Preços da API Qwen3.7 Plus em 2026: Custos, Cache & Processamento em Lote

TL;DR Qwen3.7 Plus começa a $0.40/M de entrada e $1.60/M de saída na rota US-local da Alibaba, enquanto a rota Global começa em $0.276/M e $1.101/M. Para comparação, a CometAPI atualmente lista o modelo a $0.32/M de entrada e $1.28/M de saída. O principal risco de custo é o limite de 256K da Alibaba: assim que uma solicitação o ultrapassa, a faixa superior se aplica à solicitação inteira.

Visão geral dos preços da API do Qwen3.7 Plus

O Qwen3.7 Plus não tem um preço de API universal. O custo final depende da rota de implantação, do comprimento da solicitação, de descontos temporários, do uso de cache, da saída de raciocínio (thinking), de chamadas de Web Search e da disponibilidade de recursos por região.

A Alibaba documenta uma janela de contexto de 1,000,000 tokens para qwen3.7-plus.

Fontes:**Alibaba Cloud Model Studio pricing

Uma observação sobre descontos temporários da Alibaba

A tabela de preços atual da Alibaba rotula o qwen3.7-plus Global com um desconto diurno de 20% e noturno de 60% por tempo limitado.

A janela noturna publicada é 22:00–08:00 UTC**+8**, baseada no horário de faturamento. A rota International atualmente mostra um desconto de 20% por tempo limitado.

Como essas promoções podem mudar ou expirar, os cálculos abaixo usam os preços de tabela padrão, salvo quando indicado o contrário. Para uma previsão de produção em tempo real, verifique o console do Model Studio e a página de preços no dia em que for executar tráfego.

Preços US-local vs Global da Alibaba

A distinção mais importante para desenvolvedores nos EUA é que as rotas US-local e Global da Alibaba não usam a mesma linha de preço.

O ID do modelo US-local é:

qwen3.7-plus-us

Seu preço de tabela começa em:

• $0.40 por 1M de tokens de entrada
• $1.60 por 1M de tokens de saída

O ID do modelo Global é:

qwen3.7-plus

Seu preço de tabela começa em:

• $0.276 por 1M de tokens de entrada
• $1.101 por 1M de tokens de saída

A rota Global é mais barata com base no preço de tabela publicado, mas o custo não deve ser o único fator de roteamento.

As equipes também devem considerar:

• Exigências de residência de dados
• Disponibilidade regional
• Latência
• Suporte a ferramentas
• Requisitos de compliance
• Estabilidade do serviço
• Descontos temporários do provedor

Uma rota Global mais barata pode não ser adequada para cargas que exigem processamento em uma região específica.

Como funciona o nível de preços de 256K

A Alibaba Cloud usa o número total de tokens de entrada em uma única solicitação para selecionar a faixa de preço.

Se uma solicitação ultrapassa 256K tokens de entrada, o preço unitário superior se aplica a todos os tokens faturados nessa solicitação, incluindo tokens de saída à taxa de saída mostrada para a faixa superior.

Uma solicitação de 300K tokens não é cobrada como:

• 256K tokens ao preço inferior
• 44K tokens ao preço superior

Em vez disso, a solicitação inteira usa a faixa de preço superior.

Para a rota US-local, isso significa que o preço muda de:

• $0.40 para $1.20 por 1M de tokens de entrada
• $1.60 para $4.80 por 1M de tokens de saída

As taxas mais altas se aplicam a todos os tokens de entrada e saída faturados nessa solicitação.

Exemplos de custo do Qwen3.7 Plus

Exemplo 1: Uma solicitação abaixo de 256K

Suponha que uma solicitação contenha:

• 100.000 tokens de entrada
• 10.000 tokens de saída

Os valores da Alibaba acima usam preços de tabela publicados antes de quaisquer descontos temporários aplicáveis.

Exemplo 2: Uma solicitação acima de 256K

Agora suponha que uma solicitação contenha:

• 400.000 tokens de entrada
• 20.000 tokens de saída

Como a solicitação excede 256K tokens de entrada, a Alibaba Cloud aplica a faixa superior a todos os tokens de entrada e saída na solicitação.

*O valor da CometAPI é uma estimativa condicional, não um preço de produção confirmado para solicitações acima de 256K.

