Qwen3-Max-Thinking rivaliza com Gemini 3 Pro do Google como nunca antes: a chave está no que não é dito

Desde que o ChatGPT surgiu em novembro de 2022, a corrida pela inteligência artificial tem se intensificado, com um novo modelo aparecendo a cada poucas semanas, prometendo elevar ainda mais o nível. Às vezes, trata-se de uma atualização; outras vezes, de um modelo "carro-chefe" com um nome diferente, mas o padrão se repete: mais poder, mais ambição e uma narrativa cada vez mais global. Nesse contexto, a China está ganhando visibilidade de forma cada vez mais evidente, e o nome que agora surge na conversa é Qwen3-Max-Thinking, a proposta da Alibaba com a qual a empresa pretende competir no mesmo patamar dos grandes nomes do momento.

À primeira vista, o Qwen3-Max-Thinking pode parecer apenas mais um nome na interminável lista de modelos, mas há uma nuance relevante: a empresa o apresenta como seu modelo carro-chefe para tarefas de raciocínio e o coloca explicitamente no mesmo patamar do Gemini 3 Pro. A Alibaba afirma ter escalado parâmetros e investido recursos computacionais em reforço para aprimorar diversas dimensões simultaneamente, desde conhecimento factual e raciocínio complexo até o seguimento de instruções, alinhamento com preferências humanas e capacidades do agente. Em outras palavras, você não está vendendo apenas poder bruto, mas uma maneira melhor de "pensar".

O que os benchmarks ensinam

Para cumprir essa promessa, o mais útil é analisar a tabela comparativa que temos em mãos, com 19 benchmarks e uma contagem direta: Gemini 3 Pro lidera em 11, Qwen3-Max-Thinking lidera em 8. Esses dados, por si só, não decidem "qual é melhor", mas ajudam a entender o tipo de desempenho que a Alibaba demonstra em relação ao Google. Aqui, vale a pena sermos bem literais com o que estamos medindo: cada benchmark se concentra em uma habilidade específica, desde conhecimento geral até programação, uso de ferramentas, seguir instruções ou análise de contexto extenso.

Se analisarmos o ponto em que o Qwen3-Max-Thinking realmente se destaca, há um que se sobressai: seguir instruções e se alinhar com o que os humanos preferem numa conversa. No Arena-Hard v2, Qwen vence com 90,2 contra 81,7 do Gemini, a maior diferença a seu favor em toda a tabela (8,5 pontos a mais). Essa não é uma nuance menor, pois esse tipo de benchmark não premia apenas o "sucesso" técnico, mas o resultado final que uma pessoa considera mais útil ao comparar respostas às cegas. Soma-se a isso o IFBench, onde Qwen vence por uma margem mínima (70,9 contra 70,4). Traduzindo para a vida real: quando o usuário não formula uma instrução perfeita, quando a tarefa é ambígua ou exige a interpretação da intenção, Qwen parece mais orientada a acertar o que lhe é pedido e a fazê-lo de uma forma que pareça natural.

Outro campo em que Qwen sustenta sua narrativa de "modelo de pensamento" é o raciocínio matemático e a resolução lógica de problemas. No HMMT, tanto na edição de novembro de 2025 quanto na de fevereiro de 2025, Qwen se destaca (94,7 contra 93,3 e 98,0 contra 97,5, respectivamente). E no IMOAnswerBench também vence, embora por uma margem mínima: 83,9 contra 83,3. Esses números não sugerem uma vitória esmagadora, mas indicam um padrão consistente: quando o problema exige várias etapas de lógica e não é resolvido apenas com memória ou uma resposta simples, o Qwen tende a se destacar.

