Qwen 3.6 Max Preview testado: mais barato que Opus 4.7?

Qwen 3.6 Max Preview testado: mais barato que Opus 4.7?

Quase não abri a aba. Eram 23h47 do dia 20 de abril, meu equipamento de agente estava finalmente funcionando normalmente depois de duas semanas lutando contra loops de chamadas de ferramentas, e a última coisa que eu precisava era de outro modelo para comparar. Então eu vi o preço do console API do Alibaba – $ 1,30 de entrada, $ 7,80 de saída por milhão de tokens – ao lado de um gráfico de benchmark reivindicando seis posições em primeiro lugar, incluindo SWE-Bench Pro e Terminal-Bench 2.0.

Para fins de contexto: Claude Opus 4.7 cobra US$ 15 de entrada e US$ 75 de saída. Isso não é uma diferença de preço. Isso é um abismo de preços.

Então fechei minhas execuções de agente, servi um terceiro café e passei os próximos quatro dias colocando Qwen 3.6 Max Preview em tudo - fluxos de trabalho de codificação de agente, refatoradores de vários arquivos, as absurdas demonstrações de front-end das quais Alibaba estava se gabando, até mesmo algumas das tarefas em que Opus 4.7 limpou meu relógio o mês todo. Parte disso me surpreendeu. Parte disso envergonhou a equipe de marketing do Alibaba. E uma descoberta específica me fez mudar o modelo que busco primeiro em determinadas cargas de trabalho, mas provavelmente não na carga de trabalho que você esperaria.

Aqui está a parte que complica a narrativa fácil: o título “Nº 1 em seis benchmarks” se mantém em alguns lugares e desmorona em outros. A história de onde ele se mantém, onde ele quebra e o que isso significa para sua pilha é a parte realmente interessante - e eu resolverei tudo isso antes de você sair deste post.

Por que este lançamento é mais importante do que os três últimos lançamentos do Qwen

Estamos há três semanas no que já está sendo chamado de aumento de maio - um trecho onde GPT-5.5 pousou, Claude Opus 4.7 com sua nova variante Sonnet seguido dois dias depois, e Alibaba enviou quatro variantes Qwen separadas no mesmo mês. A maioria deles era barulho. [Eu cobri o Qwen 3.6 Plus quando ele foi lançado em 30 de março] (https://www.mejba.me/blog/qwen-3-6-plus-agentic-coding) e o chamei de modelo gratuito mais genuinamente útil na camada de codificação de agente. Essa postagem ainda é precisa – Qwen 3.6 Plus continua sendo uma ferramenta que procuro quando quero uma produção de classe de fronteira sem gastar o orçamento.

Qwen 3.6 Max Preview é um animal diferente. Lançado em 20 de abril de 2026, é um carro-chefe de pesos fechados e apenas hospedado - sem repositório GitHub, sem download do Hugging Face, sem inferência local. Você acerta por meio do DashScope API do Alibaba Cloud ou não acerta. No momento em que este livro foi escrito, não estava no OpenRouter e nem no Kilo. O chatbot gratuito em chat.qwen.ai oferece acesso de visualização sem uma chave API, que é como a maioria das pessoas realmente tentará.

A proposta é direta: pegue tudo o que tornou o Qwen 3.6 Plus interessante, empurre com força em três eixos específicos – conhecimento mundial, seguimento de instruções, codificação de agente – e coloque um preço agressivo em relação aos carros-chefe americanos. A janela de contexto do token 1M permanece. A camada de compatibilidade OpenAI e Anthropic API permanece. O que muda é a profundidade das tarefas de longo prazo e a qualidade do resultado do front-end.

Esse é o marketing. A questão interessante é se o marketing corresponde à realidade, porque as escolhas de benchmark do Alibaba são selecionadas de forma muito específica. Observe qual benchmark não está na lista nº 1? SWE-Bench Verified – aquele em que Anthropic e OpenAI competem diretamente. Qwen reivindica SWE-Bench Pro (um chicote diferente com informações básicas diferentes) e vários benchmarks internos (QwenClawBench, QwenWebBench, SkillsBench) onde eles controlam a avaliação inteiramente.

Isso não é condenatório por si só. Todo laboratório faz isso. Mas foi por isso que tive que analisar o modelo através de trabalho real antes de decidir o que a relação preço/capacidade significava na prática.

