Qwen4-Max : fonctionnalités, benchmarks, tarifs et accès
Le nouveau flagship d'Alibaba embarque un backbone de 2,4 billions de paramètres, une vision native et une fenêtre d'1 M de tokens à 1,50 $ par million de tokens d'entrée, sous-cotant tous les flagships occidentaux sur le prix.
L'équipe Qwen d'Alibaba a lancé Qwen4-Max le 16 novembre 2026, et la grille tarifaire est la première chose à noter : 1,50 $ pour 1 million de tokens d'entrée et 4,50 $ pour 1 million de tokens de sortie sur QwenCloud.
À titre de comparaison, les récapitulatifs publiés la même semaine listent GPT-6 Astra à 10 $ en entrée et 50 $ en sortie, et Claude Fable 5.2 à 8 $ et 40 $.
Qwen4-Max est le premier modèle bâti sur la nouvelle architecture Qwen4, avec un backbone de 2,4 billions de paramètres, 71 milliards de paramètres activés par token, 328 milliards supplémentaires pour l'embedding N-gram, une vision native et une fenêtre de contexte d'1 million de tokens.
Alibaba le positionne comme un modèle d'agents pour des tâches au long cours plutôt qu'un simple modèle de chat, la majorité des démonstrations portant sur des exécutions autonomes de plusieurs heures en ingénierie, finance, droit et découverte de médicaments.
Dans cet article, nous passons en revue toutes les nouveautés de Qwen4-Max : architecture, fonctionnalités clés, chiffres de benchmark (y compris là où des résultats indépendants divergent de ceux d'Alibaba), niveaux d'effort, prix et modalités d'accès.
Qwen4-Max est le nouveau vaisseau amiral d'Alibaba, basé sur une architecture Qwen4 entièrement repensée, avec vision native et une fenêtre de contexte d'1 M de tokens.
Les gains se situent sur les travaux d'agents au long cours et les livrables professionnels, où il devance Claude Opus 5.5 sur plusieurs runs rapportés par Alibaba.
Le maillon faible est le terminal : il est nettement derrière Kimi K3.1, Opus 5.5 et les deux GPT-6. La compréhension de graphiques et de vidéos est également en retrait par rapport aux trois modèles américains.
Le prix est son argument fort. Il sous-tarife tous les flagships occidentaux dans les comparatifs actuels, en entrée comme en sortie, même si un coût par token plus bas ne garantit pas un coût par tâche inférieur.
Manipulez les chiffres avec prudence : le graphique de lancement est compilé par le fournisseur. Des runs indépendants existent et sont plus mitigés : Artificial Analysis le classe 9e et Vals 11e, et des testeurs le jugent lent et verbeux. Le run Terminal-Bench de Vals correspond toutefois au chiffre d'Alibaba.
Pas de poids ouverts pour Max. Des modèles Qwen4 plus petits sont annoncés en open source ultérieurement.
Qu'est-ce que Qwen4-Max ?
Qwen4-Max est le modèle propriétaire phare d'Alibaba et la première sortie de la série Qwen4, succédant à Qwen3.8-Max.
Il s'agit d'un modèle Mixture-of-Experts parcimonieux, ce qui signifie qu'une fraction seulement de ses paramètres s'active sur un token donné. Sur 2,4 billions de paramètres de backbone, 71 milliards sont actifs par token, avec 328 milliards supplémentaires en embeddings N-gram (tables de correspondance peu coûteuses en calcul). Il accepte du texte, des images et de la vidéo en entrée et produit du texte en sortie.
C'est sur l'architecture que Qwen4 s'écarte le plus de la génération précédente, ce qui éclaire aussi la question des coûts. Trois composants évoluent :
Attention hybride (GDN + QSA) : pour chaque couche à attention clairsemée, trois couches Gated DeltaNet compressent le contexte antérieur dans une mémoire de taille fixe. La couche clairsemée ne retient ensuite que les parties pertinentes du contexte, ce qui rend une fenêtre d'1 M de tokens abordable.
Résiduel à portes (Gated Residual) : chaque couche possède quatre voies parallèles, avec des portes contrôlant ce qui circule entre elles. Alibaba y attribue une meilleure stabilité d'entraînement.
Embedding N-gram : recherche de motifs locaux fréquents, ajoutant de la capacité pour un surcoût calculatoire minime.
Alibaba rapporte qu'aucun pic de perte n'a eu lieu durant l'entraînement à 2,4 T, ces sauts soudains qui signalent une instabilité.
Le modèle de base, Qwen4-Max-Base, a aussi affiché le plus faible nombre de bits par octet parmi cinq checkpoints évalués (connaissances, code, QA et STEM). Les bits par octet mesurent la capacité de prédiction du texte : plus c'est bas, mieux c'est.
Le résultat est inférieur de 5 à 13 % à Qwen3.8-Max-Base, tout en activant 25 % de paramètres en moins. Ce sont des tests internes, et la documentation précise que deux checkpoints comparés avaient reçu un entraînement additionnel : la comparaison n'est pas parfaitement à iso-périmètre.
Le chiffre de capacité phare est Work360, le benchmark maison d'Alibaba couvrant 721 domaines professionnels, où Qwen4-Max a obtenu 52,69 contre 47,74 pour Qwen3.8-Max.
Fonctionnalités clés de Qwen4-Max
Le lancement met l'accent sur ce que le modèle livre au terme d'une exécution longue, plutôt que sur une seule interaction. Les fonctionnalités ci-dessous portent donc surtout sur la durée, les outils et les formats de sortie.
Une fenêtre de contexte d'1 million de tokens avec vision native
Qwen4-Max accepte texte, images et vidéos dans une fenêtre de contexte d'1 M de tokens, avec une entrée maximale de 991 k tokens, ou 983 k avec le mode « thinking » activé.
Le mode « thinking » est activé par défaut, et jusqu'à 262 k tokens de raisonnement sont imputés au budget de sortie.
Le plafond de sortie est documenté de manière incohérente.
La page modèle sur QwenCloud affiche 393 k de sortie maximale dans les deux modes, tandis que la doc API indique 131 072 tokens sans « thinking » et 262 144 pour le raisonnement et la réponse finale combinés. Vérifiez la valeur applicable à votre endpoint avant de dimensionner max_tokens.
La vision est intégrée nativement, ce qui rend la démo clinique possible : Alibaba décrit le modèle examinant un dossier comprenant des dizaines de comptes rendus de laboratoire, plus de 10 000 caractères chinois de notes d'évolution et 1 433 images médicales originales dans une seule conversation, les triant en six séries d'imagerie avant de déléguer à des sous-agents la lecture de centaines de coupes.
Alibaba indique que les conclusions d'imagerie concordaient avec le diagnostic du médecin et que les quatre recommandations de prise en charge correspondaient point par point aux prescriptions du jour.
Confiez une tâche longue et redirigez-la en cours d'exécution
Live Delivery est, à mon sens, la fonctionnalité la plus intéressante, car elle s'attaque à ce qui rend les longues exécutions d'agents peu utilisables en pratique.
Au lieu d'attendre la fin d'une tâche de plusieurs heures pour découvrir que l'agent a mal compris le brief à la troisième minute, l'agent livre rapidement une première version exploitable, puis l'améliore au fil de versions successives pendant que vous le redirigez.