A essas melhorias, a Alibaba adiciona um componente que já está se tornando o novo padrão: o modelo não permanece no texto, mas pode agir. Em sua apresentação, a empresa fala sobre um uso adaptativo de ferramentas que permite a recuperação de informações sob demanda e a invocação de um interpretador de código. Essa orientação também aparece nos benchmarks: em HLE (com ferramentas), o Qwen prevalece com 49,8 pontos, comparado a 45,8 do Gemini, o que sugere uma melhor capacidade de desempenho quando o modelo pode ser suportado por ferramentas externas. Aqui, a mudança fundamental é importante: não se trata mais apenas de "o que ele responde", mas de como ele investiga, como decide qual ferramenta usar e como sintetiza o que encontra.

Há um aspecto nesta comparação em que o Gemini 3 Pro parece mais "estruturado" do que "falante", e é precisamente aí que muitos usuários profissionais concentram sua atenção. O modelo do Google se destaca no MMLU-Pro e no MMLU-Redux, dois testes intimamente ligados ao conhecimento geral, bem como no GPQA e no HLE, que aparecem nesta tabela como benchmarks de avaliação exigentes e questões complexas. Em código, o Gemini prevalece no LiveCodeBench v6 e também no SWE Verified, o que reforça a ideia de que, para tarefas de programação, ele ainda é uma opção muito sólida. Além disso, o AA-LCR é líder em análise de documentos longos.

Detalhes se escondem além do preço

Neste ponto, há uma questão tão importante quanto qualquer benchmark: quanto custa usar esses modelos seriamente? Nos preços padrão para 1 milhão de tokens, o contraste é claro. No Gemini 3 Pro, a entrada varia entre US$ 2 e US$ 4, dependendo do lote de tokens, enquanto no Qwen3-Max a entrada custa US$ 1,2. Mas a diferença mais importante aparece na saída, que é onde o "pensamento" do modelo é pago: o Gemini custa de US$ 12 a US$ 18, comparado aos US$ 6 do Qwen. Traduzindo para proporções, no uso padrão, o Gemini é aproximadamente 1,67 vezes mais caro na entrada e 2 vezes na saída, considerando o custo usual. Se o lote ultrapassar 200 mil tokens de entrada, a distância aumenta para 3,33 vezes na entrada e 3 vezes na saída.

Aqui chegamos à parte que geralmente é deixada de lado quando tudo se concentra em poder e preço: o que acontece com seus dados quando você usa o modelo e sob quais regras. No caso do Qwen, dois mundos precisam ser claramente separados. Por um lado, há o chat online para o consumidor, cujos termos contemplam o uso e armazenamento de "Conteúdo do Usuário" para desenvolver e aprimorar tecnologias de IA, incluindo conteúdo anonimizado, e a possibilidade de processá-lo para novos produtos e serviços. Além disso, pelo menos em nossa análise, não encontramos um controle claro ou uma opção visível que permita desativar esse uso. Ademais, não há menção explícita à UE ou ao GDPR no material revisado. Em sua política de privacidade, o Alibaba alerta sobre transferências internacionais de dados e destaca que o serviço é geralmente fornecido a partir de Singapura e que os dados são normalmente processados ​​em Singapura, Indonésia e/ou China.

O Alibaba, no entanto, introduz nuances importantes. O ambiente profissional da Alibaba Cloud garante que não utiliza os dados para treinamento e que criptografa as informações com AES-256. Explica ainda que o tratamento das conversas varia de acordo com o tipo de uso: em chamadas diretas via API, elas não são salvas, enquanto em outros modos o histórico pode ser preservado para melhorar a experiência. O Google apresenta uma nuance semelhante: com as APIs pagas do Gemini, as solicitações e respostas não são utilizadas para treinar modelos e são tratadas como confidenciais. Nesse contexto, é importante destacar outro elemento: a Lei Nacional de Inteligência da China, em seu Artigo 7, estabelece que organizações e cidadãos devem, por lei, "apoiar, auxiliar e cooperar" com o trabalho de inteligência nacional, mantendo também o sigilo das informações obtidas, uma obrigação legal que gerou preocupações na União Europeia e em outras partes do mundo.

Imagens | Xataka com Gemini 3 Pro | Captura de tela