Muse Spark vs Qwen 4 Max : la moitié de cette comparaison n'a pas encore de point de terminaison

Une page comparant Muse Spark à Qwen 4 Max a un problème qui n'a rien à voir avec la qualité de l'un ou l'autre modèle, et ce problème appartient à la première phrase plutôt qu'à la dernière. Muse Spark existe bel et bien et est interrogeable : Meta Superintelligence Labs a présenté la famille le 8 avril 2026, et le checkpoint actuel, Muse Spark 1.3, est disponible en général depuis le 2 septembre 2026, à 1,25 $ par million de tokens en entrée et 4,25 $ par million en sortie. Qwen 4 Max n'est pas interrogeable et ne l'a jamais été. Il a été présenté sur une scène lors de la conférence Apsara à Hangzhou le 22 septembre 2026, et rien n'a été publié depuis : aucune fiche de modèle, aucun identifiant d'API, aucune fenêtre de contexte, aucun prix, aucun poids, aucun score de benchmark. La seule version honnête de cette confrontation est donc une réponse en deux parties : ce que le Qwen 4 Max annoncé est censé être, et comment Muse Spark se compare au modèle phare de Qwen auquel vous pouvez réellement envoyer une requête aujourd'hui, à savoir Qwen3.8-Max.

Ce qu’est Q​wen 4 Max, précisément

Il s'agit d'une entrée de roster. Lors de l'Apsara, Liu Da Yiheng, responsable de Qwen LLM, a présenté en avant-première quatre niveaux — Qwen 4 Max comme modèle phare, Qwen 4 Flash, Qwen 4 Plus et Qwen 4 27B —, a décrit la famille comme en cours d'entraînement sur une architecture de nouvelle génération et a déclaré qu'elle arriverait bientôt. C'est tout ce qui figure au dossier public. Aucune date n'est associée à quelque niveau que ce soit, et au cours des six semaines qui ont suivi, rien n'a été publié qui vous permettrait de planifier sur cette base.

Un chiffre qui circule en même temps que l'annonce ne lui appartient pas. L'objectif « 5 à 10 billions de paramètres » associé à l'actualité de Q​wen 4 est une déclaration prospective portant sur les générations qui suivent Q​wen 4 — la période Q​wen 4.5 et Q​wen 5 — et non une spécification de Q​wen 4 Max. A​libaba n'a associé aucun nombre de paramètres à Q​wen 4 Max. Si vous le voyez décrit ce mois-ci comme un modèle de plusieurs billions de paramètres, ce chiffre provient d'une autre diapositive, et il vaut la peine de refuser de le répéter.

Ce qui existe, c’est un aperçu partiel de l’architecture, sous un autre nom. Qwen3.8-Flash-Next a été publié en open source fin août 2026, et sa fiche de modèle le présente comme un aperçu de l’architecture Qwen 4 : un modèle sparse avec 125 milliards de paramètres principaux, plus 51 milliards de paramètres d’embeddings de n-grammes, activant environ 6 milliards de paramètres par étape, avec un contexte natif de 262 000 tokens et un coût d’entraînement annoncé comme inférieur d’environ 90 % à celui de Qwen3.7-Plus. Cela vous donne les contours de ce qui arrive. Cela ne vous dit pas quels scores obtient Qwen 4 Max, combien il coûte ou ce qu’il accepte.

• Disponibilité — Q​wen 4 Max : annoncé le 22 septembre 2026, aucun endpoint, aucune date ; Muse Spark 1.3 : en disponibilité générale depuis le 2 septembre 2026

• Scores de benchmark publiés — aucun pour Qwen 4 Max ; Meta publie une grille d’évaluation agentique complète pour Muse Spark 1.3

• Nombre de paramètres — non divulgué pour Q​wen 4 Max ; non divulgué pour Muse Spark 1.3 non plus, bien qu’A​libaba ait confirmé un total de 2,4 billions avec 95 milliards de paramètres actifs pour son modèle phare commercialisé

• Prix — aucun annoncé pour Qwen 4 Max ; 1,25 $ / 4,25 $ par million de tokens pour Muse Spark 1.3, avec un niveau Contributeur à 0,10 $ / 0,20 $

• Fenêtre de contexte — non annoncée ; 1 048 576 tokens pour Muse Spark 1.3

• Poids — aucun des deux n’est ouvert. Les poids ouverts de ces deux familles appartiennent à Qwen3.8-2.4T-A95B et, du côté de M​eta, à Muse Spark Open et M​use Glimmer

La comparaison que vous pouvez réellement exécuter

Qwen3.8-Max est le modèle au regard duquel les quatre paliers de Qwen 4 seront évalués, et il traite déjà du trafic de production : disponible en général depuis le 3 août 2026 à 2,00 $ par million de jetons en entrée et 6,00 $ par million de jetons en sortie, à tarif unique sur toute sa fenêtre de contexte, sans supplément pour les invites longues ; conçu comme un mélange d'experts de 2 400 milliards de paramètres, dont 95 milliards de paramètres actifs par jeton, et publié en poids ouverts le 12 août 2026 sous le nom Qwen3.8-2.4T-A95B, en BF16 comme en FP8, sous une licence Qwen personnalisée. Ce dernier détail compte et il est facile de le manquer : les poids du modèle phare sont sortis, et l'API hébergée n'est qu'une commodité qui vient s'y ajouter plutôt que la seule voie d'accès.

