Um modelo topo de linha mais barato, feito para tarefas mais longas
A Alibaba disponibilizou amplamente o Qwen4-Max pelo QwenCloud, combinando uma janela de contexto de um milhão de tokens com preços mais baixos e uma redução declarada de cerca de 58% no custo médio de conclusão de tarefas em seu benchmark Work360. O lançamento vem após uma prévia limitada, aberta em 11 de novembro de 2026.
Conteúdo
- Um modelo topo de linha mais barato, feito para tarefas mais longas
- Da prévia por assinatura ao acesso ampliado
- O que cabe em uma janela de um milhão de tokens?
- Como funciona a redução de preço
- Documentos recorrentes podem custar menos para processar
- Um modelo grande que ativa uma parcela menor
- Benchmarks mostram avanços e desempenho desigual na concorrência
- O que os desenvolvedores podem integrar hoje
- Agentes ganham uma etapa de revisão
- Principais pontos
O modelo topo de linha usa uma arquitetura de mistura de especialistas, com uma estrutura principal de 2,4 trilhões de parâmetros. Ele aceita texto, imagens e vídeos e produz texto. A Alibaba o posiciona para programação, trabalho de escritório, design de interfaces e agentes, isto é, softwares capazes de usar ferramentas e executar uma sequência de etapas para alcançar um objetivo.
A documentação do Model Studio da Alibaba, atualizada em 16 de novembro, lista preços internacionais de US$ 1,50 por milhão de tokens de entrada e US$ 4,50 por milhão de tokens de saída. Tokens são pequenas unidades de informação processadas por um modelo. Em textos, um token pode corresponder a uma palavra, parte de uma palavra ou sinal de pontuação.
A Alibaba afirma que o Qwen4-Max também precisa de menos tokens que o Qwen3.8-Max para realizar tarefas comparáveis. A redução de preços e de uso combinadas baixou o custo médio por tarefa no Work360 de RMB 26,58 para RMB 11,16, uma economia de RMB 15,42. Outro cálculo publicado em dólares indica uma queda de US$ 4,43 para US$ 1,67, ou cerca de 62%; os valores em renminbi resultam na redução de aproximadamente 58% mencionada no anúncio.
Para desenvolvedores, o atrativo prático está na combinação: mais espaço para documentos e histórico de conversas, acesso a materiais visuais e uma cobrança menor por unidade de processamento. A economia em uma aplicação real dependerá das solicitações, das configurações de raciocínio e das respostas geradas.
Da prévia por assinatura ao acesso ampliado
O Qwen4-Max apareceu primeiro no plano de assinatura Token Plan da Alibaba. O acesso antecipado também chegou ao aplicativo Qwen, ao Qoder, ao QwenWork e ao QwenStudio. A disponibilidade geral amplia o acesso pelo QwenCloud, enquanto o modelo continua disponível nos aplicativos de trabalho e desenvolvimento da Alibaba.
A sequência divulgada é curta:
- 11 de novembro de 2026: a Alibaba abriu a prévia limitada, com acesso para desenvolvedores pelo Token Plan e uso antecipado em seus aplicativos.
- 16 de novembro de 2026: a Alibaba atualizou a documentação do Model Studio com recursos, preços, limites de contexto e detalhes da API.
- Disponibilidade geral: a Alibaba abriu o acesso pelo QwenCloud após a prévia; a data exata do lançamento não foi informada.
Os desenvolvedores chamam o modelo usando o identificador qwen4-max. O Model Studio também lista uma cota gratuita de um milhão de tokens, válida por 90 dias a partir da ativação, do lançamento do modelo ou da aprovação da aplicação, o que ocorrer por último.
O que cabe em uma janela de um milhão de tokens?
A janela de contexto do Qwen4-Max é o espaço disponível para as informações usadas em uma solicitação. Uma janela maior permite que uma aplicação inclua mais documentos, código ou histórico de conversas em uma mesma tarefa, em vez de dividir tudo em solicitações menores.
A Alibaba especifica limites máximos de entrada de 991.808 tokens no modo sem raciocínio e 983.616 tokens no modo de raciocínio. Os dois modos oferecem maneiras diferentes de lidar com uma tarefa: no modo de raciocínio, o modelo recebe um orçamento para raciocinar antes de entregar a resposta.
A documentação lista um máximo de saída de 131.072 tokens no modo sem raciocínio e um limite combinado de 262.144 tokens para o raciocínio e a resposta final. Um anúncio de lançamento publicado informa um máximo de saída maior, de cerca de 393 mil tokens; a documentação atual do serviço da Alibaba apresenta os limites operacionais que os desenvolvedores podem configurar.
