Preço de lançamento (até 25 de dez.), garantido enquanto você continuar assinando: Go por $10/mês (de $20), Plus com Opus 5.5 por apenas $30/mês (de $50)Assinar agora →

Qwen4 Max API: preços, contexto de 1M e acesso (2026)

A API do Qwen4 Max deixou de ser apenas uma prévia limitada ao Token Plan e já pode ser usada no modelo pay-as-you-go: US$ 1,50 por 1M de tokens de entrada e US$ 4,50 por 1M de tokens de saída, com janela de contexto de 1M de tokens. Já dá para construir com qwen4-max, mas atenção: o qwen4-max-preview será descontinuado em 25 de novembro de 2026.

Qwen4-Max API em resumo: disponível desde 16 de novembro de 2026

A Alibaba liberou o Qwen4-Max de forma geral em 16 de novembro de 2026, no Alibaba Cloud Model Studio, com o identificador qwen4-max. Antes disso, o modelo passou por uma prévia exclusiva para assinantes do Token Plan, iniciada em 11 de novembro. O lançamento foi anunciado pela conta @Alibaba_Qwen como uma nova arquitetura MoE com visão nativa e janela de contexto de 1M de tokens; a API já está disponível no QwenCloud. A documentação do QwenCloud replica as instruções do Model Studio para acesso internacional. Use o endpoint do Model Studio correspondente à sua região (documentação do QwenCloud).

ItemQwen4-Max (qwen4-max)
StatusDisponível em geral desde 16 de nov. de 2026; a prévia qwen4-max-preview funciona de 11 a 25 de nov. de 2026 e depois será descontinuada
Entrada / saídaUS$ 1,50 / US$ 4,50 por 1M de tokens (Singapura, internacional)
Leitura do cacheUS$ 0,075 por 1M de tokens
Outras regiõesUS$ 1,413 / US$ 4,24 por 1M de tokens nos EUA (Virgínia), Frankfurt, Tóquio e Hong Kong
Contexto1M de tokens; entrada máxima listada em 991K tokens
Saída máxima131.072 tokens sem raciocínio; 262.144 tokens para raciocínio mais resposta
Modos de entradaTexto, imagens e vídeo
Estilo da APICompatível com OpenAI e Anthropic; chamadas de ferramentas, saída JSON estruturada, busca na web, cache, processamento em lote e fine-tuning
RegiõesSingapura, EUA (Virgínia), Frankfurt, Tóquio, Hong Kong e Pequim; trabalhos em lote apenas em Pequim
TesteNovas contas de Singapura recebem 1M de tokens gratuitos por 90 dias

Os preços e limites acima vêm da documentação do Alibaba Cloud Model Studio, conforme reportado em 16 de novembro de 2026 (preços e documentação do QwenCloud). Exemplo: 100K tokens de entrada + 10K de saída custam aproximadamente US$ 0,15 + US$ 0,045 = US$ 0,195 em Singapura.

O QwenCloud documenta o ID do modelo Qwen4-Max e o início rápido compatível com OpenAI

O que realmente mudou em relação ao Qwen3.8-Max

O anúncio da Qwen, com números da Artificial Analysis, coloca o Qwen4-Max em 43 pontos no Intelligence Index — 9 pontos acima do Qwen3.8-Max (xhigh) e 3 pontos abaixo do Kimi K3.1 Pro. O custo médio é de US$ 3,27 por tarefa, aproximadamente um terço do Qwen3.8-Max, com 39% menos tokens de saída.

Custo médio por tarefa: Qwen4-Max contra Qwen3.8-Max

São duas economias combinadas: o preço por token mostrado na tabela e a redução no número de tokens por tarefa — até cerca de 50% menos na avaliação interna da Qwen. Um processamento de 1M de tokens com reutilização de cache é o cenário mais beneficiado, já que as leituras implícitas do cache custam US$ 0,075 por 1M, valor anunciado como 70% menor que o cache do Qwen3.8-Max.

Por baixo do capô, o Qwen4-Max usa uma arquitetura MoE com visão nativa, 2,4T de parâmetros totais, 71B ativos e 328B de embedding N-gram. Embora o blog da Qwen cite pontuações da Artificial Analysis, o AI First Look e o AICoder observam que as tabelas completas de benchmarks e as listagens públicas no ranking da AA ainda não estavam disponíveis em 16 de novembro.

Para conhecer o antecessor, veja também: preços da API do Qwen3.8-Max e Qwen3.8-Max vs. Kimi K3.

Especificações e limites que afetam a conta

Mais do que o número chamativo de 1M, três limites merecem atenção.

Contexto total não é o mesmo que entrada utilizável. A janela tem 1M de tokens, mas o QwenCloud informa uma entrada máxima de 991K tokens. Reserve uma margem de segurança e teste a recuperação de informações no meio do contexto em fluxos que dependem muito de retrieval.

Saída e raciocínio dividem o mesmo orçamento. Sem raciocínio, a saída máxima é de 131.072 tokens. Com o raciocínio ativado, o raciocínio e a resposta compartilham um limite de 262.144 tokens; quanto mais pesada a análise, menos espaço sobra para a resposta. Na prévia, o limite compartilhado entre raciocínio e resposta era de 393.216 tokens, segundo o resumo de especificações da prévia feito pelo XenoSpectrum. Portanto, não coloque os limites da prévia em produção sem revisar.

