Une carte de titre générée indiquant « Qwen4-Max a été qualifié de surpassement d'Opus 5.5 », avec le sous-titre « L'indice le place à 16 points de retard », et trois cartes chiffrées indiquant « 43 contre 59 sur l'indice », « 3,27 $ contre 1,27 $ par tâche » et « temps par tâche : non publié ». Un pied de page indique « Indice, coût par tâche et temps par tâche selon l'Artificial Analysis Intelligence Index v5.0.1, consulté le 16 novembre 2026. » Style vectoriel plat sur fond blanc avec des accents en dégradé bleu et cyan, la marque OrcaRouter incrustée en bas à droite.
Guides & Insights

Qwen4-Max a été qualifié de tombeur d’Opus 5.5 : The Index le place 16 points derrière.

Auteur

jinhao.song

Date de publication

Derniers modèles · 20Voir tous les modèles →
Benchmarks : Artificial Analysis · mis à jour quotidiennement
Retour à tous les articles

Le verdict du jour du lancement sur Qwen4-Max était qu’il surpassait Claude Opus 5.5 et battait à la fois GPT-6.1 Sol et GPT-6 Astra, et qu’il n’était devancé que par Claude Fable 5.2. Trois de ces quatre comparaisons s’inversent sur le seul classement qui a fait passer les cinq modèles par les mêmes neuf évaluations. L’Artificial Analysis Intelligence Index v5.0.1, lu le 16 novembre 2026 — le jour de la mise en vente de Qwen4-Max — place Qwen4-Max à 43, Claude Opus 5.5 à 59, GPT-6 Astra à 57, GPT-6.1 Sol à 55 et Claude Fable 5.2 à 65. Seize points derrière le modèle qu’il était censé surpasser, quatorze derrière le deuxième moins cher des trois, et douze derrière le troisième. La quatrième comparaison, celle où Fable 5.2 est en tête, est la seule partie de l’affirmation qui résiste au contact du harnais.

That gap is worth taking apart rather than dismissing, because the claim is not invented. It is what you get when a comparison is assembled from reasoning-effort settings that do not match, and the mismatch happens to run in one direction every time. Below: what A​libaba actually published, what the scoreboard reads at each rung of each ladder, the one reading under which the claim becomes literally true, and the figure the tracker does not have for Qwen4-Max at all.

What A​libaba published, and what it did not

The first thing to separate is the vendor's launch material from the commentary around it. A​libaba's own Qwen4-Max blog post, dated 16 November 2026, mentions no competing model by name anywhere in its 3,100 words. Every comparison in it is against Qwen3.8-Max, the company's own previous flagship. That is a normal thing for a launch post to do and it is not a criticism — but it means the competitive framing did not come from the vendor, and any "beats Opus" statement in circulation is an inference somebody else drew.

Ce que le fournisseur affirme bel et bien, tout cela étant rapporté par le fournisseur et non reproduit :

• Architecture — un socle de 2,4 billions de paramètres sur une nouvelle architecture Qwen4, avec vision native et une fenêtre de contexte d’un million de jetons.

• Token efficiency against Qwen3.8-Max — 24% fewer tokens at Xhigh effort and 35% fewer at High on A​libaba's Work360 benchmark, and 48% and 49% fewer on Terminal-Bench 4.0.

• Coût par tâche par rapport à Qwen3.8-Max — une moyenne de 4,43 $ ramenée à 1,67 $, soit une réduction de 62 %, les baisses les plus importantes concernant la tarification des entrées mises en cache.

• Score Work360 — 52,69 contre 47,74 pour Qwen3.8-Max.

Aucun de ces éléments n’est une comparaison entre laboratoires, et aucun ne peut être vérifié par rapport aux chiffres publiés d’un concurrent, car ils sont mesurés sur des benchmarks que le fournisseur évalue lui-même. Le chiffre indépendant est arrivé le même jour par une autre voie.

