
MAI Code 2 vs Qwen 4 Max : neuf jours, deux grilles tarifaires, un seul point de terminaison
- OrcaNOUVEAUOrcaCyber: Hy4 Flash Abliterated / Uncensored2026-11-18$0.07 / $0.28 par million de tokens · 180 tok/s
- tencentNOUVEAUTencent: Hy4 Flash2026-11-16$0.02 / $0.07 par million de tokens · 223 tok/s
- GoogleNOUVEAUGoogle: Gemini 4 Carbon2026-11-10$2.00 / $10.00 par million de tokens · 89 tok/s
- AnthropicNOUVEAUAnthropic: Claude Fable 5.22026-11-09$8.00 / $40.00 par million de tokens · 98 tok/s
- orcaNOUVEAUOrca: OrcaC2 1.02026-11-079 tok/s
- OrcaOrcaCyber: GLM 5.3 Abliterated / Uncensored2026-11-04$3.00 / $5.00 par million de tokens · 88 tok/s
- OrcaOrcaCyber: Hy4 Abliterated / Uncensored2026-11-04$0.80 / $1.60 par million de tokens · 134 tok/s
- OrcaOrcaCyber: Kimi K3.1 Pro Abliterated / Uncensored2026-11-04$2.00 / $5.00 par million de tokens · 79 tok/s
- tencentTencent: Hy42026-11-04$0.83 / $2.50 par million de tokens · 94 tok/s
- OrcaOrcaCyber: MiniMax M3.1 Flash Abliterated / Uncensored2026-10-29$0.80 / $1.60 par million de tokens · 118 tok/s
- OrcaOrcaCyber: GLM 5.3 Flash Abliterated / Uncensored2026-10-27$0.80 / $1.60 par million de tokens · 68 tok/s
- OrcaOrcaCyber: Qwen3.8 Flash Next Abliterated / Uncensored2026-10-26$0.80 / $1.60 par million de tokens · 94 tok/s
- OrcaOrcaCyber: MiMo V2.6 Flash Abliterated / Uncensored2026-10-26$0.80 / $1.60 par million de tokens · 44 tok/s
- MoonshotMoonshotAI: Kimi K3.1 Pro2026-10-2447Intelligence
- OrcaOrcaCyber: DeepSeek V4.1 Flash Abliterated / Uncensored2026-10-23$0.80 / $1.60 par million de tokens · 199 tok/s
- minimaxMiniMax: M3.1 Flash2026-10-1929Intelligence
- OrcaOrca: OrcaCyber Ultra 1.02026-10-17$5.00 / $10.00 par million de tokens · 114 tok/s
- deepseekDeepSeek: DeepSeek V4.1 Flash 10172026-10-1733Intelligence
- DeepSeekDeepSeek: DeepSeek V4.1 Flash 09102026-10-17$0.15 / $0.60 par million de tokens · 311 tok/s
- DeepSeekDeepSeek: DeepSeek V4.1 Flash2026-10-1740Intelligence
Il y a une échéance cachée dans cette comparaison. Qwen 4 Max — qu'Alibaba écrit Qwen4-Max, et que l'API répertorie sous qwen4-max — est passé en facturation à l'usage le 16 novembre 2026, et les chaînes de modèles preview qu'il a remplacées — qwen4-max-preview et qwen4.0-max-preview — cessent de répondre à 24:00 UTC+8 le 25 novembre 2026. Cela fait neuf jours à compter d'aujourd'hui. MAI Code 2, que Microsoft a publié un jour après le passage de Qwen4-Max en disponibilité générale, à l'Ignite le 17 novembre 2026, n'a pas une telle horloge : il n'est accessible qu'en le sélectionnant dans un client GitHub Copilot, à 0,50 $ par million de tokens d'entrée et 2,50 $ par million de tokens de sortie sur un tarif promotionnel valable jusqu'au 17 mai 2027. Ainsi, l'un de ces deux modèles a une échéance de migration que vous pouvez encore manquer, et l'autre a une date d'expiration autour de laquelle vous pouvez planifier. Ni l'un ni l'autre n'est un benchmark, et à eux deux, ils expliquent l'essentiel de ce qui sépare le duo.