Le tableau indépendant pour ce duo est exceptionnellement clair, car Artificial Analysis les répertorie tous les deux et les deux sont sortis à dix jours d’intervalle, avec la même révision d’indice en jeu. Tout ce qui suit provient de ces fiches, et les deux modèles n’ont pas été réexécutés sur un banc d’essai commun — considérez la comparaison comme une lecture à périmètre comparable de mesures publiées, et non comme un essai contrôlé.

• Indice d'intelligence — Muse Spark 1.3 (Max) 48, 24e sur 217, face à Qwen3.8-Max (0902) 45, 33e sur 217

• Vitesse de sortie — 121,9 tokens/seconde contre 39,3 tokens/seconde, où le modèle Qwen se classe à la 181e place sur 186 et le modèle Meta à la 43e place sur 186

• Coût par tâche Index terminée — 1,60 $ contre 5,41 $

• Prix catalogue par million de tokens — 1,25 $ en entrée / 4,25 $ en sortie contre 2,00 $ en entrée / 6,00 $ en sortie

• Fenêtre de contexte — 1 048 576 jetons contre 984 000

• Verbosité sur l'Index — 170 M de tokens de sortie contre 190 M

Ce qui est intéressant dans cet ensemble, c'est que le modèle Qwen est plus lent et plus coûteux sur tous les plans, tout en obtenant trois points d'indice de moins, et l'écart n'est pas marginal. À 39,3 tokens par seconde contre 121,9, Muse Spark 1.3 est environ trois fois plus rapide, et son coût par tâche accomplie représente environ le tiers de celui de Qwen3.8-Max — 1,60 $ contre 5,41 $ — pour des prix qui ne diffèrent que d'environ 40 % par token. La différence tient à la vitesse, pas à la grille tarifaire : un modèle qui met trois fois plus de temps à produire chaque token dépense de l'argent pendant qu'il attend. Quiconque compare ces deux modèles sur le seul prix catalogue aboutira à une conclusion erronée sur celui qui est le moins cher à exploiter.

Deux choses nuancent cela, car la version honnête de la comparaison a besoin des deux. La première est la modalité. Muse Spark est documenté par Meta comme acceptant le texte, l’image, la vidéo, l’audio et le PDF et renvoyant du texte ; Qwen3.8-Max accepte le texte, les images et la vidéo. Sur un pipeline qui transporte des documents numérisés ou de l’audio, le modèle phare de Qwen ne peut tout simplement pas prendre en charge la charge utile — et indépendamment de cela, Meta avertit que la compréhension audio dans Muse Spark 1.3 n’est pas entièrement prise en charge et oriente les charges de travail audio vers Muse Spark 1.2. La seconde est l’ampleur de l’écart. Trois points d’indice ne constituent pas un changement de niveau ; c’est le genre d’écart qui s’inverse sur un harnais différent ou une répartition des tâches différente. Les écarts de vitesse et de coût sont les conclusions durables ici, et l’écart d’intelligence est celui à considérer avec prudence.

Là où les deux familles sont réellement différentes, au-delà des scores

La divulgation est le clivage le plus net. Alibaba a publié le nombre de paramètres de Qwen3.8-Max et diffusé ses poids ; Meta n'a publié aucun nombre de paramètres pour aucune version de Muse Spark, ni aucun poids pour aucune d'entre elles. Les deux gammes phares ne sont disponibles que sous forme hébergée dans leur version actuelle : vous ne pouvez pas auto-héberger Muse Spark 1.3, et bien que les poids de Qwen3.8-2.4T-A95B existent, un modèle de 2,4 T de paramètres est un objet de centre de données plutôt que quelque chose que l'on exécute sur une station de travail. Mais l'option existe d'un côté et pas de l'autre, et les options qui existent valent quelque chose, même lorsqu'on ne les exerce pas.

Le contrôle de l'effort est le deuxième point de divergence, et celui de M​eta est plus granulaire d'une manière qui change votre facture. L'effort de raisonnement de Muse Spark se décline en minimal, low, medium, high, xhigh et max ; le niveau max est arrivé le 4 septembre, deux jours après le lancement, après des tests de sûreté supplémentaires, et c'est la configuration derrière chaque chiffre phare publié par M​eta. M​eta vend également le checkpoint 1.3 à un second prix : le palier Contributor à 0,10 $ / 0,002 $ en cache / 0,20 $ par million de tokens, soit environ un ordre de grandeur en dessous du tarif Standard, en échange de l'autorisation d'entraîner sur vos prompts et complétions. Ce palier n'a pas d'équivalent chez Q​wen, et pour une charge de travail non sensible à gros volume, il déplace davantage la comparaison des coûts que ne le fait n'importe quel point d'indice.