A página pública do modelo da CometAPI atualmente exibe um preço de destaque e aproximadamente 991.8K de tokens de entrada máximos. No entanto, não informa se solicitações acima de 256K:

• Mantêm o mesmo preço de destaque
• Usam uma faixa de preço separada para longos contextos
• Incorrem em sobretaxa de roteamento adicional

Se os preços destacados permanecerem inalterados acima de 256K, o custo estimado seria:

• Entrada: 400K ÷ 1M × $0.32 = $0.1280
• Saída: 20K ÷ 1M × $1.28 = $0.0256
• Total: $0.1536

Fonte*:* CometAPI Qwen3.7 Plus Pricing

Dividir uma solicitação grande pode reduzir o custo?

Em alguns casos, sim.

Suponha que a tarefa de 400K de entrada possa ser dividida em duas solicitações independentes, cada uma contendo:

• 200K tokens de entrada
• 10K tokens de saída

Na rota US-local:

A versão com duas solicitações é significativamente mais barata porque ambas ficam abaixo do limite de 256K.

No entanto, esta é uma otimização ilustrativa e não uma recomendação universal.

Dividir uma tarefa pode introduzir:

• Contexto duplicado
• Chamadas de API adicionais
• Mais lógica de orquestração
• Maior latência
• Perda de contexto entre documentos
• Qualidade de resposta inferior

Use essa abordagem apenas quando o trabalho puder ser separado sem enfraquecer o resultado final.

Preços do Context Cache para Qwen3.7 Plus

O Context Cache pode reduzir o custo de prompts de sistema repetidos, contextos de repositório, documentos de política, catálogos de produto e outros materiais de referência reutilizáveis.

A Alibaba Cloud oferece modos de Context Cache explícito e implícito.

Fonte: Alibaba Cloud Context Cache documentation.

Exemplo de custo do Context Cache

Suponha que um fluxo US-local envie repetidamente:

• 80K tokens de prefixo estável
• 5K novos tokens de entrada
• 5K tokens de saída

O cache explícito tem validade de cinco minutos que reinicia após um acerto bem-sucedido, não um TTL mínimo de uma hora.

Os tokens de criação do cache custam 125% do preço normal de entrada, enquanto acertos posteriores custam 10%.

Quando o cache explícito fica mais barato?

Para o prefixo estável isoladamente, seja N o total de solicitações com prefixo idêntico.

O custo normalizado de cache explícito é:

1.25 + 0.10 × (N − 1)

Uma sequência ideal de cache implícito é:

1.00 + 0.20 × (N − 1)

Sob a hipótese simplificadora de que toda solicitação após a primeira recebe um acerto de cache implícito, o cache explícito passa a ser mais barato em quatro solicitações no total:

• Uma solicitação de criação do cache
• Três reutilizações de cache bem-sucedidas

Comparado a não usar cache, o cache explícito fica mais barato já na segunda solicitação.

Em cargas reais, o ponto de equilíbrio pode variar porque acertos de cache implícito não são garantidos.

Acompanhe:

• Tokens de entrada em cache
• Tokens de criação do cache
• Tokens de entrada não cacheados
• Tokens de saída
• Taxa de acerto do cache
• Contagem de tentativas
• Taxa de sucesso da tarefa

Reduzir tokens não ajuda se falhas de cache ou regressões de qualidade levarem a mais tentativas.

Preços do Qwen Web Search

Para qwen3.7-plus, a Alibaba orienta desenvolvedores a usar a ferramenta web_search da Responses API.

O Web Search adiciona dois componentes de custo separados:

1. Conteúdo web recuperado é adicionado ao prompt do modelo e faturado como tokens de entrada normais.
2. A política de busca tem uma tarifa separada por 1.000 chamadas.

As tarifas atuais documentadas para a política agent são:

Fonte: Alibaba Cloud Web Search documentation.

A tabela de suporte atualmente lista qwen3.7-plus para os escopos Global e International, mas não lista o ID US-local qwen3.7-plus-us.

Verifique a disponibilidade da ferramenta antes de projetar um fluxo US-local em torno do recurso de Web Search nativo da Alibaba.

