Qwen3 VL 235B estreia sem nota de inteligência e custa 58% mais

Você não consegue comparar o Qwen3 VL 235B A22B Instruct com quase ninguém. Cinco dias depois do lançamento, em 23 de setembro, o multimodal da Qwen segue sem índice de inteligência, sem nota de código, sem nota agentic e sem blended score na principal régua que o mercado usa para decidir. O catálogo tem mais de 240 modelos hoje, e 21 deles foram lançados nos últimos 30 dias — não é raro um modelo chegar sem benchmark. Quando ele custa US$ 1,90 por milhão de tokens de saída, a ausência pesa.

O que está na ficha (e o que está faltando)

A descrição do catálogo descreve o modelo como multimodal de pesos abertos, com janela de 262.144 tokens e cutoff de conhecimento em março de 2025. A modalidade é text+image → text: o modelo lê imagens, incluindo vídeo, e devolve texto. Os casos de uso citados são VQA, parsing de documentos e leitura de gráficos e tabelas. Não gera imagem.

O que falta é a régua que permite olhar para o modelo e dizer "está acima de X, abaixo de Y". O topo atual do catálogo é o o3, da OpenAI, com 31,096. Logo abaixo vem o gpt-oss-120b, da própria OpenAI, com 24,126. O Qwen3 Next 80B A3B Thinking, da mesma Qwen e da mesma geração, marca 16,867. O VL 235B: nada. Comparar o multimodal novo com qualquer um deles hoje exige aceitar que um lado da equação está em branco.

O tabuleiro de preços

Em dólares por milhão de tokens, o VL 235B cobra US$ 0,21 de entrada, US$ 1,90 de saída e US$ 0,10 em cache. Pôr isso na mesa ao lado de três vizinhos ajuda a calibrar:

• Qwen3 Next 80B A3B Thinking (irmão de geração, só texto): US$ 1,20 de saída. O VL 235B custa 58% mais.
• OpenAI o3 (referência de topo, 31,096 de IQ): US$ 8,00 de saída. O VL 235B custa cerca de quatro vezes menos.
• Meta Llama 4 Maverick (multimodal concorrente, 14,477 de IQ): US$ 0,696 de saída. O VL 235B custa quase o triplo.

A leitura é direta: o preço não é absurdo, mas também não é argumento de compra. Está acima do multimodal mais barato com score público e abaixo do topo absoluto, sem ocupar nenhum dos dois polos.

Para quem esse modelo faz sentido

VL grande, contexto de 262K e preço de cache camarada (US$ 0,10) pedem um caso de uso específico: documentos longos com figuras, contratos com tabelas embutidas, agentes que precisam olhar um gráfico antes de responder. Nesses cenários o ganho não é "ser mais inteligente" — é "ver o que os outros não veem". O cache barato também ajuda quem repete a mesma imagem várias vezes, como num pipeline de QA visual.

Para texto puro, o Qwen3 Next 80B A3B Thinking entrega por menos e com nota. Para o topo de capacidade pura, o o3 é o teto, e a conta sobe quatro vezes. Para multimodal barato com benchmark, o Llama 4 Maverick continua na frente em preço.

Cinco dias depois, a decisão

Se o seu produto é só texto, ignore. Se lê imagem, coloque o Qwen3 VL 235B na fila de teste ao lado do Llama 4 Maverick e de qualquer outro multimodal com score público. Sem índice de inteligência disponível, a única forma de saber se ele paga os US$ 1,90 é rodar nos seus próprios documentos e medir a taxa de acerto. A Qwen entregou a capacidade; a régua, ainda não.