Le troisième front est celui des modèles à poids ouverts. Si ce que vous voulez vraiment, ce sont des poids exécutables de l'une ou l'autre famille, aucun des deux modèles phares ne vous les offre. Ceux de M​eta sont M​use Spark Open et M​use Glimmer ; ceux d'A​libaba sont Q​wen3.8-27B et le reste de la gamme ouverte Q​wen 3.8. Ce sont là des conversations différentes de celle-ci, et une recherche sur « Muse Spark vs Q​wen 4 Max open weights » a répondu à une question qu'aucun des deux fournisseurs n'a posée.

Qu’est-ce qui changerait cette page ?

Trois choses, dont aucune n’est une date que quiconque a promise. Une fiche de modèle réglerait le nombre de paramètres, la fenêtre de contexte, la ligne des modalités et le prix en un seul document. Un tableau de benchmarks donnerait les premiers chiffres que l’on peut mettre à côté de ceux de Meta. Un point d’accès publié rendrait cette page obsolète, ce qui est le résultat à espérer — à ce moment-là, la comparaison devient celle que les lecteurs s’attendaient à trouver ici, et la chose honnête est de le dire plutôt que d’écrire autour de l’absence.

D'ici là, le signal utile est la génération Qwen actuellement déployée. Qwen3.8-Max est la référence que Qwen 4 Max doit battre : ses poids et son prix sont publiés, et l'aperçu de l'architecture Qwen 4 dans Qwen3.8-Flash-Next suggère que la famille est conçue pour atteindre une qualité comparable pour une fraction du coût d'entraînement. Ce dernier point est une prédiction plutôt qu'un fait, mais c'est la raison de suivre la feuille de route : une famille moins coûteuse à entraîner est une famille qui peut être proposée à un prix agressif, et un prix agressif est la seule chose qu'Alibaba a livrée de manière fiable depuis deux ans.

Exécution de la moitié de cette comparaison qui existe

Les deux modèles appelables ici figurent dans notre catalogue, ce qui fait de la version pratique de cette page une question de routage plutôt qu'une question de recherche. OrcaRouter embarque la famille Qwen 3.8 — Qwen3.8-Max, Qwen3.8-Flash et le Qwen3.8-27B à poids ouverts — ainsi que les deux checkpoints Muse Spark que nous servons, Muse Spark 1.1 et Muse Spark 1.2, derrière un point de terminaison compatible OpenAI couvrant plus de 200 modèles, au prix catalogue de chaque fournisseur avec 0 % de marge appliquée. Muse Spark 1.3 ne figure pas dans notre catalogue, et Qwen 4 Max ne figure dans aucun catalogue parce qu'il n'existe pas encore ; lorsque l'un ou l'autre sortira et qu'un fournisseur le proposera, c'est via la même clé qu'il apparaîtrait.

Ce que cela vous apporte dans cette comparaison précise, c'est la capacité de trancher la question des trois points d'écart sur votre propre trafic. Un DSL de routage déplace une partie des requêtes de Qwen3.8-Max vers Muse Spark 1.2 par configuration plutôt que par code, et le basculement automatique fait qu'un appel à contexte long qui échoue se rabat sur l'autre modèle au lieu d'une page d'erreur. Étant donné que l'écart indépendant entre les deux familles est faible, cette expérience vaut plus que n'importe quelle position dans un classement — et c'est le seul moyen de découvrir si la sortie trois fois plus rapide de Meta compte réellement pour la forme de votre charge de travail.

Donc : Muse Spark remporte la comparaison par défaut, et il serait malhonnête de présenter cela comme un verdict. C'est le modèle avec un point de terminaison, un prix, une fenêtre de contexte et une fiche d'évaluation. Q​wen 4 Max a une annonce sur scène, une gamme à quatre niveaux et un aperçu de son architecture fonctionnant sous un autre nom. Revenez quand la fiche du modèle sera disponible ; la question intéressante sera alors de savoir si l'économie de la feuille de route d'A​libaba atteindra le seuil de prix avant que le prochain point de contrôle de M​eta ne le fasse.

Les comparaisons comme celle-ci sont également le lieu où se manifestent les modes de défaillance : les incidents d'IA documentés et les défaillances d'agents derrière les modèles de cette classe sont collectés dans l'Archive des incidents d'IA d'OrcaRouter, où chaque entrée comporte ses propres sources, sa gravité, sa note de confiance et son indicateur de contestation.