Alibaba reduz em 67% o custo por tarefa do Qwen4-Max, mas o GPT-6.1 Sol sai mais barato: $3,27 contra $1,27
A Alibaba abriu o acesso ao Qwen4-Max e promete um modelo “três vezes mais barato”, mas o preço por milhão de tokens não é o preço de uma tarefa resolvida. Segundo a Artificial Analysis, uma tarefa do índice custa $3,27, contra $10,02 na versão anterior (−67%). Porém, 75% desse desconto veio da tabela de preços, e não da economia de tokens. O modelo raciocina demais. Por isso, o GPT-6.1 Sol, com token mais caro, resolve a mesma tarefa por apenas $1,27. Use o Qwen4-Max pelo contexto de 1M, não por um código barato.
Processado por IA de TG: @ai_product (AI Product / Igor Akimov); editado por Hamidun News
A Alibaba liberou o acesso geral ao Qwen4-Max e o apresenta como um “24/7 AI teammate” três vezes mais barato que a geração anterior. O problema é que o “mais barato” se refere ao preço por token, e o que você paga é a tarefa resolvida. Imagine pedir ao modelo que corrija um bug em um repositório: se ele “pensa” duas vezes mais que o concorrente antes de responder, a tarifa baixa por token não protege a sua fatura.
Foi exatamente o que aconteceu. Nas medições da Artificial Analysis (laboratório independente que compara modelos), rodar uma tarefa do índice custa $3,27, contra $10,02 no Qwen3.8-Max, ou seja, 67% menos.
Já no GPT-6.1 Sol, a mesma tarefa sai por apenas $1,27. Para quem desenvolve, a conclusão é prática: compare os modelos pelo custo da tarefa resolvida com os seus próprios dados, e não pela tabela de preços.
O que há dentro e quanto custa
O Qwen4-Max é um modelo gigante, com 2,4 trilhões de parâmetros, dos quais 71 bilhões são ativados a cada resposta. É uma escala de data center. Não haverá pesos abertos: a Alibaba vai publicá-los apenas para os modelos menores da linha. O contexto é de 1M de tokens; a entrada aceita texto, imagens e vídeo, e a saída é somente texto.
O preço é $1,50 por milhão de tokens de entrada, $4,50 por milhão de tokens de saída e $0,075 para entrada em cache. Isso é 25% mais barato que o Qwen3.8-Max e bem abaixo dos líderes do mercado.
O que a própria Alibaba mostrou e o que dizem as medições independentes
O gráfico do fornecedor foi montado pela própria empresa, então é preciso lê-lo com ressalvas:
- DeepSWE v1.1 (tarefas de desenvolvimento): 75,7 contra 74,2 do Opus 5.5 e 75,5 do Kimi K3.1. Cinco modelos ficaram dentro de uma margem de 1,5 ponto — isso é ruído, não liderança.
- HLAB-Vals (tarefas jurídicas): 21,3 contra 9,2 do Opus 5.5. Aqui o Qwen4-Max de fato abriu vantagem.
- Terminal-Bench 4.0 (trabalho de agente no terminal): 48,5 contra 67,2 do Kimi K3.1 e 59,6 do Opus 5.5. Resultado fraco.
- ProgramBench: 31,5 contra 65,0 do Opus 5.5. Outro resultado ruim.
- Chartography (leitura de gráficos) e Video-Index (vídeo): defasagem de 6 a 17 pontos em relação aos modelos americanos.
O quadro independente é mais modesto. No Artificial Analysis Intelligence Index, o modelo marcou 43 pontos, contra 34 do Qwen3.8-Max. Estão à frente o Fable 5.2 (65), o Gemini 4 Carbon (60), o Opus 5.5 (59), o GPT-6 Astra (57), o GPT-6.1 Sol (55) e até o mais antigo Kimi K3.1 Pro (46). No Vals Index, o Qwen4-Max tem 63,20%, o 11º lugar entre 38 e o melhor resultado entre os modelos chineses. No Code Arena WebDev, ocupa o sexto lugar com 1750 Elo, mas o ranking ainda é preliminar.
Por que o “três vezes mais barato” exige ressalvas
Dos 67% de economia por tarefa, 75% vieram da redução de preço e apenas 25% da queda real no consumo de tokens. O modelo continua falante: uma rodada do índice consome 127 milhões de tokens de saída, contra uma mediana de 78,6 milhões.