Antes de chegar ao detalhamento carga de trabalho por carga de trabalho, você precisa saber uma coisa sobre como Qwen 3.6 Max Preview pensa de maneira diferente de Opus 4.7 e GPT-5.5 - porque explica todos os resultados a seguir.

A aposta arquitetônica escondida por trás do preço

Aqui está o que eu acho que está realmente acontecendo. Alibaba não está tentando vencer a corrida pela capacidade absoluta. Eles estão tentando vencer a corrida da capacidade por dólar na fronteira - e isso requer uma aposta arquitetônica fundamentalmente diferente daquela que a Anthropic fez com Opus 4.7.

Opus 4.7 é otimizado para um pequeno número de chamadas de apostas extremamente altas. O preço reflete isso. Quando estou executando uma revisão profunda do código em um PR de 4.000 linhas ou pedindo ao modelo para planejar uma migração de várias semanas, o custo por token é irrelevante em comparação com o valor de uma resposta correta. A Opus cobra US$ 15/US$ 75 porque o comprador nesse nível está pagando pela cauda longa – a única decisão em cem em que o modelo mais barato teria introduzido um bug sutil na produção.

Qwen 3.6 Max Preview é otimizado para volume. O contexto do token 1M não é um recurso flexível; é resistente para o caso de uso real. Quando você está executando um loop de agente que extrai 200 mil tokens de contexto de repositório, gera um plano, faz 14 chamadas de ferramenta e grava 30 mil tokens de código - Opus 4.7 cobrará algo acima de US$ 5 por um único agente executado nessa carga de trabalho. Qwen 3.6 Max Preview cobra cerca de US$ 0,50.

Isso representa uma redução de custo de 10 vezes na carga de trabalho exata que está se tornando mais comum em 2026: loops de agentes de longo horizonte com contexto pesado e resultados substanciais. Se o Qwen puder fornecer resultados de classe Opus em 70% dessas cargas de trabalho, a matemática fica feia para o Anthropic rapidamente. Não porque o Opus seja pior, mas porque a maioria das operações de agentes não precisa da capacidade marginal que o preço premium está comprando.

Esse enquadramento foi o que me fez executar os testes com cuidado. A questão não é "Qwen 3.6 Max Preview é melhor que Opus 4.7?" A questão é "que tipo específico de trabalho ele executa bem o suficiente para que eu não deva pagar 10x pelo Opus?"

Teste 1: o clone do navegador macOS – onde o hype se mantém

Comecei com a demonstração que está circulando no X – um clone do desktop macOS rodando inteiramente no navegador. Ícones SVG, barra de localização, dock com animações flutuantes, calculadora funcional e aplicativos de notas, um calendário, um visualizador de fotos com uma mesa de luz, além de Snake jogável e um jogo neon-runner incorporado no shell do sistema operacional.

Dei ao Qwen 3.6 Max Preview o mesmo prompt que dei ao Qwen 3.6 Plus há um mês, e o mesmo que dei ao Opus 4.7 para comparação: "Crie um clone de desktop macOS funcional em um único arquivo HTML com ícones SVG, um dock funcional com pelo menos quatro aplicativos funcionais, uma barra de menu com um relógio funcional e pelo menos dois jogos de navegador jogáveis iniciados a partir do dock. Use apenas vanilla HTML/CSS/JS."

A saída Qwen 3.6 Max Preview foi — e quero ser preciso aqui — surpreendentemente limpa. A animação de encaixe usou uma curva de ampliação confiável. O cromo da janela tinha o raio do canto direito e a queda de sombra. A calculadora fez matemática de ponto flutuante sem erros de arredondamento que vi modelos menores cometerem. Snake tinha detecção de colisão adequada e um contador de pontuação funcional. O jogo neon-runner tinha uma física de salto que realmente parecia certa.

Ele foi renderizado corretamente na primeira execução. Não "depois de corrigir três erros do console". Primeira corrida.

Para efeito de comparação, o Opus 4.7 produziu resultados cerca de 8% mais polidos – opções de tipografia ligeiramente melhores, uma transição mais refinada do visualizador de fotos, espaçamento de encaixe ligeiramente melhor. Mas demorou 3,2 vezes mais para gerar e custou cerca de 11 vezes mais em tokens. GPT-5.5 produziu algo visivelmente pior nesta carga de trabalho específica – o dock parecia errado, dois dos aplicativos tinham bugs de layout e o jogo neon-runner tinha um bug de física onde o jogador podia passar por obstáculos.