O padrão de raciocínio também mudou. O raciocínio vem ativado por padrão. No modelo GA, o nível padrão é high, com low e xhigh também disponíveis; na prévia, o padrão era xhigh, de acordo com a tabela de especificações do AI First Look. Se a latência estiver alta, reduza primeiro o reasoning_effort para low.

A entrada multimodal aceita texto, imagens e vídeo. Na prévia, os limites de envio de vídeo eram de 2 horas, 2 GB e 64 vídeos por solicitação, segundo o resumo de especificações da prévia do XenoSpectrum. Esses são limites de envio, não uma garantia de compreensão. Teste a recuperação de informações em vídeos longos usando os seus próprios arquivos.

Para controlar custos, peça uma saída JSON estruturada e reduza respostas prolixas; também vale reutilizar contextos longos por meio de leituras do cache, que custam US$ 0,075 por 1M em Singapura. As notas de lançamento do AICoder também listam a criação explícita de cache por cinco minutos a US$ 1,875 por 1M onde houver suporte.

Como chamar o qwen4-max com o SDK da OpenAI

O Model Studio oferece os formatos de Chat Completions, Responses e Anthropic Messages da OpenAI, segundo a documentação do modelo da Alibaba Cloud. Use qwen4-max nos backends pay-as-you-go; o qwen4-max-preview é exclusivo do Token Plan.

python
import os
from openai import OpenAI

client = OpenAI(
    api_key=os.getenv("QWEN_API_KEY"),
    # Singapore/international endpoint:
    base_url="https://dashscope-intl.aliyuncs.com/compatible-mode/v1",
    # China/Beijing endpoint: https://dashscope.aliyuncs.com/compatible-mode/v1
)

resp = client.chat.completions.create(
    model="qwen4-max",
    messages=[
        {"role": "user", "content": "Summarize this release in 3 bullets."}
    ],
    extra_body={"reasoning_effort": "high"},
)
print(resp.choices[0].message.content)

Use a chave e o endpoint da mesma região no Model Studio. Quando houver suporte, solicite response_format={"type": "json_object"} ou um JSON Schema e valide saídas estruturadas grandes.

Pay-as-you-go, Token Plan ou apps de chat: qual opção escolher?

OpçãoMais indicada paraPrincipal restrição
Pay-as-you-go do Model Studio (qwen4-max)Aplicativos, backends e processamento em loteCobrança por token; confira a região do endpoint e a chave
Token Plan (qwen4-max-preview)Programação interativa no Claude Code, Cline, Cursor e OpenCodeApenas uso interativo; não permite automação em produção, scripts em lote ou incorporação em backends; somente na região de Singapura; termina em 25 de nov. de 2026, às 24:00 UTC+8
Qwen Chat, QwenWork, QwenStudio e QoderTestar prompts, trabalhar com documentos e usar uma IDE agêntica sem configurar chavesDisponibilidade e taxas de créditos aparecem no app; não constituem um contrato de API

O Token Plan funciona como uma franquia mensal de créditos para desenvolvimento interativo. O detalhamento do Token Plan feito pelo Apidog lista planos individuais que vão do Lite, por US$ 3 promocionais / US$ 8 de tabela, com 20.000 créditos, ao Pro, por US$ 43 promocionais / US$ 51 de tabela, com 200.000 créditos. As chaves começam com sb-sp-. Compartilhar chaves, executar trabalhos em segundo plano ou embutir a chave em um backend distribuído viola os termos. Para testes rápidos de prompts, o Apidog e o XenoSpectrum listam Qwen Chat, QwenWork, QwenStudio e Qoder como opções de avaliação; a disponibilidade aparece no app e varia conforme a conta.

Faça a migração antes de 25 de novembro de 2026:

  1. Troque o nome do modelo de qwen4-max-preview para qwen4-max.
  2. Substitua a URL-base e a chave do Token Plan por uma chave pay-as-you-go do Model Studio e pelo endpoint regional.
  3. Teste novamente os padrões de raciocínio (xhigh para high).
  4. Meça de novo os limites de saída (393K compartilhados na prévia contra 131K/262K no GA).

O que os primeiros usuários relatam: builds iniciais rápidos, agentes irregulares

Testes com amostras pequenas reunidos pelo AI First Look relatam builds funcionais a partir de um único prompt. Em um deles, foram aprovados 20 de 20 testes ocultos em cerca de 2,5 minutos, contra 17 minutos do Qwen3.8-Max. O mesmo compilado, porém, registra um teste de jogo em que o Qwen4-Max terminou mais rápido, mas ainda ficou em segundo lugar na avaliação geral.

Estou encontrando essas falhas o tempo todo ao tentar gerar qualquer código.

— @bijanbowen, publicação (primeira impressão de um usuário real, 16 de novembro de 2026; captura de tela com erros repetidos de geração de código)

Um compilado inicial de testes em chinês (@weconomypistis) apontou o preço e o custo por tarefa como os maiores avanços, mas considerou as operações no terminal e com agentes inferiores às do Kimi, com respostas mais lentas.

FAQ

O Qwen4-Max tem pesos abertos?

Não. Em 16 de novembro, o Qwen4-Max era oferecido apenas como serviço hospedado, sem pesos anunciados, segundo o rastreador do AI First Look. A Qwen afirma que modelos Qwen4 menores receberão pesos abertos posteriormente, de acordo com o anúncio do Qwen4-Max, mas ainda não informou data, tamanhos ou licença.