Qwen4 vem aí: o que esperar

Em 30 de outubro de 2026, tudo o que se sabe com segurança sobre o Qwen4 está em três lugares: uma oração num comunicado de imprensa, um slide fotografado da plateia e uma linha de configuração numa ferramenta de linha de comando. O resto que circula é inferência, rumor ou confusão com outros modelos da família. Isso inclui os dez trilhões de parâmetros, o milhão de tokens de contexto, os pesos abertos para o modelo de 27B e o lançamento em novembro.

Nada disso é motivo para ignorar o anúncio, mas muda o que se faz com ele. Minha tese é que quem desenvolve sobre modelos abertos deve tratar o Qwen4 como uma linha de produtos anunciada sem produto. Os níveis fechados podem ficar de lado até haver preço e benchmark independente. A preparação deve se concentrar no único nível que muda a equação para quem está fora da China, o Qwen4-27B. E a avaliação pode começar antes de os pesos saírem.

O que a Alibaba pôs por escrito

O comunicado da Alibaba Cloud (abre em nova aba) de 22 de setembro, divulgado durante a Apsara Conference em Hangzhou, dedica ao Qwen 4 uma única afirmação: o modelo "está atualmente em treinamento". Na mesma seção, a empresa apresenta o roteiro das séries Qwen 4.5 e Qwen 5, "projetadas para escalar de 5 a 10 trilhões de parâmetros". O texto não traz data de lançamento, contagem de parâmetros, licença, preço, janela de contexto nem nota de benchmark para o Qwen 4.

Vale reler a frase, porque dela nasce a confusão mais comum. Os 10 trilhões se referem ao Qwen 4.5 e ao Qwen 5. O tamanho do Qwen 4 não foi publicado.

O mesmo comunicado traz um dado mais revelador sobre o método da Alibaba. Segundo a empresa, o Qwen3.8-Max passou por 33 ciclos iterativos em um mês de execução totalmente automatizada. Com otimização autônoma de treinamento e técnicas de pós-treinamento, sua nota no Artificial Analysis (abre em nova aba) subiu de 40 para 45. Daí saem duas consequências. A primeira é que a Alibaba escolheu um placar de terceiros como régua pública, o que dá ao desenvolvedor um parâmetro para cobrar do Qwen4. A segunda é que um modelo reiterado 33 vezes em um mês é um alvo móvel, e isso pesa para quem vai colocá-lo em produção.

O que foi dito no palco

O restante vem de apresentações, não de documentos. O AI Tools Review relata que quatro níveis foram mostrados no palco em Hangzhou, segundo a cobertura da keynote, e ressalta que o comunicado escrito não lista nenhum deles. O DataLearner atribui a Liu Dayiheng, apresentado como líder do projeto Qwen LLM, a afirmação de que o Qwen4 se baseia numa arquitetura de nova geração. Ele também teria nomeado as quatro linhas:

• Qwen4-Max, o carro-chefe;
• Qwen4-Flash, de alta velocidade;
• Qwen4-Plus, o nível equilibrado;
• Qwen4-27B, o nível de código aberto.

Em 29 de outubro, na edição da Apsara em Amsterdã, um participante relatou que o CTO da Alibaba Cloud disse que o Qwen4 chega "na semana que vem". Segundo o blog da CellCog, um slide fotografado pelo usuário @jtdavies exibia "Qwen4 Series Coming Soon" sobre os mesmos quatro nomes. De novo, trata-se de relato de plateia e foto de slide, sem novo comunicado nem data por escrito.

Há ainda duas pistas técnicas. Segundo o AI Tools Review, o model card do Qwen3.8-Flash-Next, lançado em 26 de agosto, o descreve como "uma prévia experimental da arquitetura que vai sustentar o Qwen4". O mesmo site verificou a organização da Alibaba no Hugging Face (abre em nova aba) em 29 de setembro e não encontrou repositório do Qwen4. A segunda pista vem do DataLearner: uma alteração de 28 de outubro no Qwen Code (abre em nova aba) definiu um contexto de fallback de 1 milhão de tokens para um identificador qwen4.

Esse último ponto pede cuidado. Fallback é o valor que o cliente assume quando o servidor não informa o limite. Ele indica o que a equipe espera, mas não garante o que o modelo entrega de forma confiável.

Qwen 4 em treinamentoConfirmado por escritoComunicado da Alibaba Cloud (22/09)Qwen 4.5 e Qwen 5 com 5 a 10 trilhões de parâmetrosConfirmado como roteiroComunicado da Alibaba Cloud (22/09)Quatro níveis: Max, Flash, Plus e 27BMostrado no palco, ausente do texto oficialKeynotes de Hangzhou e AmsterdãChegada "na semana que vem"Relato de participanteApsara Amsterdã (29/10)Qwen3.8-Flash-Next como prévia da arquiteturaDeclarado em model cardHugging Face, via AI Tools ReviewContexto de 1 milhão de tokensFallback de ferramenta, não especificaçãoAlteração no Qwen Code (28/10)Pesos abertos do 27B, licença, preço, benchmarksNão publicadosNenhuma fonte oficial

Por que o anúncio veio nesse formato

O formato faz sentido quando se olha o que a Alibaba estava vendendo em setembro. O comunicado apresentava um roteiro de pilha completa, de chips e infraestrutura de nuvem a modelos e agentes. Eddie Wu, CEO do grupo, anunciou a meta de que a capacidade de data center operada pela Alibaba Cloud ultrapasse 20 GW até 2032. Nesse desenho, o modelo serve para gerar demanda para a nuvem. Minha leitura é que anunciar o Qwen4 "em treinamento" ao lado de uma meta em gigawatts mira investidores e clientes corporativos de infraestrutura tanto quanto desenvolvedores.

