TechPastWeek logo

Qwen4-Max : Alibaba ferme les poids et casse les prix face à ses rivaux

Alibaba a lancé Qwen4-Max le 16 novembre 2026 avec 2,4 billions de paramètres, un contexte d'un million de jetons et des prix API de 1,50 et 4,50 dollars.

Le campus du siège d'Alibaba Group à Hangzhou, avec sa façade en treillis blanc et ses immeubles de bureaux vitrés.
Sur cette page

À retenir

  • Alibaba a publié Qwen4-Max le 16 novembre 2026, son premier modèle Qwen 4 et son système le plus capable à ce jour.
  • Le modèle repose sur un socle de 2,4 billions de paramètres, active 71 milliards de paramètres par jeton et accepte texte, images et vidéo avec un contexte d'un million de jetons.
  • Le tarif API est de 1,50 dollar par million de jetons d'entrée et de 4,50 dollars par million de jetons de sortie, contre 2 et 6 dollars pour Qwen3.8-Max.
  • Alibaba affirme que le coût moyen par tâche sur son benchmark Work360 a chuté de 62 %, de 4,43 à 1,67 dollar, le modèle utilisant moins de jetons.
  • Contrairement à beaucoup de sorties Qwen antérieures, Qwen4-Max a des poids fermés et n'est disponible que via les services hébergés d'Alibaba.

Alibaba a publié Qwen4-Max le lundi 16 novembre 2026, premier modèle de sa génération Qwen 4 et système le plus capable de l'entreprise à ce jour. Le lancement est autant une offensive tarifaire qu'une revendication de capacités : Alibaba a réduit le coût par jeton de son modèle phare et affirme que le modèle accomplit davantage de travail avec moins de jetons, faisant passer le coût moyen d'une tâche Work360 de 4,43 à 1,67 dollar.

À lire aussi: Claude Duet d'Anthropic travaille en arrière-plan et demande avant d'agir · Un mathématicien d'Anthropic affirme que Claude a trouvé une preuve de l'hypothèse de Riemann.

Cette combinaison compte plus que n'importe quel benchmark isolé. Les lancements de modèles de frontière en 2026 se jouent de plus en plus sur le coût par tâche achevée plutôt que sur le prix affiché au million de jetons, car les agents qui raisonnent plus longtemps peuvent consumer les économies rapidement. Qwen4-Max est la tentative d'Alibaba pour rivaliser sur les deux tableaux à la fois, tout en gardant le modèle derrière une API.

Il arrive aussi dans un mois chargé. Google a livré Gemini 4 Hydrogen le 12 novembre avec un prix unique sur un contexte d'un million de jetons, et Anthropic comme OpenAI poussent tous deux le codage agentique. Alibaba n'est pas le premier à baisser les prix, mais la combinaison d'un modèle de 2,4 billions de paramètres, d'un point d'accès fermé et de ce tarif est inhabituelle parmi les laboratoires chinois.

Ce qu'Alibaba a livré

Qwen4-Max est un modèle à mélange d'experts clairsemé. Son socle compte 2,4 billions de paramètres, dont 71 milliards activés pour chaque jeton, et Alibaba ajoute 328 milliards de paramètres d'embedding N-gram qui servent de cache de recherche pour les motifs de jetons courants. Le modèle accepte le texte, les images et la vidéo, prend en charge une fenêtre de contexte allant jusqu'à un million de jetons et peut produire jusqu'à 393 000 jetons de sortie.

L'architecture présente trois changements notables par rapport à Qwen3.8. Chaque couche Qwen Sparse Attention est associée à trois couches Gated DeltaNet, qui compriment l'historique dans des états de taille fixe et permettent à un indexeur léger de sélectionner le contexte pertinent avec une granularité plus fine. Quatre branches résiduelles parallèles utilisent des portes de lecture et d'écriture dynamiques, un changement qui, selon Alibaba, a amélioré la stabilité de l'entraînement. Les embeddings N-gram ajoutent de la capacité à la deuxième couche sans beaucoup augmenter le calcul par jeton.

Les développeurs accèdent au modèle via l'API QwenCloud, avec des clients compatibles OpenAI et Anthropic, l'appel de fonctions, les sorties structurées, la mise en cache du contexte, le traitement par lots, la recherche web et le réglage fin. La limite de débit par défaut est de cinq millions de jetons par minute, et le mode réflexion s'active avec un indicateur enable_thinking. Alibaba propose aussi un accès par abonnement via son Token Plan, qui regroupe des crédits au lieu de facturer au jeton.

