# Qwen4-Max: preço, acesso à API e contexto de 1M

> Qwen4-Max é o modelo MoE carro-chefe da Alibaba: 2,4T de parâmetros, 71B ativos, visão nativa e 1M de contexto. Veja o ID, os limites e os preços por região.

- Canonical HTML: https://omniakey.com/pt-BR/blog/qwen4-max
- Markdown: https://omniakey.com/pt-BR/blog/qwen4-max.md
- Published: 2026-11-16 (updated 2026-11-16)
- Author: Kiki, COO at OmniaKey
- Language: pt-BR
- Category: Guide
- Reading time: 8 min
- All posts: https://omniakey.com/blog/llms.txt

---

O Qwen4-Max já está disponível. A Alibaba o lançou em 16 de novembro de 2026, e o QwenCloud vende o modelo como `qwen4-max` pelo Token Plan e pela API de pagamento por uso, com a entrada em Singapura a $1.50 por milhão de tokens. O anúncio lista 2,4 trilhões de parâmetros totais, 71 bilhões ativos por token, visão nativa e contexto de 1M de tokens ([Alibaba, 16 de novembro de 2026](https://www.alibabacloud.com/en/press-room/alibaba-unveils-qwen4-max?_p_lc=1); [modelo mais recente do QwenCloud](https://docs.qwencloud.com/developer-guides/getting-started/latest-model); [preços do QwenCloud](https://docs.qwencloud.com/developer-guides/getting-started/pricing)).

**Resposta curta**

- O Qwen4-Max está ativo como `qwen4-max` no QwenCloud, pelo Token Plan Personal, Token Plan Team ou pela API de pagamento por uso ([QwenCloud](https://docs.qwencloud.com/developer-guides/getting-started/latest-model)).
- Singapura cobra $1.50 por milhão de tokens de entrada e $4.50 por milhão de saída; Pequim e as regiões Global cobram $1.413 e $4.24 ([preços](https://docs.qwencloud.com/developer-guides/getting-started/pricing)).
- A janela de contexto é de 1M de tokens, e o raciocínio mais a resposta final podem chegar a 262.144 tokens.
- O Qwen4-Max não tem download de pesos abertos. A Alibaba diz que modelos Qwen4 menores com pesos abertos virão "em breve" ([lançamento](https://www.alibabacloud.com/en/press-room/alibaba-unveils-qwen4-max?_p_lc=1)).

## O Qwen4-Max está disponível agora?

Sim. A Alibaba apresentou o modelo em Hangzhou em 16 de novembro de 2026 e afirma que ele está disponível no QwenCloud pelo Token Plan e pela API, além dos apps próprios QwenWork e QwenStudio ([lançamento](https://www.alibabacloud.com/en/press-room/alibaba-unveils-qwen4-max?_p_lc=1)). A documentação do QwenCloud nomeia três formas de pagar: Token Plan Personal, Token Plan Team ou pagamento por uso ([QwenCloud](https://docs.qwencloud.com/developer-guides/getting-started/latest-model)). O índice do Model Studio da Alibaba Cloud lista `qwen4-max` em raciocínio complexo e programação, e em compreensão visual. A página foi atualizada pela última vez em 16 de novembro de 2026 ([Model Studio](https://www.alibabacloud.com/help/en/model-studio/models)).

A implantação cobre Singapura (International), China North 2 em Pequim e Global em Frankfurt, Hong Kong, Tóquio e Virgínia (EUA). Singapura usa a URL base `https://ap-southeast-1.maas.qwencloudapi.com/compatible-mode/v1` ([QwenCloud](https://docs.qwencloud.com/developer-guides/getting-started/latest-model)). As chamadas de pagamento por uso em Singapura incluem 1 milhão de tokens grátis ([preços do QwenCloud](https://docs.qwencloud.com/developer-guides/getting-started/pricing)), separados dos créditos do Token Plan.

As ferramentas de programação têm uma lista explícita: o QwenCloud nomeia Claude Code, Codex e OpenCode ([QwenCloud](https://docs.qwencloud.com/developer-guides/getting-started/latest-model)). Para os passos de endpoint personalizado de que essas ferramentas precisam, veja o [guia de configuração do Claude Code](https://omniakey.com/pt-BR/blog/claude-code-setup). Para um panorama maior, leia a [comparação de agentes de programação](https://omniakey.com/pt-BR/blog/best-llm-coding-agents).

Status verificado em 16 de novembro de 2026.

