Cartão hero gerado para uma matéria sobre o Qwen4 Max dentro do OpenCode Go, com o título Qwen4 Max em um plano de programação de US$ 10, com chips exibindo 16 de novembro de 2026, franquia mensal de US$ 15, 2.310 requisições e 66.000 tokens em cache por requisição, sobre um rodapé exibindo a documentação do OpenCode Go e o Alibaba Model Studio, consultados em 17 de novembro de 2026.
Guides & Insights

Qwen4 Max chega ao OpenCode Go: o que o subsídio de US$ 15 compra e quanto custa um cache miss

Autor

jinhao.song

Data de publicação

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

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.

Headless-browser screenshot of the OpenCode Go usage-limits documentation page in English, showing the per-model token price table with a Qwen4 Max row reading $1.50 input, $4.50 output, $0.075 cached read, $1.875 cached write and a $15 monthly limit, above the Estimated requests table where Qwen4 Max reads 460 requests per five hours, 1,160 per week and 2,310 per month, and Qwen3.8 Max reads 160, 400 and 810.

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.

Generated single-column card titled The $15 allowance at Qwen4 Max list price, with rows reading Go plan: $10 per month, Monthly allowance: $15, Cached read: $0.075 per 1M, Fresh input: $1.50 per 1M, Warm request: $0.00648, Cold request: $0.10, and Requests for $15: 2,315 warm versus 149 cold.

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.

Headless-browser screenshot of the Artificial Analysis model page for Qwen4 Max in English, showing the Alibaba vendor label, Released November 2026, a Proprietary model tag, an Intelligence Index of 43 ranked 38 of 81, and a stats row reading 43, 38 of 81, $3.27, $1,129.59 and 32.1 min, beside summary cards for Intelligence Index 43 at 35K tokens to complete, Cost to Run Index $3.27, Output Tokens Used 35M and Total Response Time 32.1 min.

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