Alibaba a open-sourcé le Qwen-Live-Delivery-Plugin sous licence Apache-2.0 pour l'installer tel quel plutôt que de tout reconstruire, même si, au lancement, il est en version 0.1.0 et ne prend en charge que Codex CLI, sous Linux et macOS avec Node.js 22+.
Le support d'autres harnais d'agents est sur la feuille de route.
Admettons-le : la livraison continue de versions partielles relève davantage du harnais que du modèle, d'où l'importance d'un plugin ouvert plutôt que d'un nom marketing.
Des livrables auditables, pas seulement des réponses
La démo finance produit des classeurs Excel et des présentations PowerPoint éditables avec deux mécanismes de traçabilité : des hyperliens dans les cellules renvoyant à la source de données et une correspondance un-à-un entre les graphiques PowerPoint et le classeur sous-jacent.
Alibaba indique que Qwen4 appelle 90 outils MCP au sein de son dispositif de recherche en investissement, récupérant cotations, états financiers, taux et dividendes sur actions A, actions de Hong Kong et américaines, obligations, fonds et dérivés, avec recoupement via les publications officielles.
Ce nombre décrit l'environnement de recherche en général. Séparément, Alibaba illustre le flux sur un cas de dérivés CSI 300.
L'exemple juridique impressionne davantage.
À partir de 198 documents de travail nommés de façon incohérente et livrés par lots, Qwen4-Max les a renommés et triés par contenu en 14 dossiers, a construit un index, a recoupé les registres publics commerciaux et judiciaires avec ces pièces et a produit un rapport de 86 pages couvrant 12 axes de revue et 14 points juridiques précis, chaque conclusion étant citée vers un document source.
Utiliser des outils professionnels de bout en bout
Qwen4-Max pilote directement Blender, Unity, Unreal Engine et Godot : modélisation géométrique, matériaux, éclairage, logique de gameplay et HUD, puis exécute le résultat et s'appuie sur le feedback visuel pour ajuster caméra et réactions aux impacts.
Une des démos est un jeu de course Android installable, construit sous Unity 6.
Le cas industriel est le seul assorti d'un chiffre, bien qu'il s'agisse d'un cas client et non d'une mesure indépendante.
Chez SANF et Pacific Union, le modèle a construit des jumeaux 3D de lignes de production à partir de plans 2D, simulé les temps de cycle, réalisé la mise en service virtuelle PLC et planifié les trajectoires d'usinage, réduisant l'effort de programmation manuelle pour une pièce de ~475 minutes à 24 minutes environ.
Recherche opérationnelle et scheduling cloud
Alibaba a déployé Qwen4-Max sur ses problèmes de scheduling d'Alibaba Cloud, laissant le modèle générer des algorithmes candidats, vérifier faisabilité et objectifs avec MindOpt (le solveur d'Alibaba), puis itérer sur le code.
Les résultats rapportés indiquent une baisse de 10,42 % des coûts d'annotation (ordonnancement d'appels modèle), une augmentation de 4,62 % de la durée d'inactivité machine entière sur l'allocation GPU en ligne et un rescheduling CPU hors ligne atteignant son optimum plus de 14,61 fois plus vite.
Ce sont des chiffres internes, à prendre comme une démonstration d'usage d'outils de RO plutôt qu'comme un benchmark transférable.
Boucles de recherche autonomes jusqu'à des résultats physiques
Lors d'une exécution continue de 48 heures sur la plateforme Mira de Deep Principle, Qwen4 a construit un espace de 2,7 millions de molécules candidates, les a filtrées, a exécuté des calculs ab initio et une analyse rétrosynthétique, puis a piloté un labo humide automatisé pour la synthèse, la purification et les tests.
Après quatre itérations de conception, synthèse et apprentissage actif, il a produit un échantillon physique d'une nouvelle molécule de liquide de refroidissement.
Sur la plateforme PharmMaster de DP Technology, ciblant l'inflammasome NLRP3, il a réalisé 454 appels d'outils, 3 239 évaluations de métriques de calcul et conçu 24 molécules candidates.
Les calculs d'énergie libre de liaison relative placent l'affinité nominale de la candidate finale à ~3,6 fois la référence dérivée du brevet, ce que les experts de DP Technology ont jugé digne d'une validation au laboratoire humide.
API standard : function calling, recherche web et sorties structurées
Sur QwenCloud, Qwen4-Max prend en charge le function calling, des sorties JSON structurées, la complétion par préfixe via le Partial Mode, la mise en cache de contexte implicite et explicite, les appels par lots, la recherche web et le fine-tuning. Les limites de débit sont fixées à 5 000 000 tokens par minute.
Comment Qwen4-Max se comporte-t-il aux benchmarks ?
Qwen4-Max excelle sur les travaux d'agents au long cours et faiblit sur le codage en terminal et la compréhension visuelle. L'écart est suffisant pour orienter votre choix d'adoption.
Le point marquant est Agents' Last Exam v1.1, où Qwen4-Max obtient 46,7 contre 43,4 pour Claude Opus 5.5, 42,6 pour GPT-6.1 Sol et 27,9 pour Qwen3.8-Max.
Gagner 18,8 points en une génération sur un benchmark de tâches au long cours est, à mes yeux, le résultat phare de cette sortie.
Tous les scores ci-dessous proviennent du graphique de lancement d'Alibaba, compilé par le fournisseur ; lisez-les comme tels, même si certaines lignes citent des classements tiers. Le meilleur résultat par ligne est en gras.
Benchmark
Ce que ça mesure
Qwen4-Max
Qwen3.8-Max-0902
Opus 5.5
GPT-6.1 Sol
GPT-6 Astra
Kimi K3.1
Agents' Last Exam v1.1
Tâches à long horizon à forte valeur
46,7
27,9
43,4
42,6
43,4
n/a
AA-Briefcase v1.1 (Elo)
Travail intellectuel agentique
1686
1605
1801
1555
1569
1674
APEX-Agents v1.1
Tâches de services professionnels
72,1
63,3
73,5
60,0
64,7
65,5
AutomationBench-AA
Workflows SaaS agentiques
72,5
56,2
69,5
64,9
68,5
73,3
HLAB-Vals-1.1
Travail juridique d'agent
21,3
15,4
9,2
6,3
7,1
11,7
JobBench
Tâches professionnelles
68,5
65,3
75,4
66,2
66,1
61,2
AgentArena (amélioration nette)
Tâches d'agents en conditions réelles
7,5
n/a
18,2
11,8
13,9
3,9
Le tableau est contrasté. Qwen4-Max domine nettement le benchmark juridique (presque le double du suivant : 21,3 contre 11,7 pour Kimi K3.1), finit deuxième sur AA-Briefcase, APEX-Agents, AutomationBench-AA et JobBench, et se retrouve plutôt en bas sur AgentArena, où les 18,2 d'Opus 5.5 représentent plus du double de ses 7,5.
Si vos agents traitent des documents volumineux dans des métiers, c'est prometteur ; s'ils opèrent des outils en environnement ouvert, moins.