Esta é exatamente a carga de trabalho que o Qwen 3.6 Max Preview foi criado para vencer. Geração de código front-end com grande latitude criativa, saída única, sem depuração de acompanhamento - e ganha.

Mas antes de assumir que esse padrão se mantém em todos os lugares, o próximo teste é onde ele começa a quebrar.

Teste 2: O clone do Minecraft – onde vivem os bugs visuais

O segundo teste foi a demonstração que me deixou cético em relação ao vídeo de lançamento do Alibaba. Um clone funcional do Minecraft no navegador – blocos quebráveis, texturas, sistemas de cavernas, lava. O tipo de coisa que parece impressionante em um rolo de destaque de 30 segundos, mas revela todas as fraquezas quando você joga por dois minutos.

Qwen 3.6 Max Preview enviou uma compilação funcional. A quebra de blocos funcionou. Texturas aplicadas corretamente. A lógica básica de carregamento de blocos era sólida. O mundo tinha cavernas, rios e lava aproximadamente nas proporções corretas.

Então fui para o subsolo.

Há um bug na renderização de transparência onde os blocos abaixo da superfície do jogador aparecem através das paredes de uma forma que quebra a ilusão do mundo do jogo. Você está no que parece ser um bloco de pedra, mas pode ver o sistema de cavernas três blocos abaixo dele, no chão. Não é um pequeno artefato visual – é o tipo de bug que imediatamente indica que a lógica do buffer de profundidade não está correta.

Executei o mesmo prompt no Qwen 3.6 Plus para comparar. Além disso, tinha uma geração de mundo muito mais simples, mas sem bug de transparência. Portanto, esta é na verdade uma regressão em algum caminho específico de renderização 3D entre Plus e Max Preview – interessante e que vale a pena sinalizar se você estiver usando qualquer um dos modelos para prototipagem de jogos de navegador.

Opus 4.7 produziu um clone do Minecraft com cerca de 30% menos densidade de recursos (mundo menor, menos tipos de blocos, sem cavernas), mas zero bugs de renderização. GPT-5.5 inicialmente recusou a solicitação, alegando complexidade, e então produziu algo em uma continuação que parecia estar tentando ser uma demonstração técnica para cubos em vez de um jogo.

A lição deste teste: Qwen 3.6 Max Preview está alcançando uma saída 3D ambiciosa e às vezes o alcance excede o alcance. Se você está prototipando e o polimento visual é mais importante do que você pode depurar, esta é uma carga de trabalho em que o preço premium do Opus realmente compensa.

Teste 3: A pilha de simulação 3D – Drifts F1 e durabilidade de SUV

Foi aqui que comecei a ver a verdadeira personalidade da modelo. Eu dei dois prompts que têm sido meu conjunto padrão de teste de estresse 3D desde o lançamento do GPT-5.4:

1. "Construa uma simulação 3D em um único arquivo HTML usando Three.js: um equipamento de durabilidade de SUV dirigindo em terreno montanhoso acidentado. Inclui física de suspensão, feedback de deformação das rodas e um cronômetro de volta."
2. "Construa uma simulação 3D em um único arquivo HTML usando Three.js: um carro de F1 flutuando em uma pista em forma de rosca com visualizações cinematográficas multicâmeras, incluindo câmera de perseguição, de cima para baixo e um ângulo baixo na lateral da pista."

Ambos os prompts retornaram com resultados funcionais. Ambos os prompts retornaram com física imperfeita.

A simulação do SUV renderizou o terreno, mas a geometria da colina estava errada de uma maneira específica – as encostas eram muito íngremes de um lado e muito rasas do outro, como se a geração do mapa de altura tivesse colapsado em uma distribuição assimétrica. O veículo dirigiu corretamente, mas subiu colinas que não deveria ter conseguido subir. O feedback da suspensão estava presente, mas parecia mecânico e não físico.