A divisão em quatro níveis reforça essa leitura. Max, Plus e Flash têm cara de produto de API, cobrado por token. O 27B foi apresentado como aberto. A família Qwen sempre conviveu com essa mistura: os pesos abertos ganham distribuição, adoção e fine-tunes da comunidade, enquanto as versões Max ficam na nuvem e monetizam. Se o desenho se repetir, o 27B será o canal de distribuição e os outros três, o negócio.

Para o desenvolvedor fora da China, essa assimetria importa mais que qualquer benchmark. Os níveis fechados trazem as perguntas difíceis: onde os dados são processados, sob qual jurisdição e com qual camada de filtragem. Nenhuma delas tem resposta publicada para o Qwen4. Um modelo de pesos abertos rodando na sua própria infraestrutura resolve boa parte delas. Por isso o 27B merece atenção agora. Pelo mesmo motivo, "código aberto" dito no palco não vale nada até existir um arquivo de licença. A família já alternou entre Apache 2.0 e licenças próprias com restrições, e é essa diferença que decide se o modelo pode entrar num produto comercial.

O melhor contraponto

O argumento contrário é forte. A Alibaba tem histórico de lançar rápido, o CTO falou em dias e já há um identificador qwen4 no código de uma ferramenta oficial. Esperar pelo model card pode significar chegar atrasado enquanto concorrentes já testam.

Concordo com metade. É provável que algo saia em breve, e quem tiver a bateria de testes pronta vai avaliar em horas o que outros levarão semanas. Só que o que define a adoção (licença, contexto efetivo, comportamento em produção) só aparece com o model card. Avaliações independentes como Artificial Analysis e LMArena (abre em nova aba) ainda levam tempo para acumular dados depois disso. Preparar-se antes é vantagem, mas decidir antes é aposta.

Como avaliar antes de adotar

Boa parte do trabalho pode começar hoje.

1. Use o Qwen3.8-Flash-Next como ensaio. Se o model card o define como prévia da arquitetura do Qwen4, ele serve para montar a infraestrutura de inferência, medir latência e encontrar incompatibilidades com o seu stack. Os números de desempenho não se transferem para o Qwen4, mas os problemas de integração costumam se repetir.
2. Monte uma avaliação própria antes do lançamento. Defina tarefas do seu domínio com respostas de referência e rode contra o modelo que você usa hoje. Quando o Qwen4 sair, a comparação leva uma tarde. Benchmarks públicos sofrem com contaminação, e seus dados internos dificilmente estão no corpus de treino.
3. Leia a licença antes do benchmark. Verifique uso comercial, limites de usuários, cláusulas de atribuição e restrições ao uso das saídas para treinar outros modelos.
4. Meça o contexto efetivo, não o anunciado. Se o milhão de tokens se confirmar, teste recuperação e raciocínio em documentos longos do seu próprio acervo. Com contexto longo, o gargalo de memória deixa de ser os pesos e passa a ser o cache KV.
5. Faça a conta de hardware. A arquitetura não foi divulgada. Se o 27B for denso, os pesos ocupam cerca de 54 GB em BF16 e em torno de 14 GB quantizados para 4 bits, sem contar o cache. Se for MoE, as contas de memória e de velocidade passam a ser separadas.
6. Teste alinhamento e recusas no seu domínio. Modelos de empresas chinesas são desenvolvidos sob as regras de conteúdo da regulação chinesa de IA generativa. Teste os temas sensíveis que o seu produto pode encontrar e compare o comportamento da API com o dos pesos abertos, que podem divergir.
7. Fixe versões. Uma empresa que reitera o Qwen3.8-Max 33 vezes em um mês pode trocar o modelo por trás de um mesmo nome. Use identificadores datados, quando existirem, e rode sua avaliação a cada mudança.

Para quem está no Brasil

Hoje não há o que precificar. Segundo o DataLearner, até 22 de setembro nenhum dos quatro níveis tinha model card, pesos, ID de modelo na API, listagem no Bailian (o Model Studio da Alibaba Cloud) ou página de preço. Uma semana depois, o AI Tools Review continuava sem esses dados. A disponibilidade em agregadores como o OpenRouter (abre em nova aba) e as regiões de atendimento também não foram anunciadas.

Quando houver, a escolha entre API e auto-hospedagem pesa mais por aqui. Pela LGPD, enviar dados pessoais para processamento fora do país exige base legal para transferência internacional, e isso vale para qualquer provedor estrangeiro, chinês ou não. Ao comercial da Alibaba Cloud, pergunte em que região o endpoint roda e qual contrato rege os dados. Quem preferir não depender dessa resposta tem uma alternativa no 27B aberto, desde que ele venha com licença permissiva.

O Qwen4 pode chegar na semana que vem e ser excelente. Até lá, o único fato sólido é que ele está em treinamento, e o melhor uso desse intervalo é deixar a avaliação pronta para quando o arquivo de licença aparecer.

Fontes

• Alibaba Unveils Roadmap on Full-Stack AI Strategy from Chips, Cloud Infrastructure, Models to Agents · alibabacloud.com · 21/09/2026
• Qwen 4: Release Date, Models and What's Confirmed (October 2026) · aitoolsreview.co.uk · 28/09/2026
• Qwen 4 Release Date: Lineup Shown, Next Week Reported · cellcog.ai · 28/10/2026
• Qwen4-27B 已官宣未开放：Qwen4 系列的开源档位 · datalearner.com · 21/10/2026