Modelos e plataformas de IA
Alibaba Cloud lança Qwen4-Max com preços de API 25% mais baixos em Singapura

Pontos-chaveO Qwen4-Max reduz os preços de tabela em Singapura em 25% abaixo do Qwen3.8-Max tanto…
Ver mais
- O Qwen4-Max reduz os preços de tabela em Singapura em 25% abaixo do Qwen3.8-Max tanto para tokens de entrada como de saída.
- O raciocínio e a resposta final partilham um único orçamento de saída, pelo que a deliberação consome a margem de resposta.
- O plano de subscrição proíbe scripts de automação e uso de backend, deixando as chamadas à API pagas conforme o uso como alternativa.
Alibaba Cloud lançou Qwen4-Max no Model Studio em 16 de novembro de 2026, apresentando um modelo multimodal de ponta com janela de contexto de um milhão de tokens e preços de tabela inferiores aos do Qwen3.8-Max.
A tabela de preços de Singapura estabelece o preço do Qwen4-Max em US$ 1,50 por milhão de tokens de entrada e US$ 4,50 por milhão de tokens de saída, em comparação com US$ 2 e US$ 6, respectivamente, para o Qwen3.8-Max. Ambas as tarifas são 25% menores, conforme o cálculo feito diretamente com base nesses preços de tabela. Também está disponível em Singapura uma cota gratuita de um milhão de tokens por 90 dias, contados a partir da data mais recente entre a ativação do Model Studio, o lançamento do modelo e a aprovação da aplicação.
Entrada multimodal e raciocínio ajustável
A documentação do modelo descreve a entrada de texto, imagens e vídeos, com saída de texto, além de streaming, pesquisa na Web, chamadas paralelas de ferramentas, chamadas de funções, conclusão de prefixos e saída estruturada em JSON. Os desenvolvedores podem chamar o modelo por meio das APIs OpenAI Chat Completions, OpenAI Responses, Anthropic Messages ou DashScope da Alibaba Cloud, tendo à disposição várias opções consolidadas de integração para programação e softwares com agentes.
A Alibaba Cloud projetou o Qwen4-Max para programação, produtividade no escritório, design de interfaces front-end e tarefas complexas com agentes. O raciocínio vem ativado por padrão com alto esforço de raciocínio, e também estão disponíveis as configurações low, high e xhigh. O limite padrão de raciocínio, de 131.072 tokens, corresponde ao máximo de tokens de saída sem raciocínio; já o raciocínio e a resposta final compartilham um limite de 262.144 tokens, de modo que a deliberação ocupa parte do mesmo orçamento de saída da resposta.
Armazenamento em cache explícito e custos de entrada
O guia de armazenamento em cache do Qwen4 informa que prefixos de entrada idênticos, como prompts de sistema, descrições de ferramentas e documentos de referência, podem ser reutilizados em solicitações do mesmo usuário. O prefixo de um cache explícito deve conter pelo menos 1.024 tokens, e há opções de validade de cinco minutos ou uma hora. Os pontos de interrupção explícitos garantem acertos determinísticos para um prefixo idêntico durante o período de validade; o armazenamento em cache implícito comum identifica prefixos compartilhados automaticamente, mas não garante acertos. O armazenamento automático em cache também pode inserir um ponto de interrupção no fim da entrada, permitindo que ele avance à medida que a conversa cresce.
Em Singapura, as leituras do cache custam US$ 0,075 por milhão de tokens, independentemente da abordagem de armazenamento em cache, enquanto a criação de um cache explícito custa US$ 1,875 para um cache de cinco minutos e US$ 3 para um cache de uma hora. O desconto de cache se aplica apenas aos tokens de entrada; os tokens de saída mantêm o preço padrão. Portanto, para agentes que enviam repetidamente instruções ou documentos longos, a estabilidade do prefixo e o tempo de validade do cache influenciam se as tarifas reduzidas de entrada se somam aos preços de tabela mais baixos.
Disponibilidade regional e limites de assinatura
O Qwen4-Max está disponível em Pequim, Singapura, Frankfurt, Virgínia, Tóquio e Hong Kong. Entre essas regiões, a inferência em lote é compatível apenas com Pequim, enquanto o ajuste fino e a implantação de modelos personalizados não são compatíveis em nenhuma das regiões documentadas. Assim, a configuração da API, os parâmetros de raciocínio e o armazenamento em cache concentram boa parte do controle prático sobre o uso do modelo gerenciado.
A versão completa do Qwen4-Max também está incluída no Plano de Tokens da Edição Pessoal de Singapura, cuja cobrança é feita por meio de créditos e que oferece suporte a ferramentas interativas, incluindo Claude Code, Cursor, Qwen Code, Qoder e OpenClaw. A assinatura se limita ao uso interativo de ferramentas de programação e agentes; scripts de automação, back-ends de aplicações personalizadas e chamadas em lote não interativas são proibidos. Isso torna o plano uma opção de acesso distinta das chamadas comuns à API com pagamento conforme o uso.
O lançamento completo sucede o Qwen4-Max-Preview, que ficou disponível às 10h de 11 de novembro de 2026 (UTC+8), exclusivamente pelo Token Plan. A versão de prévia está programada para permanecer disponível até 25 de novembro de 2026, quando será descontinuada.
As tarifas de tabela mais baixas e as opções de armazenamento em cache do Qwen4-Max ajudam a reduzir os custos de entrada em cargas de trabalho prolongadas com agentes, mas o valor final da fatura ainda depende do tamanho da saída, do raciocínio e do reaproveitamento do cache. Como o ajuste fino e a implantação personalizada não são compatíveis, esses controles de uso e a escolha entre o acesso por API e por assinatura são fundamentais para o impacto prático do lançamento.












