Nouveau modèle
IA Générative
8 min de lecture

Qwen4-Max baisse ses prix API de 25 % mais renonce aux poids ouverts

Un péage à tokens affichant un prix revu à la baisse, à côté d’une porte de coffre-fort fermée, pour illustrer l’API moins chère de Qwen4-Max et ses poids fermés.

Résumez cet article avec :

Résumé

Alibaba a lancé Qwen4-Max le 16 novembre 2026. Sur la grille tarifaire internationale d’Alibaba, le token coûte 25 % de moins qu’avec Qwen3.8-Max. Le raisonnement est activé par défaut et facturé comme de la sortie. Contrairement à la génération précédente, aucun poids du modèle phare n’est téléchargeable. Cet article détaille les nouveautés, ce que montrent les benchmarks, le coût d’une requête et les profils qui ont intérêt à migrer.

Alibaba a lancé Qwen4-Max le 16 novembre 2026, sous l’identifiant qwen4-max. Sur la grille internationale d’Alibaba, il coûte 1,50 $ / 4,50 $ par million de tokens en entrée / sortie, soit 25 % de moins que Qwen3.8-Max. Le raisonnement est activé par défaut, et le modèle phare est livré sans poids téléchargeables.

Le compromis est bien réel. Les utilisateurs de l’API profitent de tokens moins chers et de lectures en cache bon marché. Les équipes qui auto-hébergent perdent en revanche l’option qu’offrait la génération précédente avec Qwen3.8-2.4T-A95B, un modèle ouvert limité au texte. La réflexion est en outre facturée comme de la sortie : vos économies dépendent donc du niveau d’effort de raisonnement et des limites de tokens que vous fixez.

Cet article passe en revue les points clés, les changements par rapport à Qwen3.8-Max, ce que montrent les benchmarks, le coût d’une requête et les profils qui ont intérêt à migrer.

Qwen4-Max en bref

Sortie16 novembre 2026, par Alibaba
ArchitectureMoE de 2 400 milliards de paramètres, dont 71 milliards actifs par token
Contexte1 000 000 tokens (inchangé)
Entrées et sortieTexte, image et vidéo en entrée ; texte en sortie (inchangé)
RaisonnementActivé par défaut au niveau high ; niveaux low, high, xhigh
Limite de sortie262 144 tokens, réflexion et réponse comprises
Prix international1,50 $ / 4,50 $ par million de tokens en entrée / sortie
PoidsNon publiés ; accès par API uniquement

Alibaba conserve l’architecture en mélange d’experts (MoE) à 2 400 milliards de paramètres de Qwen3.8-Max. Selon le South China Morning Post, Qwen4-Max active 71 milliards de paramètres par token, contre 95 milliards pour Qwen3.8-Max. La synthèse de lancement de Yotta Labs mentionne en outre 328 milliards de paramètres d’embeddings n-grammes, ainsi qu’un mécanisme Qwen Sparse Attention associé à des couches Gated DeltaNet. Un nombre réduit de paramètres actifs ne garantit pas à lui seul des réponses plus rapides.

Ce qui change par rapport à Qwen3.8-Max

CaractéristiqueQwen4-MaxQwen3.8-MaxCe que cela implique
Entrée / sortie par million de tokens1,50 $ / 4,50 $2,00 $ / 6,00 $Prix catalogue 25 % plus bas
Paramètres actifs71 milliards95 milliardsGain de vitesse non démontré
RaisonnementActivé par défaut (high)Effort configurableLes budgets de sortie doivent inclure la réflexion
Poids ouvertsAucun pour le modèle phareQwen3.8-2.4T-A95B, texte uniquementQwen4-Max n’est accessible que par API
Contexte et entrées1M ; texte, image, vidéo1M ; texte, image, vidéoAucun changement

Sources : documentation qwen4-max d’Alibaba Cloud, Yotta Labs, SCMP et fiche du modèle Qwen3.8-2.4T-A95B. Prix internationaux (Singapour), vérifiés le 17 novembre 2026.

Le changement le plus important concerne la distribution. La fiche du modèle Qwen3.8-2.4T-A95B propose des poids téléchargeables pour un modèle limité au texte, qui raisonne systématiquement. L’entrée visuelle et un mode sans réflexion n’étaient disponibles qu’avec la version hébergée Qwen3.8-Max. Selon Yotta Labs, Alibaba affirme que des modèles Qwen4 plus petits seront publiés en open source, sans avancer ni noms ni dates.

