezenove vezes uma requisição aquecida. Uma sessão que fica invalidando seu cache paga a gravação repetidamente e nunca usufrui do desconto.
É por isso que vale a pena entender a franquia em vez de apenas observá-la. Num modelo com este preço, a taxa de acerto de cache não é uma otimização para deixar para depois; é a diferença entre duas assinaturas muito diferentes.
O que você abre mão, medido
O placar independente agora está completo, e é menos lisonjeiro do que o cartão de preço. O Artificial Analysis atribui ao Qwen4 Max pontuação 43 em seu Intelligence Index — acima da mediana declarada de 41, ocupando a 38ª posição entre 81 modelos no placar — com US$ 3,27 de custo medido por tarefa do índice. O painel de desempenho, que ainda estava vazio quando o modelo foi listado pela primeira vez, agora traz números reais: 54 tokens por segundo de saída, 159 segundos até o primeiro token de resposta e 32,1 minutos para concluir uma tarefa do Intelligence Index, contra uma mediana de 13,3 minutos. No ranking do próprio tracker, isso é 75º de 79 em tempo até o primeiro token de resposta.
• Capacidade — 43 no Intelligence Index, 38º de 81, US$ 3,27 por tarefa medida.
• Desempenho — 54 tokens de saída por segundo, 159 segundos até o primeiro token de resposta, 32,1 minutos por tarefa de indexação contra uma mediana de 13,3 minutos, classificado em 75.º de 79 no tempo até o primeiro token de resposta.
• Verbosidade — 127 milhões de tokens de saída para concluir a execução do índice, contra uma mediana de 78,6 milhões, ficando em 65º lugar entre 80 na própria escala de verbosidade do rastreador.
• Contexto — 984 mil tokens na medição do rastreador, contra a janela documentada de 1.000.000 de tokens, com um teto de entrada de 991.808 tokens no modo sem pensamento.
Em um ciclo interativo de programação, o número do primeiro token da resposta é o que pesa. Modelos de raciocínio não emitem nada até o pensamento terminar, então 159 segundos é a lacuna entre pressionar Enter e ver o primeiro caractere de uma resposta, e um orçamento de raciocínio longo desloca esse número em vez de eliminá-lo. Para trabalho em lote — uma fila de refatorações, uma varredura noturna — isso é irrelevante, e a capacidade por dólar de US$ 3,27 por tarefa é respeitável frente a modelos de ponta que cobram várias vezes isso.
O número de verbosidade merece uma frase própria, porque é ele que interage com um limite em dólares. Um modelo que gera 127 milhões de tokens quando a mediana gera 78,6 milhões consome cerca de 60% mais tokens de saída para o mesmo conjunto de tarefas, e no Qwen4 Max a saída é a linha mais cara da requisição, a US$ 4,50 por milhão. Seu limite de US$ 15 é denominado em dólares, então um modelo falador com o mesmo preço por token simplesmente se esgota mais cedo.

O seletor de esforço não é opcional neste modelo.
A documentação do próprio Qwen4 Max define reasoning_effort como high e thinking_budget como 131,072 quando você omite ambos, e mapeia o vocabulário de cinco valores usado pela maioria dos SDKs para três configurações reais: minimal vira low, medium vira high e max vira xhigh. No protocolo Messages, que é a rota exposta pelo OpenCode, o parâmetro é output_config.effort com os mesmos três valores.
Duas consequências decorrem disso. Primeiro, pedir esforço "medium" não resulta em uma configuração intermediária — resulta em "high", o padrão. Se você quer que o modelo pense menos, precisa pedir "low". Segundo, o teto de saída é compartilhado com o raciocínio: 262.144 tokens cobrindo a cadeia de raciocínio mais a resposta no modo de raciocínio, 131.072 tokens de resposta com o raciocínio desligado, contra um teto de entrada de 983.616 tokens quando o raciocínio está ativado. Um agente que fixa max_completion_tokens em 262.144 e escolhe xhigh decidiu gastar sua cota em tokens de raciocínio antes de ter escrito uma linha de código.
