# ¿Qué es Qwen 4? Benchmarks de Qwen4-Max, pruebas reales y precios de API

[Leer este artículo en Offloop](https://offloop.org/es/learn/qwen-4-max)

Yifei

Compara Qwen4-Max con Qwen3.8-Max, Claude Opus 5.5 y Kimi K3.1 Pro. Consulta los benchmarks de lanzamiento, tres pruebas prácticas y los precios de API por región.

Qwen 4 (Qwen4) es la próxima generación de modelos de lenguaje de gran tamaño del equipo Qwen de Alibaba. **Qwen4-Max es el primer modelo insignia de la familia Qwen4 lanzado oficialmente.** Lanzado el 16 de noviembre de 2026, admite una ventana de contexto de 1 millón de tokens, comprende texto, imágenes y vídeo, y puede realizar tareas de varios pasos mediante generación de código, llamadas a herramientas y salidas estructuradas.

Qwen4-Max utiliza una arquitectura de mezcla de expertos (MoE), con aproximadamente 2,4 billones de parámetros totales y 71.000 millones de parámetros activos por token. Su versión preliminar, `qwen4-max-preview`, estuvo disponible el 11 de noviembre. El lanzamiento oficial introdujo la facturación de la API según el uso con el ID de modelo `qwen4-max`. Alibaba también ha anunciado planes para publicar los pesos de modelos Qwen4 más pequeños.

[Anuncio oficial de Qwen](https://qwen.ai/blog?id=qwen4-max) · [Documentación de Alibaba Cloud Model Studio](https://docs.modelstudio.console.alibabacloud.com/en/model-studio/qwen4-max)

**¿Qué potencia tiene Qwen4-Max? ¿Puede competir con Claude Opus 5.5?**

Según sus benchmarks de lanzamiento, Qwen4-Max es competitivo con los principales modelos de frontera en determinadas tareas, especialmente en desarrollo web. Sin embargo, su rendimiento general está más cerca de Kimi K3.1 Pro que de Claude Opus 5.5. Los resultados disponibles no respaldan considerarlo un reemplazo completo de Opus 5.5.

En el Intelligence Index independiente de Artificial Analysis, Qwen4-Max obtuvo **43**, frente a 34 de Qwen3.8-Max y cerca de los 46 de Kimi K3.1 Pro. Claude Opus 5.5 obtuvo 59.

La diferencia es menor en desarrollo web. Qwen4-Max alcanzó **1.750 Elo y ocupó inicialmente el sexto puesto en WebDev Arena**, frente a 1.816 Elo y el segundo puesto de Opus 5.5.

Estos resultados hacen que valga la pena evaluar Qwen4-Max para el desarrollo frontend. Para ingeniería compleja a nivel de repositorio, tareas de terminal de larga duración o razonamiento profesional exigente, aún debe probarse frente a Opus 5.5, Kimi K3.1 Pro y otros modelos líderes antes de sustituirlos.

[Artificial Analysis](https://artificialanalysis.ai/models/qwen4-max) · [WebDev Arena](https://arena.ai/leaderboard/code/webdev)

## Benchmarks de Qwen4-Max: ¿cuánto supera a Qwen3.8-Max?

Las evaluaciones iniciales de Qwen4-Max abarcan desarrollo web, ingeniería de software, flujos de trabajo con agentes, conocimiento profesional y comprensión multimodal.

Las distintas organizaciones utilizan conjuntos de benchmarks y configuraciones de razonamiento diferentes, por lo que sus puntuaciones no deben compararse directamente.

La siguiente tabla da prioridad a los resultados independientes de Artificial Analysis, Arena y Vals AI. Las tres organizaciones publicaron evaluaciones del lanzamiento oficial, principalmente con la configuración de razonamiento `xhigh`.