Codage et tâches en terminal
En codage, il faut tempérer. Qwen4-Max obtient 48,5 sur Terminal-Bench 4.0, derrière Kimi K3.1 (67,2), Opus 5.5 (59,6), GPT-6 Astra (59,1) et GPT-6.1 Sol (56,1), ce qui le place 5e sur 6, bien qu'il gagne près de 10 points face aux 38,9 de Qwen3.8-Max.
Benchmark
Ce que ça mesure
Qwen4-Max
Qwen3.8-Max-0902
Opus 5.5
GPT-6.1 Sol
GPT-6 Astra
Kimi K3.1
DeepSWE v1.1
Codage agentique
75,7
69,3
74,2
75,2
74,1
75,5
CodeArena (Elo)
Développement web
1750
1676
1816
1742
1763
1686
Terminal-Bench 4.0
Codage agentique en terminal
48,5
38,9
59,6
56,1
59,1
67,2
ProgramBench
Réplication logicielle boîte noire
31,5
28,0
65,0
52,5
55,0
25,0
ProgramBench est le plus sévère : 31,5 contre 65,0 pour Opus 5.5, moins de la moitié. Sur DeepSWE, cinq modèles se tiennent en 1,6 point, à lire plutôt comme du bruit que comme une victoire, même si Qwen4-Max arrive nominalement premier.
Une mise en garde sur Terminal-Bench.
Quand nous avons comparé GPT-6 Astra et Claude Opus 5.5, les chiffres publiés étaient 66,4 % pour Opus 5.5 et 57,9 % pour Astra sur Terminal-Bench 4.0, contre 59,6 et 59,1 dans le graphique d'Alibaba.
Des harnais différents produisent des chiffres différents sur un même benchmark ; il est donc imprudent d'interpréter des écarts de 5 points comme des classements fermes. Le score de Qwen4-Max semble néanmoins solide : Vals a mesuré indépendamment 48,48 %.
Raisonnement, science et multimodal
Qwen4-Max obtient 51,7 sur Humanity's Last Exam, derrière Opus 5.5 (59,8) et GPT-6.1 Sol (54,0), mais devant Kimi K3.1 (51,1). Il mène sur BioMysteryBench-1.1 avec 85,0 et progresse fortement sur HealthBench Professional, de 39,6 à 60,0, même si les deux GPT-6 restent au-dessus.
Benchmark
Ce que ça mesure
Qwen4-Max
Qwen3.8-Max-0902
Opus 5.5
GPT-6.1 Sol
GPT-6 Astra
Kimi K3.1
Humanity's Last Exam
Raisonnement pluridisciplinaire
51,7
43,9
59,8
54,0
53,6
51,1
BioMysteryBench-1.1
Recherche en bioinformatique
85,0
84,1
81,9
84,4
78,9
80,6
HealthBench Professional
Raisonnement clinique
60,0
39,6
59,9
65,1
66,0
57,2
Chartography
Compréhension de graphiques
54,2
42,0
66,3
67,8
71,1
50,0
Video-Index
Compréhension vidéo
68,1
63,2
74,8
73,8
76,7
63,2
Les lignes « vision » sont les moins flatteuses.
Sur Chartography, Qwen4-Max passe de 42,0 à 54,2, mais reste 12 à 17 points derrière Opus 5.5, GPT-6.1 Sol et GPT-6 Astra, et ne devance que Kimi K3.1. Même constat sur Video-Index : 68,1 contre 73,8 à 76,7 pour les trois modèles américains. La vision native fonctionne, sans être un point fort.
Efficience en tokens et coût par tâche
C'est ce qui impacte le plus un budget de production.
Sur Work360, Qwen4-Max a utilisé environ 24 % de tokens en moins à l'effort Xhigh et ~35 % en moins à l'effort High que Qwen3.8-Max, et sur Terminal-Bench 4.0, les baisses étaient d'~48 % et 49 %.
Combiné à des tarifs API inférieurs, Alibaba rapporte que le coût moyen par tâche Work360 est passé de 4,43 $ à 1,67 $, soit −62 %.
Obtenir un score plus élevé tout en dépensant ~38 % du coût par tâche est un argument plus utile que la plupart des victoires isolées, mais deux réserves s'imposent. Work360 est le benchmark maison d'Alibaba, et la réduction dépasse ce que la baisse de tokens et de prix laisse attendre : ~35 % de tokens en moins à un prix ~25 % plus bas suggèrent ~51 %, et les chiffres en yuans donnent 58 %. L'écart n'est pas expliqué.
Les coûts indépendants par tâche sont moins tranchés face à un concurrent : sur l'index d'Artificial Analysis, une tâche revient en moyenne à 3,27 $ pour Qwen4-Max contre 10,04 $ pour Opus 5.5, mais seulement 1,27 $ pour GPT-6.1 Sol.
Sur Vals, un test coûte 9,33 $ pour Qwen4-Max, 24,77 $ pour Opus 5.5 et 3,61 $ pour Sol, et Sol score légèrement plus haut (63,94 % contre 63,20 %).
Kimi K3.1 est la comparaison la plus proche pour beaucoup, en alternative d'écosystème ouvert. Il devance Qwen4-Max sur Terminal-Bench 4.0 (67,2 vs 48,5) et AutomationBench-AA (73,3 vs 72,5), tandis que Qwen4-Max mène sur APEX-Agents v1.1 (72,1 vs 65,5), HLAB-Vals-1.1 (21,3 vs 11,7) et JobBench (68,5 vs 61,2). Préférez Kimi pour le terminal, Qwen4-Max pour les workflows documentaires professionnels.
Ce que montrent les tests indépendants
Le graphique de lancement est compilé par le fournisseur.
Plusieurs lignes citent des classements tiers : LM Arena pour CodeArena et AgentArena, Artificial Analysis pour AA-Briefcase et AutomationBench-AA, Mercor pour APEX-Agents v1.1 et l'Index Vals pour HLAB-Vals-1.1, avec Agents' Last Exam cité depuis ses auteurs.
Alibaba a exécuté JobBench en interne. Je n'ai pas trouvé de reproductions indépendantes des résultats « agentiques », d'où une prudence maintenue sur ces victoires.
Les classements indépendants complètent désormais le tableau, moins flatteur que le matériel de lancement.
Artificial Analysis note Qwen4-Max à 43 sur son Intelligence Index, 9e au global, derrière Claude Fable 5.2, Gemini 4 Carbon, Opus 5.5, GPT-6 Astra, GPT-6.1 Sol et Kimi K3.1.
Vals le classe 11e sur 38 à 63,20 %, le plus haut score pour un modèle chinois testé, et son run Terminal-Bench indépendant confirme le chiffre d'Alibaba.
Sur Code Arena WebDev, il est 6e, encore « préliminaire » avec peu de votes.
La finance est son meilleur domaine indépendant : 8e sur 41 à la fois sur l'index finance de Vals et son benchmark Finance Agent ; le juridique est plus faible, 17e sur 39 sur Vals Legal, ce qui contraste avec l'avance sur HLAB-Vals.
La lenteur et la verbosité sont les critiques récurrentes. Vals a mesuré ~1 h 04 par test, plus lent que tous sauf Opus 5.5 et Sonnet 5.5 parmi le top 11, et Artificial Analysis relève 127 millions de tokens de sortie sur son index pour une médiane de 78,6 millions.
