Qwen3.8-Flash-Next vs Claude Opus 4.8 : Ce que 33 fois le prix achète vraiment

Claude Opus 4.8 est affiché à 5,00 $ par million de jetons d'entrée et à 25,00 $ par million de jetons de sortie sur la grille tarifaire d'Anthropic elle-même. Qwen3.8-Flash-Next est l'aperçu à poids ouverts d'Alibaba de l'architecture Qwen4 — poids disponibles sur Hugging Face depuis le 24 août 2026, sur ModelScope depuis le 26 août — et sous la forme servie Qwen3.8-Flash, il coûte 0,15 $ et 0,47 $ pour ces mêmes unités. Soit un facteur de 33 sur l'entrée et de 53 sur la sortie pour deux modèles qui, sur le seul index public ayant évalué les deux, se tiennent à environ deux points d'écart. La confrontation semble déséquilibrée, et elle ne l'est pas. Ce que le multiplicateur achète réellement est plus étroit et plus spécifique que l'écart ne le laisse penser, et déterminer quelle part de cela votre charge de travail nécessite constitue toute la décision.

Une chose à clarifier avant tout, car elle conditionne tous les chiffres ci-dessous : personne n’a fait s’affronter ces deux modèles dans des conditions identiques sur un banc d’essai nommé et publié le résultat. Ce qui existe, c’est le score propre à chaque modèle sur l’Artificial Analysis Intelligence Index, et ces entrées ont été évaluées à des dates différentes ; il faut donc les considérer comme juxtaposées plutôt que comme une comparaison contrôlée. Tout le reste ici provient des documents publiés par les deux fournisseurs et de bancs d’essai indépendants qui ont réellement exécuté l’un des deux.

Claude Opus 4.8, d'après la documentation d'Anthropic elle-même

Claude Opus 4.8 est sorti le 28 mai 2026, et Anthropic le classe désormais comme modèle hérité : toujours disponible, toujours commercialisé, mais il n’est plus le fer de lance de la gamme Opus. L’aperçu des modèles d’Anthropic indique lui-même que vous devriez envisager de migrer vers Claude Opus 5.5, et le guide de migration pour ce passage est lié depuis la page de la version 4.8 elle-même. Comme un fait à propos du modèle plutôt qu’un reproche : hérité signifie ici supplanté au sommet, et non retiré.

Ce qu'il prend en charge : une fenêtre de contexte de 1 M de tokens et une sortie maximale de 128 K, portée à 300 K sur la Message Batches API sous un en-tête bêta. Entrée de texte et d'images, sortie de texte, avec, parmi ses capacités prises en charge, la vision, l'utilisation d'outils, le JSON et le raisonnement. Réflexion adaptative avec le paramètre effort dont la valeur par défaut est élevée — une valeur par défaut différente de celle d'Opus 5.5, qui est fourni avec la valeur moyenne, de sorte qu'une valeur `effort` identique ne signifie pas le même budget de réflexion entre les deux. Une date de coupure des connaissances et une date de coupure d'entraînement fiables, toutes deux situées en janvier 2026, cinq mois derrière la génération Opus actuelle. Tarification de 5,00 $ par million de tokens d'entrée, 25,00 $ par million de tokens de sortie, 0,50 $ par million de lectures de cache, 6,25 $ par million d'écritures de cache de cinq minutes, 10,00 $ par million d'écritures de cache d'une heure, et une remise forfaitaire de 50 % sur la Batch API pour les entrées et les sorties. A​nthropic s'engage à maintenir le modèle disponible au moins jusqu'au 28 mai 2027.

Ce n'est pas non plus une pièce de musée. L'identifiant de modèle `claude-opus-4-8` est actif sur l'API Claude, A​mazon Bedrock, G​oogle Cloud, M​icrosoft Foundry et Claude Platform on AWS, et les propres documents de lancement d'A​nthropic pour Opus 5.5 indiquent que la plupart des requêtes de cybersécurité dans ce déploiement plus récent sont, par conception, redirigées vers Opus 4.8. Un modèle qui est la solution de repli désignée pour le modèle phare actuel est encore sollicité pour faire du vrai travail.