Benchmarks independientes del lanzamiento de Qwen4-Max

| Benchmark                              | Qwen4-Max                                               | Comparación                                              |
| -------------------------------------- | ------------------------------------------------------- | -------------------------------------------------------- |
| Artificial Analysis Intelligence Index | 43                                                      | Qwen3.8-Max: 34; Kimi K3.1 Pro: 46; Opus 5.5: 59         |
| WebDev Arena                           | 1.750 Elo, n.º 6                                        | Qwen3.8-Max: 1.676; Opus 5.5: 1.816                      |
| Image-to-WebDev                        | 1.674 Elo, n.º 6                                        | Qwen3.8-Max: 1.639                                       |
| Vals Index v2.2                        | 63,20 % (puesto 11 de 38)                               | Qwen3.8-Max: 59,05 %; Kimi K3.1 Pro: 62,52 %             |
| Vibe Code Bench v1.1                   | 86,66 %; 21/50 aplicaciones superaron todas las pruebas | Qwen3.8-Max: 16/50                                       |
| Terminal-Bench 4.0                     | Aproximadamente 48,5 %                                  | Qwen3.8-Max: 38,9 %; Kimi K3.1 Pro: aproximadamente 67 % |
| AA-Briefcase v1.1                      | 1.686 Elo                                               | Qwen3.8-Max: 1.604; Opus 5.5: 1.801                      |
| AutomationBench-AA                     | Aproximadamente 73 %                                    | Qwen3.8-Max: 56 %; Opus 5.5: 70 %                        |
| Finance Agent v2.1                     | 66,68 %                                                 | Clasificado en el n.º 8 por Vals AI                      |
| Tax Agent Bench                        | 40,35 %                                                 | Qwen3.8-Max: 49,7 %                                      |
| Legal Research Bench                   | 41,35 %                                                 | Qwen3.8-Max: 46,2 %                                      |

*Las clasificaciones de Arena son resultados preliminares del lanzamiento y pueden cambiar a medida que se recopilen más votos. Las clasificaciones de Vals AI reflejan los datos disponibles en la página del modelo; el tamaño de las tablas de clasificación puede variar con el tiempo.*

[Resultados de Artificial Analysis](https://artificialanalysis.ai/models/qwen4-max) · [Página del modelo de Vals AI](https://www.vals.ai/models/alibaba_qwen4) · [Tabla de clasificación de WebDev Arena](https://arena.ai/leaderboard/code/webdev)

### El desarrollo web es una de sus áreas más sólidas

Qwen4-Max mejoró en 74 Elo respecto a su predecesor en WebDev Arena. También obtuvo mejores resultados en el benchmark Image-to-WebDev, que evalúa hasta qué punto los modelos convierten capturas de pantalla en páginas web funcionales.

Vals AI probó ambas generaciones en 50 tareas de desarrollo de aplicaciones web. Qwen4-Max superó todas las pruebas en 21 aplicaciones, frente a 16 de Qwen3.8-Max.

Ambas evaluaciones apuntan a mejoras significativas en la generación de frontend y el desarrollo de aplicaciones interactivas.

Sin embargo, la diferencia entre los 1.750 Elo de Qwen4-Max y los 1.816 de Opus 5.5 sigue siendo suficientemente grande como para importar. La calidad visual, la corrección funcional y la capacidad de modificar un proyecto existente a lo largo de varias iteraciones también deben evaluarse por separado.

### La programación compleja y las tareas profesionales siguen siendo más débiles

En Terminal-Bench 4.0, Qwen4-Max obtuvo aproximadamente un 48,5 %, mejorando el 38,9 % de Qwen3.8-Max, pero aún por detrás del aproximadamente 67 % de Kimi K3.1 Pro.

En el benchmark de replicación de software ProgramBench publicado por Alibaba, Qwen4-Max obtuvo 31,5, frente a 65,0 de Opus 5.5.

Aunque Qwen4-Max ofrece un rendimiento competitivo en algunos benchmarks de ingeniería de software, este resultado apunta a una brecha importante que aún persiste en tareas de programación complejas y prolongadas.