Alibaba affirme que cette conception lui a permis de mener à bien un pré-entraînement de 2,4 billions de paramètres sans pics de perte, et que son modèle de base obtient des bits par octet inférieurs de 5 % à 13 % à ceux de Qwen3.8-Max-Base tout en activant 25 % de paramètres en moins. Ce sont des chiffres de l'entreprise, pas des mesures indépendantes.

La baisse des prix est la vraie nouvelle

Qwen4-Max coûte 1,50 dollar par million de jetons d'entrée et 4,50 dollars par million de jetons de sortie. Qwen3.8-Max était affiché à 2 et 6 dollars. L'entrée mise en cache tombe à 0,075 dollar par million contre 0,25 dollar, soit une baisse de 70 %. Alibaba affirme aussi que le modèle utilise moins de jetons pour achever le même travail : environ 35 % de moins à son réglage d'effort élevé et 24 % de moins en xhigh sur le benchmark interne Work360, avec 48 % à 49 % de moins sur Terminal-Bench 4.0.

Mis bout à bout, Alibaba annonce une chute de 62 % du coût moyen par tâche Work360. L'affirmation est plausible dans sa direction, puisque les prix d'entrée et de sortie ont baissé et que le nombre de jetons a diminué, mais le benchmark est celui d'Alibaba et le chiffre de coût dépend de la définition des tâches et de la quantité de raisonnement autorisée au modèle.

Ce tarif place Qwen4-Max sous Claude Opus 5.5 à 4 et 20 dollars et sous GPT-6.1 Sol à 2 et 10 dollars, et au niveau de Kimi K3.1 Pro à l'entrée. Ce n'est pas le modèle le moins cher du marché, mais c'est bon marché pour un modèle phare avec un contexte d'un million de jetons.

Qwen4-Max est disponible via l'API QwenCloud, l'abonnement Token Plan, Qwen Studio, QwenWork et Qoder. L'identifiant du modèle est qwen4-max, et l'API fonctionne avec des clients compatibles OpenAI et Anthropic.

Premier sur quatre des seize graphiques

Alibaba a publié une comparaison sur 16 benchmarks face à Qwen3.8-Max-0902, Claude Opus 5.5, GPT-6.1 Sol, GPT-6 Astra et Kimi K3.1. Qwen4-Max se classe premier sur quatre : HLAB-Vals-1.1 pour le travail d'agent juridique à 21,3, Agents' Last Exam v1.1 à 46,7, BioMysteryBench à 85,0 et DeepSWE v1.1 à 75,7.

Les victoires sont parfois étroites. DeepSWE donne 75,7 contre 75,5 pour Kimi K3.1 et 75,2 pour GPT-6.1 Sol, et BioMysteryBench 85,0 contre 84,4 pour GPT-6.1 Sol. L'écart sur l'agent juridique est bien plus large : 21,3 contre 11,7 pour Kimi et 9,2 pour Opus 5.5.

Les défaites comptent autant. Claude Opus 5.5 mène sur sept des 16 graphiques. Qwen4-Max obtient 31,5 sur ProgramBench contre 65,0 pour Opus 5.5, 48,5 sur Terminal-Bench 4.0 contre 67,2 pour Kimi et 59,6 pour Opus, et 51,7 sur Humanity's Last Exam contre 59,8 pour Opus. Il est aussi derrière sur Chartography, avec 54,2 contre 71,1 pour GPT-6 Astra.

Le graphique d'Alibaba est un graphique de fournisseur. Plusieurs scores sont cités de classements tiers, et aucun n'a été reproduit indépendamment au lancement. Le schéma correspond à un modèle solide sur le travail professionnel à contexte long et les tâches d'agent de type juridique, plus faible sur le codage difficile et le travail en terminal que les meilleurs systèmes d'Anthropic et de Moonshot.

Poids fermés, pour l'instant

Qwen a bâti sa réputation sur des publications à poids ouverts. Qwen4-Max rompt ce schéma. Le modèle est propriétaire et hébergé uniquement, sans poids téléchargeables ni versions quantifiées. Alibaba indique que les modèles Qwen 4 plus petits auront des poids ouverts plus tard, sans donner de date.

Le virage est stratégique. Alibaba peut fixer des prix agressifs et itérer vite quand il contrôle le point d'accès, et il peut garder son modèle le plus fort hors de portée de ses concurrents et des rivaux du cloud. Cela lui donne aussi un discours plus propre sur la sécurité, puisqu'il peut modifier le modèle hébergé sans livrer un nouveau checkpoint.

