SubQ Snap 1.1 vs Qwen 3.8: Quarenta Vezes o Preço por Token, um Trabalho Diferente

Qwen3.8-Max custa aproximadamente quarenta vezes o que SubQ Snap 1.1 cobra por token de entrada — cerca de US$ 1,65 por milhão contra US$ 0,04 — e essa proporção é o fato menos interessante do confronto. Os dois modelos são cobrados por coisas diferentes. Qwen3.8-Max, o modelo carro-chefe de 2,4 trilhões de parâmetros da Alibaba lançado em 3 de agosto de 2026, cobra pelo que pensa e pelo que escreve. O Snap 1.1, modelo de decisão da Subquadratic lançado em 22 de outubro de 2026, cobra apenas pelo que lê, porque a resposta é um rótulo, não uma frase. Execute a decisão em um modelo que você controla e a geração naquele que justifica sua conta: Qwen3.8-Max é oferecido ao preço de tabela do provedor, com 0% de acréscimo e failover automático.

Coloque-os no mesmo pipeline e a relação de preços deixa de parecer uma pechincha ou um roubo e passa a parecer uma decisão de design. Um desses modelos deveria estar fazendo todas as chamadas de roteamento no seu sistema. O outro deveria estar fazendo quase nenhuma delas — e os casos em que o Qwen3.8-Max é a resposta certa são justamente os casos que um modelo de decisão não consegue tratar de jeito nenhum.

O que o Qwen3.8-Max realmente é

A Alibaba o apresentou em prévia na WAIC, em Xangai, em 19 de julho de 2026, e o lançou em 3 de agosto. A arquitetura é uma mistura esparsa de especialistas em escala genuinamente de fronteira: 2,4 trilhões de parâmetros totais com cerca de 95 bilhões ativos por token, uma janela de contexto de 1 milhão de tokens e uma saída máxima de 131 mil tokens. É nativamente multimodal, aceita texto, imagens e vídeo e oferece suporte a modo de pensamento, chamada de funções, ferramentas integradas e saídas estruturadas nos formatos de comunicação compatíveis com OpenAI, compatíveis com Anthropic e OpenAI Responses.

A linha de benchmarks é de um modelo de fronteira, não de um modelo pequeno: GPQA Diamond 92,6, HLE 43,6, OSWorld 86,1, DeepSWE 1.1 em 56,6, MRCR v2 em 0,93 e um Índice de Inteligência da Artificial Analysis de 45. São o tipo de número que justifica um preço de tabela de US$ 1,65/US$ 4,95 — cerca de US$ 4.950 para processar um bilhão de tokens de entrada por ele, ou aproximadamente o que o Snap 1.1 cobra por 124 bilhões.

Uma nota sobre nomenclatura, porque isso importa para quem está comprando: Qwen3.8-Max é o modelo principal hospedado. Ele tem pesos abertos lançados como Qwen3.8-2.4T-A95B sob uma licença personalizada, e há um irmão separado e genuinamente aberto — Qwen3.8-27B, Apache 2.0, contexto nativo de 262K, um Intelligence Index de 34, e aproximadamente US$ 0,42 a US$ 0,50 por milhão de tokens de entrada. O 27B é o que a maioria das equipes deveria comparar com modelos pequenos. O Max é o que você aciona quando a tarefa precisa do maior modelo disponível.

O que o Snap 1.1 realmente é

O Snap 1.1 é um modelo de decisão, o que é uma alegação mais restrita do que parece. Ele aceita até 384K tokens de texto e imagens e um conjunto de respostas de duas a 255 alternativas por pergunta, e retorna uma seleção com uma probabilidade calibrada. Sem prosa. Sem JSON para reparar. Sem tokens de raciocínio. O argumento da Subquadratic é que uma decisão com resposta fixa é um trabalho computacional diferente da geração, e sua arquitetura de atenção esparsa processa a entrada com computação constante por token em vez de pagar atenção quadrática ao longo de um documento longo.