Los benchmarks profesionales también muestran resultados dispares.

Vals AI informó de una puntuación del 66,68 % en Finance Agent v2.1. Sin embargo, su puntuación en Tax Agent Bench descendió del 49,7 % de la generación anterior al 40,35 %, mientras que Legal Research Bench bajó del 46,2 % al 41,35 %.

Por tanto, las empresas que evalúen modelos de IA para trabajos financieros, fiscales o jurídicos deberían dar prioridad a los resultados específicos de cada tarea, en lugar de depender por completo de una clasificación general de inteligencia.

[Resultados detallados de Vals AI](https://www.vals.ai/models/alibaba_qwen4) · [Comparaciones de benchmarks publicadas por Qwen](https://x.com/Alibaba_Qwen/status/2122148127520289151)

![Gráfico de benchmarks del lanzamiento de Qwen que compara Qwen4-Max, Qwen3.8-Max, Claude Opus 5.5, GPT-6.1 Sol, GPT-6 Astra y Kimi K3.1.](https://assets.offloop.org/website/editorial/learn/qwen-4-max/benchmark-overview.d85e3a2ea810.jpg)

Fuente: materiales de lanzamiento de Qwen. El gráfico muestra las comparaciones publicadas por Qwen.

## Tres pruebas reales: ¿qué puede construir realmente Qwen4-Max?

Más allá de las puntuaciones de los benchmarks, los desarrolladores ya han publicado registros de ejecución y ejemplos funcionales con el modelo oficial.

Las siguientes tres pruebas muestran la generación de aplicaciones web, las diferencias de diseño entre modelos y el impacto de la configuración de razonamiento en la velocidad y el consumo de tokens.

### 1. La misma tarea de desarrollo web: Qwen4-Max terminó 31 minutos y 24 segundos antes que DeepSeek V4.1 Flash

El desarrollador Densitylucky asignó a Qwen4-Max y DeepSeek V4.1 Flash la misma tarea: crear una ciudad en miniatura interactiva dentro de una vitrina de cristal.

El cursor del ratón funciona como una «linterna del tiempo». Al moverlo por la escena, muestra cómo serían distintas partes de la ciudad en 1920, 1980 o 2080.

Los edificios deben permanecer alineados entre las distintas épocas. Los usuarios también deben poder fijar varias ventanas temporales y comparar diferentes periodos en el mismo mapa.

Ambos modelos produjeron demostraciones funcionales en las que los edificios cambiaban según la época seleccionada.

La demostración de Qwen4-Max mostró además varias ventanas temporales fijadas simultáneamente.

El desarrollador informó de los siguientes tiempos de finalización:

Tiempos de finalización para la misma tarea de sitio web interactivo

| Modelo              | Tiempo de finalización   |
| ------------------- | ------------------------ |
| Qwen4-Max           | 13 minutos y 31 segundos |
| DeepSeek V4.1 Flash | 44 minutos y 55 segundos |

Qwen4-Max terminó **31 minutos y 24 segundos antes** en esta prueba concreta.

Sin embargo, el desarrollador no reveló la configuración completa de razonamiento, los costes de la API ni los resultados detallados de las pruebas de aceptación de ninguno de los dos modelos. Estos tiempos no deben interpretarse como una medida general de la velocidad relativa.

[Publicación original del desarrollador y vídeo comparativo](https://x.com/Densitylucky/status/2122186925343920447)

![Qwen4-Max y DeepSeek V4.1 Flash lado a lado en la misma tarea de ciudad en miniatura interactiva.](https://assets.offloop.org/website/editorial/learn/qwen-4-max/time-flashlight-poster.a4c6739f4396.jpg)

[Qwen4-Max y DeepSeek V4.1 Flash lado a lado en la misma tarea de ciudad en miniatura interactiva.](https://assets.offloop.org/website/editorial/learn/qwen-4-max/time-flashlight.28f6ddbce50e.mp4)

Fuente: Densitylucky. Qwen4-Max aparece arriba y DeepSeek V4.1 Flash abajo.

