Ir para o conteúdo

Together AI traz o Qwen4 Max, da Alibaba, com 1M de tokens

Resposta curta

A Together AI disponibilizou o Qwen4 Max, da Alibaba, no serviço de inferência serverless, com janela de contexto de 1M de tokens. Até 22 de novembro de 2026, custa US$ 1,05 por milhão de tokens de entrada e US$ 3,15 por milhão de saída. As requisições precisam usar streaming, e o thinking vem ligado por padrão e é cobrado como saída.

O que isso significa na operação

Se o seu time lida com documentos longos, como acervo de contratos, histórico de tickets ou um código-fonte inteiro, uma janela de 1M de tokens permite enviar o material em uma única requisição, sem montar antes uma etapa de recuperação. Calcule o custo de um trabalho típico antes de se comprometer: no teste do próprio fornecedor, uma entrada de 652.519 tokens custou 69 centavos no preço promocional e 98 centavos no preço de tabela. Em um piloto, verifique três pontos: a espera de 54 segundos pelo primeiro token em uma entrada grande, os tokens de thinking cobrados como saída e a exigência de streaming no código de qualquer integração existente. Repetir requisições sobre o mesmo material sai mais barato por causa do cache automático.

A Together AI colocou o modelo principal da família Qwen, da Alibaba, o Qwen4 Max, no seu serviço de inferência serverless, com o identificador Qwen/Qwen4-Max. A Alibaba lançou o modelo em 16 de novembro de 2026. Segundo a Together, o preço de lançamento fica 30% abaixo da tabela até 22 de novembro de 2026.

O que é o modelo

O Qwen4 Max é um modelo de mistura esparsa de especialistas, com 2,4 trilhões de parâmetros, dos quais 71 bilhões ficam ativos por token. Ele aceita texto e imagem como entrada e devolve texto. A chamada de ferramentas funciona pelo parâmetro padrão tools, e um único turno pode retornar mais de uma chamada. A Alibaba o posiciona para trabalho longo de agentes, incluindo programação em repositórios grandes. No Work360, benchmark da própria empresa, a Alibaba relata resultado geral melhor que o do Qwen3.8 Max, 35% menos tokens com esforço de raciocínio alto e custo por tarefa cerca de 60% menor. São números da Alibaba, e a Together não os verificou.

Preços

Preço promocional (até 22/11/2026)Preço de tabela
Entrada, por 1M de tokensUS$ 1,05US$ 1,50
Entrada em cache, por 1M de tokensUS$ 0,0525US$ 0,075
Saída, por 1M de tokensUS$ 3,15US$ 4,50

O cache de prompt é automático, mas feito no melhor esforço, então nem toda requisição repetida é atendida pelo cache.

O teste da própria Together

A Together enviou ao modelo um relatório de bug e os 344 arquivos do framework web Tornado, em Python, somando 652.519 tokens, em uma única requisição, sem ferramentas e sem seleção de arquivos. O primeiro token chegou após 54 segundos e a resposta completa após 72. O patch passou nos dois testes de regressão que os mantenedores escreveram para o bug, e a suíte completa do Tornado, com 1.673 testes, rodou sem falhas com o patch aplicado. O modelo também apontou código relacionado ao tratamento de erros em um arquivo que o relatório de bug nem mencionava. A requisição custou cerca de 69 centavos no preço promocional.

A Together escolheu um único exemplo, com uma correção que os mantenedores publicaram depois do lançamento do modelo. Ele mostra o que uma chamada pode fazer e não é um benchmark. Uma repetição de uma requisição de aproximadamente 630.000 tokens voltou quase toda do cache. O primeiro token chegou em 8 segundos, e a entrada custou cerca de 3 centavos, contra 66.

Limitações para conhecer antes de chamar

  • Só são aceitas requisições com streaming. Uma requisição sem streaming retorna erro 400.
  • O thinking vem ligado por padrão. O raciocínio é transmitido primeiro, então há uma pausa antes da resposta, e os tokens de thinking contam como tokens de saída. Dá para desligá-lo em cada requisição.
  • O modelo existe apenas em serverless. Não há fine-tuning nem endpoints dedicados. A Alibaba diz que modelos Qwen4 menores, de pesos abertos, virão depois.

O script que a Together publicou envia todos os arquivos de texto rastreados pelo git, então verifique se o repositório contém segredos antes de enviá-lo a qualquer modelo hospedado.

Fonte: Together AI · No Atlas: Together AI →

Próximo passo

Visibility Analyzer

Uma notícia sobre IA não diz como os assistentes veem o seu site. O Visibility Analyzer verifica isso no site real: quais respostas citam você, quais páginas o motor não consegue recuperar e o que corrigir primeiro. Rodar é grátis.

Rodar uma auditoria de visibilidade grátis

Rodar é grátis. Sem cartão.

Preço
Grátis
Duração
Uma rodada, minutos

Plano grátis: duas análises por dia, sem cartão.