A comparação mais reveladora é com o GPT-6.1 Sol. Com preço de $2 / $10, o Sol custa $1,27 por tarefa na Artificial Analysis e $3,61 por teste na Vals. O Qwen4-Max custa $3,27 e $9,33, respectivamente. Além disso, na Vals o Sol pontua um pouco mais: 63,94% contra 63,20%. Ou seja, o modelo com o token mais caro sai mais barato e ainda é um pouco mais preciso. Token barato não significa tarefa barata: o raciocínio excessivo consome o desconto.
Para quem serve
Para codificação agêntica no terminal, o Qwen4-Max ainda não é uma opção: nesse caso, Kimi K3.1, Sol, Opus 5.5 ou Gemini 4 Carbon continuam melhores. Também não vale contar com um trabalho aprofundado com gráficos e vídeo, áreas em que a defasagem é visível.
O modelo, por outro lado, tem um nicho: tarefas que exigem contexto de 1M de tokens sem custo elevado, como a análise de documentos extensos, contratos ou bases de código. Os cenários jurídicos parecem um ponto forte à parte, mas esse resultado vem do gráfico do fornecedor e precisa ser verificado com os seus próprios dados antes da adoção.
Em resumo: é uma atualização geracional honesta — 9 pontos a mais no índice e preço três vezes menor que o da geração anterior, mas sem mágica. Antes de migrar a produção, rode o seu próprio conjunto de tarefas e calcule o custo final da tarefa resolvida, junto com a taxa de respostas corretas.
- 18 de nov. de 2026OpenAI lança o GPT-6.2 Astra: segundo lugar no ranking e preço 20% menor
- 12 de nov. de 2026Google abre pré-venda de óculos com Gemini a partir de US$ 395 e bloqueia filmagem oculta
- 12 de nov. de 2026Google leva o Gemini Intelligence ao Android Auto — por enquanto só para o Pixel
- 12 de nov. de 2026Segundo ação judicial, estudante passou três meses falando com o Gemini sobre suicídio, enquanto o monitoramento ficou semanas em silêncio
Perguntas frequentes sobre a notícia
O que há dentro e quanto custa?
O Qwen4-Max é um modelo gigante, com 2,4 trilhões de parâmetros, dos quais 71 bilhões são ativados a cada resposta. É uma escala de data center. Não haverá pesos abertos: a Alibaba vai publicá-los apenas para os modelos menores da linha. O contexto é de 1M de tokens; a entrada aceita texto, imagens e vídeo, e a saída é somente texto. O preço é $1,50 por milhão de tokens de entrada, $4,50 por milhão de tokens de saída e $0,075 para entrada em cache.
O que a própria Alibaba mostrou e o que dizem as medições independentes?
O gráfico do fornecedor foi montado pela própria empresa, então é preciso lê-lo com ressalvas: DeepSWE v1.1 (tarefas de desenvolvimento): 75,7 contra 74,2 do Opus 5.5 e 75,5 do Kimi K3.1. Cinco modelos ficaram dentro de uma margem de 1,5 ponto — isso é ruído, não liderança. HLAB-Vals (tarefas jurídicas): 21,3 contra 9,2 do Opus 5.5. Aqui o Qwen4-Max de fato abriu vantagem. Terminal-Bench 4.0 (trabalho de agente no terminal): 48,5 contra 67,2 do Kimi K3.1 e 59,6 do Opus 5.5. Resultado fraco.
Por que o “três vezes mais barato” exige ressalvas?
Dos 67% de economia por tarefa, 75% vieram da redução de preço e apenas 25% da queda real no consumo de tokens. O modelo continua falante: uma rodada do índice consome 127 milhões de tokens de saída, contra uma mediana de 78,6 milhões. A comparação mais reveladora é com o GPT-6.1 Sol. Com preço de $2 / $10, o Sol custa $1,27 por tarefa na Artificial Analysis e $3,61 por teste na Vals. O Qwen4-Max custa $3,27 e $9,33, respectivamente. Além disso, na Vals o Sol pontua um pouco mais: 63,94% contra 63,20%.
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.
O essencial da IA — uma vez por semana
Sete histórias que realmente importaram, escolhidas a dedo. Sem ruído nem releases.
Pronto! Verifique seu e-mail para a confirmação.