## O que mudou em relação ao Qwen3.8-Max?

O Qwen4-Max é um modelo de mistura de especialistas (MoE) esparsa. Ele mantém a escala de 2,4 trilhões de parâmetros totais do Qwen3.8-Max e reduz os parâmetros ativados em 25%, para 71 bilhões por token ([lançamento](https://www.alibabacloud.com/en/press-room/alibaba-unveils-qwen4-max?_p_lc=1)). A Alibaba descreve a mudança MoE como abrangendo atenção, conexões residuais e embeddings. O QwenCloud chama o modelo de primeiro da família Qwen4 e resume raciocínio, visão nativa e execução de tarefas longas em uma frase ([QwenCloud](https://docs.qwencloud.com/developer-guides/getting-started/latest-model)).

Os dois modelos ficam na mesma escala total de 2,4T. As contagens total e ativa descrevem o cálculo por token, enquanto o Work360 é um resultado de tarefas à parte, relatado pelo fornecedor.

A Alibaba informa o sexto lugar no Code Arena, um ranking de programação de terceiros. Também diz que o Qwen4-Max usou 35% menos tokens que o Qwen3.8-Max no nível High do Work360 e cortou o custo médio por tarefa em cerca de 60% ([lançamento](https://www.alibabacloud.com/en/press-room/alibaba-unveils-qwen4-max?_p_lc=1)). O Work360 é o benchmark proprietário da Alibaba, pontuado em 721 campos especializados. O mesmo anúncio cita Agents' Last Exam, Vals Index, JobBench e Chartography sem publicar pontuações.

Esses números vêm da Alibaba, e nenhuma avaliação independente apareceu nas fontes consultadas. Leia o lugar no Code Arena como a declaração da Alibaba sobre um quadro de terceiros, e os números do Work360 como um benchmark de fornecedor que mede tarefas da própria Alibaba.

## Especificações e ID do Qwen4-Max

O ID de produção é `qwen4-max` ([QwenCloud](https://docs.qwencloud.com/developer-guides/getting-started/latest-model)). `qwen4-max-preview` é uma entrada separada, com ID, cobrança e data de desativação próprios ([Model Studio](https://help.aliyun.com/en/model-studio/qwen4-max-preview)). A entrada é texto, imagem e vídeo; a saída é texto ([tabela de modelos do QwenCloud](https://docs.qwencloud.com/developer-guides/getting-started/text-generation-models)).

|Limite|Valor|
|-|-|
|Janela de contexto|1.000.000 tokens|
|Entrada máx., sem raciocínio|991.808 tokens|
|Entrada máx., com raciocínio|983.616 tokens|
|Saída máx., sem raciocínio|131.072 tokens|
|Raciocínio mais resposta|262.144 tokens|
|Orçamento de raciocínio padrão|131.072 tokens|

O raciocínio vem ativado por padrão com `reasoning_effort=high` e um orçamento de 131.072 tokens ([QwenCloud](https://docs.qwencloud.com/developer-guides/getting-started/latest-model)). O ajuste de esforço aceita `low`, `high` ou `xhigh`, e o QwenCloud mapeia `minimal`, `medium` e `max` para esses três valores. No Chat Completions, `enable_thinking=false` desliga o raciocínio. `max_completion_tokens` limita raciocínio e resposta final juntos, então uma requisição com raciocínio pode distribuir até 262.144 tokens entre os dois.

A inferência em lote não é compatível com `qwen4-max` ([QwenCloud](https://docs.qwencloud.com/developer-guides/getting-started/latest-model); [tabela de modelos](https://docs.qwencloud.com/developer-guides/getting-started/text-generation-models)), nem o ajuste fino ou a implantação de modelo. As APIs são Chat Completions, Responses, Anthropic Messages e DashScope, e requisições só de texto continuam usando o endpoint multimodal do DashScope.

Os limites de mídia permitem 16 milhões de pixels por imagem, até 2.048 URLs de imagem, 250 imagens em base64 e 64 vídeos por requisição, com vídeo de até 2 horas ou 2 GB ([tabela de modelos do QwenCloud](https://docs.qwencloud.com/developer-guides/getting-started/text-generation-models)). Esses tetos descrevem o que o endpoint aceita; o limite de entrada de 991.808 tokens decide quanto cabe em uma chamada.

## Preços da API do Qwen4-Max por região

A página de preços do QwenCloud, verificada em 16 de novembro de 2026, lista estas tarifas de pagamento por uso em dólares americanos por milhão de tokens. Os modos com e sem raciocínio custam o mesmo, e o Qwen4-Max não tem faixas por tamanho de entrada ([preços do QwenCloud](https://docs.qwencloud.com/developer-guides/getting-started/pricing)).

|Item|Singapura|Pequim / Global|
|-|-|-|
|Entrada|$1.50|$1.413|
|Saída, raciocínio e resposta|$4.50|$4.24|
|Escrita de cache, 5 min|$1.875|$1.767|
|Escrita de cache, 1 h|$3|$2.827|
|Leitura de cache|$0.075|$0.071|

Dois detalhes mudam a conta. Tokens de raciocínio são cobrados como tokens de saída ([preços do QwenCloud](https://docs.qwencloud.com/developer-guides/getting-started/pricing)), e as escritas e leituras de cache usam as tarifas acima. O cache explícito tem validade de 5 minutos ou 1 hora, com 5 minutos como padrão; o novo cache explícito do Qwen4 não está disponível no DashScope ([QwenCloud](https://docs.qwencloud.com/developer-guides/getting-started/latest-model)).