O donut drift F1 foi a demonstração mais interessante. A comutação multicâmera funcionou perfeitamente. O enquadramento cinematográfico da câmera de perseguição foi realmente bem composto – o tipo de cena que um cinegrafista montaria. Mas a física da deriva não conservou o momento corretamente. O carro iria sobrevirar de uma forma que mais parecia um jogo de corrida de arcade do que um simulador.

O que eu coloquei na coluna “realmente impressionante”: a lógica de transição da câmera. Lerping suave entre três pontos de vista, com curvas de atenuação apropriadas, geradas como parte de um prompt único. Isso não é trivial.

O que eu coloquei na coluna "arestas do estágio de pré-visualização": a física. Ambas as demonstrações pareciam que o modelo sabia como a física se parece sem saber muito bem o que a física é. Para um modelo de preço de entrada de US$ 1,30, isso ainda é extremamente impressionante. Para um modelo que reivindica o primeiro lugar no Terminal-Bench 2.0, também é uma verificação da realidade útil.

Se você chegou até aqui, já sabe o formato da resposta. Qwen 3.6 Max Preview é genuinamente de primeira linha em determinadas cargas de trabalho e claramente pré-visualizado em outras. O próximo teste é aquele em que ameaça mais diretamente o preço premium do Opus 4.7.

Teste 4: Codificação Agentic em Várias Etapas – O Verdadeiro Campo de Batalha

Esse é o teste que mais me importou e foi aquele cujo resultado me fez mudar meu fluxo de trabalho.

Configurei uma tarefa de agente idêntica em três chicotes – Claude Code com Opus 4.7, Codex CLI com GPT-5.5 e um chicote personalizado apontado para Qwen 3.6 Max Preview por meio do endpoint compatível com OpenAI. A tarefa: pegar um repositório de cliente real (Laravel 11, ~14K LOC, conjunto de testes real), implementar uma nova especificação de recurso que escrevi anteriormente, executar o conjunto de testes, corrigir quaisquer falhas e abrir um PR.

A especificação exigia a leitura de 23 arquivos, a modificação de 7, a adição de 4 novos arquivos e a garantia de que 89 testes existentes ainda fossem aprovados, além de 6 novos testes para o recurso.

Resultado Opus 4.7: Concluído em 17 minutos. PR estava limpo. Todos os 95 testes foram aprovados na primeira execução. Custo total: US$ 4,87 em gastos de API.

Resultado GPT-5.5: Concluído em 11 minutos (a diferença de velocidade entre Opus e GPT-5.5 é consistente com meu teste de comparação anterior). PR teve dois pequenos problemas de estilo, mas os testes foram aprovados. Custo total: US$ 1,34 em gastos de API.

Resultado Qwen 3.6 Max Preview: Concluído em 23 minutos. PR inicialmente teve três testes com falha – o modelo chamou o executor de teste, viu as falhas, corrigiu dois corretamente e errou parcialmente o terceiro na primeira tentativa. Após uma rodada de autocorreção do agente, todos os testes foram aprovados. A correção finalmente enviada era conceitualmente diferente daquela que o Opus enviou (estratégia de validação diferente em uma entrada de formulário), mas funcionalmente equivalente. Custo total: US$ 0,51 em gastos de API.

Leia esses números novamente. US$ 4,87 versus US$ 0,51 no mesmo fluxo de trabalho agente. Essa é a aposta arquitetônica que descrevi anteriormente, que rendeu resultados em um trabalho real em forma de produção.

O problema – e isso importa – é o tempo de conclusão de 23 minutos e o percurso de ida e volta até a falha no teste. Se você estiver executando isso em um gancho de CI onde a velocidade é importante, o Opus 4.7 está se pagando no tempo de espera do desenvolvedor. Se você estiver executando-o como um trabalho em lote noturno ou como uma tarefa de limpeza de baixa prioridade, a economia de custos de 10 vezes é inequívoca.

Agora executo Qwen 3.6 Max Preview como o modelo padrão para uma camada específica de trabalho do agente – estrutura padrão, PRs de limpeza, atualizações de dependências, geração de documentos em grandes bases de código. Opus 4.7 permanece o padrão para trabalho de recursos de alto risco e revisão de código. GPT-5.5 permanece o padrão para iteração rápida quando estou no teclado. Três modelos, três empregos.

Essa abordagem em camadas é a resposta prática que falta na maior parte da cobertura desta versão.