Les retours pratiques sont mitigés et parfois contradictoires : surpensée sur des tâches simples et délais longs sur des prompts étendus ; un testeur l'a jugé inférieur à Qwen3.8-Max, quand un autre a rapporté la finition d'une tâche agentique en ~30 minutes contre ~70 minutes pour MiniMax M3.1 Flash.
Quel niveau de Qwen4-Max utiliser ?
Qwen4-Max est livré comme un seul modèle avec un interrupteur « thinking » et des niveaux d'effort nommés ; le choix porte donc sur la quantité de raisonnement facturée plutôt que sur un checkpoint distinct. Le « thinking » est activé par défaut, à un effort élevé.
Le « mode standard » consiste donc à définir enable_thinking à false. La capacité d'entrée baisse légèrement avec « thinking » (de 991 k à 983 k), et le raisonnement (jusqu'à 262 k de tokens) consomme le budget de sortie.
Parce que les tokens de raisonnement comptent dans ce budget, un max_tokens dimensionné pour la seule réponse visible peut tronquer la sortie ; en préversion, max_tokens plafonnait raisonnement + réponse ; partez de ce principe tant que vous n'avez pas testé.
Les plafonds de sortie documentés divergent entre la doc API (131 072 sans « thinking », 262 144 avec) et la page modèle (393 k dans les deux modes), comme noté plus haut.
L'effort est le second réglage.
Alibaba rapporte des résultats Work360 et Terminal-Bench 4.0 aux niveaux Xhigh et High, et les économies de tokens face à Qwen3.8-Max étaient plus fortes en High sur Work360 (35 % vs 24 %) et à peu près équivalentes sur Terminal-Bench. Comme les tokens de raisonnement sont facturés au tarif sortie de 4,50 $ / million, le réglage d'effort est votre principal levier de coût.
High est aussi la valeur par défaut de Qwen4-Max, alors que Qwen3.8-Max utilisait par défaut xhigh ; comparer les deux générations « par défaut » mélange donc effet modèle et effet effort. Fixez l'effort explicitement lors de vos A/B tests.
Cas d'usage
Réglage
Pourquoi
Exécutions agentiques de plusieurs heures avec appels d'outils
Thinking, effort High
Meilleur gain d'efficience en tokens vs génération précédente sur Work360
Revue de documents longs (100+ fichiers)
Thinking, effort Xhigh
262 k de budget de raisonnement plus la fenêtre d'1 M
Extraction structurée en JSON
Thinking off
Sorties structurées prises en charge ; couper le « thinking » évite le surcoût
Classification en lots à grand volume
Thinking off + appels batch
Le cache abaisse l'entrée à 0,075 $ / M de tokens
Codage difficile en terminal
Envisager un autre modèle
48,5 sur Terminal-Bench 4.0 derrière Kimi K3.1, Opus 5.5 et les deux GPT-6
Tarification et disponibilité de Qwen4-Max
QwenCloud affiche Qwen4-Max à 1,50 $ par 1 million de tokens d'entrée et 4,50 $ par 1 million de tokens de sortie sur la grille internationale, avec entrée mise en cache à 0,075 $ / million. La création explicite de cache coûte 1,875 $ / million pour une fenêtre de 5 minutes et 3,00 $ / million pour 1 heure, et les lectures explicites de cache sont à 0,075 $ / million.
Ces tarifs sous-tarifent tous les flagships occidentaux dans les comparatifs actuels : GPT-6 Astra à 10 $ en entrée et 50 $ en sortie (prompts jusqu'à 272 k), Claude Fable 5.2 à 8 $ et 40 $, Gemini 4 Carbon à 2 $ et 10 $ jusqu'au 30 novembre (puis 4 $ et 20 $), et Grok 4.7 à 2 $ et 6 $ (contexte < 200 k).
Ce sont toutefois les paliers les plus chers, et les modèles comparés par Alibaba sont moins onéreux : Claude Opus 5.5 à 4 $ et 20 $, et GPT-6.1 Sol et Kimi K3.1 à 2 $ et 10 $. Face à Astra, le tarif de sortie de Qwen4-Max est ~un dixième ; face à Opus 5.5, ~22 % ; face à Sol et Kimi, ~45 %.
Un quota gratuit d'1 million de tokens est proposé sur QwenCloud, disponible dans la région Singapour pendant ~90 jours, et les limites de débit publiées sont de 5 000 000 tokens par minute.
Alibaba commercialise aussi un Token Plan plutôt qu'un pur paiement à l'usage, avec, selon des sources tierces, des formules personnelles : Lite 6 $/mois pour 20 000 crédits, Essential 10 $/mois pour 45 000, Standard 18 $/mois pour 80 000 et Pro 43 $/mois pour 200 000, plus des prix d'appel à 3 $ et 5 $ sur les deux premières, annoncés jusqu'au 30 novembre.
Le plan personnel est une offre Singapour, et durant la préversion Alibaba l'avait limitée au coding interactif et aux outils d'agents, pas aux backends de production ; vérifiez les conditions actuelles avant d'y adosser un usage en production.
Une note de calendrier, car les premiers articles divergeaient sur l'existence d'un prix public au token.
Alibaba a ouvert qwen4-max-preview le 11 novembre, en Token Plan uniquement, sans prix au token et avec une date de retrait au 25 novembre. Le paiement à l'usage est arrivé avec la sortie générale le 16 novembre sous l'ID qwen4-max, et les 1,50 $ / 4,50 $ ci-dessus sont les prix internationaux à cette date.
Aucun poids ouvert n'est annoncé pour Max ; Alibaba indique que des modèles Qwen4 plus petits seront open source ultérieurement.
Comment accéder à Qwen4-Max ?
L'ID modèle API est qwen4-max, servi via QwenCloud, soit sous Token Plan, soit via l'API standard, avec des endpoints compatibles OpenAI et Anthropic. En dehors de l'API, le modèle est disponible dans QwenStudio (l'interface Qwen Chat), QwenWork et le produit de coding Qoder, que Alibaba a co-conçu avec le modèle.
Voici l'appel minimal avec le client Python OpenAI vers l'endpoint Chat Completions en mode compatible. Le « thinking » est activé par défaut ; le drapeau enable_thinking est montré par souci d'explicitation ; passez-le à False pour le désactiver.
import os
from openai import OpenAI
client = OpenAI(
api_key=os.getenv("DASHSCOPE_API_KEY"),
base_url="https://ap-southeast-1.maas.qwencloudapi.com/compatible-mode/v1",)
response = client.chat.completions.create(
model="qwen4-max",
messages=[{"role":"user","content":"Summarize the revenue drivers in this quarterly report."}],
extra_body={"enable_thinking":True},# on by default; False turns thinking off)print(response.choices[0].message.content)Propulsé par
Pour essayer Live Delivery, le plugin est sur GitHub : Qwen-Live-Delivery-Plugin. Comme il cible actuellement Codex CLI, l'utiliser dans un autre harnais suppose de raccorder vous-même ses outils MCP et hooks de livraison. Pour les schémas généraux de function calling et de harnais d'agents, notre tutoriel Harness² détaille l'intégration d'un modèle dans OpenCode et l'évaluation des résultats.