Exemplo de custo do Web Search na rota International

Suponha que uma solicitação contenha:

• 10K tokens normais de entrada
• 2K tokens de saída
• Duas chamadas de Web Search

Antes de contar os tokens adicionais retornados pelo mecanismo de busca:

A taxa da política de busca representa:

$0.0200 ÷ $0.0272 = 73.5%

Neste exemplo, a taxa de busca responde por 73,5% do total antes da inclusão dos tokens de conteúdo recuperado, ou 74% quando arredondado para o ponto percentual inteiro mais próximo.

Na rota Global, a tarifa por chamada é muito menor. Entretanto, páginas recuperadas ainda podem aumentar significativamente o uso de tokens de entrada ou empurrar um agente de longa execução para além do limite de 256K.

Para fluxos fundamentados em busca, acompanhe:

• Número de chamadas de busca
• Número de tokens de conteúdo recuperado

Preços e disponibilidade da Batch API

A Batch File API da Alibaba cobra tokens de entrada e saída bem-sucedidos a 50% do preço correspondente de inferência em tempo real.

Ela é projetada para cargas offline em que respostas imediatas não são necessárias, incluindo:

• Avaliações de modelos
• Marcação de documentos
• Classificação em larga escala
• Geração de dados sintéticos
• Enriquecimento noturno
• Processamento multimodal offline
• Execuções de benchmark

No entanto, o desconto de Batch não deve ser incluído automaticamente em toda previsão de custo do Qwen3.7 Plus.

A documentação atual declara que:

• O modelo exato qwen3.7-plus está listado sob China (Beijing).
• O escopo Batch de Cingapura lista aliases genéricos como qwen-plus, em vez do ID exato qwen3.7-plus.
• A documentação não lista qwen3.7-plus-us como um modelo US-local com suporte a Batch.
• As solicitações Batch com suporte para Qwen3.7 Plus têm contexto máximo de 256K, não 1M.
• Batch não suporta Context Cache.
• Descontos de Batch e cache não podem ser combinados.
• O modo de raciocínio (thinking) é ativado por padrão para jobs Batch da série Qwen3.7, a menos que configurado explicitamente.
• Tokens de raciocínio são cobrados à taxa de tokens de saída.
• O completion_window configurável é um período máximo de espera entre 24 e 336 horas.
• O completion window não garante que todo job levará 24 horas ou será concluído em um horário específico.

Fonte*:* Alibaba Cloud OpenAI-compatible Batch API documentation**.

Um desconto de 50% no Batch nem sempre significa uma tarefa 50% mais barata

Batch reduz à metade o preço unitário dos tokens de entrada e saída. Ele não controla quantos tokens de raciocínio o modelo gera.

O exemplo a seguir usa apenas a razão de preços de entrada/saída da rota US-local para ilustrar a aritmética. Ele não implica que a rota US-local atualmente suporte Batch.

O exemplo em tempo real é calculado como:

• Entrada: 100K ÷ 1M × $0.40 = $0.0400
• Saída: 10K ÷ 1M × $1.60 = $0.0160
• Total: $0.0560

O exemplo de Batch com raciocínio moderado é calculado usando tarifas reduzidas à metade:

• Entrada: 100K ÷ 1M × $0.20 = $0.0200
• Saída: 40K ÷ 1M × $0.80 = $0.0320
• Total: $0.0520

O exemplo de Batch com raciocínio maior é:

• Entrada: 100K ÷ 1M × $0.20 = $0.0200
• Saída: 50K ÷ 1M × $0.80 = $0.0400
• Total: $0.0600

No cenário final, a saída adicional de raciocínio elimina completamente a economia nominal do Batch.

Para cargas offline determinísticas como classificação, extração, marcação e formatação, configure explicitamente:

{
  "enable_thinking": false
}

Para tarefas mais difíceis, defina um thinking_budget apropriado e compare o custo por tarefa bem-sucedida em vez de supor que o desconto de destaque do Batch reduzirá a conta final exatamente em 50%.

Para planejamento nos EUA ou Global, trate as economias do Batch como não confirmadas até que o ID de modelo exato e a rota apareçam no seu console atual ou na documentação regional.

Tokens de raciocínio (thinking) e custos de saída

O Qwen3.7 Plus suporta modos com e sem raciocínio.

