En vivo 18.11 · Cohorte 318 nov, 19:00 MSK — taller práctico gratuito de agentes IA · Cohorte 3 en vivo inicia 23.11Taller 18 nov →Cohorte 3 (23.11)

Alibaba abarata Qwen4-Max un 67% por tarea, pero GPT-6.1 Sol sale más barato: $3,27 frente a $1,27

Alibaba ha abierto el acceso a Qwen4-Max y promete que es «tres veces más barato», pero el precio por millón de tokens no es el precio de una tarea resuelta. Según Artificial Analysis, una tarea del índice cuesta $3,27, frente a $10,02 con la versión anterior (−67%). Sin embargo, el 75% de ese ahorro viene de la rebaja de la tarifa, no de un menor consumo de tokens. El modelo razona demasiado, y por eso GPT-6.1 Sol, con un token más caro, resuelve la misma tarea por solo $1,27. Qwen4-Max conviene por su contexto de 1M, no por un código barato.

Procesado por IA desde TG: @ai_product (AI Product / Igor Akimov); editado por Hamidun News
Alibaba abarata Qwen4-Max un 67% por tarea, pero GPT-6.1 Sol sale más barato: $3,27 frente a $1,27
Fuente: TG: @ai_product (AI Product / Igor Akimov). Collage: Hamidun News.
Escuchar artículo
Ficha técnica y cifras clave
ParámetroDatos
Fuente originalTG: @ai_product (AI Product / Igor Akimov) ↗
Editor jefe
Índice de Artificial Analysis43 puntos frente a 34 de Qwen3.8-Max
Tarifa$1,50 / $4,50 por 1M de tokens, caché a $0,075
Terminal-Bench 4.048,5 frente a 67,2 de Kimi K3.1

Alibaba ha abierto el acceso general a Qwen4-Max y lo presenta como un «24/7 AI teammate» tres veces más barato que la generación anterior. El problema es que ese «más barato» se refiere al precio por token, mientras que usted paga por la tarea resuelta. Imagine que encarga al modelo corregir un bug en un repositorio: si «piensa» el doble que su competidor, una tarifa baja por token no salvará la factura.

Eso es justo lo que ha ocurrido. Según las mediciones de Artificial Analysis (un laboratorio independiente que compara modelos), ejecutar una tarea de su índice cuesta $3,27, frente a $10,02 con Qwen3.8-Max, es decir, un 67% menos.

Pero con GPT-6.1 Sol la misma tarea sale por solo $1,27. La conclusión práctica para el desarrollador es clara: no compare modelos por la tarifa, sino por el coste de la tarea resuelta con sus propios datos.

Qué incluye y cuánto cuesta

Qwen4-Max es un modelo gigantesco de 2,4 billones de parámetros (2,4 трлн в la fuente), de los que 71 mil millones están activos en cada respuesta. Es un modelo de escala de centro de datos. No habrá pesos abiertos: Alibaba solo los publicará para los modelos menores de la gama. El contexto es de 1M de tokens; acepta texto, imágenes y vídeo como entrada, y solo genera texto.

Precio: $1,50 por millón de tokens de entrada, $4,50 por millón de tokens de salida y $0,075 por la entrada en caché. Es un 25% menos que Qwen3.8-Max y bastante por debajo de los líderes del mercado.

Lo que muestra Alibaba y lo que muestran las mediciones independientes

La compañía elaboró ella misma el gráfico del fabricante, así que conviene leerlo con cautela:

  • DeepSWE v1.1 (tareas de desarrollo): 75,7 frente a 74,2 de Opus 5.5 y 75,5 de Kimi K3.1. Cinco modelos caben en un margen de punto y medio: eso es ruido, no liderazgo.
  • HLAB-Vals (tareas jurídicas): 21,3 frente a 9,2 de Opus 5.5. Aquí Qwen4-Max sí se adelanta de verdad.
  • Terminal-Bench 4.0 (trabajo de un agente en la terminal): 48,5 frente a 67,2 de Kimi K3.1 y 59,6 de Opus 5.5. Flojo.
  • ProgramBench: 31,5 frente a 65,0 de Opus 5.5. Otro mal resultado.
  • Chartography (lectura de gráficos) y Video-Index (vídeo): queda entre 6 y 17 puntos por detrás de los modelos estadounidenses.

El panorama independiente es más modesto. En el Artificial Analysis Intelligence Index, el modelo obtiene 43 puntos frente a 34 de Qwen3.8-Max. Por delante están Fable 5.2 (65), Gemini 4 Carbon (60), Opus 5.5 (59), GPT-6 Astra (57), GPT-6.1 Sol (55) e incluso la más antigua Kimi K3.1 Pro (46). En el Vals Index, Qwen4-Max logra un 63,20%: el puesto 11 de 38 y el mejor resultado entre los modelos chinos. En Code Arena WebDev ocupa el sexto lugar con 1750 Elo, aunque la clasificación todavía es provisional.