Conclusion
Qwen4-Max avance surtout un argument prix, plus qu'un argument de capacités.
Il gagne les cas qui exigent de lire beaucoup de documents et de produire un livrable, perd ceux qui impliquent un terminal, un graphique ou une vidéo, et fait tout cela à un tarif de sortie proche d'un dixième de GPT-6 Astra.
Faut-il basculer ? Pour des pipelines d'agents documentaires où le coût par tâche est clé, il mérite un test sérieux, mais pas une migration à l'aveugle.
La baisse de 4,43 $ à 1,67 $ par tâche Work360 vient d'Alibaba, et les runs indépendants sont plus mitigés : GPT-6.1 Sol était moins cher par tâche et a légèrement mieux scoré sur Vals, et Qwen4-Max est lent et verbeux. Pour le codage exigeant, je resterais sur Opus 5.5 ou Kimi K3.1, et le run Terminal-Bench indépendant de Vals confirme ce point faible.
En quoi Qwen4-Max est-il différent de Qwen3.8-Max ?⌄
Qwen4-Max est le premier modèle sur la nouvelle architecture Qwen4, avec un backbone de 2,4 billions de paramètres, 71 milliards activés par token et une vision native. Il a obtenu 52,69 sur le benchmark Work360 d'Alibaba contre 47,74 pour Qwen3.8-Max, et a bondi de 27,9 à 46,7 sur Agents' Last Exam v1.1. Il consomme également environ 24 % à 49 % de tokens en moins sur les mêmes tâches, faisant passer le coût Work360 moyen par tâche de 4,43 $ à 1,67 $.
Combien coûte Qwen4-Max par million de tokens ?⌄
QwenCloud affiche Qwen4-Max à 1,50 $ par 1 million de tokens d'entrée et 4,50 $ par 1 million de tokens de sortie, avec l'entrée mise en cache et les lectures explicites de cache à 0,075 $ par million. La création explicite de cache coûte 1,875 $ par million pour une fenêtre de 5 minutes et 3,00 $ par million pour une fenêtre d'1 heure. Un quota gratuit d'1 million de tokens est disponible, et Alibaba propose aussi des abonnements Token Plan à partir d'environ 6 $ par mois.
Où puis-je accéder à Qwen4-Max ?⌄
Qwen4-Max est disponible sur QwenCloud via le Token Plan ou l'API, en utilisant l'ID modèle qwen4-max sur un endpoint compatible OpenAI. Il fonctionne aussi dans QwenStudio (Qwen Chat), QwenWork et le produit de coding Qoder. Certaines documentations tierces mentionnent un ID de préversion, qwen4-max-preview.
Qwen4-Max est-il open source ?⌄
Non. Qwen4-Max est un modèle à poids fermés, et Alibaba n'a pas annoncé de poids ouverts ni de model card publique. Alibaba a indiqué que des modèles plus petits de la famille Qwen4 seront publiés en open source ultérieurement, sur la même lignée et les mêmes techniques d'entraînement.
Qwen4-Max est-il adapté au codage ?⌄
Il est compétitif sur le codage agentique et faible sur le travail en terminal. Qwen4-Max obtient 75,7 sur DeepSWE v1.1, à peu près au niveau de Claude Opus 5.5 (74,2) et GPT-6.1 Sol (75,2), mais seulement 48,5 sur Terminal-Bench 4.0 contre 67,2 pour Kimi K3.1, et 31,5 sur ProgramBench contre 65,0 pour Opus 5.5. Pour les tâches difficiles en terminal et la réplication logicielle, d'autres modèles restent plus solides.
Qu'est-ce que Live Delivery dans Qwen4-Max ?⌄
Live Delivery est l'approche de Qwen4-Max pour les tâches d'agents longues : au lieu de ne renvoyer des résultats qu'à la fin, l'agent livre rapidement une première version exploitable, puis l'améliore via des versions successives pendant que vous le redirigez en cours d'exécution. Alibaba a open-sourcé le Qwen-Live-Delivery-Plugin sur GitHub pour vous éviter de recréer le schéma vous-même.
Rédacteur et éditeur de contenu dans le domaine des technologies de l'information et de la communication. Vous êtes déterminé à explorer les tendances en matière de données et enthousiaste à l'idée d'apprendre la science des données.
L'essor du développement de l'intelligence artificielle (IA) a entraîné une augmentation notable de la demande en matière de calcul, d'où la nécessité de disposer de solutions matérielles robustes. Les unités de traitement graphique (GPU) et les unités de traitement tensoriel (TPU) sont devenues des technologies essentielles pour répondre à ces demandes.
Apprenez l'essentiel de l'architecture d'un entrepôt de données, des composants clés aux meilleures pratiques, pour construire un système de données évolutif et efficace !
Apprenez à utiliser l'API DeepSeek : choix des modèles, gestion des paramètres, optimisation des coûts, mise en cache du contexte et optimisation du chain-of-thought.
Découvrez comment intégrer l’IA aux applications logicielles grâce à des API et à des bibliothèques open source. Commencez dès aujourd’hui votre parcours pour devenir ingénieur en IA !
L'équipe Qwen d'Alibaba a lancé Qwen4-Max le 16 novembre 2026, et la grille tarifaire est la première chose à noter : 1,50 $ pour 1 million de tokens d'entrée et 4,50 $ pour 1 million de tokens de sortie sur QwenCloud.
À titre de comparaison, les récapitulatifs publiés la même semaine listent GPT-6 Astra à 10 $ en entrée et 50 $ en sortie, et Claude Fable 5.2 à 8 $ et 40 $.
Qwen4-Max est le premier modèle bâti sur la nouvelle architecture Qwen4, avec un backbone de 2,4 billions de paramètres, 71 milliards de paramètres activés par token, 328 milliards supplémentaires pour l'embedding N-gram, une vision native et une fenêtre de contexte d'1 million de tokens.
Alibaba le positionne comme un modèle d'agents pour des tâches au long cours plutôt qu'un simple modèle de chat, la majorité des démonstrations portant sur des exécutions autonomes de plusieurs heures en ingénierie, finance, droit et découverte de médicaments.
Dans cet article, nous passons en revue toutes les nouveautés de Qwen4-Max : architecture, fonctionnalités clés, chiffres de benchmark (y compris là où des résultats indépendants divergent de ceux d'Alibaba), niveaux d'effort, prix et modalités d'accès.
Pour situer la concurrence, consultez notre comparaison GPT-6 Astra vs Claude Opus 5.5 et notre tutoriel sur la création d'agents auto-améliorants avec Harness².
En bref
Qu'est-ce que Qwen4-Max ?
Qwen4-Max est le modèle propriétaire phare d'Alibaba et la première sortie de la série Qwen4, succédant à Qwen3.8-Max.
Il s'agit d'un modèle Mixture-of-Experts parcimonieux, ce qui signifie qu'une fraction seulement de ses paramètres s'active sur un token donné. Sur 2,4 billions de paramètres de backbone, 71 milliards sont actifs par token, avec 328 milliards supplémentaires en embeddings N-gram (tables de correspondance peu coûteuses en calcul). Il accepte du texte, des images et de la vidéo en entrée et produit du texte en sortie.