O raciocínio pode melhorar o desempenho em tarefas complexas de raciocínio, codificação, planejamento e fluxos de agentes. No entanto, tokens de raciocínio aumentam a saída e são cobrados à taxa de tokens de saída.

Isso é importante porque tokens de saída são quatro vezes mais caros do que tokens de entrada nas faixas de preço do Qwen3.7 Plus da Alibaba.

Para a rota US-local abaixo de 256K:

• Entrada: $0.40 por 1M de tokens
• Saída: $1.60 por 1M de tokens

Acima de 256K:

• Entrada: $1.20 por 1M de tokens
• Saída: $4.80 por 1M de tokens

Para cargas sensíveis a custo, considere desativar ou limitar o raciocínio para tarefas diretas como:

• Extração de dados
• Formatação
• Classificação
• Marcação de conteúdo
• Resumos simples
• Roteamento básico
• Geração de saída estruturada

Use orçamentos de raciocínio maiores apenas quando dados de avaliação mostrarem melhoria material na conclusão da tarefa.

Qwen3.7 Plus vs Qwen3.7 Max vs Qwen3.6 Plus — Preços na CometAPI

Fontes: CometAPI Qwen3.7 Plus model page**； CometAPI Qwen3.7 Max model page；CometAPI Qwen3.6 Plus model page

A Qwen posiciona o Qwen3.7 Plus como um modelo multimodal para entendimento visual, codificação, interação com GUI, uso de ferramentas e fluxos de produtividade.

As listagens atuais da Qwen API mostram o Qwen3.7 Max com entrada de texto e saída de texto, enquanto a documentação de entendimento visual da Alibaba lista o Qwen3.7 Plus para entrada de imagem e vídeo.

Comece com o Plus quando a tarefa incluir:

• Imagens
• Vídeo
• Capturas de tela
• Documentos
• Gráficos
• Estado de interface
• Codificação visual
• Interação com GUI

Teste o Max para trabalho somente texto quando uma taxa de tarefa resolvida mais alta puder justificar o custo de token maior.

Como reduzir os custos da API do Qwen3.7 Plus

1. Meça o tráfego em torno do limite de 256K

Agrupe solicitações de produção por comprimento total de entrada:

• 0–32K
• 32K–128K
• 128K–256K
• Acima de 256K

Em seguida, reveja quais fluxos realmente precisam da faixa de preço mais alta.

Uma solicitação não deve ultrapassar 256K simplesmente porque todo documento disponível, turno de conversa, resultado de ferramenta ou arquivo de repositório foi incluído por padrão.

2. Adicione uma guarda de tokens de pré-envio

Use um contador de tokens compatível com o modelo na aplicação ou na camada do gateway de API antes de cada envio.

Os seguintes limiares são uma heurística de engenharia, não uma regra da Alibaba:

• Abaixo de 220K: Envie normalmente.
• Entre 220K e 240K: Registre um aviso e evite crescimento desnecessário de contexto.
• Acima de aproximadamente 240K: Compacte o contexto antes de enviar.
• Acima de 256K: Prossiga apenas quando o ganho de qualidade esperado justificar a faixa de preço superior da Alibaba.

Quando a guarda for acionada, o fluxo de trabalho pode:

1. Resumir saídas de ferramentas mais antigas.
2. Remover resultados de busca duplicados.
3. Substituir logs brutos por resumos estruturados de erro.
4. Recuperar apenas os trechos de documento mais relevantes.
5. Mover turnos de conversa antigos para um bloco de memória compactado.
6. Dividir grupos de documentos genuinamente independentes em chamadas separadas.
7. Rotejar a tarefa para um provedor com preço longo de contexto plano confirmado, quando apropriado.

Mantenha uma margem de segurança porque:

• Entradas de imagem consomem tokens
• Esquemas de ferramentas adicionam contexto
• Mensagens de sistema podem ser grandes
• Conteúdo web recuperado pode crescer inesperadamente
• Tokenizers podem contar o mesmo texto de forma diferente

Ferramentas de observabilidade como o Langfuse podem ajudar a monitorar o uso de tokens. Um gateway como o APISIX pode impor o limite quando emparelhado com um tokenizer adequado ou uma política de roteamento personalizada.

