A equipe Qwen, da Alibaba, lançou na quarta-feira o Qwen3.8-Flash-Next, modelo multimodal de mistura de especialistas que serve de prévia da arquitetura do Qwen4. São 125 bilhões de parâmetros no total, com apenas 6 bilhões ativados por token. Há ainda 51 bilhões de parâmetros em uma camada nova de embeddings de n-gramas, que guarda grupos de palavras frequentes como entradas próprias, uma espécie de dicionário de expressões, e que segundo a empresa pode ficar na memória comum do sistema em vez de ocupar a da GPU, a um custo adicional relativamente baixo.
A janela de contexto nativa é de 262.144 tokens e chega a 1 milhão com a técnica YaRN. O relatório técnico está no GitHub e os pesos foram publicados no Hugging Face e no ModelScope. A versão de produção sai como Qwen3.8-Flash na QwenCloud.
O preço, que é o ponto da história
Pela tabela citada pelo the-decoder, a QwenCloud cobra US$ 0,16 por milhão de tokens de entrada e US$ 0,47 por milhão de saída. O Olhar Digital, citando a Reuters, dá os valores em outra moeda: 1 yuan por milhão de tokens de entrada, cerca de R$ 0,77, e 3 yuans por milhão de saída, cerca de R$ 2,30. Os dois pares ficam próximos, mas não são o mesmo número, e nada no que lemos explica a diferença. Registramos os dois como estão nas fontes.
A comparação interna é o que dá tamanho ao anúncio. O Qwen3.8-Max, topo de linha lançado no começo de agosto, custa US$ 2,00 na entrada e US$ 6,00 na saída, cerca de doze vezes mais. Segundo a própria Alibaba, o Flash-Next entrega resultado melhor que o Qwen3.7-Plus, seu antecessor de 397 bilhões de parâmetros com 17 bilhões ativados, por aproximadamente um nono do custo de treino.
Os números são da fabricante
A Alibaba publicou comparações contra o DeepSeek-V4-Flash, de 284 bilhões de parâmetros com 13 bilhões ativados, e contra o Claude Opus 4.6 no modo Max. No SWE-bench Pro, o Flash-Next marca 62,5 contra 56,0 do DeepSeek e 53,4 do Opus 4.6. No CoWorkBench, de tarefas de escritório, 73,9 contra 45,1 e 68,2. No JobBench, 55,7 contra 41,3 e 36,6. Em raciocínio científico o quadro empata: 91,7 no GPQA Diamond contra 90,8 e 91,3. O Opus 4.6 só fica à frente no Humanity’s Last Exam, com 40,0 contra 35,9.
Nada disso é medição independente: são números divulgados por quem vende o modelo, e valem como alegação até alguém de fora reproduzir. O próprio the-decoder faz duas ressalvas que a redação assina. O Opus 4.6 é de fevereiro de 2026, ou seja, a comparação é com um modelo mais velho da Anthropic. E resultado de benchmark e desempenho no trabalho real são coisas diferentes.
Por que o preço por token decide projeto no Brasil
A disputa chinesa deixou de ser só por desempenho. O Olhar Digital lembra que a DeepSeek lançou em agosto o V4-Flash, apontado como o mais barato de operar entre os principais sistemas avaliados, a um custo médio de US$ 0,03 por teste contra US$ 1,86 do GPT-5.6 Sol e US$ 3,15 do Claude Fable 5. O lançamento vem junto de outro movimento de caixa: no domingo 23, a Alibaba anunciou uma oferta de ações de HK$ 80 bilhões, a maior oferta primária já feita por uma empresa listada em Hong Kong, para bancar seus gastos com IA.
Para quem monta produto de IA no Brasil, o custo por token não é detalhe de rodapé, é a linha que decide se a conta fecha, porque a receita entra em real e a fatura sai em dólar. A redação já mostrou que o consumo de tokens por agentes subiu 14 vezes desde fevereiro na OpenRouter: quando o volume se multiplica assim, uma diferença de doze vezes no preço unitário deixa de ser economia e vira a diferença entre existir e não existir. E como os pesos do Flash-Next são abertos, existe a saída de rodar em casa, com a ressalva de sempre: peso aberto transfere o custo para quem opera o hardware, não elimina o custo.