Ce que lit le harnais indépendant

Artificial Analysis v5.0.1 est un composite de neuf évaluations — AA-Briefcase v1.1, AutomationBench-AA, Terminal-Bench 4.0, FrontierCode-AA 2.0, AA-Omniscience v1.1, GDP.pdf, HLE-Diamond, CritPt v2 Hard Subset et Terminal-Bench-Science 0.1 — exécuté par le tracker, et non par les laboratoires. Sur celui-ci, le 43 de Qwen4-Max le classe 38e sur 81 modèles, un peu au-dessus de la médiane du domaine, à 41. C'est un début respectable pour une architecture de première génération. Ce n'est pas un leader, et les quatre modèles au-dessus desquels il a été placé le devancent tous :

• Claude Opus 5.5 — 59 en Max, 57 en Xhigh, 52 en High, 48 en Medium, 35 en Low. Sorti le 22 septembre 2026.

• GPT-6 Astra — 57 à Max, 55 à Xhigh, 55 à High, 52 à Medium, 43 à Low. Sorti le 3 septembre 2026, coupure des connaissances en avril 2026.

• GPT-6.1 Sol — 55 à Max, 52 à Xhigh, 50 à High, 46 à Medium, 35 à Low. Sorti le 29 septembre 2026.

• Claude Fable 5.2 — 65 à Max, 62 à Xhigh, 62 à High, 56 à Medium, 54 à Low. Sorti le 9 novembre 2026.

• Qwen4-Max — 43, publié sous la forme d'un chiffre unique, sans échelle par niveau d'effort. Sortie le 16 novembre 2026.

Cette dernière asymétrie explique tout. Qwen4-Max est un modèle de raisonnement, et le tracker évalue ses concurrents selon cinq réglages de raisonnement distincts, tandis qu’il n’évalue Qwen4-Max que selon un seul. Le réglage qui a produit le 43 est comparé aux meilleurs réglages d’Opus 5.5, d’Astra et de Sol, et le tracker ne vous dit pas quelle marge de progression se trouve en dessous. Ainsi, « 43 contre 59 » n’est pas une comparaison à armes égales des plafonds des deux modèles — c’est le seul réglage mesuré de Qwen4-Max face au meilleur réglage d’Opus 5.5.

La seule interprétation selon laquelle l’affirmation est vraie

Lisez les échelles de haut en bas : l’affirmation cesse alors d’être fausse et commence à être trompeuse, ce qui est un échec plus intéressant. Le 43 de Qwen4-Max n’est pas battu par chaque barreau de chaque adversaire. Il dépasse ou égale le barreau inférieur de trois des quatre :

• Face à Claude Opus 5.5 — 43 bat de huit points les 35 du réglage Low, et perd de cinq points face aux 48 de Medium. Le point de bascule se situe entre Low et Medium.

• Face à GPT-6 Astra — 43 égale exactement le réglage Low d’Astra (43) et perd de neuf points face au réglage Medium (52).

• Face à GPT-6.1 Sol — 43 bat de huit points le réglage Low de Sol, à 35, et perd de trois points face à Medium, à 46. C’est l’écart le plus serré du tableau.

• Face à Claude Fable 5.2 — 43 perd contre chaque échelon, y compris le 54 du réglage Low, avec onze points d’écart. Aucun réglage de Fable 5.2 n’est atteint par Qwen4-Max.

Ainsi, une comparaison qui opposerait Qwen4-Max à des concurrents fonctionnant en mode Low effort produirait exactement le classement rapporté pour Opus 5.5 et Sol, exactement le résultat rapporté d’égalité ou de meilleure performance contre Astra, et exactement la perte rapportée face à Fable 5.2. Il s’agit d’un ensemble de résultats cohérent et auto-cohérent, et c’est le seul ensemble sur ce banc d’essai qui produise le classement en circulation. Que quelqu’un l’ait assemblé délibérément ou y soit parvenu en comparant une configuration par défaut à un réglage minimal, l’arithmétique aboutit à ce résultat.

La conséquence pratique est ce qui compte pour quiconque lit un fil de lancement plutôt qu’un tableau de scores : à effort de raisonnement égal, Qwen4-Max est environ un cran derrière GPT-6.1 Sol et deux crans derrière Claude Opus 5.5. C’est un début véritablement compétitif. Ce n’est pas une avance, et c’est très loin du cadrage « surpasse ».

