Modèles

Qwen4-Max : Alibaba divise le coût par tâche, pas les paramètres

Alibaba ne vend pas un nouveau record de benchmark. Il vend une facture plus légère pour la même journée de travail, et assume les classements où son modèle arrive derrière.

Julien MartinJulien Martin
Popularité : 1,650
Une grille dense de tuiles d'experts avec six nœuds allumés et un long ruban qui les traverse

Alibaba ne vend pas un nouveau record de benchmark. Il vend une facture plus légère pour la même journée de travail, et assume les classements où son modèle arrive derrière.

Qwen4-Max en un chiffre : le coût par tâche

Alibaba a présenté Qwen4-Max le 16 novembre 2026. Le modèle est disponible via Alibaba Cloud, avec un tarif de 1,50 dollar par million de jetons en entrée et 4,50 dollars par million en sortie. Les jetons déjà présents dans le cache sont facturés 0,075 dollar.

La fiche technique impressionne : 2,4 billions de paramètres au total, soit 2 400 milliards, dont 71 milliards activés pour chaque jeton produit. Le modèle accepte des images en entrée et ouvre une fenêtre de contexte d'un million de jetons. Le chiffre qui décidera, lui, est le coût par tâche. Alibaba affirme qu'il baisse de 62 % sur son propre banc d'essai, et c'est cette ligne que les acheteurs liront en premier.

Un mixture-of-experts de 2,4 billions de paramètres

Un mixture-of-experts, ou mélange d'experts, est une architecture qui découpe le modèle en nombreux sous-réseaux spécialisés. À chaque jeton, le système n'en active qu'une petite partie. Le modèle garde une capacité totale énorme, mais ne paie le calcul que pour la fraction utile.

Chez Qwen4-Max, cette répartition explique l'écart entre les 2,4 billions de paramètres stockés et les 71 milliards mobilisés par jeton. Trois autres choix techniques complètent l'ensemble. Une couche d'embedding N-gram de 328 milliards de paramètres sert de cache pour les séquences de jetons fréquentes. Les connexions résiduelles passent par quatre canaux parallèles à porte, au lieu du canal unique habituel. Alibaba indique aussi que l'entraînement s'est déroulé sans pic de perte, et que la version de base gagne 5 à 13 % en bits par octet face à Qwen3.8-Max-Base tout en activant 25 % de paramètres en moins.

Le « 1M-token context » et l'attention hybride d'Alibaba

Le « 1M-token context » annoncé par Alibaba pose un problème connu : plus une fenêtre est longue, plus l'attention coûte cher en mémoire et en temps de calcul. La réponse tient en deux mécanismes. Gated DeltaNet réduit les besoins matériels sur les longs prompts. QSA, de son côté, écarte les données dont la requête n'a pas besoin.

L'organisation compte aussi. Trois couches compressent le contexte antérieur, et une quatrième sélectionne ce qui compte vraiment. À l'usage, cela doit se traduire par des documents de plusieurs centaines de pages traités d'un seul tenant, sans découpage manuel. Reste à vérifier la qualité de récupération sur des textes aussi longs, car aucun test indépendant ne le confirme à ce jour.

Work360 : 62 % de moins par tâche, selon Alibaba

Work360 est le banc d'essai maison d'Alibaba. Il couvre 721 métiers spécialisés et sert à mesurer ce qu'un agent accompli sur une tâche professionnelle complète. Sur ce terrain, le constructeur annonce une baisse du coût moyen de 4,43 à 1,67 dollar par tâche, avec un score qui monte de 47,74 à 52,69.

Ces chiffres viennent d'Alibaba, pas d'un laboratoire indépendant. Ils décrivent donc une performance dans les conditions choisies par le vendeur. Deux autres mesures internes vont dans le même sens : la consommation de jetons recule de 35 % sur un banc d'essai de travail intellectuel, et d'environ 49 % sur Terminal-Bench 4.0, qui teste des tâches en ligne de commande.

Qwen4-Max vu par Artificial Analysis, sans arrondi

Artificial Analysis, cabinet indépendant, place Qwen4-Max à 43 points sur son Intelligence Index. C'est neuf points de plus que Qwen3.8-Max, et trois points de moins que Kimi K3.1 Pro, crédité de 46. Le coût par tâche mesuré par le cabinet atteint 3,27 dollars, contre 10,02 dollars pour le prédécesseur et 3,68 dollars pour Kimi.

Modèle

Écart sur l'indice

Indice

Coût par tâche

Qwen4-Max

référence

43

3,27 $

Kimi K3.1 Pro

+3

46

3,68 $

Qwen3.8-Max

-9

non communiqué

10,02 $

Tencent Hy4

-8

non communiqué

1,03 $

Le tableau dit l'essentiel de la stratégie. Qwen4-Max n'est pas le modèle le plus intelligent du marché, mais il coûte presque trois fois moins cher que son prédécesseur pour une tâche comparable. Tencent Hy4 descend encore plus bas, à 1,03 dollar, avec huit points de retard sur l'indice.