C'est sur l'architecture que Qwen4 s'écarte le plus de la génération précédente, ce qui éclaire aussi la question des coûts. Trois composants évoluent :
Alibaba rapporte qu'aucun pic de perte n'a eu lieu durant l'entraînement à 2,4 T, ces sauts soudains qui signalent une instabilité.
Le modèle de base, Qwen4-Max-Base, a aussi affiché le plus faible nombre de bits par octet parmi cinq checkpoints évalués (connaissances, code, QA et STEM). Les bits par octet mesurent la capacité de prédiction du texte : plus c'est bas, mieux c'est.
Le résultat est inférieur de 5 à 13 % à Qwen3.8-Max-Base, tout en activant 25 % de paramètres en moins. Ce sont des tests internes, et la documentation précise que deux checkpoints comparés avaient reçu un entraînement additionnel : la comparaison n'est pas parfaitement à iso-périmètre.
Le chiffre de capacité phare est Work360, le benchmark maison d'Alibaba couvrant 721 domaines professionnels, où Qwen4-Max a obtenu 52,69 contre 47,74 pour Qwen3.8-Max.
Fonctionnalités clés de Qwen4-Max
Le lancement met l'accent sur ce que le modèle livre au terme d'une exécution longue, plutôt que sur une seule interaction. Les fonctionnalités ci-dessous portent donc surtout sur la durée, les outils et les formats de sortie.
Une fenêtre de contexte d'1 million de tokens avec vision native
Qwen4-Max accepte texte, images et vidéos dans une fenêtre de contexte d'1 M de tokens, avec une entrée maximale de 991 k tokens, ou 983 k avec le mode « thinking » activé.
Le mode « thinking » est activé par défaut, et jusqu'à 262 k tokens de raisonnement sont imputés au budget de sortie.
Le plafond de sortie est documenté de manière incohérente.
La page modèle sur QwenCloud affiche 393 k de sortie maximale dans les deux modes, tandis que la doc API indique 131 072 tokens sans « thinking » et 262 144 pour le raisonnement et la réponse finale combinés. Vérifiez la valeur applicable à votre endpoint avant de dimensionner
max_tokens.La vision est intégrée nativement, ce qui rend la démo clinique possible : Alibaba décrit le modèle examinant un dossier comprenant des dizaines de comptes rendus de laboratoire, plus de 10 000 caractères chinois de notes d'évolution et 1 433 images médicales originales dans une seule conversation, les triant en six séries d'imagerie avant de déléguer à des sous-agents la lecture de centaines de coupes.
Alibaba indique que les conclusions d'imagerie concordaient avec le diagnostic du médecin et que les quatre recommandations de prise en charge correspondaient point par point aux prescriptions du jour.
Confiez une tâche longue et redirigez-la en cours d'exécution
Live Delivery est, à mon sens, la fonctionnalité la plus intéressante, car elle s'attaque à ce qui rend les longues exécutions d'agents peu utilisables en pratique.
Au lieu d'attendre la fin d'une tâche de plusieurs heures pour découvrir que l'agent a mal compris le brief à la troisième minute, l'agent livre rapidement une première version exploitable, puis l'améliore au fil de versions successives pendant que vous le redirigez.
Alibaba a open-sourcé le Qwen-Live-Delivery-Plugin sous licence Apache-2.0 pour l'installer tel quel plutôt que de tout reconstruire, même si, au lancement, il est en version 0.1.0 et ne prend en charge que Codex CLI, sous Linux et macOS avec Node.js 22+.
Le support d'autres harnais d'agents est sur la feuille de route.
Admettons-le : la livraison continue de versions partielles relève davantage du harnais que du modèle, d'où l'importance d'un plugin ouvert plutôt que d'un nom marketing.
Des livrables auditables, pas seulement des réponses
La démo finance produit des classeurs Excel et des présentations PowerPoint éditables avec deux mécanismes de traçabilité : des hyperliens dans les cellules renvoyant à la source de données et une correspondance un-à-un entre les graphiques PowerPoint et le classeur sous-jacent.
Alibaba indique que Qwen4 appelle 90 outils MCP au sein de son dispositif de recherche en investissement, récupérant cotations, états financiers, taux et dividendes sur actions A, actions de Hong Kong et américaines, obligations, fonds et dérivés, avec recoupement via les publications officielles.
Ce nombre décrit l'environnement de recherche en général. Séparément, Alibaba illustre le flux sur un cas de dérivés CSI 300.
L'exemple juridique impressionne davantage.
À partir de 198 documents de travail nommés de façon incohérente et livrés par lots, Qwen4-Max les a renommés et triés par contenu en 14 dossiers, a construit un index, a recoupé les registres publics commerciaux et judiciaires avec ces pièces et a produit un rapport de 86 pages couvrant 12 axes de revue et 14 points juridiques précis, chaque conclusion étant citée vers un document source.
Utiliser des outils professionnels de bout en bout
Qwen4-Max pilote directement Blender, Unity, Unreal Engine et Godot : modélisation géométrique, matériaux, éclairage, logique de gameplay et HUD, puis exécute le résultat et s'appuie sur le feedback visuel pour ajuster caméra et réactions aux impacts.
Une des démos est un jeu de course Android installable, construit sous Unity 6.
Le cas industriel est le seul assorti d'un chiffre, bien qu'il s'agisse d'un cas client et non d'une mesure indépendante.
Chez SANF et Pacific Union, le modèle a construit des jumeaux 3D de lignes de production à partir de plans 2D, simulé les temps de cycle, réalisé la mise en service virtuelle PLC et planifié les trajectoires d'usinage, réduisant l'effort de programmation manuelle pour une pièce de ~475 minutes à 24 minutes environ.
Recherche opérationnelle et scheduling cloud
Alibaba a déployé Qwen4-Max sur ses problèmes de scheduling d'Alibaba Cloud, laissant le modèle générer des algorithmes candidats, vérifier faisabilité et objectifs avec MindOpt (le solveur d'Alibaba), puis itérer sur le code.
Les résultats rapportés indiquent une baisse de 10,42 % des coûts d'annotation (ordonnancement d'appels modèle), une augmentation de 4,62 % de la durée d'inactivité machine entière sur l'allocation GPU en ligne et un rescheduling CPU hors ligne atteignant son optimum plus de 14,61 fois plus vite.
Ce sont des chiffres internes, à prendre comme une démonstration d'usage d'outils de RO plutôt qu'comme un benchmark transférable.
Boucles de recherche autonomes jusqu'à des résultats physiques
Lors d'une exécution continue de 48 heures sur la plateforme Mira de Deep Principle, Qwen4 a construit un espace de 2,7 millions de molécules candidates, les a filtrées, a exécuté des calculs ab initio et une analyse rétrosynthétique, puis a piloté un labo humide automatisé pour la synthèse, la purification et les tests.
Après quatre itérations de conception, synthèse et apprentissage actif, il a produit un échantillon physique d'une nouvelle molécule de liquide de refroidissement.
Sur la plateforme PharmMaster de DP Technology, ciblant l'inflammasome NLRP3, il a réalisé 454 appels d'outils, 3 239 évaluations de métriques de calcul et conçu 24 molécules candidates.