Alibaba a aussi renforcé la sécurité. Selon le SCMP, l’entreprise a retiré des données d’entraînement les capacités de cyberattaque offensive, tout en conservant la détection de vulnérabilités. Elle a également ajouté, lors du post-entraînement, des mesures d’atténuation des risques chimiques, biologiques, radiologiques et nucléaires (NRBC).

Ce que montrent les benchmarks

La quasi-totalité des chiffres publiés provient des supports de lancement d’Alibaba. Ils traduisent un net progrès par rapport à Qwen3.8-Max, sans faire du modèle le leader toutes catégories.

Sur Work360, un nouveau benchmark d’Alibaba couvrant 721 domaines professionnels spécialisés, Qwen4-Max obtient 52,69 contre 47,74. Le coût moyen par tâche recule de 62 %, de 4,43 $ à 1,67 $. Alibaba a conçu ce test et l’a exécuté sur sa propre charge de travail. Selon Yotta Labs, Alibaba attribue cette baisse au tarif réduit et à une consommation de tokens moindre : environ 24 % de moins en effort xhigh et 35 % de moins en effort high.

BenchmarkQwen4-MaxQwen3.8-MaxMeilleur score du graphique
DeepSWE v1.1 (code agentique)75,769,3Qwen4-Max, 75,7
HLAB-Vals-1.1 (agents juridiques)21,315,4Qwen4-Max, 21,3
Terminal-Bench 4.0 (code en terminal)48,538,9Kimi K3.1, 67,2
ProgramBench (réplication logicielle)31,528,0Claude Opus 5.5, 65,0
Humanity's Last Exam51,743,9Claude Opus 5.5, 59,8

Source : graphique de lancement d’Alibaba du 16 novembre 2026, rapporté par Yotta Labs. Qwen3.8-Max correspond à la version 0902. Les paramètres varient selon les lignes.

D’après le décompte de Yotta Labs, Qwen4-Max devance Qwen3.8-Max sur les 15 benchmarks où les deux modèles ont un score. Il obtient le meilleur score sur 4 des 16. Il reste nettement derrière les leaders en code dans le terminal et sur ProgramBench. Selon les notes de bas de page d’Alibaba, plusieurs lignes proviennent de classements tiers comme Artificial Analysis et Vals, les autres ayant été mesurées par Alibaba elle-même.

Les résultats indépendants restent rares. Artificial Analysis attribue à Qwen4-Max un score de 43 sur son Intelligence Index au 16 novembre, avec un coût moyen de 3,27 $ par tâche sur ce test. Celui-ci repose sur une charge de travail différente de Work360 : les deux coûts ne sont donc pas comparables.

Notre comparatif Kimi K3 vs Qwen 3.8-Max porte sur la génération précédente. Pour comparer à armes égales, soumettez des tâches représentatives à chaque modèle, avec les mêmes prompts, les mêmes outils et les mêmes limites de sortie.

Prix et disponibilité

Qwen4-Max est accessible par plusieurs canaux :

  • Alibaba Cloud Model Studio et l’API à la consommation de QwenCloud
  • Le Token Plan, fondé sur des crédits
  • Les applications QwenWork, Qoder et QwenStudio d’Alibaba

L’API accepte les formats Chat Completions et Responses d’OpenAI, ainsi que les formats Messages d’Anthropic et DashScope. La limite par défaut est de 5 000 000 tokens par minute.

Les prix varient selon la région. La grille de Singapour (internationale) affiche 1,50 $ / 4,50 $ par million de tokens en entrée / sortie. Pékin et les régions globales (Francfort, Hong Kong, Tokyo, Virginie) affichent 1,413 $ / 4,24 $. L’offre à la consommation de Singapour inclut aussi un quota gratuit d’un million de tokens, valable 90 jours.

Poste (grille de Singapour)Prix par million de tokensExemple
Entrée1,50 $Prompt de 500 000 tokens : 0,75 $
Entrée en cache (lecture)0,075 $Même prompt depuis le cache : 0,0375 $
Écriture en cache1,875 $ (5 min) / 3,00 $ (1 h)Pour les points de cache explicites
Sortie, réflexion comprise4,50 $Budget complet de 262 144 tokens : environ 1,18 $

Sources : documentation qwen4-max d’Alibaba Cloud et Yotta Labs. Exemples calculés à partir des prix catalogue. Vérifié le 17 novembre 2026.

La réflexion est facturée comme de la sortie et activée par défaut. Le thinking_budget par défaut s’élève à 131 072 tokens : une requête qui l’utilise entièrement paie donc environ 0,59 $ de raisonnement avant même la réponse. Dans Chat Completions, max_tokens équivaut désormais à max_completion_tokens. Ce paramètre plafonne à la fois la réflexion et la réponse : jusqu’à 262 144 tokens avec la réflexion activée, 131 072 sans. Une limite calibrée pour la seule réponse risque de tronquer le résultat.