Um exemplo para Singapura: 100.000 tokens de entrada a $1.50 por milhão dão $0.15, e 20.000 tokens de saída a $4.50 por milhão dão $0.09, então uma requisição fica perto de $0.24. A mesma requisição em Pequim ou Global sai por cerca de $0.23.

O preço em lote, a 50% da tarifa em tempo real, não se aplica aqui, porque o modelo não aceita inferência em lote ([preços](https://docs.qwencloud.com/developer-guides/getting-started/pricing)). As ferramentas embutidas são cobradas à parte: a busca na web custa $10 por 1.000 chamadas em Singapura e $0.573411 em Pequim e Global, enquanto chamadas de função e MCP não têm taxa de ferramenta. As tarifas de créditos do Token Plan e os limites de taxa por modelo não aparecem nas páginas consultadas.

## O que o Qwen4-Max faz com visão e ferramentas?

A compreensão de imagem e a de vídeo aparecem como capacidades suportadas, e a mesma entrada tem o contexto de 1M de tokens ([QwenCloud](https://docs.qwencloud.com/developer-guides/getting-started/latest-model)). A entrada é texto, imagem e vídeo, com saída de texto ([tabela de modelos](https://docs.qwencloud.com/developer-guides/getting-started/text-generation-models)).

As ferramentas cobrem chamadas de função, chamadas paralelas, busca na web, raspagem web, interpretador de código, busca de texto para imagem, busca de imagem para imagem, compreensão de PDF e MCP ([QwenCloud](https://docs.qwencloud.com/developer-guides/getting-started/latest-model)). O interpretador de código exige raciocínio ativado. A saída estruturada funciona como JSON Object ou JSON Schema, e streaming, conclusão de prefixo e cache implícito são suportados. O CoT Summary devolve um resumo legível enquanto o raciocínio completo fica criptografado.

`preserve_thinking` vem ativado por padrão em chamadas de ferramentas com vários turnos. Esse ajuste importa nos laços de agentes: o raciocínio anterior continua disponível nos turnos seguintes, a menos que você o desligue.

O anúncio da Alibaba acrescenta exemplos de clientes e internos. Um teste de agendamento em nuvem cortou 9% do custo das chamadas ao modelo de anotação de dados e deixou o reagendamento de CPU offline mais de 14 vezes mais rápido. Um cliente automotivo reduziu a programação manual de peças de cerca de 475 minutos para 24. Um fluxo científico rodou 48 horas em quatro iterações de laço fechado, e um estudo sobre Alzheimer fez 454 chamadas de ferramenta e 3.239 avaliações de métricas para produzir 24 moléculas candidatas ([lançamento](https://www.alibabacloud.com/en/press-room/alibaba-unveils-qwen4-max?_p_lc=1)). Esses resultados são relatos da própria Alibaba.

## O Qwen4-Max é open source?

Não. O anúncio, a documentação do QwenCloud e as páginas do Model Studio não publicam pesos, link de download nem licença do Qwen4-Max. A Alibaba diz que os modelos de pesos abertos de menor escala da série Qwen4 "serão lançados em breve para desenvolvedores do mundo todo" ([lançamento](https://www.alibabacloud.com/en/press-room/alibaba-unveils-qwen4-max?_p_lc=1)). Até eles aparecerem, `qwen4-max` é um modelo hospedado, acessível pelo QwenCloud, pelos apps da Alibaba e pelo Model Studio.

## Qwen4-Max ou Qwen4-Max-Preview?

Use `qwen4-max` para trabalho novo. A entrada de preview `qwen4-max-preview` é só do Token Plan, sem acesso por uso ([Model Studio](https://help.aliyun.com/en/model-studio/qwen4-max-preview)). O preview vai das 10:00 de 11 de novembro de 2026 às 24:00 de 25 de novembro de 2026 (UTC+8), e depois o modelo é desativado. O preview limita a saída a 393.216 tokens compartilhados por raciocínio e resposta, contra 262.144 da versão de produção no modo de raciocínio. A Alibaba recomenda a versão de produção.

Um detalhe de numeração continua: a partir de `qwen4-max-preview`, `max_tokens` significa o mesmo que `max_completion_tokens`. Código escrito para modelos Qwen antigos pode gastar mais do que o previsto se assumir o significado anterior.

