Fale conosco
Desenvolvimento

Gemini 4 Neon a US$ 3/US$ 15 e Qwen4-Max: a conta mudou de preço por token para custo por tarefa

30 min de leitura
Gemini 4 Neon a US$ 3/US$ 15 e Qwen4-Max: a conta mudou de preço por token para custo por tarefa

Gemini 4 Neon a US 15 e Qwen4-Max: a conta mudou de preço por token para custo por tarefa

O Google lançou em 18/11 o Gemini 4 Neon , modelo intermediário da família Gemini 4, a US 15 de saída , com janela de 1 milhão de tokens e entrada multimodal (texto, imagem, vídeo, áudio e PDF). No mesmo dia, a Alibaba divulgou os números do Qwen4-Max , que corta cerca de 58% do custo por tarefa com 2,4 trilhões de parâmetros totais e 71 bilhões ativos por token.

Os dois anúncios dizem a mesma coisa por caminhos opostos: preço por token deixou de ser a métrica que explica a fatura. O que se compra agora é "quantos tokens o modelo gasta para terminar a tarefa" — e cada fornecedor está medindo isso do seu jeito.

O que exatamente entrou na tabela do Google

O Neon é o quarto modelo Gemini 4 em um mês, depois de Argon, Carbon e Hydrogen. Ele se posiciona entre Carbon (projetos longos, raciocínio profundo) e Hydrogen (execução rápida do dia a dia). Números do anúncio de 18/11:

Preço: US 15 por milhão de tokens. Fica acima da tarifa introdutória de Carbon e Argon ( US 10 , que dobra para US 20 em 1º de dezembro) e dobra o Hydrogen (US 7,50).

Contexto: 1 milhão de tokens, com a mesma janela compartilhada entre raciocínio e resposta — se o teto de saída for baixo, o "thinking" consome o espaço e trunca o texto.

Raciocínio configurável: quatro níveis. O xhigh marca 61,4 no Artificial Analysis Intelligence Index (index v5.0.1; 6º de 96 modelos). No nível padrão, high , o mesmo modelo cai para 59,6 — abaixo do Carbon, que pontua 60 no high. Ou seja, o "61" da manchete é o modo mais caro e mais lento.

Velocidade: o Google afirma que o Neon é cerca de 3x mais rápido que o Carbon em conclusão fim a fim de tarefa, e que entrega qualidade de código próxima ao Opus 5.5 com preços de token 25% menores que a tabela de dezembro dos concorrentes.

Disponibilidade: API paga do Gemini, AI Studio, Android Studio, Antigravity, app Gemini e planos AI Pro/Ultra. No app, ele substitui o 3.1 Pro.

A promessa de "32% mais barato" e a medição que discorda

O Google sustenta que, no nível high, o custo por tarefa do Neon é 32% menor que o do Carbon . É uma métrica defensável: menos idas e vindas do agente, menos tokens de entrada reciclados a cada turno.

Um teste independente publicado em 19/11 pelo AInformation , rodando as mesmas quatro perguntas via API, encontrou custo real 1,97x maior que o do Carbon com os preços vigentes em novembro — e praticamente empate depois do reajuste de 1º de dezembro. A divergência tem explicação óbvia: o cálculo do Google usa um conjunto de tarefas próprio, com nível de raciocínio fixo e cenário agêntico; um punhado de prompts curtos não exercita o ganho de "menos passos". Nenhum dos dois números está errado — eles medem cargas diferentes. Se você tem volume relevante, vale rodar seu próprio lote antes de trocar o roteamento.

E há uma assimetria de calendário que costuma passar batido: até 30 de novembro, o Neon custa 50% mais por token que o Carbon na tarifa promocional. A partir de 1º de dezembro, fica 25% mais barato que o Carbon reajustado. O mesmo modelo, duas conclusões, dependendo da data em que você lê a planilha.

Qwen4-Max: a economia vem da arquitetura, não do preço

Do lado da Alibaba, o argumento é outro. O Qwen4-Max, liberado em 16/11, é um MoE de 2,4T de parâmetros totais com 71B ativos por token — o custo de inferência segue os ativos, não os totais. Com 1M de contexto, entrada de texto, imagem e vídeo e saída só em texto, ele lista a US 4,50 por milhão na modalidade internacional (10 e 30 yuans na China, com acerto de cache a 0,5 yuan).

Os números que a empresa publica apontam na direção de eficiência de tokens, não de desconto:

O ponto sensível: pesos fechados . O Qwen4-Max não será aberto, o que quebra a lógica que fez a fama da linha Qwen — e transforma o melhor modelo da casa em receita de nuvem. Quem construiu pipeline em cima de pesos abertos precisa decidir agora se aceita o tier fechado ou fica nos modelos menores.

A pilha de serving também mexeu na mesma janela

Para quem serve modelo próprio, dois commits do vLLM (mesclados em 16/11) mudam a conta de máquina:

Caminho PrimTS via FlashInfer em Blackwell , opcional e desligado por padrão: +13% de throughput em um teste de contribuidor, com 147,04 tokens/s a ~96K de entrada e concorrência 32; e TTFT de 5,438 s em um caso separado de 160K de prompt com batch 1 em quatro GB300. É medição de contribuidor, não de benchmark auditado — mas o número de TTFT é o que seu usuário sente.

Quantização weight-only em tempo de carga (NVFP4): o Qwen3-8B caiu de 15,27 GiB para 5,99 GiB (−61%) e o decode especulativo de requisição única ganhou 13,1% e 14,1% em duas GPUs limitadas por banda de memória. Como a quantização acontece no carregamento, não é preciso retreinar nem reconverter o checkpoint.

A leitura comum aos dois: em cargas limitadas por banda — decode, contexto longo, batch baixo — o gargalo não é FLOP, é tráfego de memória. Cortar bytes por peso rende mais que comprar GPU.

Leitura prática

Não migre pelo preço de tabela. Calcule custo por tarefa concluída no seu próprio lote, com o nível de raciocínio que você vai usar de fato. No Neon, a diferença entre xhigh e high já é de 1,8 ponto de índice.

Marque 1º de dezembro no calendário. A tarifa promocional de Carbon e Argon dobra; a comparação entre modelos Gemini 4 muda de sinal da noite para o dia.

Se você depende de pesos abertos, o Qwen4-Max não é para você. Trate-o como API de nuvem e avalie o tier aberto menor para self-host.

Self-host: meça TTFT e tokens/s no seu contexto real. Os 147 tok/s do PrimTS foram a 96K de entrada e concorrência 32 — condição bem diferente de um chat de prompt curto.

Próximos passos: acompanhar se o Google ajusta o custo por tarefa do Neon depois do reajuste de dezembro — e se a medição independente converge com a promessa de 32%.

Fontes

#Gemini 4 Neon #Qwen4-Max #custo por tarefa #preço por token #inferência #vLLM #NVFP4 #MoE #Google DeepMind #Alibaba
Contato

Bora conversar?

Três campos. A resposta vem no WhatsApp.

Ou escreva para contato@maquinaweb.com.br.

Você vai para o WhatsApp com a mensagem pronta. Sem spam, sem lista.

Seus dados seguem a nossa política de privacidade.