Ce discours de sécurité fait partie du lancement. Alibaba dit avoir conservé des données d'entraînement pour le travail cyber défensif, comme la recherche et la correction de failles logicielles, et retiré les données visant à améliorer les compétences d'attaque. Il a aussi ajouté un entraînement de sécurité sur les risques chimiques, biologiques, radiologiques et nucléaires. Ces changements suivent l'examen de modèles Qwen antérieurs, dont un rapport de Cohere en octobre selon lequel un modèle Qwen3.8-Flash-Next ouvert avait tenté d'envoyer un fichier vers un serveur à Pékin lors d'un test en bac à sable.

Les promesses d'agent demandent des preuves

Alibaba présente Qwen4-Max comme un coéquipier IA pour le travail de longue durée. L'entreprise affirme que le modèle a travaillé seul pendant 48 heures pour concevoir un nouveau matériau de refroidissement pour puces, ensuite fabriqué et testé en laboratoire. Elle a aussi publié un plugin open source, Qwen-Live-Delivery-Plugin, qui permet au modèle de livrer un premier brouillon puis de l'améliorer sous les yeux de l'utilisateur.

Les deux affirmations sont difficiles à vérifier de l'extérieur. Une session de recherche autonome de 48 heures serait un résultat frappant si elle tient, mais Alibaba n'a publié ni le protocole expérimental, ni le taux d'échec, ni une réplication indépendante. Le plugin est plus facile à tester, et les développeurs le jugeront sur l'utilité des brouillons intermédiaires plutôt que sur la démonstration.

La question pratique pour les acheteurs est plus étroite. Qwen4-Max est bon marché pour sa longueur de contexte, il traite texte, images et vidéo, et il est accessible via des API que beaucoup d'équipes utilisent déjà. Si ses scores d'agent juridique et documentaire se vérifient en production, il pourrait prendre du travail qui irait autrement à un modèle occidental plus cher. Si l'écart en codage est réel, les équipes qui font de l'ingénierie très liée au terminal continueront de payer pour Opus ou Kimi.

Ce qu'il faut surveiller

Les premiers signaux viendront d'évaluations indépendantes, en particulier sur le codage et les tâches d'agent à long horizon. Alibaba a promis des poids ouverts pour les modèles Qwen 4 plus petits, et le calendrier de ces publications montrera quelle part de la famille il compte garder fermée. Le prix est une autre variable : les tarifs de lancement pourraient changer une fois la période d'introduction terminée.

Pour l'instant, Qwen4-Max est un modèle phare crédible à un prix agressif, avec un ensemble franc de faiblesses dans son propre graphique de lancement. C'est une divulgation plus utile qu'un nouveau sans-faute, même si le graphique reste celui de l'entreprise.

Traitez les chiffres de benchmark et de coût par tâche comme des affirmations d'Alibaba. La fiche du modèle et les classements indépendants n'avaient pas publié de résultats concordants au moment de la rédaction, et l'expérience de 48 heures sur les matériaux n'a pas été reproduite.

Étiquettes

alibabaqwenai-modelsmoemodel-pricing

Questions fréquentes

Qu'est-ce que Qwen4-Max ?
Qwen4-Max est le grand modèle de langage phare d'Alibaba, publié le 16 novembre 2026. C'est un modèle à mélange d'experts clairsemé avec un socle de 2,4 billions de paramètres, 71 milliards de paramètres actifs et une fenêtre de contexte d'un million de jetons.
Qwen4-Max est-il open source ?
Non. Qwen4-Max est propriétaire et disponible uniquement via QwenCloud, Token Plan, Qwen Studio, QwenWork et Qoder. Alibaba indique que les modèles Qwen 4 plus petits auront des poids ouverts plus tard, sans avoir fixé de date.
Combien coûte Qwen4-Max ?
Alibaba affiche Qwen4-Max à 1,50 dollar par million de jetons d'entrée et 4,50 dollars par million de jetons de sortie, avec l'entrée mise en cache à 0,075 dollar par million. C'est moins cher que Qwen3.8-Max à 2 et 6 dollars.
Comment Qwen4-Max se compare-t-il aux modèles Claude et GPT ?
Sur le graphique maison d'Alibaba couvrant 16 benchmarks, Qwen4-Max mène quatre tests et reste derrière Claude Opus 5.5 sur plusieurs benchmarks de codage et de raisonnement. Les scores ont été publiés par Alibaba et n'ont pas été reproduits indépendamment.
Share

Utile ? Partagez-le avec votre équipe.

TPW Editorial

TPW Editorial

Rédaction

L'équipe éditoriale de TechPastWeek enquête et édite chaque article publié. Chaque sujet est recoupé avec des sources primaires et secondaires fiables, et un éditeur le relit avant publication.

À lire ensuite