Alibaba lança Qwen4-Max com 2,4 tri parâmetros e custo 30% menor
Alibaba lança na nuvem o Qwen4-Max, modelo de linguagem com arquitetura de 2,4 trilhões de parâmetros, que promete saídas melhores e cortes de até 49% no custo de uso.

Tecnologia
Novo modelo de linguagem da Alibaba oferece desempenho aprimorado e redução significativa nos custos de operação em nuvem.
Leia também: Google detecta ataques cibernéticos 100% automatizados por IA
O Alibaba Group lançou nesta segunda-feira (16) o Qwen4-Max, seu modelo de linguagem de grande porte mais avançado, na plataforma de nuvem do grupo. Com uma arquitetura inédita de 2,4 trilhões de parâmetros e otimizações no mecanismo de atenção, o sistema promete respostas de maior qualidade gastando menos recursos que o antecessor Qwen3.8-Max, o que reduz custos para empresas que dependem de inteligência artificial.
Nova arquitetura ativa só parte dos 2,4 trilhões de parâmetros
No centro do anúncio está a arquitetura Qwen4, pensada para tornar treinamento e uso mais eficientes. “O backbone do Qwen4-Max compreende 2.4 trilhões de parâmetros, mas ativa apenas 71 bilhões a qualquer momento”, informou o Alibaba Group. A estratégia permite um modelo gigantesco no papel, mas com consumo de hardware compatível com cenários de produção.
Esse backbone é acompanhado por 328 bilhões de parâmetros N-gram que funcionam como cache, armazenando resultados de cálculos repetidos para evitar recomputações. Na prática, o modelo reaproveita parte do trabalho já feito, o que acelera respostas e reduz custo de processamento.
Outra novidade é o mecanismo residual com quatro canais, que cria atalhos internos para o fluxo de aprendizado durante o treinamento. “O mecanismo residual com quatro canais e ‘gates’ ajusta o movimento dos gradientes para melhorar o treinamento”, explicou o Alibaba Group. Cada canal conta com um “gate”, espécie de filtro que regula por onde e quanto do gradiente passa, reduzindo erros de ajuste e, consequentemente, o custo para chegar a um modelo estável.
Atenção mais barata com Gated DeltaNet e QSA
O módulo de atenção — responsável por entender e priorizar partes do texto de entrada — também foi redesenhado para cortar gastos com infraestrutura. “A tecnologia Gated DeltaNet reduz o hardware necessário para processar grandes prompts”, afirmou o Alibaba Group. Isso significa que pedidos muito longos podem ser tratados sem exigir clusters ainda maiores de servidores.
Já a segunda otimização, batizada de QSA, foca em descartar o que não é essencial. “O QSA pula dados irrelevantes para respostas, diminuindo custos de infraestrutura”, disse a companhia. Ao ignorar trechos que não ajudam a formular a saída, o modelo processa menos informação, o que impacta diretamente a conta de nuvem.
Menos tokens, mesma tarefa: economia de até 49%
Em benchmarks internos voltados a tarefas de conhecimento, o Qwen4-Max superou o Qwen3.8-Max e ainda usou menos dados de entrada e saída para completar as atividades. “Qwen4-Max usou até 35% menos tokens que o Qwen3.8-Max em tarefas de conhecimento”, informou o grupo.
Nos testes de programação com a suíte Terminal-Bench 4.0, a diferença foi ainda maior. “A economia chegou a 49% em desafios de codificação no Terminal-Bench 4.0”, declarou o Alibaba Group. Como o custo de uso de modelos de linguagem costuma ser calculado em número de tokens processados, a redução representa uma queda direta na fatura de clientes corporativos.
Entenda o contexto
Modelos de linguagem de grande porte se tornaram a base de aplicações de atendimento automatizado, geração de conteúdo, análise de documentos, programação assistida e suporte interno em empresas. O avanço do Qwen4-Max mira justamente o ponto mais sensível dessa tecnologia hoje: o custo de treinar e servir modelos cada vez maiores.
Ao ativar dinamicamente apenas 71 bilhões de parâmetros de um total de 2,4 trilhões e ao usar um cache de 328 bilhões de parâmetros N-gram, o Alibaba tenta combinar escala com eficiência. O desenho residual em quatro canais busca treinar modelos gigantes com menos iterações desperdiçadas, enquanto Gated DeltaNet e QSA aliviam a pressão sobre GPUs e memória.
Na prática, setores como finanças, saúde, educação, tecnologia e desenvolvimento de software podem ganhar respostas mais rápidas e precisas, gastando menos tempo e infraestrutura em cada chamada ao modelo. Ao mesmo tempo, fornecedores de hardware para IA tendem a sentir a pressão de arquiteturas que fazem mais com menos recursos computacionais.
Plugin Qwen-Live-Delivery e planos open-source
Além do modelo principal, o Alibaba apresentou o Qwen-Live-Delivery-Plugin, pensado para projetos longos, em que o usuário costuma esperar até o fim da tarefa para ver o resultado. “O plugin Qwen-Live-Delivery permite entregas rápidas de rascunhos e melhorias iterativas com feedback do usuário”, destacou o grupo.
Com o plugin, o Qwen4-Max passa a entregar um primeiro rascunho rapidamente e, a partir daí, refinar o conteúdo em ciclos sucessivos, guiado pelas correções e comentários do usuário. A dinâmica é útil para relatórios extensos, código complexo ou documentos que exigem revisão em equipe.
O Qwen4-Max já está disponível na plataforma de nuvem do Alibaba, focado em clientes corporativos e desenvolvedores. A empresa também promete liberar, adiante, versões menores baseadas na mesma tecnologia em regime open-source, o que pode ampliar a adoção por startups, laboratórios de pesquisa e equipes internas de TI que preferem hospedar seus próprios modelos.
Nos próximos meses, o desempenho do Qwen4-Max em produção, a adesão da comunidade de desenvolvedores e a reação de concorrentes devem definir se a nova arquitetura consolida o Alibaba na linha de frente dos modelos de linguagem de grande porte — e quanto ela deve acelerar a queda dos custos de aplicações de IA no mercado.