### 2. Pruebas comparativas de Arena: diferencias de diseño entre Qwen4-Max, GPT y Claude

Peter Gostev, de Arena, publicó una colección de proyectos generados por modelos, entre ellos una ciudad romana con estilo voxel, escenas 3D, pequeños juegos y sitios web interactivos.

Un ejemplo especialmente útil es un panel de control para un evento de carreras.

Qwen4-Max organizó la pista, las estadísticas de la carrera y la lista de pilotos en un panel de control compacto y denso en información.

GPT-6.1 Sol asignó más espacio a la visualización de la pista, convirtiéndola en el elemento visual central.

Ambos diseños cubrieron los requisitos principales, pero sus decisiones de distribución fueron diferentes.

Esta comparación no demuestra que ninguno de los dos modelos sea universalmente mejor. Sin embargo, ayuda a los desarrolladores a evaluar qué decisiones de diseño se ajustan mejor a sus propios requisitos.

Para inspeccionar directamente los resultados, empieza por **13:36** en el vídeo para el diseño web y continúa hasta **15:47** para la comparación de usabilidad web.

[Comparación de modelos de Arena lado a lado](https://x.com/arena/status/2122157548057084062)

![Comparación de Peter Gostev en Arena de Qwen4-Max en tareas web, de juegos y 3D.](https://assets.offloop.org/website/editorial/learn/qwen-4-max/arena-review-poster.78464bffded5.jpg)

[Comparación de Peter Gostev en Arena de Qwen4-Max en tareas web, de juegos y 3D.](https://assets.offloop.org/website/editorial/learn/qwen-4-max/arena-review.6c41f4121eb4.mp4)

Fuente: Arena y Peter Gostev. Las comparaciones de sitios web comienzan en 13:36.

### 3. Prueba de Simon Willison: `xhigh` tardó casi seis minutos más que `high`

El desarrollador Simon Willison probó Qwen4-Max mediante OpenRouter con cuatro configuraciones de razonamiento y el mismo prompt:

```
Generate an SVG of a pelican riding a bicycle
```

La tarea consistía en generar una ilustración SVG de un pelícano montado en bicicleta.

Los resultados fueron:

Cuatro configuraciones de razonamiento para el mismo prompt

| Configuración de razonamiento | Tiempo     | Tokens de salida (incluido el razonamiento) |
| ----------------------------- | ---------- | ------------------------------------------- |
| Desactivado                   | 1 min 01 s | 3.766                                       |
| low                           | 1 min 31 s | 5.702                                       |
| high                          | 1 min 37 s | 6.362                                       |
| xhigh                         | 7 min 23 s | 26.295                                      |

La configuración `xhigh` incluyó detalles visuales adicionales, como una bicicleta de color verde azulado, una bufanda roja y un pez con la cola asomando.

Sin embargo, el tiempo fue aproximadamente 4,5 veces el de `high` y generó alrededor de 4,1 veces la cantidad de tokens de salida.

Willison también probó Qwen3.8-Max con el mismo prompt.

En general, prefirió los resultados de Qwen4-Max, pero al comparar únicamente las salidas de `xhigh`, prefirió la ilustración generada por el modelo de la generación anterior.

La prueba muestra por qué los niveles de razonamiento más altos no son automáticamente mejores. Los tokens de razonamiento adicionales pueden mejorar los detalles, pero también aumentan la latencia y el coste sin garantizar siempre un mejor resultado.

[Registros de ejecución originales](https://gist.github.com/simonw/ff451620c173ea21e21b97b8cd46805b) · [Vistas previas de la salida SVG](https://tools.simonwillison.net/markdown-svg-renderer?url=https://gist.github.com/simonw/ff451620c173ea21e21b97b8cd46805b) · [Comparación de Willison](https://news.ycombinator.com/item?id=50513215)

## ¿Cuánto más barato es Qwen4-Max que Qwen3.8-Max?

Además de mejorar el rendimiento, Qwen4-Max reduce considerablemente el coste medio de completar las tareas del benchmark.