La question du prix et celle de l'accès pointent ici dans des directions opposées, et une seule des deux peut être tranchée en consultant une grille tarifaire.
Deux modèles lancés à un jour d’intervalle et qui ne s’accordent sur rien d’autre
MAI Code 2 est arrivé à Microsoft Ignite parmi un lot de sept modèles sur une même scène, et son choix de conception déterminant est qu’il n’existe pas en dehors des outils de son fournisseur. Qwen4-Max d’Alibaba est sorti de préversion la veille, après une période Token Plan à Singapour, et son choix de conception déterminant est l’inverse : facturation au token dans six régions, quatre protocoles API et une fiche technique documentée où les parties embarrassantes ont été laissées telles quelles.
Ces vingt-quatre heures résument toute l’histoire du duo. Une entreprise a livré un modèle optimisé pour un abonnement qu’elle vend déjà. L’autre a livré un modèle optimisé pour une API qu’elle exploite déjà. Chaque différence ci-dessous en découle, et c’est pourquoi la comparaison vaut la peine d’être faite.
Les grilles tarifaires, avec les remises qui expirent
• Entrée — MAI Code 2 à 0,50 $ par million de tokens contre Qwen4-Max à 1,50 $ à Singapour, ou 1,413 $ dans les régions Global ; MAI représente un tiers du tarif de Singapour
• Production — 2,50 $ contre 4,50 $ et 4,24 $ ; le ratio se réduit à 56 %
• Entrée mise en cache — 0,025 $ contre 0,075 $ à Singapour et 0,071 $ ailleurs ; un écart de 3×, le plus petit avantage de la liste
• Écritures de cache — Microsoft n'en publie aucune, contre Qwen4-Max à 1,875 $ par million pour une écriture de cinq minutes et 3,00 $ pour une heure
• À partir du 17 mai 2027 — MAI Code 2 double pour passer à 1,00 $ / 0,05 $ / 5,00 $, à ce stade son tarif d’entrée reste inférieur à celui de Qwen4-Max et son tarif de sortie lui est supérieur
• Contexte — 991 808 tokens d’entrée sur Qwen4-Max, tombant à 983 616 en mode réflexion, contre 1 million de tokens sur MAI Code 2 dans VS Code et Copilot CLI
• Budget de sortie — non publié par Microsoft, contre un budget de 262 144 tokens partagé entre le raisonnement et la réponse sur Qwen4-Max
• Poids — aucun des deux n’est téléchargeable. Microsoft le déclare explicitement ; le niveau Max de Qwen4-Max ne comporte aucun engagement en faveur de poids ouverts, contrairement au niveau 27B de la même famille
La ligne de l’entrée mise en cache décide des longues exécutions d’agents, et elle va à l’encontre du message principal. La lecture du cache de Qwen4-Max représente 5 % de son propre tarif d’entrée, et son exemple de calcul publié — une sortie de 8 000 tokens plus un préfixe lu deux fois — fait passer trois passes identiques à 0,918 $ contre 1,908 $ sans mise en cache. Une équipe qui garde une invite système et un schéma d’outils fixes devant une question changeante obtient une remise effective bien plus importante que ne le laisse supposer le tarif d’entrée. La remise de 95 % sur le cache de MAI Code 2, sur une base plus faible, est comparable par nature, mais Microsoft ne publie aucun frais d’écriture de cache, ce qui rend les deux fiches tarifaires difficiles à comparer sur la seule dimension où les charges de travail agentiques dépensent l’essentiel de leur argent.
Le budget de sortie a été réduit en chemin vers la disponibilité générale.
Le fait le moins rapporté concernant la GA de Qwen4-Max est que la preview lui laissait plus de latitude pour réfléchir. En preview, le budget partagé de réflexion et de réponse était de 393 216 tokens ; en GA, il est de 262 144. La sortie sans réflexion est plafonnée à 131 072. Un tiers de la marge a disparu au moment même où le modèle a acquis une véritable grille tarifaire et cinq nouvelles régions.
Le fait qu’il s’agisse ou non d’une régression dépend de votre charge de travail, mais il s’agit d’un delta documenté que toute personne qui pointe encore une configuration vers les chaînes d’aperçu doit connaître, car ces chaînes seront retirées dans neuf jours. L’identifiant qwen4-max est celui qui subsiste.