Qwen3.8-Flash-Next, d'après la propre fiche d'Alibaba

Qwen3.8-Flash-Next n'est pas un modèle Qwen4, et cette distinction est celle d'Alibaba, plutôt qu'une interprétation que l'on en fait. La fiche du modèle décrit un aperçu expérimental de l'architecture qui servira de base à Qwen4 — l'architecture livrée en avance, délibérément, afin que les runtimes et les quantisations soient prêts lorsque la famille arrivera. Il stocke environ 180 B de paramètres en BF16 : un corps de mélange d'experts de 125 B activant 6 B par token, une table d'embedding n-gramme distincte de 51 B, et environ 4 B de couches de prédiction multi-token, réparties sur 48 couches avec 512 experts, dont 10 sont routés et un est partagé. La pile d'attention est la partie véritablement nouvelle — 36 couches d'attention linéaire exécutant Gated Delta Network contre 12 couches d'attention complète exécutant Qwen Sparse Attention, la même répartition hybride d'environ trois pour un qu'utilise la génération Qwen3.8 au sens large.

Le contexte natif est de 262 144 jetons, extensible à 1 000 000. L'entrée est du texte, des images et de la vidéo ; la sortie est du texte. La licence est la Qwen Community License 1.0, et non Apache 2.0 — une vraie différence par rapport au modèle 27B de la famille, et le genre de détail qui tranche une question d'approvisionnement des mois après avoir tranché un débat sur les benchmarks. Alibaba positionne les poids ouverts comme l'aperçu expérimental, et Qwen3.8-Flash, servi via Qwen Cloud, comme la version de production officielle, avec un contexte de 1 M par défaut et des outils intégrés. Savoir s'il s'agit des mêmes poids sous une configuration de service différente n'est pas précisé sur la fiche du modèle.

Les chiffres, étiquetés selon qui les a produits

La fiche modèle d'Alibaba est un tableau de fournisseur et est étiquetée comme telle ici. Dans les évaluations linguistiques propres à la fiche, Qwen3.8-Flash-Next rapporte 91,9 sur LiveCodeBench v6, 91,7 sur GPQA Diamond, 81,0 sur SWE-bench Multilingual, 62,5 sur SWE-bench Pro, 58,7 sur DeepSWE 1.1, 73,9 sur CoWorkBench et 55,7 sur JobBench. Dans les propres lignes de comparaison de la fiche, il perd face à un modèle Claude sur HLE, 35,9 contre 40,0, et sur NL2Repo-Bench, 48,1 contre 54,2. Deux mises en garde proviennent de la fiche elle-même : plusieurs résultats utilisent des benchmarks internes, et la ligne HLE indique qu'elle a été jugée par GPT-4o, ce qu'il vaut la peine de savoir avant de citer ce chiffre en particulier à qui que ce soit.

Anthropic ne publie aucun tableau public équivalent pour Claude Opus 4.8 utilisant ces mêmes harnais, donc une comparaison ligne par ligne entre fournisseurs n’existe pas et ne devrait pas être sous-entendue à partir de la fiche de l’un ou l’autre côté. Ce qui existe, en revanche, c’est un tiers qui a exécuté les deux. Artificial Analysis positionne Claude Opus 4.8 à 41,8 dans son Intelligence Index — 23e des modèles qu’il classe, 84e centile — et Qwen3.8-Flash-Next à 40, cinquième des 113 modèles de sa classe de comparaison. Ces deux chiffres proviennent de l’indice d’un même fournisseur, ce qui en fait l’équivalent le plus proche d’un étalon commun disponible aujourd’hui, avec la réserve énoncée plus haut concernant les dates d’évaluation.

Le reste du tableau indépendant, l’intégralité provenant d’Artificial Analysis et l’intégralité concernant l’aperçu open-weight plutôt que la variante Flash servie :

• Travail intellectuel — Qwen3.8-Flash-Next obtient 1587 sur AA-Briefcase, 1647 sur GDPval-AA v2 et 56 % sur AutomationBench-AA, le benchmark de workflows agentiques conçu avec Zapier sur un ensemble de tâches privé et réservé.

• Travaux sur terminal et travaux scientifiques — 25 % sur Terminal-Bench v4.0 et 51 % sur SciCode, contre des résultats bien plus faibles sur les tâches de dépôt à long horizon.

• Raisonnement — Humanity's Last Exam : 38 % pour l'aperçu de Qwen contre 48,7 % pour Claude Opus 4.8 sur le harnais du même fournisseur. Sur GPQA Diamond, les deux sont pratiquement à égalité : 91,7 sur la fiche d'Alibaba contre 92,0 pour Opus 4.8 sur Artificial Analysis.