Artificial Analysis evaluó ambas generaciones con el nivel de razonamiento `xhigh` y comunicó los siguientes resultados:

Comparación de ambas generaciones realizada por Artificial Analysis

| Métrica                             | Qwen3.8-Max             | Qwen4-Max               |
| ----------------------------------- | ----------------------- | ----------------------- |
| Índice de inteligencia              | 34                      | 43                      |
| Coste medio por tarea               | US$10.02                | US$3.27                 |
| Media de tokens de salida por tarea | Aproximadamente 171.000 | Aproximadamente 105.000 |

En este benchmark, el coste medio por tarea disminuyó aproximadamente un **67%**.

Los precios más bajos de la API explican parte de la reducción. El modelo más reciente también utilizó, de media, menos tokens de salida para completar el mismo conjunto de benchmarks.

[Desglose de costes de Artificial Analysis](https://x.com/ArtificialAnlys/status/2122161637595738416)

Alibaba observó una tendencia similar en su evaluación interna Work360.

Qwen4-Max mejoró la puntuación de 47,74 a 52,69, mientras que el coste medio por tarea disminuyó de **US$4.43 a US$1.67**, una reducción de aproximadamente el 62 %.

Sin embargo, Work360 es una evaluación comunicada por el proveedor. Sus tareas, configuraciones y supuestos de precios difieren de los utilizados por Artificial Analysis, por lo que no se deben combinar ambas cifras de coste.

[Resultados de costes de Qwen Work360](https://x.com/Alibaba_Qwen/status/2122148131982946642) · [Puntuaciones del benchmark Work360](https://x.com/Alibaba_Qwen/status/2122148135623647368)

![Gráfico de Qwen que compara las puntuaciones y los tokens por tarea de Qwen4-Max y Qwen3.8-Max en Work360 y Terminal-Bench 4.0.](https://assets.offloop.org/website/editorial/learn/qwen-4-max/token-efficiency.563bc6e3eca8.jpg)

Fuente: Qwen. Los puntos representados corresponden a distintos niveles de razonamiento.

En flujos de desarrollo reales, una métrica más útil es el coste total de llegar a un resultado aceptado, incluidos la generación inicial, los reintentos, la depuración y la intervención humana necesaria.

## Cómo usar Qwen4-Max: ¿dónde puedes probarlo?

Alibaba menciona Qwen Studio, QwenWork y Qoder como formas de acceder a Qwen4.

Si simplemente quieres probar sus capacidades de generación de texto o programación, puedes empezar con uno de los productos oficiales.

Los desarrolladores que necesiten integrar el modelo en una aplicación o sistema de agentes pueden usar Alibaba Cloud Model Studio u OpenRouter.

* [Qwen Studio](https://chat.qwen.ai/) · Prueba los modelos Qwen en línea
* [QwenWork](https://qwenwork.ai/) · Experiencia de IA de Qwen orientada al trabajo
* [Qoder](https://qoder.com/) · Desarrollo de software con IA
* [Alibaba Cloud Model Studio](https://docs.modelstudio.console.alibabacloud.com/en/model-studio/qwen4-max) · ID del modelo de la API: `qwen4-max`
* [OpenRouter](https://openrouter.ai/qwen/qwen4-max) · ID del modelo de la API: `qwen/qwen4-max`

La versión oficial de Qwen4-Max admite las interfaces OpenAI Chat Completions, Responses, Anthropic Messages y DashScope.

También admite llamadas a herramientas, llamadas paralelas a herramientas y salida JSON estructurada.

El modelo anterior `qwen4-max-preview` se ofrecía mediante el Token Plan. El modelo oficial `qwen4-max` ahora admite facturación de la API según el uso.