Por qué el «tres veces más barato» requiere matices

Del 67% de ahorro por tarea, el 75% se debe a la rebaja de la tarifa y solo el 25% a una reducción real del consumo de tokens. El modelo sigue siendo parlanchín: una sola ejecución del índice consume 127 millones de tokens de salida, frente a una mediana de 78,6 millones.

La comparación más reveladora es con GPT-6.1 Sol. Con una tarifa de $2 / $10, Sol cuesta $1,27 por tarea en Artificial Analysis y $3,61 por prueba en Vals. Qwen4-Max cuesta $3,27 y $9,33, respectivamente. Además, en Vals Sol puntúa algo más: 63,94% frente a 63,20%. Es decir, el modelo con el token más caro resulta más barato y ligeramente más preciso. Un token barato no equivale a una tarea barata: el razonamiento superfluo se come el descuento.

A quién le conviene

Para programación agéntica en la terminal, Qwen4-Max todavía no es una opción: aquí siguen siendo mejores Kimi K3.1, Sol, Opus 5.5 o Gemini 4 Carbon. Tampoco conviene esperar un trabajo profundo con gráficos y vídeo, donde el retraso es evidente.

El modelo sí tiene su nicho: tareas que requieren un contexto de 1M de tokens sin grandes costes, como el análisis de documentos extensos, contratos o bases de código. Los escenarios jurídicos parecen un punto fuerte aparte, pero ese resultado procede del gráfico del fabricante y debe comprobarse con datos propios antes de implantarlo.

En resumen: es una actualización generacional honesta, con 9 puntos más en el índice y tres veces más barato que la generación anterior, pero sin magia. Antes de cambiar la producción, ejecute su propio conjunto de tareas y calcule el coste final de la tarea resuelta junto con la proporción de respuestas correctas.

Historia

Preguntas frecuentes sobre la noticia

¿Qué se sabe sobre Qué incluye y cuánto cuesta?

Qwen4-Max es un modelo gigantesco de 2,4 billones de parámetros (2,4 трлн в la fuente), de los que 71 mil millones están activos en cada respuesta. Es un modelo de escala de centro de datos. No habrá pesos abiertos: Alibaba solo los publicará para los modelos menores de la gama. El contexto es de 1M de tokens; acepta texto, imágenes y vídeo como entrada, y solo genera texto. Precio: $1,50 por millón de tokens de entrada, $4,50 por millón de tokens de salida y $0,075 por la entrada en caché.

¿Qué se sabe sobre Lo que muestra Alibaba y lo que muestran las mediciones independientes?

La compañía elaboró ella misma el gráfico del fabricante, así que conviene leerlo con cautela: DeepSWE v1.1 (tareas de desarrollo): 75,7 frente a 74,2 de Opus 5.5 y 75,5 de Kimi K3.1. Cinco modelos caben en un margen de punto y medio: eso es ruido, no liderazgo. HLAB-Vals (tareas jurídicas): 21,3 frente a 9,2 de Opus 5.5. Aquí Qwen4-Max sí se adelanta de verdad. Terminal-Bench 4.0 (trabajo de un agente en la terminal): 48,5 frente a 67,2 de Kimi K3.1 y 59,6 de Opus 5.5. Flojo.

¿Qué se sabe sobre Por qué el «tres veces más barato» requiere matices?

Del 67% de ahorro por tarea, el 75% se debe a la rebaja de la tarifa y solo el 25% a una reducción real del consumo de tokens. El modelo sigue siendo parlanchín: una sola ejecución del índice consume 127 millones de tokens de salida, frente a una mediana de 78,6 millones. La comparación más reveladora es con GPT-6.1 Sol. Con una tarifa de $2 / $10, Sol cuesta $1,27 por tarea en Artificial Analysis y $3,61 por prueba en Vals. Qwen4-Max cuesta $3,27 y $9,33, respectivamente.

ZK
Zhemal Khamidun — CPO de Alpina Digital, product manager de AlpinaGPT. Crea productos de IA desde 2019. Hamidun News es un proyecto personal que creció hasta ser un agregador en producción con más de 6.000 lectores.
✦ Unified AI Workspace · Nomad

Test Frontier LLMs & Autonomous Agents in One Workspace

Run Claude Opus 5.5, GPT-6, Gemini 3.1, and DeepSeek side-by-side in Nomad AI (nomadnet.ai) — unified model routing, deep research, and multimodal workflows under one subscription.

Try Nomad AI →Launch Nomad Agent
¿Qué te parece?
Cargando comentarios…