Les calculs d'énergie libre de liaison relative placent l'affinité nominale de la candidate finale à ~3,6 fois la référence dérivée du brevet, ce que les experts de DP Technology ont jugé digne d'une validation au laboratoire humide.
API standard : function calling, recherche web et sorties structurées
Sur QwenCloud, Qwen4-Max prend en charge le function calling, des sorties JSON structurées, la complétion par préfixe via le Partial Mode, la mise en cache de contexte implicite et explicite, les appels par lots, la recherche web et le fine-tuning. Les limites de débit sont fixées à 5 000 000 tokens par minute.
Comment Qwen4-Max se comporte-t-il aux benchmarks ?
Qwen4-Max excelle sur les travaux d'agents au long cours et faiblit sur le codage en terminal et la compréhension visuelle. L'écart est suffisant pour orienter votre choix d'adoption.
Alibaba le compare à Qwen3.8-Max-0902, Claude Opus 5.5, GPT-6.1 Sol, GPT-6 Astra et Kimi K3.1 (le Kimi-K3.1-Pro de Moonshot).
Tâches au long cours et travail agentique
Le point marquant est Agents' Last Exam v1.1, où Qwen4-Max obtient 46,7 contre 43,4 pour Claude Opus 5.5, 42,6 pour GPT-6.1 Sol et 27,9 pour Qwen3.8-Max.
Gagner 18,8 points en une génération sur un benchmark de tâches au long cours est, à mes yeux, le résultat phare de cette sortie.
Tous les scores ci-dessous proviennent du graphique de lancement d'Alibaba, compilé par le fournisseur ; lisez-les comme tels, même si certaines lignes citent des classements tiers. Le meilleur résultat par ligne est en gras.
Le tableau est contrasté. Qwen4-Max domine nettement le benchmark juridique (presque le double du suivant : 21,3 contre 11,7 pour Kimi K3.1), finit deuxième sur AA-Briefcase, APEX-Agents, AutomationBench-AA et JobBench, et se retrouve plutôt en bas sur AgentArena, où les 18,2 d'Opus 5.5 représentent plus du double de ses 7,5.
Si vos agents traitent des documents volumineux dans des métiers, c'est prometteur ; s'ils opèrent des outils en environnement ouvert, moins.
Codage et tâches en terminal
En codage, il faut tempérer. Qwen4-Max obtient 48,5 sur Terminal-Bench 4.0, derrière Kimi K3.1 (67,2), Opus 5.5 (59,6), GPT-6 Astra (59,1) et GPT-6.1 Sol (56,1), ce qui le place 5e sur 6, bien qu'il gagne près de 10 points face aux 38,9 de Qwen3.8-Max.
ProgramBench est le plus sévère : 31,5 contre 65,0 pour Opus 5.5, moins de la moitié. Sur DeepSWE, cinq modèles se tiennent en 1,6 point, à lire plutôt comme du bruit que comme une victoire, même si Qwen4-Max arrive nominalement premier.
Une mise en garde sur Terminal-Bench.
Quand nous avons comparé GPT-6 Astra et Claude Opus 5.5, les chiffres publiés étaient 66,4 % pour Opus 5.5 et 57,9 % pour Astra sur Terminal-Bench 4.0, contre 59,6 et 59,1 dans le graphique d'Alibaba.
Des harnais différents produisent des chiffres différents sur un même benchmark ; il est donc imprudent d'interpréter des écarts de 5 points comme des classements fermes. Le score de Qwen4-Max semble néanmoins solide : Vals a mesuré indépendamment 48,48 %.
Raisonnement, science et multimodal
Qwen4-Max obtient 51,7 sur Humanity's Last Exam, derrière Opus 5.5 (59,8) et GPT-6.1 Sol (54,0), mais devant Kimi K3.1 (51,1). Il mène sur BioMysteryBench-1.1 avec 85,0 et progresse fortement sur HealthBench Professional, de 39,6 à 60,0, même si les deux GPT-6 restent au-dessus.
Les lignes « vision » sont les moins flatteuses.
Sur Chartography, Qwen4-Max passe de 42,0 à 54,2, mais reste 12 à 17 points derrière Opus 5.5, GPT-6.1 Sol et GPT-6 Astra, et ne devance que Kimi K3.1. Même constat sur Video-Index : 68,1 contre 73,8 à 76,7 pour les trois modèles américains. La vision native fonctionne, sans être un point fort.
Efficience en tokens et coût par tâche
C'est ce qui impacte le plus un budget de production.
Sur Work360, Qwen4-Max a utilisé environ 24 % de tokens en moins à l'effort Xhigh et ~35 % en moins à l'effort High que Qwen3.8-Max, et sur Terminal-Bench 4.0, les baisses étaient d'~48 % et 49 %.
Combiné à des tarifs API inférieurs, Alibaba rapporte que le coût moyen par tâche Work360 est passé de 4,43 $ à 1,67 $, soit −62 %.
Obtenir un score plus élevé tout en dépensant ~38 % du coût par tâche est un argument plus utile que la plupart des victoires isolées, mais deux réserves s'imposent. Work360 est le benchmark maison d'Alibaba, et la réduction dépasse ce que la baisse de tokens et de prix laisse attendre : ~35 % de tokens en moins à un prix ~25 % plus bas suggèrent ~51 %, et les chiffres en yuans donnent 58 %. L'écart n'est pas expliqué.
Les coûts indépendants par tâche sont moins tranchés face à un concurrent : sur l'index d'Artificial Analysis, une tâche revient en moyenne à 3,27 $ pour Qwen4-Max contre 10,04 $ pour Opus 5.5, mais seulement 1,27 $ pour GPT-6.1 Sol.
Sur Vals, un test coûte 9,33 $ pour Qwen4-Max, 24,77 $ pour Opus 5.5 et 3,61 $ pour Sol, et Sol score légèrement plus haut (63,94 % contre 63,20 %).
Kimi K3.1 est la comparaison la plus proche pour beaucoup, en alternative d'écosystème ouvert. Il devance Qwen4-Max sur Terminal-Bench 4.0 (67,2 vs 48,5) et AutomationBench-AA (73,3 vs 72,5), tandis que Qwen4-Max mène sur APEX-Agents v1.1 (72,1 vs 65,5), HLAB-Vals-1.1 (21,3 vs 11,7) et JobBench (68,5 vs 61,2). Préférez Kimi pour le terminal, Qwen4-Max pour les workflows documentaires professionnels.
Ce que montrent les tests indépendants
Le graphique de lancement est compilé par le fournisseur.
Plusieurs lignes citent des classements tiers : LM Arena pour CodeArena et AgentArena, Artificial Analysis pour AA-Briefcase et AutomationBench-AA, Mercor pour APEX-Agents v1.1 et l'Index Vals pour HLAB-Vals-1.1, avec Agents' Last Exam cité depuis ses auteurs.
Alibaba a exécuté JobBench en interne. Je n'ai pas trouvé de reproductions indépendantes des résultats « agentiques », d'où une prudence maintenue sur ces victoires.
Les classements indépendants complètent désormais le tableau, moins flatteur que le matériel de lancement.