La baisse de tarif de 25 % n’explique qu’une partie des 62 % d’économies mesurées sur Work360. Le reste dépend du nombre de tokens consommés par le modèle : vous n’obtiendrez cette économie que si vos tâches se comportent comme celles d’Alibaba.

Si vous avez testé la préversion, sachez que qwen4-max-preview est un identifiant de modèle distinct. Il n’est accessible que via le Token Plan, du 11 novembre au 25 novembre 2026 à 24 h (UTC+8). Il utilisait par défaut l’effort xhigh et autorisait 393 216 tokens en sortie. Alibaba recommande de passer au modèle de production.

Faut-il passer à Qwen4-Max ?

Migrez si un accès hébergé vous convient et si votre charge de travail repose sur le raisonnement ou sur du contexte répété. En revanche, ne migrez pas uniquement pour le contexte d’un million de tokens ou l’entrée vidéo : Qwen3.8-Max offrait déjà les deux.

Décision selon la charge de travail

Qui a intérêt à adopter Qwen4-Max

Auto-hébergement

Restez sur Qwen3.8

Aucun poids du modèle phare Qwen4 n’est disponible. Qwen3.8-2.4T-A95B, limité au texte, reste l’option téléchargeable, et aucune date n’a été annoncée pour les modèles Qwen4 ouverts plus petits.

Contexte répété

Testez le cache moins cher

À 0,075 $ par million de tokens d’entrée en cache, les documents récurrents, les prompts système et les définitions d’outils reviennent beaucoup moins cher. Mesurez votre taux réel de succès du cache.

Raisonnement à budget serré

Réglez l’effort et les limites

Choisissez low, high ou xhigh selon la tâche et plafonnez max_tokens. Avec l’effort high activé par défaut, la réflexion peut devenir le premier poste de la facture.

Agents de code

Testez vos propres tâches

Le graphique d’Alibaba place Qwen4-Max en tête sur DeepSWE, mais loin derrière le leader sur Terminal-Bench 4.0. Testez avec des dépôts, des outils et des délais d’expiration fixes.

Outils de sécurité

Vérifiez les garde-fous

Selon le SCMP, la détection de vulnérabilités est conservée, mais les capacités offensives ont été retirées des données d’entraînement. Testez vos workflows de sécurité autorisés avant de migrer.

Secteurs réglementés

Examinez les conditions d’hébergement

Qwen4-Max ne fonctionne que sur le service hébergé d’Alibaba, à Singapour, à Pékin ou dans les régions globales. Examinez les contrôles sur les données, le choix de la région et les nouvelles restrictions NRBC.

Un prix catalogue plus bas ne représente qu’une partie de la facture. Notre guide pour réduire les coûts des API de LLM aborde les limites de sortie, le cache et le routage. Pour évaluer ce que coûte le renoncement à l’auto-hébergement, consultez notre article sur les modèles ouverts face aux modèles propriétaires.

Se préparer avec Eden AI

Une passerelle s’intercale entre votre code et les fournisseurs de modèles : changer de modèle devient alors une simple modification de configuration. Eden AI vous donne une seule clé API et un seul endpoint compatible OpenAI pour plus de 1 000 modèles d’IA, des LLM à l’OCR, en passant par la parole et l’image. Vous pouvez lister les modèles et leurs capacités via l’API : vérifiez donc quels identifiants Qwen4 sont disponibles avant d’en coder un en dur.

La portabilité a ses limites. Un même code client ne rend pas identiques, d’un modèle à l’autre, les réglages de raisonnement, le comportement en matière de sécurité ou l’appel d’outils. Les limites des fournisseurs évoluent aussi. Le plafond de sortie de Qwen4-Max est ainsi passé de 393 216 tokens en préversion à 262 144 au lancement. Notre article sur les limites propres à chaque fournisseur revient sur ce type de changement.

Python

from openai import OpenAI

client = OpenAI(
    api_key="YOUR_EDENAI_API_KEY",
    base_url="https://api.edenai.run/v3",
)

# Find Qwen4 model IDs in the live catalog
qwen4_ids = [m.id for m in client.models.list().data if "qwen4" in m.id.lower()]
print(qwen4_ids)

if qwen4_ids:
    response = client.chat.completions.create(
        model=qwen4_ids[0],
        messages=[{"role": "user", "content": "Summarize this specification in five bullets."}],
        max_tokens=4000,  # on Alibaba's API, this caps thinking and answer together
    )
    print(response.choices[0].message.content)

En production, configurez un fallback automatique vers des modèles de secours, afin qu’une limite de débit ou une panne chez un fournisseur n’interrompe pas votre application. Le prix de chaque modèle figure dans le catalogue : consultez-le avant de basculer votre trafic.