Un arbitrage, pas un record.

Là où Qwen4-Max perd face à Kimi et aux GPT

Les défaites sont documentées, et il faut les lire avant de signer. Sur Terminal-Bench 4.0, Qwen4-Max atteint 48 % contre 67 % pour Kimi K3.1 Pro. Sur FrontierCode 2.0, il plafonne à 26 %, à égalité avec Kimi mais derrière Tencent Hy4, à 31 %.

Sur Humanity's Last Exam, le modèle reste derrière Opus 5.5 et les modèles GPT. Sur HealthBench Professional, il passe derrière les GPT et devance de peu Opus 5.5. Une exception notable : HLE-Diamond progresse de 21 points, à 45 %. Autrement dit, le modèle comble une partie de son retard en raisonnement, sans prendre la tête.

Le Live Delivery d'Alibaba : un brouillon utilisable pendant l'exécution

La fonction Live Delivery répond à un problème très concret des agents longs. Au lieu d'attendre la fin d'une exécution longue, le modèle rend un premier résultat utilisable, puis l'affine avec les retours de l'utilisateur. Alibaba a publié le Qwen-Live-Delivery-Plugin en open source.

Deux partenaires sont cités. SANF et Pacific Union ont ramené le temps de programmation manuelle d'une pièce de 475 minutes environ à 24 minutes. Un déploiement dans la finance appelle 90 outils MCP et rend des fichiers Excel et PowerPoint avec des chiffres traçables. Ce sont des cas choisis par le vendeur, pas un échantillon représentatif.

Les questions à poser avant d'adopter Qwen4-Max

Première question : où tournent les données ? Alibaba Cloud dispose d'une région à Paris, ce qui permet de garder certains traitements dans l'Union européenne. Il faut vérifier que le service utilisé, les journaux et le support entrent bien dans ce périmètre, car le RGPD ne s'arrête pas à la nationalité du fournisseur.

Deuxième question : quel modèle pour quel usage ? Une entreprise française qui traite des documents sensibles arbitrera entre Qwen4-Max et un modèle hébergé en Europe comme Mistral, pas seulement sur le prix. La facturation en dollars ajoute un risque de change que les achats oublient souvent.

Troisième question : les petits modèles ouverts promis par Alibaba arriveront-ils ? La société annonce vouloir publier plus tard des versions réduites issues de la même technologie Qwen4. Tant qu'elles ne sont pas là, Qwen4-Max reste un modèle propriétaire, servi par une API.

Un jeton bon marché ne sert à rien si l'agent n'achève pas sa tâche. C'est la seule mesure qui compte à la fin du mois, et elle dépend autant de votre flux de travail que du prix affiché.

Partager cet article

Sources

Actualités liées à l’IA

Une fenêtre de terminal avec une courbe de récompense ascendante et un badge 27B à côté
Modèles

RadixArk double le score Terminal-Bench 4.1 de Qwen3.8-27B

RadixArk publie DaisyRose-27B, un Qwen3.8-27B réentraîné par renforcement sur des tâches d'agents longues. Le gain est net, le score absolu reste bas, et l'argument réel porte sur le coût par point gagné.

Popularité : 1,330
Le contour d'un ordinateur portable avec trois feuilles de couches empilées qui traversent une flèche en boucle
Modèles

Inkling 2 Mini : 24 couches qui en valent 48 sur un portable

Thinking Machines Lab repasse trois fois par les mêmes couches pour faire raisonner un modèle de 27 milliards de paramètres. Le résultat tient sur un portable, à condition d'accepter ce qu'une boucle ne sait pas faire.

Popularité : 1,710
Une longue forme d'onde audio bleu-vert avec une seule barre orange sur fond sombre
Modèles

Rumble-2-Flash : 500 millions de paramètres qui tiennent tête à un modèle géant

Reson8 publie un modèle de reconnaissance vocale de 500 millions de paramètres qui arrive à un dixième de point d'un modèle soixante fois plus gros sur de vrais appels téléphoniques. Reste à savoir ce que vous abandonnez en échange.

Popularité : 560
Trois anneaux néon en orbite autour d'un petit noyau lumineux sur fond bleu profond
Modèles

Gemini 4 Neon arrive dans l'application, et le sélecteur perd deux noms

Google remplace Gemini 4 Argon par un modèle qu'il présente comme proche de Gemini 4 Carbon, pour un coût par tâche plus bas. Voici ce que cela change dans l'application, et ce que les chiffres de Google couvrent vraiment.

Popularité : 1,500