A Alibaba apresentou Qwen4-Max, o primeiro modelo da sua geração Qwen4. Oferecido de forma proprietária e acessível apenas em modo alojado, aceita texto, imagens e vídeo, e é acompanhado por uma redução de preços da API e por uma descida anunciada de 62% no custo médio por tarefa.
Uma arquitetura de mistura de especialistas
O Qwen4-Max é um modelo multimodal do tipo MoE (mixture of experts, ou mistura de especialistas), uma arquitetura em que apenas uma fração dos parâmetros é ativada em cada token, ou seja, em cada fragmento de texto processado. O modelo assenta numa base de 2.4T parâmetros, dos quais 71B estão ativos por token, aos quais se somam 328B parâmetros de Embedding N-gram. A sua janela de contexto atinge 1M tokens, para uma saída máxima de 393K tokens.
A Alibaba descreve três evoluções em relação à geração anterior. A primeira combina uma camada QSA (Qwen Sparse Attention), que seleciona os elementos de contexto relevantes, com três camadas Gated DeltaNet, que comprimem o histórico em estados de tamanho fixo. A segunda, chamada Gated Residual, utiliza quatro ramos residuais paralelos dotados de portas de leitura e escrita dinâmicas, com o objetivo de melhorar a circulação da informação e a estabilidade do treino. A terceira adiciona parâmetros de Embedding N-gram, que permitem consultar padrões de tokens locais na camada 2. Segundo a empresa, o treino prévio à escala de 2.4T não apresenta nenhum pico de perda. Em testes internos, o Qwen4-Max-Base apresenta uma quantidade de bits por octeto inferior em 5 a 13% à do Qwen3.8-Max-Base, ao mesmo tempo que ativa 25% menos parâmetros.
Resultados contrastados nos testes
O gráfico comparativo da Alibaba abrange 16 benchmarks, face ao Qwen3.8-Max-0902, Claude Opus 5.5, GPT-6.1 Sol, GPT-6 Astra e Kimi K3.1. Várias pontuações são retiradas de classificações de terceiros, e nenhuma tinha sido reproduzida de forma independente no lançamento. O Qwen4-Max chega em primeiro lugar em 4 desses 16 testes, nomeadamente no HLAB-Vals-1.1 (agentes legais), com 21.3 contra 11.7 do Kimi K3.1 e 9.2 do Opus 5.5, bem como no Agents’ Last Exam v1.1, com 46.7.
O Claude Opus 5.5 domina, por outro lado, 7 dos 16 rankings. As diferenças mais acentuadas dizem respeito ao código e à visão: 31.5 no ProgramBench contra 65.0 do Opus 5.5, e 48.5 no Terminal-Bench 4.0 contra 67.2 do Kimi K3.1. No Work360, o benchmark interno da Alibaba que cobre 26 domínios principais e 721 campos especializados, o modelo obtém 52.69, contra 47.74 do Qwen3.8-Max.
Custos de utilização em descida
Segundo a Alibaba, o consumo de tokens diminui cerca de 24% no esforço Xhigh e 35% no esforço High no Work360. O custo médio por tarefa passa de 4,43 dólares para 1,67 dólar, ou seja, uma descida de 62%. Os preços públicos seguem a mesma tendência: a entrada custa 1,50 dólar por milhão de tokens, contra 2 dólares do Qwen3.8-Max, e a saída 4,50 dólares, contra 6 dólares. A leitura da cache implícita recua 70%, de 0,25 para 0,075 dólar.
O modelo tem o identificador qwen4-max no QwenCloud. A sua API é compatível com os clientes OpenAI e Anthropic, e suporta a chamada de funções, saídas estruturadas, cache de contexto, processamento em lote, pesquisa web e fine-tuning. O limite de débito por defeito é de 5 000 000 tokens por minuto, e o modo de raciocínio ativa-se com o parâmetro enable_thinking. Segundo o post oficial da Alibaba, os pesos do modelo não são publicados, o que exclui o auto-alojamento.