L’équivalent de MAI Code 2 n’est pas publié. Microsoft documente une fenêtre de contexte d’un million de jetons et des niveaux de raisonnement configurables — la documentation Copilot confirme que la profondeur de raisonnement est ajustable et note que le contexte étendu est une fonctionnalité de VS Code et de Copilot CLI — mais aucun document Microsoft ne mentionne de plafond de sortie, donc il n’y a rien à comparer au chiffre de 262 144. Cette asymétrie traverse toute cette confrontation : Qwen4-Max vous donne les chiffres qui dérangent, et MAI Code 2 ceux qui flattent.
Ce que disent les scores indépendants, du seul côté qui en dispose
Artificial Analysis classe Qwen4-Max à 43 sur l’Intelligence Index v5.0.1, pour un coût de 3,27 $ par tâche de l’index, à 32,1 minutes par tâche, 55 tokens par seconde en sortie et 155,4 secondes jusqu’au premier token de réponse, sur une fenêtre de contexte qu’il mesure à 984 k. Ce sont des chiffres de milieu de tableau. La note sur la verbosité figurant sur la même page est plus instructive : le modèle a généré environ deux fois plus de tokens de sortie que le modèle médian lors de l’exécution de l’index, si bien que son prix nominal par token sous-estime son coût réel par tâche.
MAI Code 2 n’a aucune ligne Artificial Analysis — pas de page modèle, donc aucune lecture d’indice. Ce qui existe, c’est le billet de lancement de Microsoft : quatre benchmarks nommés, dont trois exécutés sur la plateforme interne MSBench de l’entreprise via le GitHub Copilot CLI avec les sous-agents désactivés à l’effort de raisonnement maximal, le quatrième provenant d’Artificial Analysis, et les résultats exprimés comme 96 % des performances de Claude Opus 5.5 pour 5 % du coût et 98 % de celles de GPT-6.1 Sol pour 40 %. Aucun taux de réussite par benchmark n’est publié.
Alignez-les honnêtement et vous ne pouvez pas classer les deux. Le 43 de Qwen4-Max sur un indice neutre est moyen ; les ratios de MAI Code 2 sont solides en soi ; ils mesurent des choses différentes sur des harnais différents, et aucun des deux fournisseurs n'a fait tourner les tests de l'autre. Ce que l'on peut dire, c'est que le chiffre de Qwen4-Max est auditable et que celui de MAI Code 2 ne l'est pas, ce qui est une affirmation sur les preuves plutôt que sur la capacité.

Les verbes que chaque modèle a été entraîné à effectuer
Le positionnement de Microsoft pour MAI Code 2 est étroit et précis : amener le code en production, le débogage approfondi, l’implémentation multi-fichiers, le raisonnement à l’échelle du dépôt, le travail d’interface utilisateur, ainsi que les tableaux de bord et la visualisation. L’article de lancement est tout aussi précis sur les limites — les modèles ne sont « explicitement pas encore optimisés pour des problèmes plus difficiles, comme la recherche en science fondamentale et le travail agentique à très long horizon » — et l’affirmation concernant l’évaluation frontend en aveugle, une préférence de 64 % des évaluateurs par rapport à GPT-6 Sol, se limite précisément à cette force de codage visuel.
Le positionnement de Qwen4-Max est plus large par construction, et sa documentation le montre : entrées texte, image et vidéo, sortie structurée, appel d’outils en parallèle, complétion de préfixe, recherche web, ainsi que mise en cache explicite et implicite, via OpenAI Chat Completions, OpenAI Responses, Anthropic Messages et DashScope. L’inférence par lots n’existe qu’à Pékin, et seul le chemin Batch File bénéficie de la remise — Batch Chat est indiqué au tarif temps réel, donc le mot « batch » dans le nom d’un point de terminaison n’y constitue pas une garantie de prix.
C'est là l'asymétrie pratique entre un modèle de codage et un modèle généraliste. MAI Code 2 est probablement meilleur dans le domaine pour lequel il a été conçu, et Microsoft dispose de benchmarks internes qu'elle ne vous montrera pas. Qwen4-Max fera bien plus de choses, et l'analyse indépendante d'Alibaba elle-même indique qu'il n'est que compétent sur le volet codage.
