Mercados
S&P 5007.417▼ 1,92%Nasdaq24.510▼ 2,49%Dow Jones51.608▼ 1,41%Ibovespa169.295▼ 1,83%FTSE 10010.882▼ 0,19%DAX26.599▼ 0,57%Nikkei58.957▼ 1,18%DólarR$ 5,78▼ 0,03%EuroR$ 6,37▼ 0,06%BitcoinR$ 375.917▲ 0,22%Powered by WIREDESK OSS&P 5007.417▼ 1,92%Nasdaq24.510▼ 2,49%Dow Jones51.608▼ 1,41%Ibovespa169.295▼ 1,83%FTSE 10010.882▼ 0,19%DAX26.599▼ 0,57%Nikkei58.957▼ 1,18%DólarR$ 5,78▼ 0,03%EuroR$ 6,37▼ 0,06%BitcoinR$ 375.917▲ 0,22%Powered by WIREDESK OS
Powered by WIREDESK OS
Lançamentos de IA

Alibaba lança Qwen4-Max e pressiona rivais como Kimi 3.1 Pro

Alibaba apresenta o Qwen4-Max, modelo de 2,4 trilhões de parâmetros que corta em até 62% o custo médio por tarefa e mira disputas diretas com GPT-6, Opus 5.5 e Kimi 3.1 Pro em indústria, finanças e pesquisa.

Alibaba lança Qwen4-Max e pressiona rivais como Kimi 3.1 Pro

Inteligência Artificial

Novo modelo da Alibaba reduz custos e desafia líderes do mercado em setores como indústria e finanças.

Leia também: Google detecta ataques cibernéticos 100% automatizados por IA

A Alibaba lançou o Qwen4-Max, novo modelo de linguagem gigante que mira trabalho profissional em indústria, finanças e pesquisa científica, prometendo desempenho de ponta com custos até 62% menores por tarefa em cenários industriais. O movimento aumenta a pressão sobre rivais como GPT-6, Opus 5.5 e o Kimi 3.1 Pro (Kimi ai), hoje referência entre modelos chineses.

O que diferencia o Alibaba Qwen4-Max do Kimi K3.1 Pro e do GPT-6?

O Qwen4-Max aposta em uma arquitetura híbrida para se destacar do Kimi 3.1 Pro e do GPT-6: em vez de usar apenas as camadas tradicionais de atenção, o modelo combina três camadas que comprimem todo o contexto anterior em um estado condensado e uma quarta camada que seleciona apenas as partes relevantes. Com isso, reduz o custo computacional em entradas longas, um dos gargalos mais caros em IA avançada.

Essa estrutura é reforçada por quatro conexões paralelas entre camadas, com portões dinâmicos que estabilizam o fluxo de informação, e por uma camada de embeddings N-gram com 328 bilhões de parâmetros, que fornece sequências comuns de tokens como blocos de construção prontos. No total, o Qwen4-Max tem 2,4 trilhões de parâmetros.

Segundo a Alibaba, “o treinamento da configuração de 2,4 trilhões de parâmetros ocorreu de forma estável, com a perda caindo continuamente sem picos repentinos”. Nas avaliações internas, a base Qwen4-Max-Base melhorou entre 5% e 13% em qualidade em relação ao Qwen3.8-Max-Base, ativando 25% menos parâmetros por token.

Na prática, a diferença central em relação a Kimi ai K3.1 Pro e aos modelos GPT está na combinação de eficiência e preço. Em benchmarks industriais, o Qwen4-Max consome de um quarto a um terço menos tokens que o antecessor para resolver as mesmas tarefas, cortando gastos sem abrir mão de resultados competitivos. E introduz a função “Live Delivery”, que entrega versões parciais da resposta enquanto o processo segue rodando, permitindo intervenção humana no meio de tarefas longas — algo pensado para fluxos complexos em empresas.

Como o desempenho do Alibaba Qwen4-Max se compara ao do Kimi K3.1 Pro?

No cenário de benchmarks independentes, o Qwen4-Max chega com resultados mistos, mas sólidos frente ao Kimi 3.1 Pro e outros rivais. No índice Artificial Analysis Intelligence, focado em raciocínio e agentes, o Qwen4-Max marca 43 pontos, nove a mais que o Qwen3.8-Max e três a menos que o Kimi K3.1 Pro, que lidera com 46 pontos.