A generated two-column scoreboard titled 'Qwen4-Max vs Claude Opus 5.5 — the scoreboard'. The Qwen4-Max column reads 'Index at Max effort: 43', 'Lowest published effort: 43, single score', 'Blended price: $0.80 per million', 'Cost per index task: $3.27', 'Time per task: not published', 'Context window: 984k'. The Claude Opus 5.5 column reads 'Index at Max effort: 59', 'Lowest published effort: 35 at Low', 'Blended price: $2.94 per million', 'Cost per index task: $10.04', 'Time per task: 24.9 minutes', 'Context window: 1M'. A footer reads 'Index, per-task cost and time per task per Artificial Analysis v5.0.1, read 16 November 2026; prices per vendor cards.'

Le coût par tâche sépare deux affirmations d’une seule.

La capacité ne représente que la moitié de ce que les commentaires du lancement affirmaient, et côté prix, le tableau est plus favorable à Qwen4-Max — pour deux des trois modèles, et pas le troisième.

• Prix affiché — Qwen4-Max coûte 1,50 $ par million de tokens d’entrée et 4,50 $ par million de tokens de sortie, avec une remise de 95 % sur le cache et un tarif mixte de 0,80 $ par million. Ce tarif mixte est le plus bas des cinq modèles présentés ici : GPT-6.1 Sol est à 1,47 $, Claude Opus 5.5 à 2,94 $, Claude Fable 5.2 à 5,74 $ et GPT-6 Astra à 7,70 $.

• Coût par tâche terminée — Claude Fable 5.2 26,54 $, Claude Opus 5.5 10,04 $, GPT-6 Astra 6,24 $, Qwen4-Max 3,27 $, GPT-6.1 Sol 1,27 $. Tous au réglage Max de chaque modèle.

• L’inversion — Qwen4-Max affiche le tarif mixte le plus bas du tableau et la troisième tâche la moins chère. Par tâche, il bat Claude Opus 5.5 d’un facteur trois et GPT-6 Astra d’environ deux, et perd face à GPT-6.1 Sol d’un facteur 2,6.

The mechanism is verbosity, and the tracker measures it directly: Qwen4-Max generated 127 million output tokens completing the index, against a field median of 78.6 million, and is classed as very verbose. A model that writes 60% more than the median spends its rate advantage doing so. A​libaba's own 24-to-35% token-reduction figures are real improvements against Qwen3.8-Max and say nothing about how verbose the model is in absolute terms, which is the number that reaches an invoice.

Ainsi, la moitié « coût » de l’affirmation se scinde nettement. « Moins cher à exploiter qu’Opus 5.5 et Astra » est vrai par tâche, et de loin, et c’est l’élément le plus solide de cet article en faveur de Qwen4-Max. « Moins cher que GPT-6.1 Sol » est faux par tâche d’un facteur 2,6, même si le tarif mixte de Qwen4-Max est inférieur de 46 %. Quiconque a établi son budget à partir de la grille tarifaire et a obtenu l’inverse sur la facture a constaté le même écart.

Le chiffre que le tracker ne possède pas

Une colonne de la page Qwen4-Max est vide d’une manière qui mérite d’être signalée. Artificial Analysis indique le temps par tâche pour chaque modèle qu’il répertorie ici — Claude Opus 5.5 à 24,9 minutes sur Max, GPT-6 Astra à 20,9, GPT-6.1 Sol à 22,9, Claude Fable 5.2 à 41,8 — et indique N/A pour Qwen4-Max, avec le graphique des temps annoté « Aucune API accessible au public ».

Read that annotation carefully before drawing a conclusion from it, because it is not a statement that the model cannot be called. A​libaba publishes per-token prices for Qwen4-Max and its launch post says API prices were lowered relative to Qwen3.8-Max, and the tracker itself lists A​libaba Cloud as the model's provider and quotes a $3.27 per-task cost. A model with a rate card, a provider and a measured per-task cost has an API. The more likely reading is that the timing measurement was not obtainable through whatever path the tracker used, and the page does not say which. The tracker's own FAQ, on the same page, says the model "is available via API through 1 provider", which does not square with the chart annotation either.

Ce qui subsiste de l’ambiguïté est plus étroit, et toujours utile : il n’existe pas de chiffre de latence indépendant pour Qwen4-Max le jour de son lancement, alors que chaque modèle auquel on le compare en a un. Si votre charge de travail est sensible à la latence, vous faites votre choix sur un chiffre que personne n’a encore publié, et la position honnête consiste à le mesurer vous-même avant d’engager un chemin de production sur cette base.