A configuração prática para uma sessão interativa de programação em uma assinatura com cobrança por uso é low para edições e pequenas refatorações, high para os turnos em que o modelo precisa manter vários arquivos ao mesmo tempo, e xhigh apenas para as tarefas que você entregaria a uma pessoa em outras circunstâncias. Isso é um julgamento sobre o seu orçamento, não uma alegação de benchmark — ninguém publicou uma curva de custo por nível de esforço para este modelo, e os números de redução de tokens do próprio fornecedor são números do fornecedor.
Experimentando sem mover sua stack
A OrcaRouter não roteia o Qwen4 Max hoje. Isso deve ser dito claramente, em vez de ser insinuado: o catálogo tem 215 modelos, e uma solicitação para um identificador qwen4 retorna não encontrado, então, se o novo carro-chefe é o que você quer em uma chave OrcaRouter, você está esperando. O que o catálogo oferece é qwen/qwen3.8-max a US$ 2,00 de entrada e US$ 6,00 de saída por milhão, com leitura de cache a US$ 0,25 — as mesmas tarifas publicadas tanto pela OpenCode quanto pela API própria do modelo — repassadas com 0% de markup, então um corte de preço do fornecedor chega ao nosso lado no mesmo dia em que chega ao deles.
O que torna o teste sensato barato, e não gratuito. Se você está comparando o Qwen4 Max com o que já executa, a primeira pergunta a responder não é “43 é uma boa pontuação?”, mas “meu harness mantém um prefixo de 66.000 tokens aquecido?” — e você pode responder isso em relação ao Qwen3.8-Max na mesma conta hoje, a tarifas que você já conhece, antes de gastar com uma assinatura para obter a resposta. Combine isso com failover automático e um modelo não comprovado se torna uma decisão de roteamento, e não uma migração: envie o trabalho para o novo modelo, mantenha o antigo como fallback e deixe a taxa de erro decidir.
Quem deve se mover agora, e quem deve esperar
Se você já paga pelo OpenCode Go, a mudança não custa nada para experimentar, e a cota é o motivo para testá-la de forma deliberada em vez de casual. O Qwen4 Max mais que dobra a quantidade de requisições que seus US$ 15 compram em comparação com o Qwen3.8-Max no mesmo plano, mas faz isso por meio de uma suposição de cache que seu harness precisa justificar, em um modelo que é mensuravelmente lento até o primeiro token e mensuravelmente verboso no esforço padrão. Comece com esforço baixo, observe o campo opencode.allowance nas primeiras vinte respostas e compare a taxa de consumo com o que essas sessões teriam custado no modelo que você já estava usando. Se a taxa de consumo surpreender você, a causa quase certamente está no seu prefixo, não na tabela de preços.
Se você não está no Go, esta listagem não muda nada nas suas opções — o Qwen4 Max está disponível pela API de primeira parte em seis regiões, a $1.50 e $4.50 em Singapura e a $1.413 e $4.24 nas regiões Globais, e uma assinatura que o revende pelo preço de tabela é uma conveniência, não um desconto. E se o seu trabalho é sensível à latência e interativo, a leitura honesta dos números independentes é que este é um modelo para enfileirar trabalho, não um para ficar sentado assistindo.
O próximo ponto a observar não é outro benchmark. É se a cota de US$ 15 do OpenCode para o Qwen4 Max sobrevive ao contato com o uso real: a documentação diz que os limites "podem mudar à medida que aprendemos com o uso e o feedback iniciais", que é a frase que as plataformas escrevem antes de mudar um número. Um modelo tão novo, com medição tão rigorosa, com uma cota tão pequena, é a linha dessa página com maior probabilidade de ser revisada primeiro.
Comparados neste artigo1
Detectado a partir deste artigo · Benchmarks: Artificial Analysis · atualizado diariamente