3. Coloque conteúdo estável primeiro

Coloque conteúdo reutilizável no início do prompt, incluindo:

• Instruções de sistema
• Blocos de política
• Esquemas de ferramentas
• Resumos de repositório
• Catálogos de produtos
• Documentos reutilizáveis
• Diretrizes de marca
• Esquemas de saída

Coloque o conteúdo altamente variável depois.

Prefixes estáveis melhoram a chance de acerto de cache implícito e tornam blocos de cache explícito mais fáceis de gerenciar.

4. Resuma resultados antigos de ferramentas

Fluxos de agentes podem acumular grandes quantidades de contexto por meio de:

• Resultados de busca
• Saídas de navegador
• Logs de execução de código
• Respostas anteriores do modelo
• Mensagens de erro
• Esquemas de ferramentas

Em vez de reter todas as saídas brutas, resuma periodicamente o contexto antigo e mantenha apenas a informação necessária para a próxima etapa.

5. Controle a saída de raciocínio

Registre tokens de raciocínio separadamente dos tokens de resposta visível.

Para tarefas simples, desative o raciocínio onde suportado ou defina um orçamento de raciocínio menor.

Para tarefas complexas, compare o custo adicional de raciocínio com a redução em tentativas, erros e revisão humana.

6. Conte chamadas de ferramentas e tokens recuperados

Para agentes de Web Search, registre:

• Chamadas de busca
• Chamadas do extrator
• Tokens de conteúdo recuperado
• Tentativas de busca
• Tentativas do modelo
• Chamadas de fallback
• Resultado final da tarefa

A taxa da ferramenta de busca pode dominar solicitações pequenas, enquanto conteúdo recuperado pode dominar solicitações longas.

7. Otimize por custo por tarefa concluída

Não compare rotas apenas pelo preço anunciado por milhão de tokens.

Meça:

• Custo por solicitação
• Custo por tarefa concluída
• Taxa de sucesso da tarefa
• Taxa de tentativas
• Taxa de fallback
• Taxa de acerto de cache
• Chamadas de busca por tarefa
• Latência
• Tempo de revisão humana

Um modelo mais barato pode sair mais caro se gerar respostas incorretas, exigir chamadas adicionais ou criar mais trabalho manual.

Um plano prático de avaliação do Qwen3.7 Plus

Antes de mover tráfego de produção, crie um conjunto de avaliação focado com base em suas cargas reais.

Um conjunto de 30 tarefas geralmente é suficiente para identificar diferenças importantes em custo, latência e qualidade de conclusão.

Para cada tarefa, registre:

• Tokens de entrada
• Tokens de saída
• Tokens de raciocínio
• Tokens em cache
• Tokens de criação de cache
• Chamadas de busca
• Tokens de conteúdo recuperado
• Latência
• Número de tentativas
• Resultado final da tarefa

O CometAPI Cookbook inclui exemplos adicionais de integração e roteamento de modelos para esse tipo de avaliação.

FAQ

Quanto custa a API do Qwen3.7 Plus?

A rota US-local qwen3.7-plus-us da Alibaba custa $0.40 por 1M de tokens de entrada e $1.60 por 1M de tokens de saída para solicitações com até 256K tokens de entrada.

Para solicitações acima de 256K e até 1M, o preço aumenta para $1.20 por 1M de tokens de entrada e $4.80 por 1M de tokens de saída.

A rota Global da Alibaba tem o menor preço de tabela publicado nesta comparação. O modelo também está disponível via CometAPI a uma tarifa listada de $0.32 por 1M de tokens de entrada e $1.28 por 1M de tokens de saída.

Como são precificadas solicitações de contexto longo via CometAPI?

A listagem do Qwen3.7 Plus mostra uma única tarifa de $0.32/M de entrada e $1.28/M de saída, mas atualmente não especifica se uma faixa separada se aplica acima de 256K tokens.

À tarifa exibida**, uma solicitação com 400K tokens de entrada e 20K de saída custaria $0.1536**. Trate isso como uma estimativa até que a política de faturamento para longos contextos seja confirmada.

O Qwen3.7 Plus está disponível nos EUA?

Sim. A Alibaba lista um ID de modelo US-local chamado qwen3.7-plus-us na região dos EUA (Virginia).

A Alibaba também lista a rota Global qwen3.7-plus na mesma seção de preços regional.