A headless-browser screenshot of the Artificial Analysis model page for Qwen4 Max, captured 16 November 2026 in English, showing the Alibaba proprietary-model header with 'Released November 2026', the rank badges Intelligence #38/81, Performance Cost #44/80 and Verbosity #65/80, the price block reading In $1.50, Out $4.50 and Cache 95%, the $3.27 per intelligence index task figure, the 127M output-token count, the summary prose noting a score of 43 against a median of 41, and a technical specification block reading Reasoning Yes, Input modality Text+Image, Output modality Text and Context window 984k.

Ce qui tient la route dans les promesses de lancement

Trois des affirmations factuelles en circulation se vérifient et méritent d’être énoncées clairement, car une vérification des faits qui ne fait que retrancher n’est pas une vérification des faits :

• La fenêtre de contexte — annoncée à un million de tokens, mesurée par le tracker à 984 000. C’est un véritable modèle à un million de tokens, pas un 200K arrondi.

• Vision native — le tracker enregistre les entrées texte et image avec une sortie texte, ce qui correspond à la description de « vision native » du fournisseur plutôt qu'à un encodeur supplémentaire greffé sur un modèle de texte.

• La baisse de prix — {{1}}1,50 ${{/1}} et {{2}}4,50 ${{/2}} par million, contre la grille tarifaire plus élevée de Qwen3.8-Max, et le tarif mixte le plus bas parmi les cinq modèles comparés ici. L’orientation du récit tarifaire ne fait pas débat.

Ce qui ne tient pas, c’est le classement, et le classement est la partie qui a été répétée le plus souvent.

Que faire avec cela le jour du lancement

Avec un modèle de ce type, le bon réflexe n’est pas de choisir un camp dans le débat, mais de maintenir l’option à faible coût. Qwen4-Max est une architecture de première génération à un prix unitaire vraiment bas, avec un score indépendant dans la moyenne du secteur et sans chiffre de latence — un profil qui récompense un essai et pénalise une migration.

That is what routing is for. Claude Opus 5.5, GPT-6 Astra, GPT-6.1 Sol and Claude Fable 5.2 are all routed on OrcaRouter at each vendor's list price with 0% markup, so a vendor rate change is live on the same day and the per-task arithmetic above stays current without a second contract or an SDK change. Qwen4-Max is not routed on OrcaRouter — it is reachable through A​libaba's own Model Studio API and several third-party platforms, and this article will not pretend otherwise. What routing buys you in that situation is the comparison: the four models it was measured against sit behind one key across 200-plus models, so benchmarking Qwen4-Max against them is a configuration change on one side of the fence rather than procurement on both.

Et si Qwen4-Max gagne effectivement sa place, le basculement automatique est ce qui permet de placer sans risque un modèle non mesuré dans un chemin de production — la requête bascule vers un modèle dont vous connaissez bien la latence, au lieu d’échouer lorsque le nouveau est lent ou indisponible, comme le laisse supposer l’absence de mesure de latence.

A headless-browser screenshot of the OrcaRouter model page for anthropic/claude-opus-5.5, captured 16 November 2026 in English, showing the FLAGSHIP and ZDR badges, the Claude Opus 5.5 heading with its identifier, the Anthropic attribution and 'Public benchmarks by Anthropic · 2026-09-22' line, Vision, Tools, JSON and Reasoning capability badges, a p50 time to first token of 7.98 s, a zero-data-retention availability note, the description placing it as Anthropic's flagship for reasoning, coding and long-horizon agentic work with a 1M-token context, the /v1/chat/completions and /v1/messages endpoints, and the price block reading $4.00 input and $20.00 output per million tokens.

Au lancement, la présentation donnait à penser qu’un modèle chinois bon marché avait dépassé deux fleurons américains. Ce que le banc d’essai montre en réalité, c’est un modèle au prix bien positionné, à un cran derrière le moins cher d’entre eux et à deux crans derrière le meilleur, avec une véritable capacité de vision, une véritable fenêtre d’un million de jetons et aucune vitesse publiée. C’est un meilleur produit que ce que l’affirmation laissait entendre, et un moins bon classement, et la différence entre ces deux choses est exactement la distance entre un fil de discussion et un tableau des scores.

Comparés dans cet article2

Détecté à partir de cet article · Benchmarks : Artificial Analysis · mis à jour quotidiennement