• O modelo de mistura de especialistas tem 2,4 trilhões de parâmetros no total e ativa cerca de 71 bilhões por token.
• O Qwen4-Max aceita entradas de texto, imagem e vídeo e oferece suporte a até 1 milhão de tokens de contexto.
• A tarifa conforme o uso em Singapura é de US$ 1,50 por milhão de tokens de entrada e US$ 4,50 por milhão de tokens de saída.
O que o anúncio da Alibaba especifica
A Alibaba lançou o Qwen4-Max na segunda-feira, 16 de novembro, apresentando-o como o modelo principal da família Tongyi Qwen, voltado para programação, processamento de documentos de trabalho e tarefas de agentes com várias etapas. O anúncio do lançamento descreve uma arquitetura de mistura de especialistas com 2,4 trilhões de parâmetros no total, dos quais cerca de 71 bilhões são ativados para cada token. Esse design não utiliza todos os parâmetros em cada resposta, e os próprios materiais da Alibaba alertam para que a qualidade das respostas não seja avaliada apenas com base no total de parâmetros.
O modelo aceita texto, imagens e vídeo e retorna texto. A documentação oficial lista uma janela de contexto de até 1 milhão de tokens, um limite para a quantidade de material que uma sessão pode comportar, e não uma promessa de extensão da resposta. Também lista raciocínio com intensidade de pensamento ajustável, chamadas de ferramentas — incluindo chamadas paralelas e pesquisa na web —, saída estruturada por meio de JSON Object e JSON Schema, além de interfaces compatíveis com OpenAI e Anthropic, juntamente com a API DashScope da Alibaba Cloud. Os limites de saída variam conforme o modo: 131.072 tokens no modo sem pensamento, contra 262.144 tokens que abrangem tanto o raciocínio quanto a resposta final no modo de pensamento; segundo os documentos, esses números não devem ser confundidos.
O anúncio apresenta o modelo como um integrante de uma série mais ampla. Qwen é a família de modelos da Alibaba, conhecida em chinês como Tongyi Qwen, e Qwen4-Max é seu modelo principal, não um nome que abrange todos os produtos Qwen. Os materiais distinguem três camadas: o próprio modelo, os produtos de chat e trabalho que o executam e a API chamada pelos desenvolvedores. O suporte a ferramentas, acrescentam os documentos, não significa que um nome de modelo digitado em um prompt passe a ter acesso automaticamente a um computador, uma conta ou dados da empresa; o que uma implantação pode fazer depende do produto, da configuração das ferramentas e das permissões concedidas. A Alibaba posiciona o lançamento para programação, trabalho de escritório e pesquisa, aconselhando os compradores a testar o modelo com seus próprios dados, custos e tolerância a erros, em vez de se basearem em classificações de benchmarks. A compatibilidade com OpenAI, observa a empresa, significa compatibilidade de protocolo, não uso de modelos OpenAI ou cobrança da OpenAI.
Preços e cota gratuita em Singapura
O acesso é oferecido por três pontos de entrada mencionados no anúncio: QwenStudio para conversas diretas, QwenWork para execução de tarefas e QwenCloud, que vende a API e planos de assinatura. O ID do modelo de produção é qwen4-max. No Alibaba Cloud Model Studio, os desenvolvedores precisam combinar a chave de API, o espaço de trabalho e a região do serviço; as configurações associadas a um Token Plan não são transferidas para a API padrão de pagamento conforme o uso.
Os preços de pagamento conforme o uso em Singapura para o escopo de implantação International, listados em 16 de novembro, são de US$ 1,50 por milhão de tokens de entrada e US$ 4,50 por milhão de tokens de saída. As leituras de cache custam US$ 0,075 por milhão de tokens, enquanto as gravações explícitas em cache custam US$ 1,875 para uma janela de cinco minutos e US$ 3,00 para uma hora. O preço de leitura de cache se aplica apenas a solicitações que encontram dados no cache; a entrada sem cache é cobrada pelo valor integral de US$ 1,50, e criar um cache explícito tem sua própria tarifa de gravação. Com os preços listados, 100.000 tokens de entrada sem cache mais 10.000 tokens de saída faturados custam cerca de US$ 0,195.
Uma cota gratuita de 1 milhão de tokens cobre chamadas elegíveis de pagamento conforme o uso no escopo International de Singapura. Ela permanece válida por 90 dias a partir da data mais recente entre três: ativação do serviço, lançamento do modelo ou aprovação de uma aplicação. As chaves do Token Plan não usam essa cota. Quando a cota for consumida ou expirar, o uso contínuo pode passar a ser cobrado; a opção Free Quota Only vem desativada por padrão, e as alterações feitas nela não entram em vigor imediatamente.
A versão de prévia, qwen4-max-preview, foi incluída no registro de alterações em 11 de novembro e está disponível apenas pelo Token Plan. O período de prévia vai de 11 de novembro, às 10:00, a 25 de novembro, às 24:00, UTC+8; depois disso, segundo os documentos, ela será descontinuada. A versão oficial foi incluída nas atualizações formais do modelo em 16 de novembro. A Alibaba também observa que há planos para modelos Qwen4 menores com pesos abertos, o que não significa que os pesos do Qwen4-Max estejam disponíveis para download.
Os preços de cache moldam a fatura
A diferença entre os preços é o fator que determina os custos no mundo real para usuários intensivos. Uma carga de trabalho dominada por contexto repetido que pode ser armazenado em cache é cobrada a cerca de US$ 0,075 por milhão de tokens de entrada; uma que não acerta o cache paga vinte vezes mais, e o próprio exemplo do anúncio mostra como os custos dos dois caminhos divergem rapidamente. A saída, a US$ 4,50 por milhão de tokens, custa três vezes mais do que a entrada, então a escolha do modo também importa: o modo de pensamento duplica o limite combinado de saída para 262.144 tokens, contra os 131.072 disponíveis sem ele. As equipes que ainda usam a versão de prévia têm até 25 de novembro para testar novamente os parâmetros e os limites de saída com o ID de produção; os modelos Qwen4 menores com pesos abertos que estão planejados também oferecem uma alternativa ao modelo principal para cargas de trabalho sensíveis a custos.