Al integrar el modelo, asegúrate de seleccionar la versión oficial y no el modelo de vista previa.

[Documentación de Alibaba Cloud](https://docs.modelstudio.console.alibabacloud.com/en/model-studio/qwen4-max) · [Documentación del modelo de vista previa](https://docs.qwencloud.com/developer-guides/getting-started/latest-model)

### Precios de la API de Qwen4-Max

Los precios de Alibaba Cloud Model Studio varían según la región de implementación.

La siguiente tabla muestra las tarifas estándar publicadas, comprobadas el 16 de noviembre de 2026. Todos los precios son por millón de tokens.

Precios de Model Studio por millón de tokens

| Región y alcance de la implementación       | Entrada  | Salida  | Acierto de caché |
| ------------------------------------------- | -------- | ------- | ---------------- |
| Virginia, EE. UU. — Implementación global   | US$1.413 | US$4.24 | US$0.071         |
| Singapur — Implementación internacional     | US$1.50  | US$4.50 | US$0.075         |
| Pekín — Implementación en China continental | ¥10      | ¥30     | ¥0.50            |

Los tokens de razonamiento se cobran como tokens de salida.

Los precios por acierto de caché mostrados arriba no son los mismos que los precios de creación de caché. La creación explícita de caché puede facturarse por separado.

En comparación con Qwen3.8-Max en la misma región de implementación, los precios estándar de los tokens de entrada y salida de Qwen4-Max son aproximadamente un 14,4 % más bajos en Virginia y un 25 % más bajos en Singapur.

[Precios internacionales de Alibaba Cloud](https://docs.modelstudio.console.alibabacloud.com/en/model-studio/model-pricing) · [Precios en China continental](https://help.aliyun.com/zh/model-studio/model-pricing)

### ¿Qué deben saber los desarrolladores antes de usar la API?

Qwen4-Max admite una ventana de contexto de hasta 1 millón de tokens, lo que lo hace adecuado para tareas que implican documentos extensos o grandes cantidades de contexto del proyecto.

Sin embargo, la capacidad de aceptar un contexto largo no garantiza que el modelo pueda recuperar o consultar con precisión todos sus detalles.

Los niveles de razonamiento también afectan al uso de tokens de salida, la latencia y los costes. Los desarrolladores no deberían usar automáticamente `xhigh` para cada tarea.

Para integrar Qwen4-Max mediante Alibaba Cloud Model Studio, crea una clave de API para la región correspondiente, configura el endpoint de API correspondiente y establece el ID del modelo en `qwen4-max`.

Al usar OpenRouter, el ID del modelo es `qwen/qwen4-max`. Su página del modelo también ofrece información sobre las configuraciones de razonamiento y los precios.

[Qwen4-Max en OpenRouter](https://openrouter.ai/qwen/qwen4-max)

## ¿Vale la pena usar Qwen4-Max?

Si tu trabajo incluye prototipos frontend, sitios web interactivos o tareas de desarrollo con criterios de aceptación claros, **vale la pena probar Qwen4-Max**.

Una evaluación práctica consiste en tomar una captura de pantalla de un proyecto que conozcas bien y asignar la misma tarea a Qwen4-Max y a tu modelo actual.

Empieza con el nivel de razonamiento `high` y define algunos criterios de aceptación concretos:

* El diseño debería coincidir estrechamente con la referencia.
* Las funciones interactivas esenciales deben funcionar correctamente.
* La página debe seguir siendo utilizable en pantallas estrechas.

Después, registra el tiempo total, el consumo de tokens, los reintentos y los cambios manuales necesarios para superar esas comprobaciones.

Aumenta el nivel de razonamiento solo si el coste adicional produce una mejora significativa.

Si tu equipo depende actualmente de Opus 5.5 o Kimi K3.1 Pro para el mantenimiento de repositorios, las operaciones complejas en terminal o los flujos de trabajo de agentes de larga duración, prueba Qwen4-Max con tus tareas reales más frecuentes antes de migrar.