As entradas de texto, imagem e vídeo ampliam os tipos de material que uma aplicação pode enviar. Uma solicitação de trabalho poderia, por exemplo, incluir instruções escritas junto com capturas de tela ou vídeos. O formato de saída documentado é texto, incluindo código e dados estruturados.
Como funciona a redução de preço
Os preços internacionais da API caem das tarifas informadas do Qwen3.8-Max, de US$ 2 por milhão de tokens de entrada e US$ 6 por milhão de tokens de saída, para US$ 1,50 e US$ 4,50, respectivamente. As duas reduções são de 25%. A documentação da Alibaba também lista preços separados para implantação global: US$ 1,413 para entrada e US$ 4,24 para saída por milhão de tokens.
Uma solicitação com 100 mil tokens de entrada e 10 mil tokens de saída custaria US$ 0,195 às tarifas internacionais, antes de eventuais descontos por cache ou outras cobranças aplicáveis. As mesmas quantidades, às tarifas anteriores de US$ 2 e US$ 6, custariam US$ 0,26. Esse cálculo mantém o uso constante para mostrar apenas o efeito da mudança de preço.
A economia maior por tarefa alegada pela Alibaba também depende do uso de menos tokens. No Work360, o consumo informado de tokens caiu cerca de 24% no nível de raciocínio Xhigh e 35% no High. No Terminal-Bench 4.0, as reduções informadas foram de cerca de 48% e 49%, respectivamente.
O raciocínio também entra na conta: a tabela de preços informa que as cobranças de saída incluem tanto a cadeia de pensamento quanto a resposta. Assim, uma aplicação que solicita raciocínio extenso pode gastar mais do que outra que pede uma resposta curta, mesmo quando o usuário vê uma resposta final de tamanho semelhante.
Documentos recorrentes podem custar menos para processar
O Qwen4-Max oferece cache explícito e implícito. Um cache permite que um serviço reutilize informações de entrada já processadas, como instruções padrão, descrições de ferramentas ou documentos de referência, em vez de cobrar a tarifa normal de entrada pelo mesmo material a cada uso.
A documentação da Alibaba afirma que o cache explícito funciona com as interfaces OpenAI Chat Completions, OpenAI Responses e Anthropic Messages. Ela lista tempos de validade do cache de cinco minutos e uma hora. O preço informado para leitura do cache implícito é de US$ 0,075 por milhão de tokens, ante US$ 0,25, uma redução de 70%.
O uso repetido é relevante para agentes, que podem consultar as mesmas instruções e documentos em várias etapas. Um preço menor por token, menos tokens gerados e a reutilização de informações de entrada comuns podem contribuir para o custo de concluir uma tarefa. O impacto de cada fator varia conforme a frequência com que uma aplicação repete informações e o volume de trabalho executado pelo modelo.
Um modelo grande que ativa uma parcela menor
Os 2,4 trilhões de parâmetros informados para a estrutura principal do Qwen4-Max correspondem às configurações numéricas aprendidas durante o treinamento. Seu design de mistura de especialistas distribui parte dessa capacidade entre componentes especializados e seleciona um subconjunto deles ao processar cada token.
Os detalhes da arquitetura indicam 71 bilhões de parâmetros ativos por token, cerca de 3% dos 2,4 trilhões da estrutura principal. Também descrevem outros 328 bilhões de parâmetros usados para incorporações N-gram, que armazenam representações de padrões curtos e locais de tokens.
O design da Alibaba combina a Qwen Sparse Attention com camadas Gated DeltaNet. Em termos simples, algumas camadas comprimem informações anteriores em um estado compacto, enquanto um mecanismo de indexação seleciona trechos relevantes do contexto mais longo. A proposta é reduzir o processamento necessário para sequências longas.
As Gated Residuals oferecem quatro caminhos paralelos para as informações, com portas que controlam a leitura e a escrita. A Alibaba relata um treinamento estável, sem picos de perda, e afirma que seu modelo-base obteve entre 5% e 13% menos bits por byte que o Qwen3.8-Max-Base, ativando 25% menos parâmetros. Bits por byte mede a eficiência das previsões durante a avaliação; um valor menor significa que o modelo prevê o texto de teste com mais eficiência.
Benchmarks mostram avanços e desempenho desigual na concorrência
O gráfico comparativo da Alibaba coloca o Qwen4-Max em primeiro lugar em quatro de 16 benchmarks. Sua maior vantagem listada aparece no HLAB-Vals-1.1, uma avaliação de agentes jurídicos, em que marca 21,3, contra 11,7 do Kimi K3.1 e 9,2 do Claude Opus 5.5.
