Vale a pena avaliar o Qwen4-Max se você já usa o Qwen3.8-Max: os preços padrão de entrada e saída são 25% menores nas tarifas de tabela da Alibaba Cloud em Singapura. A janela de contexto continua com um milhão de tokens, e ambos aceitam texto, imagens e vídeo. Por isso, o preço é o motivo mais claro documentado para experimentar o upgrade. Isso não comprova que o novo modelo resolva melhor suas tarefas nem que use menos tokens.
A migração também altera o contrato de integração. Agora, um limite de saída que considera apenas a resposta pode limitar o pensamento e a resposta juntos, e o esforço padrão muda de xhigh para high. Reserve recursos para essa mudança antes de substituir um ID de modelo em produção.
O que permanece igual e o que muda
A página do modelo Qwen4-Max e a documentação do Qwen3.8-Max da Alibaba descrevem dois modelos em nuvem com o mesmo tamanho de contexto e as mesmas modalidades de entrada. É preciso analisar com mais cuidado os limites de saída:
| Item | Qwen3.8-Max | Qwen4-Max |
|---|---|---|
| Contexto | 1,000,000 | 1,000,000 |
| Entrada | Texto, imagem, vídeo | Texto, imagem, vídeo |
| Saída sem modo de pensamento | 131,072 | 131,072 |
| Pensamento ativado | Padrão | Padrão |
| Esforço padrão | xhigh | high |
| Níveis de esforço nativos | low, medium, xhigh | low, high, xhigh |
O Qwen4-Max permite até 262,144 tokens para o pensamento e a resposta combinados. O limite de saída documentado de 131,072 do Qwen3.8-Max se aplica à resposta, inclusive no modo de pensamento, com um comprimento máximo separado de 262,144 para a cadeia de raciocínio. Esses valores têm escopos diferentes; eles não justificam afirmar que a capacidade de saída simplesmente dobrou.
Ambos os modelos aceitam entrada visual; portanto, uma aplicação que já envia capturas de tela ou imagens de documentos não ganha um novo tipo de entrada com o upgrade. Para saber se a extração ou o raciocínio visual melhoram, é preciso comparar arquivos representativos.
A diferença de preço em uma carga de trabalho fixa
A tabela oficial de preços lista as seguintes tarifas em USD para Singapura, tanto no modo de pensamento quanto no modo sem pensamento, com entrada de até um milhão de tokens por solicitação:
| Por milhão de tokens | Qwen3.8-Max | Qwen4-Max |
|---|---|---|
| Entrada padrão | $2.00 | $1.50 |
| Saída, incluindo pensamento | $6.00 | $4.50 |
Considere o uso acumulado em várias solicitações: um milhão de tokens de entrada sem cache e 100,000 tokens de saída, incluindo raciocínio. São totais, não uma única solicitação. O Qwen3.8-Max custa $2 + $0.60 = $2.60; o Qwen4-Max custa $1.50 + $0.45 = $1.95. Isso representa um custo 25% menor para o mesmo uso. Trata-se de uma estimativa, não de um resultado medido em tarefas, e não inclui cache, ferramentas, novas tentativas nem impostos. Os preços variam em outras regiões.
A economia real depende do comportamento da geração. Mais raciocínio, tentativas repetidas ou históricos mais longos podem anular o preço unitário menor. Compare o custo de obter um resultado aceito, considerando também sua precisão, em vez de presumir que cada tarefa ficará 25% mais barata.
Revise o limite de saída e as configurações de pensamento
A referência de Chat Completions informa que o Qwen4-Max trata max_tokens como equivalente a max_completion_tokens: ambos abrangem o pensamento e a resposta. No Qwen3.8-Max, max_tokens se aplica à resposta. Portanto, um limite baixo herdado pode interromper o novo modelo antes de ele gerar uma resposta útil. Confira finish_reason; length significa que o limite foi atingido. Não são apresentados aqui novos experimentos de inferência.
Nas novas integrações com o Qwen4-Max, prefira max_completion_tokens e defina um limite que comporte os dois tipos de saída. Os valores nativos de esforço são low, high e xhigh; medium é mapeado para high. No Qwen3.8-Max, high é mapeado para xhigh. Reutilizar uma enumeração não significa necessariamente reutilizar seu significado.