O resultado principal é uma pontuação de 65 no Artificial Analysis Decision Index v1.0, empatado em primeiro lugar com d1-ultra e Elephant 9B, e à frente de Jev 1.14, com 57. O número por baixo é o que importa reter: precisão de 20%, contra 32% de d1-ultra e 12% de Elephant 9B, com a pontuação do índice sustentada por uma taxa de abstenção relatada de 86% em perguntas que não consegue responder. Snap 1.1 é um modelo treinado para recusar, e sua classificação é uma medida de quão bem ele recusa.

As especificações, lado a lado

• Escala — Qwen3.8-Max é um MoE de 2,4T de parâmetros com ~95B ativos; o SubQ Snap 1.1 é um modelo de decisão com atenção esparsa de tamanho não divulgado.

• Contexto — 1M de tokens para Qwen3.8-Max, saída máxima de 131K; 384K tokens para Snap 1.1, sem saída gerada.

• Entrada — texto, imagens e vídeo para Qwen3.8-Max; texto e imagens para Snap 1.1.

• Saída — texto livre, rastros de raciocínio, chamadas de ferramentas e saída estruturada para o Qwen3.8-Max; uma escolha ou pontuação com uma probabilidade para o Snap 1.1.

• Preço — aproximadamente $1.65 a $2.00 por 1 milhão de tokens de entrada e $4.95 a $6.00 por 1 milhão de tokens de saída para o Qwen3.8-Max, dependendo do provedor, com a OrcaRouter listando $2.00 e $6.00; $0.04 por 1 milhão de tokens de entrada e nada pela saída para o Snap 1.1.

• Inteligência geral — Índice de Inteligência da Artificial Analysis de 45 para o Qwen3.8-Max; não medido nesse índice para o Snap 1.1.

• Qualidade das decisões — 65 no Artificial Analysis Decision Index v1.0 para o Snap 1.1; não medido nesse índice para o Qwen3.8-Max.

• Implantação — API hospedada e pesos abertos sob uma licença personalizada para o Qwen3.8-Max; apenas API hospedada, sem pesos, para o Snap 1.1.

Essas duas últimas linhas são o motivo pelo qual essa comparação continua sendo feita de forma equivocada. Cada modelo é medido em um índice no qual o outro nunca foi executado, portanto, qualquer afirmação de que um "supera" o outro é uma inferência, não um resultado. Ninguém publicou uma comparação direta.

O antipadrão: usar um carro-chefe como roteador

É comum, e é caro de uma forma que só se manifesta quando a fatura chega. Uma equipa cria um agente, precisa que ele decida entre cinco ferramentas e recorre ao modelo mais forte disponível porque a decisão é importante. A decisão é de facto importante. Simplesmente está a pedir-se ao modelo que faça algo para o qual não foi concebido, a um preço pensado para outra coisa.

Faça as contas para um milhão de decisões de roteamento com 6.000 tokens de contexto cada — seis bilhões de tokens de entrada. Qwen3.8-Max à tarifa mais barata listada de US$ 1,65: US$ 9.900 pela entrada, mais talvez vinte tokens de saída por decisão, ou 20 milhões de tokens de saída a US$ 4,95 por milhão, por mais US$ 99. Digamos US$ 10.000. Nas tarifas de US$ 2,00 e US$ 6,00 da OrcaRouter, o mesmo volume chega a US$ 12.120. Snap 1.1 sobre o mesmo volume: US$ 240, e nenhuma linha de saída. A diferença não é um desconto. É um fator de quarenta a cinquenta.

A latência conta a mesma história pelo outro lado. Um modelo de 2,4 trilhões de parâmetros, mesmo gerando uma resposta curta, incorre em um atraso no primeiro token e em um custo de decodificação que um modelo de decisão simplesmente não tem — a proposta da Snap é uma camada de decisão abaixo de um segundo, e a Subquadratic não publica nenhum dado de latência para o 1.1 além desse. Em um loop de agente que toma vinte decisões por tarefa, essa diferença se acumula em segundos por tarefa, o que é a diferença entre um agente que parece instantâneo e um que parece quebrado.