• Rappel factuel contre confabulation — AA-Omniscience à moins 10 pour la preview de Qwen, la mesure qui pénalise les inventions énoncées avec assurance. Aucun chiffre équivalent n'est publié pour Opus 4.8 sur ce harnais, de sorte que les deux ne peuvent pas être comparés sur ce point.

• Vitesse — Artificial Analysis mesure le Qwen preview à 53 tokens de sortie par seconde, avec un temps jusqu'au premier token de 2,80 secondes, et le qualifie de très verbeux : 108 k tokens de sortie par tâche, dont 72 k tokens de raisonnement. Claude Opus 4.8, mesuré via notre propre playground au cours des sept derniers jours, renvoie 66,7 tokens de sortie par seconde avec un premier token médian de 4,2 secondes. Des harnais différents, donc considérez ces débits comme indicatifs plutôt que comme un résultat de course.

• Contexte — 262 144 en natif et 1 000 000 en étendu pour Qwen3.8-Flash-Next, contre 1 000 000 en natif pour Claude Opus 4.8.

Lus dans leur ensemble plutôt qu’une ligne à la fois, le schéma est cohérent avec le fait que l’écart de prix soit trompeur dans les deux sens. Le modèle bon marché est réellement proche sur le travail de connaissance, les tâches en terminal et le raisonnement général — plus proche qu’un écart de prix de 33x ne le laisserait supposer. Le modèle coûteux est en avance là où le travail est long, ambigu et où l’erreur coûte cher, et il dispose nativement d’un contexte de 1M de tokens plutôt que par extension.

La question du prix, sur l’unité qui en décide

Par token, l'écart est criant, et c'est de l'arithmétique sur des chiffres publiés. Sur le Qwen3.8-Flash servi, l'entrée est 33 fois moins chère et la sortie 53 fois moins chère que chez Claude Opus 4.8. La mise en cache le réduit légèrement, à l'avantage d'Anthropic par rapport à son propre tarif d'entrée — les lectures de cache de Claude Opus 4.8 sont facturées 0,50 $ par million, soit un dixième de son prix d'entrée — mais le Qwen3.8-Flash servi affiche un tarif de lecture de cache de 0,0184 $ par million sur notre propre grille publiée, soit moins de 4 % de l'équivalent Opus 4.8. Pour un prompt de longue durée fortement relu, cette différence se cumule dans le même sens que tout le reste.

Le chiffre par tâche achevée est celui qui résiste à la verbosité en tokens, et ici, la réponse honnête est que la comparaison est incomplète d’un côté. Artificial Analysis publie un chiffre de coût par tâche pour les modèles qu’elle exécute ; la verbosité propre à la preview — 245 M de tokens brûlés lors de l’exécution sur l’index, contre une médiane de 140 M — signifie que son avantage par token se réduit au niveau de la tâche plutôt qu’il ne disparaît, et aucune exécution à paramètres appariés de ces deux modèles n’existe pour trancher. Si vous avez besoin d’un seul chiffre pour planifier, modélisez-le vous-même sur votre propre trafic plutôt que d’emprunter les décomptes de tokens de quelqu’un d’autre.

Où chacun est le bon choix

Claude Opus 4.8 est le bon choix lorsque le travail est à forts enjeux et en une seule passe : les exécutions agentiques sur un horizon long où une branche erronée coûte cher à défaire, le débogage complexe à plusieurs étapes dans une vaste base de code, et tout ce qui est déjà bâti autour des contrôles de réflexion et d'effort de Claude, où un réglage `effort` identique et une date de coupure des connaissances de janvier 2026 sont des données connues plutôt que des inconnues. C'est aussi l'option la plus sûre lorsque vous voulez un engagement de fournisseur assorti d'une date et un modèle qui demeure la solution de repli documentée pour le trafic le plus difficile de son successeur.