Raciocínio visual: onde a história multimodal fica complicada

Os materiais de lançamento do Alibaba enfatizam o raciocínio visual – OCR, fundamentação, compreensão contextual da imagem, gráficos, extração de elementos da interface do usuário. Eu testei tudo isso.

O OCR é excelente. Alimentei-o com um recibo fotografado com tinta gasta, uma captura de tela de um painel de faturamento complexo da AWS e uma página de um manual técnico da década de 1980 digitalizado em baixa resolução. Ele leu todos os três com precisão, incluindo o recibo onde a impressão estava desbotada na borda direita.

A compreensão do gráfico funciona. Forneci-lhe um gráfico financeiro multieixos e fiz perguntas específicas sobre pontos cruzados entre duas linhas. Respondeu corretamente. Fiz uma captura de tela da IU e pedi para extrair os tokens de design (cores, espaçamento, tipografia). Ele produziu um tokens.json limpo que mapeava o que estava na tela.

O problema – e os resultados da pesquisa me fizeram confirmar isso diretamente – é que os recursos visuais do Qwen 3.6 Max Preview dependem de qual endpoint você atingiu. Através da interface chat.qwen.ai, o upload de imagens funciona com fluidez. Através do DashScope API, você precisa de uma estrutura de solicitação ligeiramente diferente daquela que o modo compatível com OpenAI suporta de forma limpa. Se você estiver integrando-o a uma cadeia de ferramentas existente que espera o formato API da visão OpenAI, espere escrever uma pequena camada de adaptador.

Para efeito de comparação, a visão Opus 4.7 é mais refinada e lida com casos extremos (imagens muito distorcidas, fotos com pouca luz, documentos em idiomas mistos) de maneira mais confiável. Mas para as cargas de trabalho padrão de OCR e leitura de gráficos que aparecem em 80% dos aplicativos reais, Qwen é suficiente.

A seção de conversa real: onde eu usaria e onde não usaria

É hora da parte que devo a você – as compensações que a postagem de lançamento do Alibaba não mencionará.

O que Qwen 3.6 Max Preview acerta:

• Geração de código front-end com qualidade próxima ao Opus por aproximadamente 11x menos custo
• Loops agentes de contexto longo onde a janela de contexto de 1M suporta carga
• Execução de agentes multiferramentas (apresentações de slides, análises financeiras, pesquisas em várias etapas) com qualidade que realmente compete com os carros-chefe americanos
• Velocidade de interação com a tela em tempo real – é visivelmente mais rápida que o Qwen 3.6 Plus em cargas de trabalho de streaming
• OCR e leitura de gráficos para casos de uso de produção padrão

O que está errado:

• Casos extremos de renderização 3D — bugs visuais em cenas complexas que Opus 4.7 não produz
• Realismo de simulação física — as demonstrações de F1 e SUV parecem certas e se comportam de maneira errada
• Velocidade nos loops do agente com ciclos de teste-correção-reteste - o tempo de execução de 23 minutos versus os 17 minutos do Opus somam-se ao longo de um dia
• Tratamento multimodal extremo – fotos distorcidas, fotos com pouca luz e documentos em idiomas mistos são mais fracos que o Opus
• Ecossistema de ferramentas - não no OpenRouter ou no Kilo no momento em que este livro foi escrito, o que limita os caminhos de integração
• Confiabilidade na fase de visualização — Alibaba reserva-se o direito de alterar preços e recursos no GA

Uma advertência que não vi mencionada em nenhuma outra cobertura: o endpoint compatível com OpenAI e o endpoint compatível com Anthropic produzem saídas sutilmente diferentes para o mesmo prompt. Confirmei isso em 15 prompts de teste. O endpoint Anthropic-compat produz resultados estilisticamente mais próximos de Claude (mais estruturados, mais inclinados a planejar e executar). O endpoint compatível com OpenAI produz uma saída estilisticamente mais próxima do GPT (mais raciocínio in-line, mais inclinado a escrever o código primeiro e explicar depois). Se você estiver comparando-o com Opus 4.7, use o endpoint Anthropic. Se você estiver trocando-o em uma pilha que usava GPT anteriormente, use o endpoint OpenAI. Misturá-los resultará em resultados de comparação enganosos.

Já fui prejudicado exatamente por esse tipo de diferença no formato do endpoint antes, e é o tipo de coisa que custa um dia de depuração se ninguém avisar.

