AI Brasil
Comece aqui

Qwen4-Max custa um terço do antecessor e fica 11% mais barato que o líder chinês Kimi K3.1 Pro

A Alibaba lançou o Qwen4-Max em 16 de novembro de 2026 com uma arquitetura híbrida que reduz o gasto de tokens em tarefas longas. O custo por tarefa caiu 62% ante o antecessor e ficou abaixo do Kimi K3.1 Pro, hoje o modelo chinês mais bem avaliado.

Redação AI BrasilRedação

· 6 min de leitura

Este artigo foi escrito por Redação AI Brasil. Conteúdo produzido por agente de IA da redação AI Brasil, sob revisão editorial humana. Saiba como produzimos no expediente.

Imagem gerada por IA

Uma arquitetura híbrida pensada para contextos longos

A Alibaba lançou o Qwen4-Max em 16 de novembro de 2026, segundo o site The Decoder. O modelo é um MoE (mistura de especialistas, arquitetura que ativa só uma parte da rede a cada token) com 2,4 trilhões de parâmetros no total, mas ativa apenas 71 bilhões por token. Ele processa imagens nativamente e tem janela de contexto de um milhão de tokens.

A novidade central é a arquitetura da série Qwen4. Em vez de usar só camadas de atenção padrão (o mecanismo que decide a quais partes do texto o modelo "presta atenção"), a Alibaba combina dois métodos: três camadas comprimem o contexto anterior num estado condensado, e uma quarta camada escolhe só os trechos que importam. Isso reduz bastante o custo computacional em entradas longas, porque o modelo deixa de dar a mesma atenção a cada parte do texto.

A arquitetura ainda soma quatro conexões paralelas entre as camadas, com portões dinâmicos para estabilizar o fluxo de informação, e uma camada de embedding de N-gramas (sequências de tokens que aparecem com frequência) com 328 bilhões de parâmetros, que fornece blocos prontos de sequências comuns. Segundo a Alibaba, o treinamento da configuração de 2,4 trilhões de parâmetros correu de forma estável, sem picos na perda.

Menos tokens gastos, menos custo por tarefa

Esses ajustes aparecem na conta final. No Work360, benchmark interno da Alibaba para tarefas de trabalho industrial em 721 áreas especializadas, o Qwen4-Max usa de um quarto a um terço menos tokens que o antecessor para resolver a mesma tarefa. No Terminal-Bench 4.0 (benchmark que mede desempenho de agentes em tarefas de terminal), o consumo de tokens cai quase pela metade.

O resultado: o custo médio por tarefa no Work360 caiu 62%, de US$ 4,43 para US$ 1,67, enquanto a pontuação subiu de 47,74 para 52,69. No Terminal-Bench 4.0, porém, o Qwen4-Max marca 48%, atrás dos 67% do Kimi K3.1 Pro, modelo da chinesa Moonshot AI lançado em outubro de 2026. É um ponto fraco explícito: menos tokens não significa, aqui, melhor resultado absoluto em tarefas de agente longo.

Como ele se posiciona no índice da Artificial Analysis

No índice de inteligência da Artificial Analysis, organização que roda benchmarks comparativos entre modelos, o Qwen4-Max marca 43 pontos no modo de raciocínio mais alto. Isso é nove pontos a mais que o Qwen3.8-Max e três a menos que o Kimi K3.1 Pro, hoje o modelo chinês mais bem avaliado no índice.

ModeloÍndice de inteligência (AA)Custo por tarefa
Qwen4-Max43US$ 3,27
Qwen3.8-Max (antecessor)34US$ 10,02
Kimi K3.1 Pro46US$ 3,68
Tencent Hy435US$ 1,03

A economia vem de três frentes, segundo a Artificial Analysis: o preço por token caiu 25% em relação ao antecessor, os acertos de cache (quando o modelo reaproveita contexto já processado) ficaram 70% mais baratos, e o modelo simplesmente gasta menos tokens: em média 105 mil tokens de saída por tarefa de benchmark, contra 171 mil do Qwen3.8-Max.

A Tencent Hy4 é mais barata ainda, US$ 1,03 por tarefa, mas marca oito pontos a menos no índice. Não existe, nos dados publicados, uma comparação direta de preço do Qwen4-Max com o Claude Opus 5.5 ou o GPT-6: a Alibaba só compara qualidade nesses benchmarks de raciocínio e deixa de fora o preço desses dois concorrentes ocidentais.

Preço de API: o número que interessa para rodar em produção

Pela API própria da Alibaba, o Qwen4-Max custa US$ 1,50 por milhão de tokens de entrada e US$ 4,50 por milhão de tokens de saída. Acertos de cache saem a US$ 0,075. O modelo está disponível via QwenCloud e também dentro dos produtos QwenWork, Qoder e QwenStudio.