Escolha uma rota com base em:

• Requisitos de implantação
• Local de processamento de dados
• Suporte a ferramentas
• Latência
• Disponibilidade
• Preço efetivo

Por que o preço do Qwen3.7 Plus salta após 256K tokens?

A Alibaba escolhe a faixa de preço com base na contagem total de tokens de entrada em uma única solicitação.

Uma vez que a solicitação excede 256K tokens de entrada, todos os tokens de entrada e saída faturados nessa solicitação usam as tarifas mostradas para a faixa superior.

A precificação não é calculada de forma progressiva.

O Context Cache reduz os custos do Qwen3.7 Plus?

Sim.

A Alibaba afirma que acertos de cache explícito são cobrados em 10% da taxa normal de entrada, enquanto acertos de cache implícito são cobrados em 20%.

A criação de cache explícito custa 125% do preço normal de entrada, e o cache permanece válido por cinco minutos, com o timer reiniciando após cada acerto bem-sucedido.

Sob uma comparação ideal com acertos repetidos de cache implícito, o cache explícito fica mais barato após uma criação e três reutilizações bem-sucedidas.

Como funciona a precificação do Qwen Web Search?

O Web Search adiciona dois custos:

1. Conteúdo web recuperado aumenta o uso de tokens de entrada normais.
2. A ferramenta de busca tem uma taxa separada por 1.000 chamadas.

A tarifa documentada atual é:

• $0.573411 por 1.000 chamadas para os escopos Global e China continental
• $10 por 1.000 chamadas para o escopo International

O Qwen3.7 Plus suporta a Batch API?

O modelo exato qwen3.7-plus está atualmente listado para Batch sob China (Beijing), onde tokens bem-sucedidos são cobrados a 50% dos preços de inferência em tempo real e o contexto é limitado a 256K.

A documentação atual não lista a rota US-local qwen3.7-plus-us para Batch.

Não presuma que o desconto de Batch se aplique a implantações US-local ou Global sem verificar a disponibilidade no console atual.

O Qwen3.7 Plus é mais barato do que o Qwen3.7 Max?

Sim, com base nas tarifas listadas usadas nesta comparação.

O Qwen3.7 Plus está listado em:

• $0.32 por 1M de tokens de entrada
• $1.28 por 1M de tokens de saída

O Qwen3.7 Max está listado em:

• $1.36 por 1M de tokens de entrada
• $4.08 por 1M de tokens de saída

Ainda assim, o Max pode ser mais econômico para tarefas difíceis e pesadas em texto se concluí-las com menos tentativas.

Devo usar a Alibaba diretamente ou um agregador de API?

O acesso direto à Alibaba é a escolha mais clara quando uma carga depende de um escopo de implantação específico, recurso nativo do provedor, controle regional ou relacionamento de faturamento direto.

Uma camada de agregação pode ser mais prática quando a mesma aplicação precisa testar ou rotear entre várias famílias de modelos. A CometAPI, por exemplo, expõe o Qwen3.7 Plus ao lado de modelos de provedores como OpenAI, Anthropic, Google, Moonshot e DeepSeek por meio de uma interface compatível com OpenAI.

A melhor rota depende de requisitos regionais, custo efetivo, esforço de integração, necessidades de fallback e se recursos nativos da Alibaba são necessários.

Execute uma comparação em estilo de produção antes de escolher uma rota

As tarifas de tokens publicadas são úteis para reduzir as opções, mas a decisão final deve vir de uma carga que se assemelhe à produção.

Uma abordagem prática é executar o mesmo conjunto de avaliação em Qwen3.7 Plus, Qwen3.7 Max e algumas alternativas relevantes. Um serviço de API unificado como a CometAPI pode simplificar essa comparação ao expor modelos Qwen, Claude, Gemini, GPT, Kimi e DeepSeek por meio da mesma interface compatível com OpenAI.

Durante o teste, registre:

• Tokens de entrada e saída
• Uso de tokens de raciocínio
• Uso de cache
• Chamadas de ferramentas
• Tentativas
• Latência
• Sucesso da tarefa

Use a página do modelo Qwen3.7 Plus como ponto de partida e, então, escolha a rota com menor custo por tarefa concluída — não simplesmente o menor preço de tokens anunciado.