Où exécuter chacun, et à quoi sert vraiment un routeur ici
MAI Code 2 est disponible dans GitHub Copilot avec les offres Pro, Pro+, Max, Business et Enterprise, sur Windows, macOS et Linux, dans Copilot CLI et Visual Studio Code. MAI Code 2 Flash est le seul modèle de la famille à disposer d’une surface API : un aperçu à accès limité dans Microsoft Foundry via une API Responses compatible OpenAI. Qwen4-Max est disponible sur la propre plateforme d’Alibaba dans six régions. Aucun des deux ne figure aujourd’hui au catalogue d’OrcaRouter, donc aucune affirmation selon laquelle OrcaRouter les achemine ne serait vraie.
Ce que le catalogue contient bel et bien, c'est Qwen3.8-Max à $2.00 et $6.00 à Singapour — le modèle Qwen4-Max est 25 % moins cher des deux côtés du compteur — plus les modèles de pointe auxquels vous compareriez un codeur bon marché : Claude Opus 5.5, Kimi K3.1 Pro, Gemini 4 Carbon. Tous au prix catalogue du fournisseur, avec 0 % de majoration, le tout sur une seule clé. Cela compte pour un type de décision bien précis : si vous comptez choisir entre MAI Code 2 et Qwen4-Max en exécutant les deux sur vos propres dépôts, la comparaison a besoin d'un témoin, et le témoin est mesurable aujourd'hui, alors qu'aucun des deux candidats ne l'est.
L’argument de routage qui résiste au contact de ces deux modèles n’est pas « mettre les deux derrière un seul point de terminaison ». C’est que le point de terminaison que vous contrôlez est celui où réside le repli. Un pipeline appelant Qwen3.8-Max peut basculer vers un second fournisseur sans modification de code ; un siège Copilot ne peut basculer vers rien, car il n’y a rien en dessous pour router.
Comment choisir sans référentiel commun
Prenez Qwen4-Max si le modèle doit répondre à une requête que votre code construit. C'est tout l'argument, et il est décisif : une API avec quatre protocoles et six régions face à une entrée de sélecteur de modèle ne fait pas jeu égal pour quoi que ce soit d'automatisé. Abandonnez les chaînes d'aperçu avant le 25 novembre, prévoyez la verbosité qu'a révélée l'exécution de l'index, et prévoyez un plafond de sortie d'un tiers inférieur à celui de l'aperçu.
Prenez MAI Code 2 si les développeurs sont déjà dans Copilot et que le travail correspond à la réparation d’entreprise de routine pour laquelle Microsoft l’a tarifé. À un tiers du tarif d’entrée de Qwen4-Max et à un peu plus de la moitié de son tarif de sortie, même un modèle nécessitant une seconde tentative peut l’emporter sur le coût par tâche terminée — et contrairement à Qwen4-Max, son tarif promotionnel a une date de fin indiquée plutôt qu’une carte sans échéance que vous ne contrôlez pas.
N’en prenez aucun si la charge de travail exige un score que vous pouvez défendre devant un comité d’achats. L’un des modèles affiche une évaluation indépendante moyenne ; l’autre n’a aucune évaluation indépendante. Dans cette situation, la décision défendable consiste à tester celui que vous pouvez comparer à un modèle présent sur un classement neutre, sur vos propres tâches, et à comparer le coût par tâche terminée plutôt que le prix par token.


Ce qui changerait le verdict, c’est un seul chiffre absolu de Microsoft. Un taux de réussite à Terminal Bench 2.1, publié comme Moonshot a publié 65,7 % sur Terminal-Bench 4.0, permettrait à un acheteur de placer MAI Code 2 sur le même axe que les 43 de Qwen4-Max et de cesser de se fier à un ratio. D’ici là, le choix se situe entre un modèle que vous pouvez mesurer et une remise que vous pouvez vérifier, et le conseil honnête est de prendre celui qui est mesurable pour tout ce qui est automatisé et la remise pour tout ce qui se trouve devant une personne.
Comparés dans cet article1
Détecté à partir de cet article · Benchmarks : Artificial Analysis · mis à jour quotidiennement