La lenteur et la verbosité sont les critiques récurrentes. Vals a mesuré ~1 h 04 par test, plus lent que tous sauf Opus 5.5 et Sonnet 5.5 parmi le top 11, et Artificial Analysis relève 127 millions de tokens de sortie sur son index pour une médiane de 78,6 millions.
Les retours pratiques sont mitigés et parfois contradictoires : surpensée sur des tâches simples et délais longs sur des prompts étendus ; un testeur l'a jugé inférieur à Qwen3.8-Max, quand un autre a rapporté la finition d'une tâche agentique en ~30 minutes contre ~70 minutes pour MiniMax M3.1 Flash.
Quel niveau de Qwen4-Max utiliser ?
Qwen4-Max est livré comme un seul modèle avec un interrupteur « thinking » et des niveaux d'effort nommés ; le choix porte donc sur la quantité de raisonnement facturée plutôt que sur un checkpoint distinct. Le « thinking » est activé par défaut, à un effort élevé.
Le « mode standard » consiste donc à définir
enable_thinkingà false. La capacité d'entrée baisse légèrement avec « thinking » (de 991 k à 983 k), et le raisonnement (jusqu'à 262 k de tokens) consomme le budget de sortie.Parce que les tokens de raisonnement comptent dans ce budget, un
max_tokensdimensionné pour la seule réponse visible peut tronquer la sortie ; en préversion,max_tokensplafonnait raisonnement + réponse ; partez de ce principe tant que vous n'avez pas testé.Les plafonds de sortie documentés divergent entre la doc API (131 072 sans « thinking », 262 144 avec) et la page modèle (393 k dans les deux modes), comme noté plus haut.
L'effort est le second réglage.
Alibaba rapporte des résultats Work360 et Terminal-Bench 4.0 aux niveaux Xhigh et High, et les économies de tokens face à Qwen3.8-Max étaient plus fortes en High sur Work360 (35 % vs 24 %) et à peu près équivalentes sur Terminal-Bench. Comme les tokens de raisonnement sont facturés au tarif sortie de 4,50 $ / million, le réglage d'effort est votre principal levier de coût.
High est aussi la valeur par défaut de Qwen4-Max, alors que Qwen3.8-Max utilisait par défaut xhigh ; comparer les deux générations « par défaut » mélange donc effet modèle et effet effort. Fixez l'effort explicitement lors de vos A/B tests.
Tarification et disponibilité de Qwen4-Max
QwenCloud affiche Qwen4-Max à 1,50 $ par 1 million de tokens d'entrée et 4,50 $ par 1 million de tokens de sortie sur la grille internationale, avec entrée mise en cache à 0,075 $ / million. La création explicite de cache coûte 1,875 $ / million pour une fenêtre de 5 minutes et 3,00 $ / million pour 1 heure, et les lectures explicites de cache sont à 0,075 $ / million.
Ces tarifs sous-tarifent tous les flagships occidentaux dans les comparatifs actuels : GPT-6 Astra à 10 $ en entrée et 50 $ en sortie (prompts jusqu'à 272 k), Claude Fable 5.2 à 8 $ et 40 $, Gemini 4 Carbon à 2 $ et 10 $ jusqu'au 30 novembre (puis 4 $ et 20 $), et Grok 4.7 à 2 $ et 6 $ (contexte < 200 k).
Ce sont toutefois les paliers les plus chers, et les modèles comparés par Alibaba sont moins onéreux : Claude Opus 5.5 à 4 $ et 20 $, et GPT-6.1 Sol et Kimi K3.1 à 2 $ et 10 $. Face à Astra, le tarif de sortie de Qwen4-Max est ~un dixième ; face à Opus 5.5, ~22 % ; face à Sol et Kimi, ~45 %.
Un quota gratuit d'1 million de tokens est proposé sur QwenCloud, disponible dans la région Singapour pendant ~90 jours, et les limites de débit publiées sont de 5 000 000 tokens par minute.
Alibaba commercialise aussi un Token Plan plutôt qu'un pur paiement à l'usage, avec, selon des sources tierces, des formules personnelles : Lite 6 $/mois pour 20 000 crédits, Essential 10 $/mois pour 45 000, Standard 18 $/mois pour 80 000 et Pro 43 $/mois pour 200 000, plus des prix d'appel à 3 $ et 5 $ sur les deux premières, annoncés jusqu'au 30 novembre.
Le plan personnel est une offre Singapour, et durant la préversion Alibaba l'avait limitée au coding interactif et aux outils d'agents, pas aux backends de production ; vérifiez les conditions actuelles avant d'y adosser un usage en production.
Une note de calendrier, car les premiers articles divergeaient sur l'existence d'un prix public au token.
Alibaba a ouvert
qwen4-max-previewle 11 novembre, en Token Plan uniquement, sans prix au token et avec une date de retrait au 25 novembre. Le paiement à l'usage est arrivé avec la sortie générale le 16 novembre sous l'IDqwen4-max, et les 1,50 $ / 4,50 $ ci-dessus sont les prix internationaux à cette date.Aucun poids ouvert n'est annoncé pour Max ; Alibaba indique que des modèles Qwen4 plus petits seront open source ultérieurement.
Comment accéder à Qwen4-Max ?
L'ID modèle API est
qwen4-max, servi via QwenCloud, soit sous Token Plan, soit via l'API standard, avec des endpoints compatibles OpenAI et Anthropic. En dehors de l'API, le modèle est disponible dans QwenStudio (l'interface Qwen Chat), QwenWork et le produit de coding Qoder, que Alibaba a co-conçu avec le modèle.Voici l'appel minimal avec le client Python OpenAI vers l'endpoint Chat Completions en mode compatible. Le « thinking » est activé par défaut ; le drapeau
enable_thinkingest montré par souci d'explicitation ; passez-le àFalsepour le désactiver.Pour essayer Live Delivery, le plugin est sur GitHub : Qwen-Live-Delivery-Plugin. Comme il cible actuellement Codex CLI, l'utiliser dans un autre harnais suppose de raccorder vous-même ses outils MCP et hooks de livraison. Pour les schémas généraux de function calling et de harnais d'agents, notre tutoriel Harness² détaille l'intégration d'un modèle dans OpenCode et l'évaluation des résultats.
Conclusion
Qwen4-Max avance surtout un argument prix, plus qu'un argument de capacités.
Il gagne les cas qui exigent de lire beaucoup de documents et de produire un livrable, perd ceux qui impliquent un terminal, un graphique ou une vidéo, et fait tout cela à un tarif de sortie proche d'un dixième de GPT-6 Astra.
Faut-il basculer ? Pour des pipelines d'agents documentaires où le coût par tâche est clé, il mérite un test sérieux, mais pas une migration à l'aveugle.
La baisse de 4,43 $ à 1,67 $ par tâche Work360 vient d'Alibaba, et les runs indépendants sont plus mitigés : GPT-6.1 Sol était moins cher par tâche et a légèrement mieux scoré sur Vals, et Qwen4-Max est lent et verbeux. Pour le codage exigeant, je resterais sur Opus 5.5 ou Kimi K3.1, et le run Terminal-Bench indépendant de Vals confirme ce point faible.
Pour vous mettre réellement à l'aise avec ce type de modèles, commencez par notre parcours de compétences AI Fundamentals.