Qwen3.8-Flash-Next est le bon choix lorsque la charge de travail est large plutôt que profonde — classification à gros volume, extraction, compréhension de captures d'écran et de documents, balayages agentiques là où vous devriez sinon regrouper par lots pour maîtriser les coûts — et lorsque vous souhaitez évaluer l'architecture Qwen4 sur vos propres données des mois avant que Qwen4 n'existe. Ses signaux indépendants forts concernent le travail de connaissance et les tâches en terminal ; ses signaux faibles concernent la génération de dépôts sur un horizon long et les taux de réussite d'agents en une seule tentative, ce qui correspond exactement à l'endroit où vivent les modifications de code en production. Exécutez une copie à faible enjeu d'une charge de travail réelle dessus avant qu'il ne touche à quoi que ce soit d'important.

La règle, énoncée comme une règle : choisissez le modèle dont vous pouvez assumer le mode de défaillance. Si une mauvaise réponse vous coûte une nouvelle tentative, le 33x, c’est de l’argent gratuit. Si une mauvaise réponse vous coûte un retour en arrière à 3 h du matin, le modèle moins cher n’a pas encore mérité ce choix — et le fait qu’il s’agisse d’un aperçu expérimental sous licence communautaire plutôt que d’une gamme de produits commercialisée en fait partie des raisons, indépendamment des scores.

Exécuter les deux sans un deuxième contrat

Les deux extrémités de cette comparaison sont actives sur un même catalogue. Claude Opus 4.8 est routé sous `anthropic/claude-opus-4.8` à 5,00 $ et 25,00 $ par million de tokens — le tarif catalogue publié d'Anthropic, transmis avec 0 % de marge, donc rien ici ne change si ce barème évolue. La variante de production desservie du côté Qwen est routée sous `qwen/qwen3.8-flash` à 0,15 $ et 0,47 $, également au tarif catalogue du fournisseur, sur un contexte de 1 M de tokens avec entrée texte, image et vidéo.

L'aperçu à poids ouverts est une autre affaire, et il vaut la peine de le dire sans détour : Qwen3.8-Flash-Next ne fait pas partie de nos routes. Pour utiliser l'aperçu, vous téléchargez les poids depuis Hugging Face ou ModelScope et les servez vous-même — vLLM le prend en charge dès le premier jour avec un chemin de déchargement qui garde la table d'embeddings n-gram de 51 milliards de paramètres en mémoire hôte plutôt qu'en VRAM permanente, SGLang et TensorRT-LLM figurent dans la liste Day 0 de NVIDIA, et la bibliothèque d'Ollama embarque une build MLX pour Apple Silicon. Ce que nous routons, c'est la variante de production, celle que vous pouvez réellement appeler aujourd'hui.

L’arrangement pratique pour une équipe qui veut les deux est une répartition du trafic plutôt qu’une décision : une clé, un SDK, une facture, avec un pourcentage de requêtes envoyées au modèle bon marché et un basculement automatique qui absorbe les moments où une architecture expérimentale ou vieillissante se comporte mal. C’est un engagement d’ingénierie plus faible que ne le suggère le cadrage de cette confrontation, et c’est ainsi que la plupart des réponses utiles à « lequel choisir » sont réellement trouvées — en exécutant les deux sur du trafic réel pendant une semaine et en lisant les résultats.

Qu’est-ce qui changerait cette page ?

Trois choses, par ordre de probabilité qu’elles se produisent réellement. Une évaluation à réglages appariés de Qwen3.8-Flash-Next face à Claude Opus 4.8 sur un harnais nommé remplacerait chacune des phrases prudentes ci-dessus par un chiffre. L’arrivée de la gamme Qwen4 complète ferait passer l’aperçu de « l’architecture, en phase précoce » à « la génération précédente de l’architecture », ce qui modifie sa raison d’être. Et tout mouvement tarifaire sur la gamme Opus rouvrirait le multiplicateur au cœur de cette page — le tarif servi de Qwen3.8-Flash, répercuté de notre côté, évolue le jour même où le fournisseur le modifie, de sorte que la comparaison reste à jour même lorsque les chiffres, eux, ne le sont pas.

D'ici là, le seul fait qui décide le plus souvent de ce couplage n'est pas un benchmark : c'est que le côté bon marché est un aperçu expérimental que vous servez vous-même et que le côté cher est un modèle legacy que vous louez avec une relation de support et un engagement de disponibilité en 2027. Les équipes qui ont besoin de posséder la stack et qui peuvent absorber une architecture non éprouvée devraient prendre le 33x et le tester correctement. Les équipes qui ont besoin que la réponse soit juste du premier coup devraient payer pour le modèle dont elles ont déjà caractérisé le mode de défaillance.