O que o Qwen3.8-Max faz que o Snap não consegue

Tudo o que envolve produzir algo. Ele escreve a nota de escalonamento, redige a resposta ao cliente, resume o contrato de 900 páginas, gera o código, chama uma ferramenta com um esquema de argumentos válido e raciocina sobre um problema cuja resposta não está em uma lista fornecida previamente por você. O Snap 1.1 não consegue fazer nenhuma dessas coisas, não porque seja pior, mas porque não tem mecanismo para elas.

A janela de 1M tokens também é uma capacidade real, e não uma pose de ficha técnica. A Alibaba reporta MRCR v2 em 0,93, que é uma pontuação de recuperação, e não um comprimento nominal de contexto, e é o número que determina se uma janela de um milhão de tokens é utilizável. Uma janela de 384K com recuperação efetiva forte pode superar uma janela de 1M com recuperação fraca, mas a pontuação de recuperação do Qwen sugere que ele não está se apoiando no número nominal.

E os pesos abertos importam por uma razão diferente: o Qwen3.8-2.4T-A95B pode ser auto-hospedado sob uma licença personalizada, o que significa que o maior modelo da família não é puramente uma dependência de API. O Snap 1.1 não tem essa opção.

Onde eles se encaixam

A arquitetura defensável não é uma escolha entre eles, é uma divisão de trabalho. O Snap 1.1 trata das decisões de alto volume e de resposta fixa, em que uma probabilidade calibrada e uma opção de recusa valem mais do que fluência: qual fila, qual ferramenta, se deve escalar, se este documento é minimamente relevante. O Qwen3.8-Max trata da pequena fração de casos em que a decisão exige raciocínio sobre material que não está na lista de opções e trata de tudo o que está a jusante da decisão e exige escrita.

A proporção é todo o argumento econômico. Se o Snap se abstiver em 14% dos casos e esses forem encaminhados ao modelo principal, você paga preços de modelo principal em 14% do tráfego em vez de 100%, e obtém um sinal calibrado que lhe diz quais 14% — o que é um mecanismo de alocação melhor do que um limiar fixo no softmax de um modelo geral.

O Qwen3.8-Max é um dos mais de 200 modelos por trás de uma única chave OrcaRouter, servidos pelo preço de tabela do provedor, com 0% de margem e failover automático entre provedores. O Snap 1.1 não é nosso; ele roda pela API própria da Subquadratic. Vale a pena conhecer essa divisão antes de projetar o pipeline, porque isso significa que a camada de geração pode ser consolidada em um único contrato e uma única linha de cobrança, enquanto a camada de decisão permanece uma dependência separada de fornecedor único. Se essa segunda dependência for inaceitável, a alternativa é executar a decisão em uma instância Qwen3.8-27B que você mesmo hospeda — pior em se abster, muito melhor em se explicar e inteiramente sob seu controle.

O padrão honesto

Se você está escolhendo um modelo para tomar decisões por um agente, e as decisões têm um conjunto fixo de respostas, escolha o modelo de decisão. A proporção de preço de quarenta para um é real, mas é a metade menor do argumento; a metade maior é que um modelo treinado para dizer "não sei" oferece algo que um modelo de ponta não consegue, que é um lugar para colocar o humano no loop.

Se você está escolhendo um único modelo para fazer tudo — decidir, raciocinar, escrever, chamar ferramentas, ler um milhão de tokens — escolha o Qwen3.8-Max e aceite que está pagando tarifas de modelo de ponta por chamadas de roteamento que um modelo de US$ 0,04 teria tratado melhor. A maioria das equipes descobre que está fazendo exatamente isso cerca de três meses após o lançamento, quando a fatura chega e ninguém consegue explicar por que o roteador custa mais do que o produto.