O modelo também lidera o gráfico no Agents' Last Exam v1.1, com 46,7; no BioMysteryBench, com 85,0; e no DeepSWE v1.1, com 75,7. As vantagens nos dois últimos são estreitas: o GPT-6.1 Sol marca 84,4 no BioMysteryBench, enquanto o Kimi K3.1 obtém 75,5 no DeepSWE.
O resultado da Alibaba no Work360 sobe de 47,74 no Qwen3.8-Max para 52,69 no Qwen4-Max, um aumento de 4,95 pontos. O Work360 abrange 26 domínios de alto nível e 721 áreas especializadas, relacionando as alegações da empresa sobre desempenho e custo a um amplo conjunto de tarefas de trabalho.
Outros resultados mostram desvantagens maiores em relação à concorrência. O Qwen4-Max marca 31,5 no ProgramBench, contra 65,0 do Claude Opus 5.5, e 54,2 no Chartography, contra 71,1 do GPT-6 Astra. O Claude Opus 5.5 lidera sete das 16 avaliações do gráfico. As comparações do lançamento combinam resultados da Alibaba com algumas pontuações obtidas em rankings externos, sem reprodução independente no momento do lançamento.
O que os desenvolvedores podem integrar hoje
A Alibaba oferece suporte às APIs OpenAI Chat Completions, OpenAI Responses, Anthropic Messages e DashScope. A compatibilidade com essas interfaces dá aos desenvolvedores maneiras conhecidas de enviar solicitações e receber resultados, embora as aplicações ainda precisem de configuração e testes para o novo modelo.
Os recursos documentados incluem respostas em streaming, busca na web, chamadas paralelas de ferramentas e saída estruturada com objetos JSON ou JSON Schema. O streaming entrega a resposta à medida que ela é gerada. As chamadas paralelas de ferramentas permitem que o modelo solicite várias operações de uma só vez, enquanto a saída estruturada ajuda o software a receber informações em um formato previsível.
O modo de raciocínio vem ativado por padrão, com o esforço de raciocínio configurado como High e um orçamento de 131.072 tokens. Os níveis de esforço disponíveis são Low, High e Xhigh. Os desenvolvedores podem ajustar esses controles para atender a tarefas com diferentes exigências de velocidade, custo e raciocínio.
A tabela oficial de recursos da Alibaba indica que inferência em lote, ajuste fino e implantação do modelo não são compatíveis. Essas especificações do serviço são mais restritas do que as de uma descrição publicada do lançamento, que lista processamento em lote e ajuste fino entre os recursos disponíveis. Os limites globais incluem 30 mil chamadas e cinco milhões de tokens de entrada e saída por minuto; qualquer um dos limites pode restringir o tráfego.
Agentes ganham uma etapa de revisão
A Alibaba também lançou um plug-in que permite aos agentes entregar uma versão inicial do trabalho e revisá-la em resposta às observações do usuário. Isso introduz uma etapa de revisão em um fluxo de trabalho que, de outro modo, poderia tentar concluir uma tarefa em uma única execução.
O usuário pode avaliar o resultado inicial antes de pedir uma alteração ao agente. Em tarefas de escritório, programação e design, isso oferece um momento concreto para corrigir o rumo, em vez de esperar o fim de uma sequência mais longa de ações.
O próprio Qwen4-Max é proprietário e está disponível por meio de serviços hospedados, sem pesos do modelo para download e execução no hardware do cliente. A Alibaba planeja lançar modelos menores da linha Qwen4 como código aberto. Por enquanto, o acesso ao modelo topo de linha é feito pelos produtos de nuvem e aplicativos da empresa.
Principais pontos
- O Qwen4-Max está disponível amplamente pelo QwenCloud após uma prévia iniciada em 11 de novembro de 2026.
- O modelo aceita texto, imagens e vídeos e oferece uma janela de contexto de um milhão de tokens.
- Os preços internacionais da API são de US$ 1,50 por milhão de tokens de entrada e US$ 4,50 por milhão de tokens de saída, 25% abaixo das tarifas informadas para o modelo anterior.
- A Alibaba afirma que o custo médio por tarefa no Work360 caiu de RMB 26,58 para RMB 11,16, uma redução de cerca de 58%.
- A documentação oficial lista uma saída máxima de 131.072 tokens sem raciocínio e um limite combinado de 262.144 tokens para raciocínio e resposta.
- O gráfico da Alibaba coloca o modelo em primeiro lugar em quatro de 16 benchmarks, com resultados mais fracos em algumas tarefas de programação e visuais.
- O modelo topo de linha continua sendo proprietário e hospedado; a Alibaba planeja lançar modelos menores do Qwen4 como código aberto.