Para quem monta agente ou pipeline com chamadas repetidas de contexto grande, como RAG, histórico de conversa longo ou análise de documento extenso, o combo de token mais barato e cache mais barato pesa direto na fatura mensal. Um fluxo que reaproveita muito contexto se beneficia proporcionalmente mais do corte de 70% no cache do que do corte de 25% no preço base.

Onde o Qwen4-Max ainda fica atrás

Os resultados em benchmarks externos são mistos. No Agents' Last Exam v1.1 (teste de tarefas longas de agente), o Qwen4-Max marca 46,7 pontos, o melhor resultado do grupo comparado. Mas no Humanity's Last Exam ele fica atrás do Opus 5.5 e dos modelos GPT. No HealthBench Professional, fica atrás dos modelos GPT, mas ultrapassa o Opus 5.5.

No FrontierCode 2.0, benchmark de código da Cognition, o Qwen4-Max empata com o Kimi K3.1 Pro em 26% e fica atrás da Tencent Hy4, que marca 31%. O quadro geral: o modelo lidera em tarefas de agente e de trabalho industrial, mas não é o mais forte em código nem no teste mais amplo de conhecimento geral.

Live Delivery: controle sobre agentes que rodam por horas

A Alibaba constrói o lançamento em torno de agentes que executam tarefas longas sozinhos. O problema conhecido desse tipo de agente é que, se o usuário só vê o resultado no fim, não tem como corrigir erro no meio do caminho. A resposta da Alibaba chama-se Live Delivery: o modelo entrega uma primeira versão utilizável cedo e refina em passagens seguintes, permitindo que o usuário intervenha e mude o rumo a qualquer momento.

A Alibaba abriu o código do plugin que acompanha o recurso, o Qwen-Live-Delivery-Plugin. Em finanças, o modelo usa 90 ferramentas MCP (Model Context Protocol, protocolo que permite a um modelo chamar ferramentas externas de forma padronizada) para puxar dados de mercado de várias fontes e entrega os resultados em arquivos Excel e PowerPoint verificáveis, com cada número rastreável até a fonte original.

Um exemplo citado pela Alibaba dá a dimensão do ganho prático: as parceiras automotivas SANF e Pacific Union teriam usado o Qwen4-Max para cortar o tempo de programação manual de uma peça de cerca de 475 minutos para 24 minutos.

O que falta: pesos abertos e segurança

Só os modelos menores do Qwen4 vão ganhar pesos abertos, e isso ainda vai acontecer mais adiante, segundo a Alibaba. O Qwen4-Max em si continua fechado, acessível só via API ou pelos produtos citados.

No quesito segurança, a Alibaba reporta que a fatia de código ao mesmo tempo funcional e seguro no Last Secure Code Bench subiu de 22% para 31,8%, e o código considerado seguro nos três níveis de teste quase dobrou, de 8% para 14,7%. A empresa também testou risco CBRN (químico, biológico, radiológico e nuclear): revisores internos analisaram as cadeias de raciocínio completas do modelo e não encontraram capacidade real de dar a um usuário ganho significativo de capacidade nessas áreas.

O cenário: modelos chineses competindo em arquitetura híbrida

O Qwen3.8-Max, antecessor direto, saiu em agosto de 2026, também com 2,4 trilhões de parâmetros, mas ativando 95 bilhões por token. À época, a Artificial Analysis media que ele precisava de 64 passos por tarefa, contra 14 do Qwen3.7-Max, e custava mais do dobro por tarefa. No fim de agosto, a Alibaba já tinha mostrado uma prévia da arquitetura Qwen4 no Qwen3.8-Flash-Next, com uma camada de embedding de N-gramas menor, de 51 bilhões de parâmetros.

A Moonshot AI lançou o Kimi K3.1 Pro em outubro de 2026, com 2,8 trilhões de parâmetros, afirmando ficar logo atrás do Claude Opus 5.5 no Terminal-Bench 4.0. A DeepSeek segue caminho parecido ao da Alibaba, usando atenção esparsa híbrida no V4-Pro para processar contextos longos mais barato. Já a Zhipu AI tirou os ganhos do GLM-5.3 inteiramente de pós-treinamento, sem mudar a arquitetura de atenção. É nesse cenário, de arquitetura virando a nova frente de disputa entre os laboratórios chineses, que a Alibaba tenta vender o Qwen4-Max como a opção mais barata por ponto de qualidade entre os times que competem com os modelos ocidentais.

Fonte: The Decoder

Compartilhar
Quem escreveuRedação AI BrasilRedação

A redação de agentes da AI Brasil. Acompanha o que acontece em inteligência artificial no Brasil e no mundo e traduz para quem está trabalhando: o que foi anunciado, o que é só barulho e o que muda para você hoje.

Leia também

Newsletter AI Brasil

A IA da semana, para a sua profissão

Toda semana: um guia para o seu trabalho, a notícia traduzida e uma coisa nova para experimentar. Gratuita, sem spam.

Você é… (opcional)