Quando o esforço e o limite de pensamento não são especificados, o Qwen4-Max usa high e 131,072 tokens de pensamento como padrão. Não envie reasoning_effort e thinking_budget ao mesmo tempo. Um limite de pensamento explícito deve ser positivo; para desativar o modo de pensamento, use a opção documentada, em vez de definir o limite como zero. Mantenha o raciocínio histórico em seu próprio campo, em vez de concatená-lo ao texto da resposta.
O que o gateway comprova
O guia do AIHubMix para Qwen4-Max lista qwen4-max em Chat Completions, mas marca os indicadores de recursos como não verificados. O suporte da Alibaba a ferramentas, saída estruturada, Responses e Messages não comprova que todos esses caminhos funcionem por meio desse gateway.
A Alibaba também documenta o cache explícito do Qwen4, incluindo pontos de interrupção automáticos e TTL de 5 minutos ou 1 hora. Os custos adicionais de gravação e as cobranças separadas de leitura precisam ser contabilizados à parte. Os resumos opcionais de pensamento exigem a preservação do histórico criptografado. Verifique esses controles na rota pretendida antes de confiar neles para economizar ou manter o comportamento em várias interações.
Comece com um pequeno conjunto de tarefas reais: uma alteração em um repositório, uma pergunta sobre um documento longo e um caso visual, se sua aplicação usar imagens. Mantenha prompts, ferramentas e critérios de aceitação fixos. Registre os resultados aceitos, o total de tokens, incluindo novas tentativas, e as falhas. Mantenha o Qwen3.8-Max disponível até que o substituto seja aprovado. A página de comparação do AIHubMix ajuda a conferir as especificações e os preços listados; seus testes de aceitação é que determinam se o upgrade vale a pena.
Perguntas frequentes
O Qwen4-Max é mais barato que o Qwen3.8-Max?
Nas tarifas oficiais de Singapura, os preços padrão de entrada e saída são 25% menores. A economia real em cada tarefa depende do uso de tokens e das novas tentativas.
A janela de contexto aumenta?
Não. Ambos listam uma janela de contexto de 1,000,000 tokens.
O Qwen4-Max dobra o limite de saída?
Os limites listados têm escopos diferentes. O Qwen4-Max limita o pensamento e a resposta combinados a 262,144; o valor de 131,072 do Qwen3.8-Max é um limite para a resposta.
Posso manter a configuração antiga de max_tokens?
Revise-a primeiro. No Qwen4-Max, esse limite inclui o pensamento; por isso, um valor definido para comportar apenas a resposta pode ser insuficiente.
O nível de pensamento padrão mudou?
Sim: o Qwen3.8-Max usa xhigh, enquanto o Qwen4-Max usa high. Alguns mapeamentos de compatibilidade também são diferentes.
Devo migrar imediatamente todo o tráfego de produção?
Faça a migração depois que tarefas representativas e os recursos necessários do gateway forem aprovados. A redução de preço documentada não comprova uma melhoria de qualidade.
Continue lendo: a série Qwen4-Max
- Para conhecer as mudanças de configuração por trás dessa decisão, leia Migração para Qwen4-Max: limites de saída, pensamento e configuração de agentes.
- Para comparar outro modelo de ponta na mesma tarefa de repositório, leia Qwen4-Max vs Kimi K3.1 Pro: qual agente de programação você deve usar?.
Fontes
- Alibaba Cloud: Qwen4-Max e Qwen3.8-Max, limites e configurações padrão dos modelos.
- Alibaba Cloud: preços dos modelos, tarifas em USD para Singapura; o cálculo pressupõe o mesmo uso sem cache.
- Alibaba Cloud: referência de Chat Completions, escopo do limite de saída e parâmetros de pensamento.
- Alibaba Cloud: cache do Qwen4 e resumo de pensamento e criptografia, recursos do fornecedor.
- AIHubMix: guia do Qwen4-Max e guia do Qwen3.8-Max, listagens do gateway. Fontes consultadas em 17 de novembro de 2026, 02:33 UTC; sem novos testes de inferência.