Sus resultados independientes en benchmarks de programación en terminal y flujos de trabajo profesionales aún no demuestran que pueda sustituir por completo a esos modelos.

Los resultados del lanzamiento muestran mejoras sustanciales frente a Qwen3.8-Max en varias áreas, especialmente en desarrollo web. Los precios de la API y los costes medios por tarea también han disminuido.

Que Qwen4-Max deba sustituir a un modelo avanzado existente depende, en última instancia, de las tasas de finalización de tareas, la latencia y el coste total con tu carga de trabajo real.

*Nota: Este artículo resume los resultados iniciales publicados en torno al lanzamiento oficial de Qwen4-Max el 16 de noviembre de 2026. Las clasificaciones de Arena son dinámicas y algunos resultados siguen siendo preliminares. Artificial Analysis y Vals AI ofrecen evaluaciones independientes, mientras que Work360, ProgramBench y otros resultados publicados por Alibaba se identifican como benchmarks comunicados por el proveedor. Las pruebas de desarrolladores individuales demuestran el rendimiento en sus tareas específicas y no deben considerarse evaluaciones exhaustivas de los modelos.*

## Referencias

* [\[1\] Anuncio oficial de Qwen](https://qwen.ai/blog?id=qwen4-max)
* [\[2\] Documentación de Alibaba Cloud Model Studio](https://docs.modelstudio.console.alibabacloud.com/en/model-studio/qwen4-max)
* [\[3\] Artificial Analysis](https://artificialanalysis.ai/models/qwen4-max)
* [\[4\] WebDev Arena](https://arena.ai/leaderboard/code/webdev)
* [\[5\] Página del modelo de Vals AI](https://www.vals.ai/models/alibaba_qwen4)

- [\[6\] Comparaciones de benchmarks publicadas por Qwen](https://x.com/Alibaba_Qwen/status/2122148127520289151)
- [\[7\] Publicación original del desarrollador y vídeo comparativo](https://x.com/Densitylucky/status/2122186925343920447)
- [\[8\] Comparación de modelos en paralelo de Arena](https://x.com/arena/status/2122157548057084062)
- [\[9\] Registros de ejecución originales](https://gist.github.com/simonw/ff451620c173ea21e21b97b8cd46805b)
- [\[10\] Vistas previas de la salida SVG](https://tools.simonwillison.net/markdown-svg-renderer?url=https://gist.github.com/simonw/ff451620c173ea21e21b97b8cd46805b)
- [\[11\] Comparación de Willison](https://news.ycombinator.com/item?id=50513215)
- [\[12\] Desglose de costes de Artificial Analysis](https://x.com/ArtificialAnlys/status/2122161637595738416)
- [\[13\] Resultados de costes de Qwen Work360](https://x.com/Alibaba_Qwen/status/2122148131982946642)
- [\[14\] Puntuaciones del benchmark Work360](https://x.com/Alibaba_Qwen/status/2122148135623647368)
- [\[15\] Qwen Studio](https://chat.qwen.ai/)
- [\[16\] QwenWork](https://qwenwork.ai/)
- [\[17\] Qoder](https://qoder.com/)
- [\[18\] OpenRouter](https://openrouter.ai/qwen/qwen4-max)
- [\[19\] Documentación del modelo de vista previa](https://docs.qwencloud.com/developer-guides/getting-started/latest-model)
- [\[20\] Precios internacionales de Alibaba Cloud](https://docs.modelstudio.console.alibabacloud.com/en/model-studio/model-pricing)
- [\[21\] Precios en China continental](https://help.aliyun.com/zh/model-studio/model-pricing)

## Lecturas relacionadas

* [Reseña de Qwen4-Max Preview](https://offloop.org/es/learn/qwen-4-max-preview-test)

Actualizado el 16 de noviembre de 2026