O que isso significa para sua pilha em maio de 2026

Aqui está a lição prática. Estamos agora em um mercado onde você tem três modelos de ponta de três laboratórios diferentes com três preços diferentes, cada um com uma especialidade marcante:

• Claude Opus 4.7 (US$ 15/US$ 75): trabalho de alto risco, revisão de código, planejamento, qualquer coisa em que o custo de uma resposta errada supere o custo de um token.
• GPT-5.5 (US$ 2,50/US$ 15): Iteração rápida no teclado, fluxos de trabalho integrados ao IDE, situações em que você avaliará a saída imediatamente.
• Qwen 3.6 Max Preview (US$ 1,30/US$ 7,80): Loops de agente com grande volume, trabalho de contexto longo, processamento em lote, qualquer carga de trabalho em que a redução de custo de 10x seja mais importante do que a capacidade marginal.

Essa é uma pilha que vale a pena construir – e agora eu roteio cargas de trabalho específicas para modelos específicos com base em qual eixo é mais importante para esse trabalho. A questão para qualquer equipe em 2026 não é “qual modelo é o melhor?” A questão é "qual modelo é melhor para esta chamada específica?"

Se você não estiver tomando decisões de roteamento no nível por carga de trabalho, você estará pagando demais pelo trabalho básico ou gastando menos nas chamadas que importam.

Perguntas frequentes

O Qwen 3.6 Max Preview está disponível no OpenRouter ou no Kilo?

Não em 28 de abril de 2026. O acesso está atualmente limitado às plataformas DashScope e Bailian do Alibaba Cloud via API, além do chatbot gratuito em chat.qwen.ai. Os endpoints compatíveis com OpenAI e Anthropic tornam a integração simples, mas você está passando pela infraestrutura do Alibaba de qualquer maneira.

Quanto custa Qwen 3.6 Max Preview em comparação com Claude Opus 4.7?

Qwen 3.6 Max Preview custa US$ 1,30 por milhão de tokens de entrada e US$ 7,80 por milhão de tokens de saída. Claude Opus 4.7 custa US$ 15 por milhão de entrada e US$ 75 por milhão de produção. Isso representa uma redução de aproximadamente 11,5x nos custos de insumos e uma redução de 9,6x na produção. Para agentes que exigem muito contexto e resultados, a diferença de custos é o principal recurso.

Qwen 3.6 Max Preview aceita entradas de imagem?

Sim, mas com ressalvas. A entrada de imagem funciona perfeitamente por meio de chat.qwen.ai e por meio do API nativo do DashScope. Por meio do endpoint compatível com OpenAI, você pode precisar de uma pequena camada de adaptador para corresponder à estrutura da solicitação. Casos extremos, como fotos muito distorcidas e imagens com pouca luz, são mais fracos do que a visão do Claude Opus 4.7.

Qual é a janela de contexto em Qwen 3.6 Max Preview?

O modelo suporta uma janela de contexto de token de 1 milhão – embora algumas fontes citem 260 mil dependendo de qual endpoint você está atingindo. Para tarefas de codificação de agente e front-end padrão, 1 milhão é o limite operacional. Consulte a seção de codificação agente do Teste 4 acima para saber como o contexto longo funciona na prática em repositórios reais.

Devo mudar de Claude Opus 4.7 para Qwen 3.6 Max Preview?

Não mude de nível. Use Qwen 3.6 Max Preview para loops de agente de alto volume, processamento em lote e geração de front-end, onde a redução de custo de 10x supera as diferenças marginais de qualidade. Mantenha Opus 4.7 para revisão de código de alto risco, planejamento e trabalho de recursos onde uma resposta errada custa caro. A resposta certa em 2026 é o roteamento por carga de trabalho, e não o compromisso de modelo único.

Vamos trabalhar juntos

Procurando construir sistemas AI, automatizar fluxos de trabalho ou dimensionar sua infraestrutura tecnológica? Eu adoraria ajudar.

• Fiverr (compilações e integrações personalizadas): fiverr.com/s/EgxYmWD
• Portfólio: mejba.me
• Ramlit Limited (soluções empresariais): ramlit.com
• ColorPark (design e marca): colorpark.io
• xCyberSecurity (serviços de segurança): xcybersecurity.io