À retenir

  • Pas d’auto-hébergement : Qwen4-Max n’est accessible que par API. Ni les noms, ni les tailles, ni les dates, ni les licences des futurs modèles Qwen4 ouverts plus petits n’ont été annoncés.
  • Des économies chiffrées par Alibaba : la baisse de 62 % du coût par tâche provient de Work360, le benchmark maison d’Alibaba.
  • La réflexion est facturée comme de la sortie : l’effort high et un budget de réflexion de 131 072 tokens sont les valeurs par défaut. Réglez vous-même l’effort et max_tokens.
  • Peu de données indépendantes : le graphique de lancement mélange les mesures d’Alibaba et des classements tiers. Le score de 43 attribué par Artificial Analysis reste à ce jour le principal chiffre indépendant.
  • Des prix qui varient selon la région : Singapour, Pékin et les régions globales appliquent des grilles tarifaires différentes.

FAQ

Quand Qwen4-Max est-il sorti ?
Alibaba a mis Qwen4-Max en disponibilité générale le 16 novembre 2026, sous l’identifiant qwen4-max. Une préversion distincte, qwen4-max-preview, est proposée sur le Token Plan depuis le 11 novembre et doit prendre fin le 25 novembre 2026.
Les poids de Qwen4-Max sont-ils ouverts ?
Non. Qwen4-Max n’est accessible que via les services hébergés d’Alibaba. Le modèle ouvert de la génération précédente, Qwen3.8-2.4T-A95B, est limité au texte et reste téléchargeable.
Combien coûte l’API Qwen4-Max ?
Sur la grille internationale d’Alibaba (Singapour), Qwen4-Max coûte 1,50 $ / 4,50 $ par million de tokens en entrée / sortie, et l’entrée en cache 0,075 $ par million de tokens. Pékin et les régions globales affichent 1,413 $ / 4,24 $.
Le raisonnement est-il activé par défaut dans Qwen4-Max ?
Oui. L’API de production utilise par défaut l’effort high et accepte aussi low et xhigh. La réflexion peut être désactivée avec enable_thinking=false, et les tokens de réflexion sont facturés au tarif de sortie.
Quelle est la taille de la fenêtre de contexte de Qwen4-Max ?
La fenêtre de contexte atteint 1 000 000 tokens, comme pour Qwen3.8-Max. L’entrée maximale est de 991 808 tokens sans réflexion et de 983 616 avec la réflexion activée.
Qwen4-Max accepte-t-il la vidéo en entrée ?
Oui. Alibaba documente des entrées texte, image et vidéo, avec une sortie texte. Qwen3.8-Max acceptait déjà les mêmes entrées : la vidéo n’est donc pas une nouveauté.
Peut-on utiliser Qwen4-Max pour la cybersécurité ?
Selon le SCMP, Alibaba a conservé la détection de vulnérabilités mais retiré des données d’entraînement les capacités de cyberattaque offensive. Vérifiez si cela affecte vos workflows de sécurité autorisés avant de migrer.
Comment savoir si Qwen4-Max est disponible sur Eden AI ?
Listez les modèles via l’API compatible OpenAI d’Eden AI et cherchez un identifiant contenant qwen4. Le prix de chaque modèle figure dans le catalogue Eden AI.

Pour aller plus loin

Articles similaires

Un ballon d'hydrogène s'élève juste au-dessus d'une sphère d'argon le long d'une toise, au-dessus d'une balance qui pèse des pièces face à des tâches accomplies.
Nouveau modèle
IA Générative
Gemini 4 Hydrogen devance Argon, selon Google
11/13/2026
·
Written byClément Moreau
Changement de PDG chez Nvidia et dépendance de l'inférence IA
Nouveau modèle
Traitement de Texte
Nvidia change de PDG : votre stack IA s'en rendrait-elle compte ?
11/12/2026
·
Written byClément Moreau
Two migration paths, from Claude Fable 5.1 and from Claude Opus 5.5, converging on Claude Fable 5.2, with labels for price and effort changes.
Nouveau modèle
IA Générative
Claude Fable 5.2 : Faut-il quitter Fable 5.1 ou Opus 5.5 ?
11/12/2026
·
Written byClément Moreau
COMMENCEZ

Commencez à créer avec Eden AI

Une interface unique pour intégrer les meilleures technologies d’IA dans vos flux de travail.