> As chaves de preview param de funcionar em 25 de novembro de 2026 às 24:00 UTC+8. Mova tarefas agendadas e agentes de longa duração para&#x20;
>
> `qwen4-max`
>
> &#x20;antes dessa data.

A URL base do Token Plan no preview é `https://token-plan.cn-beijing.maas.aliyuncs.com` ([Model Studio](https://help.aliyun.com/en/model-studio/qwen4-max-preview)); o modelo de produção usa o endpoint do QwenCloud da sua região. Para os níveis de acesso do preview e os detalhes do Qoder, veja o [guia de acesso ao Qwen4-Max-Preview](https://omniakey.com/pt-BR/blog/qwen4-max-preview).

## Como escolher um caminho de acesso hoje?

|Situação|Ação|
|-|-|
|Integração nova|Pagamento por uso em Singapura, 1M grátis|
|Equipe com Token Plan|Trocar o ID para `qwen4-max`|
|Chave de preview em uma tarefa|Migrar antes de 25 de novembro|
|Tarefas em lote|Manter o modelo atual|
|Uma chave, vários modelos|O caminho OmniaKey abaixo|

O catálogo da OmniaKey tem o [Qwen3.8-Max](https://omniakey.com/pt-BR/qwen3-8-max), o modelo com que a Alibaba compara o Qwen4-Max, e não lista o Qwen4-Max. Para usar um modelo Qwen com uma única chave hoje, a opção do catálogo é o Qwen3.8-Max; a [página de preços](https://omniakey.com/pt-BR/pricing) traz as tarifas atuais.

Confira a lista de modelos na sua própria conta antes de entregar uma tarefa longa a qualquer um dos IDs, e calcule o preço de uma requisição real com as suas contagens de tokens, não com médias.

## Perguntas frequentes

### Posso usar o Qwen4-Max no Claude Code?

Sim. A documentação do QwenCloud da Alibaba lista Claude Code, Codex e OpenCode entre as ferramentas de programação para `qwen4-max` ([QwenCloud](https://docs.qwencloud.com/developer-guides/getting-started/latest-model)). Use uma chave do QwenCloud e o endpoint da sua região; os passos gerais de endpoint personalizado estão no [guia de configuração do Claude Code](https://omniakey.com/pt-BR/blog/claude-code-setup).

### O Qwen4-Max suporta inferência em lote?

Não. O QwenCloud lista a inferência em lote como não suportada para `qwen4-max`, então a tarifa de lote de 50% da página de preços não se aplica ([tabela de modelos](https://docs.qwencloud.com/developer-guides/getting-started/text-generation-models); [preços](https://docs.qwencloud.com/developer-guides/getting-started/pricing)). Envie tarefas grandes como requisições separadas ou mantenha-as em um modelo que aceite chamadas em lote.

### Qual é a saída máxima do Qwen4-Max?

131.072 tokens no modo sem raciocínio, e 262.144 tokens compartilhados por raciocínio e resposta quando o raciocínio está ativado ([QwenCloud](https://docs.qwencloud.com/developer-guides/getting-started/latest-model)). `max_completion_tokens` limita as duas partes juntas.

### O que acontece com o qwen4-max-preview em 25 de novembro?

O preview é desativado em 25 de novembro de 2026 às 24:00 UTC+8, e a Alibaba indica o modelo de produção `qwen4-max` ([Model Studio](https://help.aliyun.com/en/model-studio/qwen4-max-preview)). Renomeie qualquer tarefa que ainda use o ID de preview.

### Onde posso usar o Qwen4-Max pela OmniaKey hoje?

A OmniaKey ainda não lista o Qwen4-Max. O modelo Qwen do catálogo é o [Qwen3.8-Max](https://omniakey.com/pt-BR/qwen3-8-max), disponível com uma chave OmniaKey; as tarifas atuais estão na [página de preços](https://omniakey.com/pt-BR/pricing).

## Fontes verificadas

- [Alibaba: Alibaba unveils Qwen4-Max (16 de novembro de 2026)](https://www.alibabacloud.com/en/press-room/alibaba-unveils-qwen4-max?_p_lc=1)
- [QwenCloud: modelo mais recente](https://docs.qwencloud.com/developer-guides/getting-started/latest-model)
- [QwenCloud: preços (verificados em 16 de novembro de 2026)](https://docs.qwencloud.com/developer-guides/getting-started/pricing)
- [QwenCloud: modelos de geração de texto](https://docs.qwencloud.com/developer-guides/getting-started/text-generation-models)
- [Alibaba Cloud Model Studio: modelos](https://www.alibabacloud.com/help/en/model-studio/models)
- [Alibaba Cloud Model Studio: qwen4-max-preview](https://help.aliyun.com/en/model-studio/qwen4-max-preview)