Mesmo ficando atrás do Kimi ai nesse índice, o novo modelo da Alibaba é bem mais eficiente em custo: cada tarefa sai por US$ 3,27, contra US$ 10,02 do Qwen3.8-Max e US$ 3,68 do Kimi 3.1 Pro. A diferença vem de três fatores combinados: redução de 25% no preço dos tokens, queda de 70% no custo de cache hits e menor consumo de tokens por tarefa (105 mil tokens de saída, ante 171 mil no modelo anterior).

Em tarefas de longo prazo com agentes, o Qwen4-Max mostra força. A Alibaba afirma que “o Qwen4-Max entregou a melhor pontuação em Agents’ Last Exam v1.1, com 46,7 pontos”, à frente dos concorrentes diretos nesse teste específico. Já no Terminal-Bench 4.0, voltado para agentes em terminal, o Qwen4-Max atinge 48%, enquanto o Kimi K3.1 Pro chega a 67%. No benchmark de código FrontierCode 2.0, há empate entre Qwen4-Max e Kimi em 26%, ambos atrás do Tencent Hy4, com 31%.

Em saúde, no HealthBench Professional, o Qwen4-Max fica atrás dos modelos GPT, mas supera o Opus 5.5. Nos exames de segurança em código (Last Secure Code Bench), a Alibaba relata que a fatia de código funcional e seguro produzido pelo modelo subiu de 22% para 31,8% em relação à geração anterior, e a parcela classificada como segura em todos os níveis de teste quase dobrou, de 8% para 14,7%.

Entenda o contexto

O lançamento do Qwen4-Max ocorre em um mercado em que modelos como GPT-6, Opus 5.5 e Kimi ai K3.1 Pro disputam empresas que rodam tarefas críticas em texto, código e dados. Moonshot AI, dona do Kimi, apostou em um modelo de 2,8 trilhões de parâmetros com foco em raciocínio e tarefas longas, enquanto outras empresas chinesas, como DeepSeek e Zhipu AI, experimentam arquiteturas híbridas ou pós-treinamento pesado para ganhar eficiência.

A própria Alibaba vinha de uma geração anterior (Qwen3.8-Max) considerada cara: o modelo precisava de 64 etapas por tarefa em um índice importante e custava mais do que o Qwen3.7-Max, o que limitava alguns usos em larga escala. A série Qwen4 estreia justamente com a promessa de cortar esse custo estrutural e tornar agentes autônomos mais viáveis economicamente.

O Alibaba Qwen4-Max é uma opção mais econômica para IA avançada em relação ao Kimi K3.1 Pro?

Nos números divulgados, o Qwen4-Max é, sim, mais econômico que o Kimi K3.1 Pro para IA avançada, ainda que o Kimi lidere em alguns testes de qualidade. No índice Artificial Analysis Intelligence, cada tarefa com o Qwen4-Max custa US$ 3,27, contra US$ 3,68 com Kimi 3.1 Pro — uma diferença de cerca de 11% a favor da Alibaba.

Em cenários industriais próprios da empresa, o ganho é ainda maior. “O custo médio por tarefa no Work360 caiu 62%, de US$ 4,43 para US$ 1,67, enquanto a pontuação subiu de 47,74 para 52,69”, informa a Alibaba. No mesmo benchmark, o modelo usa de um quarto a um terço menos tokens para chegar ao resultado, o que reduz diretamente a fatura para clientes que pagam por volume de uso.

Na API própria, a Alibaba cobra US$ 1,50 por milhão de tokens de entrada e US$ 4,50 por milhão de tokens de saída, com cache hits a US$ 0,075. Esses valores, combinados aos cortes de consumo de tokens e de cache, explicam por que o Qwen4-Max consegue entregar tarefas complexas a preços inferiores aos dos rivais com pontuações semelhantes.

Aplicações em indústria, finanças e laboratórios

Na indústria automotiva, a Alibaba cita parcerias com as empresas chinesas SANF e Pacific Union, que usaram o Qwen4-Max para automatizar a programação de peças em máquinas. De acordo com a companhia, “o modelo reduziu o tempo de programação manual de uma peça de 475 minutos para 24 minutos em parceiros automotivos” — um corte que pode redefinir turnos de produção em fábricas.

