Pular para o conteúdo
NovidadesIA

Modelos e LLMs

Alibaba lança Qwen4-Max com 2,4T de parâmetros e custo 62% menor

A Alibaba lançou no dia 16 o Qwen4-Max, modelo com 2,4 trilhões de parâmetros que ativa apenas 71 bilhões por token.

Edição: Anderson Gomes
· 2 min de leitura

Alibaba lança Qwen4-Max com 2,4T de parâmetros e custo 62% menor
Imagem: Cartão · github.com · cartão da plataforma · licença não declarada

A Alibaba lançou no dia 16 o Qwen4-Max, modelo com 2,4 trilhões de parâmetros que ativa apenas 71 bilhões por token. O novo flagship mira profissionais de indústria, ciência e finanças com custo operacional 62% menor que seu predecessor. Ele chega ao mercado para competir com Opus 5.5, GPT-6 e Kimi K3.1 Pro.

Arquitetura híbrida corta custo em contexto longo

A Alibaba trocou a arquitetura tradicional por uma estrutura híbrida. Três camadas comprimem o contexto anterior em um estado condensado, e uma quarta camada seleciona apenas as partes relevantes. O modelo processa imagens nativamente e oferece janela de contexto de 1 milhão de tokens. Quatro conexões paralelas entre camadas usam portas dinâmicas para estabilizar o fluxo de informação.

A eficiência aparece nos números. No benchmark interno Work360, o modelo usa 25% a 33% menos tokens que o antecessor para resolver as mesmas tarefas. No Terminal-Bench 4.0, a redução chega a quase 50%. A Alibaba afirma que o custo médio por tarefa no Work360 caiu de US$ 4,43 para US$ 1,67. A empresa também estreou o recurso "Live Delivery", que permite inspecionar resultados intermediários de agentes autônomos e ajustar tarefas em tempo real.

Segundo lugar no ranking com custo 3x menor que antecessor

No Artificial Analysis Intelligence Index, o Qwen4-Max pontua 43, nove a mais que o Qwen3.8-Max e três atrás do Kimi K3.1 Pro. O custo por tarefa no índice é de US$ 3,27, cerca de um terço dos US$ 10,02 do antecessor e 11% abaixo dos US$ 3,68 do Kimi. A economia vem de preços de tokens 25% menores, acertos em cache 70% mais baratos e uso reduzido de tokens.

Os resultados são mistos em benchmarks externos. No Agents' Last Exam v1.1, o Qwen4-Max lidera com 46,7 pontos. No Humanity's Last Exam, perde para Opus 5.5 e os modelos GPT. Na HealthBench Professional, fica atrás dos GPTs, mas supera o Opus 5.5. A Alibaba destaca ganhos de 21 pontos em HLE-Diamond, 18 em AA-Omniscience e 17 em AutomationBench-AA em relação ao Qwen3.8-Max.

Os modelos menores da série Qwen4 serão liberados como open source, mas a Alibaba não anunciou data para o lançamento nem requisitos específicos de hardware. O comunicado não detalha limitações declaradas além daquelas já mencionadas no material interno. A empresa afirma que o treinamento do modelo de 2,4 trilhões de parâmetros ocorreu de forma estável, com perda de treinamento caindo continuamente e sem picos repentinos.

  • The Decoder
  • Modelos e LLMs

Fonte: Comunicado oficial · Como produzimos as matérias