Qwen coloca visão de 235B no catálogo por US$ 4,40 por milhão de saída

O que muda na prateleira hoje

A Qwen jogou quatro modelos no catálogo em um único dia, mas o que merece sua atenção é o Qwen3-VL-235B-A22B Thinking: um multimodal de 235 bilhões de parâmetros pensado para raciocinar sobre imagem e vídeo, não só descrevê-los. O preço de saída é US$ 4 por milhão de tokens — exatamente metade do que a OpenAI cobra pelo o3, o modelo que lidera o índice de inteligência hoje.

A conta fica mais interessante quando você olha o pacote completo. A versão Instruct do mesmo VL 235B sai por US$ 1,90 por milhão de saída, o Qwen3 Max por US$ 3,90 e o Qwen3 Coder Plus por US$ 3,25. É uma família inteira aparecendo de uma vez, com a versão Thinking claramente posicionada como o topo da linha multimodal.

O que "Thinking" quer dizer aqui

Pensa no Thinking como o modo "mostra a conta" do modelo. Em vez de cuspir a resposta, ele gasta tokens extras percorrendo o raciocínio passo a passo antes de chegar no veredito. Em problemas de STEM e matemática isso normalmente paga o preço extra em latência e tokens com respostas mais certeiras — é o mesmo padrão que o o3 e o Qwen3 Next 80B Thinking já seguem.

A diferença é que aqui o Thinking também enxerga. Você manda uma imagem de um diagrama elétrico ou um frame de vídeo e o modelo percorre o caminho lógico sobre o que está vendo. Para quem constrói agentes que precisam olhar um screenshot, ler um gráfico ou inspecionar uma UI, é exatamente esse o caso de uso.

Onde ele se encaixa no tabuleiro

O índice de inteligência atual tem o o3 disparado na frente, com IQ de 31,096, seguido do gpt-oss-120b (24,126) e do próprio Qwen3 Next 80B Thinking (16,867). O Qwen3-VL Thinking ainda não tem nota publicada no índice — então qualquer comparação direta de capacidade cognitiva hoje é chute.

O que dá para comparar de verdade é o custo. Pelo preço de saída, o multimodal da Qwen fica entre o gpt-oss-120b (US$ 0,17, mas sem visão) e o o3 (US$ 8). É um meio-termo que faz sentido se você precisa de visão e não quer pagar o topo do topo da OpenAI.

Para quem vale — e para quem não muda nada

Vale para você se está montando um pipeline multimodal com raciocínio — análise de screenshots, interpretação de gráficos, agentes que leem UI — e o o3 estava caro demais para o volume que você roda. O contexto de 131 mil tokens comporta documentos visuais inteiros sem malabarismo.

Não muda nada se você já está satisfeito com o gpt-oss-120b em texto puro e não precisa de visão, ou se o seu caso é multimodal simples (legenda de imagem, OCR) onde a versão Instruct a US$ 1,90 já resolve sem o overhead do Thinking.

A linha completa do dia

A Qwen não soltou só o Thinking. Vieram juntos o Qwen3-VL Instruct (mesmo porte, sem raciocínio, mais barato), o Qwen3 Max (texto puro, 262 mil de contexto) e o Qwen3 Coder Plus (um milhão de contexto, voltado a código). É um pacote "cobre todos os buracos" — visão raciocinante, visão barata, texto geral, código.

A leitura prática: se você esperava um concorrente direto do o3 em raciocínio puro, ainda não é — falta benchmark. Se você esperava um multimodal que não sangra o orçamento, é exatamente o que chegou.