No setor financeiro, o modelo se conecta a 90 ferramentas MCP para coletar dados de mercado em múltiplas fontes. A promessa é gerar planilhas Excel e apresentações em PowerPoint com todos os números rastreáveis à origem, viabilizando relatórios que podem ser auditados por áreas de risco e compliance.

Dentro de casa, a Alibaba também coloca o Qwen4-Max para trabalhar. Em conjunto com o solucionador MindOpt, o modelo passou a ajudar na alocação de tarefas de anotação de dados na infraestrutura de nuvem, reduzindo o custo médio em 10,42%. Na distribuição de tarefas de CPU em data centers, a ferramenta teria encontrado soluções ótimas mais de 14 vezes mais rápido do que o método de comparação.

Em laboratórios físicos, a companhia mostra o Qwen4-Max integrado ao sistema Mira, da startup Deep Principle. “Em laboratórios físicos, o Qwen4-Max operou autonomamente por 48 horas, projetando e testando um novo fluido refrigerante para chips”, afirma a Alibaba. Nesse período, o modelo analisou 2,7 milhões de moléculas candidatas, controlou um laboratório automatizado e completou quatro ciclos de design, síntese e medição para um refrigerante destinado a chips de data centers.

Outro experimento citado envolve a plataforma PharmMaster, da DP Technology, voltada a descoberta de fármacos. Em um alvo ligado a inflamações associadas ao Alzheimer, o Qwen4-Max revisou literatura, desenhou moléculas e, ao longo de várias rodadas, otimizou 24 candidatos. Segundo a Alibaba, o composto final se liga à proteína de interesse cerca de 3,6 vezes melhor que a molécula de referência de uma patente existente, o suficiente para incentivar novos testes em laboratório.

Live Delivery e uso em games

Um dos recursos mais práticos do Qwen4-Max para empresas é o “Live Delivery”: em vez de deixar o usuário no escuro durante horas enquanto um agente executa uma tarefa longa, o modelo entrega cedo uma primeira versão utilizável do resultado e vai refinando em passagens subsequentes. O usuário pode intervir a qualquer momento, corrigindo rota, ajustando parâmetros ou incluindo novas fontes de dados. A Alibaba liberou o plugin Qwen-Live-Delivery-Plugin como componente aberto para desenvolvedores.

Na frente criativa, o Qwen4-Max aparece integrado a motores de jogo como Unity, Unreal Engine e Godot. A proposta é que, a partir de uma descrição em linguagem natural, o modelo cuide de todo o pipeline básico de um game: montagem de cena, lógica, ligação com assets externos, materiais, interface e efeitos visuais até chegar a uma versão jogável. Durante o desenvolvimento, o próprio modelo joga e usa feedback visual e de interação para ajustar câmera, animações, reações de impacto e iluminação.

Entre os exemplos internos, a Alibaba mostra “Meow of Magic”, um jogo em Unreal sobre um gato mago que lança feitiços e enfrenta ondas de inimigos, construído com ajuda do Qwen4-Max. O modelo também gera modelos 3D em Blender, reutilizáveis tanto em jogos quanto em impressão 3D.

Impacto competitivo e próximos passos

A chegada do Qwen4-Max muda o equilíbrio de forças na disputa entre gigantes chinesas de IA e players globais. Com desempenho competitivo em parte dos testes e uma vantagem clara de custo em benchmarks que medem preço por tarefa, a Alibaba passa a oferecer uma alternativa agressiva para empresas que hoje consideram Kimi ai, GPT-6 ou Opus 5.5.

Para setores industriais e financeiros, a combinação de cortes de custo operacionais, maior automação e recursos como Live Delivery tende a atrair empresas que precisam de agentes autônomos, mas não podem arcar com contas muito altas de computação. A estratégia também pressiona concorrentes a reverem preços e arquiteturas para não perder espaço em mercados sensíveis a custo-benefício.

O Qwen4-Max já está disponível via QwenCloud e integrado a produtos como QwenWork, Qoder e QwenStudio. A Alibaba planeja liberar apenas versões menores da série Qwen4 como código aberto, mantendo o modelo principal como oferta comercial — um sinal de que a nova arquitetura é vista como trunfo competitivo no longo prazo.