
Qwen4-Max sort de l’aperçu : la carte tarifaire à l’usage, et le budget de sortie qui a été réduit
- GoogleNOUVEAUGoogle: Gemini 4 Carbon2026-11-10$2.00 / $10.00 par million de tokens · 90 tok/s
- AnthropicNOUVEAUAnthropic: Claude Fable 5.22026-11-09$8.00 / $40.00 par million de tokens · 97 tok/s
- orcaNOUVEAUOrca: OrcaC2 1.02026-11-0717 tok/s
- OrcaNOUVEAUOrcaCyber: GLM 5.3 Abliterated / Uncensored2026-11-04$3.00 / $5.00 par million de tokens · 87 tok/s
- OrcaNOUVEAUOrcaCyber: Hy4 Abliterated / Uncensored2026-11-04$0.80 / $1.60 par million de tokens · 133 tok/s
- OrcaNOUVEAUOrcaCyber: Kimi K3.1 Pro Abliterated / Uncensored2026-11-04$4.00 / $20.00 par million de tokens · 72 tok/s
- OrcaOrcaCyber: MiniMax M3.1 Flash Abliterated / Uncensored2026-10-29$0.80 / $1.60 par million de tokens · 130 tok/s
- OrcaOrcaCyber: GLM 5.3 Flash Abliterated / Uncensored2026-10-27$0.80 / $1.60 par million de tokens · 65 tok/s
- OrcaOrcaCyber: Qwen3.8 Flash Next Abliterated / Uncensored2026-10-26$0.80 / $1.60 par million de tokens · 92 tok/s
- OrcaOrcaCyber: MiMo V2.6 Flash Abliterated / Uncensored2026-10-26$0.80 / $1.60 par million de tokens · 43 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 · 193 tok/s
- minimaxMiniMax: M3.1 Flash2026-10-1929Intelligence
- OrcaOrca: OrcaCyber Ultra 1.02026-10-17$5.00 / $10.00 par million de tokens · 150 tok/s
- deepseekDeepSeek: DeepSeek V4.1 Flash 10172026-10-1733Intelligence
- DeepSeekDeepSeek: DeepSeek V4.1 Flash2026-10-1740Intelligence
- OrcaOrca: OrcaCyber Zero 1.52026-10-10$3.00 / $7.50 par million de tokens · 119 tok/s
- openaiOpenAI: GPT-6.1 Sol2026-09-2955Intelligence
- anthropicAnthropic: Claude Sonnet 5.52026-09-2855Intelligence
- typesafeTypeSafe: Jev 1.132026-09-24$0.04 / $0.00 par million de tokens · 219 tok/s
Qwen4-Max est passé d’un aperçu sur forfait de jetons à un modèle facturé à l’usage le 16 novembre 2026, et le chiffre à lire en premier n’est pas un résultat de benchmark : c’est 1,50 $ en entrée et 4,50 $ en sortie par million de jetons à Singapour, contre 2,00 $ et 6,00 $ pour Qwen3.8-Max. C’est une réduction nette de 25 % des deux côtés du compteur. Mais la même bascule qui a publié une grille tarifaire réelle a aussi réduit le budget partagé de réflexion et de réponse de 393 216 jetons sur l’aperçu à 262 144 lors de la disponibilité générale, fait passer le modèle d’un forfait de crédits à une facturation par jeton dans six régions, et laissé l’inférence par lots disponible dans exactement une seule d’entre elles. Si vous utilisiez l’aperçu et considériez le 16 novembre comme une formalité, ce sont les écarts de spécifications qui feront mal, pas la remise.
Ce que la bascule du 16 novembre a réellement changé
La préversion était une bonne affaire, mais une offre étroite : crédits Token Plan uniquement, Singapour uniquement, et un retrait documenté à 24 h 00 le 25 novembre 2026 (UTC+8). La disponibilité générale remplace ces trois contraintes et en ajoute deux que personne n’a demandées. L’identifiant du modèle est désormais simplement qwen4-max ; les chaînes de préversion qwen4-max-preview et qwen4.0-max-preview sont celles qui ont une date d’expiration, donc une configuration qui pointe encore vers l’une ou l’autre est sur un compte à rebours qui se termine dans neuf jours.
• Facturation — comptage par token dans six régions, contre des crédits Token Plan dans une seule. Le quota gratuit d’un million de tokens sur la carte Singapour est valable 90 jours à compter de l’activation, de la sortie du modèle ou de l’approbation, selon la date la plus tardive.
• Régions — Pékin (Chine continentale), Singapour (international), ainsi que Francfort, la Virginie aux États-Unis, Tokyo et Hong Kong, tous dans le périmètre Global. L'aperçu ne couvrait que Singapour.
• Budget de sortie partagé — 262 144 tokens combinant la réflexion et la réponse finale en GA, contre 393 216 sur la carte de prévisualisation. Un tiers de la marge disponible a disparu, et c’est précisément la partie que les longues exécutions d’agents consomment le plus vite qui a disparu.
• Sortie sans réflexion — plafonnée à 131 072 tokens, avec un plafond d’entrée de 991 808 tokens. En mode réflexion, le plafond d’entrée tombe à 983 616, car le raisonnement et la réponse proviennent du même quota de 262 144 tokens.
• Inférence par lots — prise en charge à Pékin uniquement, et non prise en charge dans les cinq autres régions. La version d'aperçu n'offrait aucun mode de traitement par lots ; il s'agit donc d'une nouvelle capacité et non d'une régression, mais elle reste régionale d'une manière que le marketing ne met pas en avant.
• Surface protocolaire — OpenAI Chat Completions, OpenAI Responses, Anthropic Messages et DashScope, toutes les quatre, avec sortie structurée, appel d’outils en parallèle, complétion de préfixe, recherche web, ainsi que mise en cache explicite et implicite. L’entrée accepte du texte, des images et des vidéos ; la sortie est uniquement du texte.
La grille tarifaire, présentée à la manière dont la facture arrive
Alibaba publie deux fiches différentes pour le même modèle, et la différence n’est pas assez négligeable pour être ignorée lorsque vous choisissez un périmètre de déploiement.
• Singapour, entrée et sortie — 1,50 $ / 4,50 $ par million de tokens, tarif uniforme sur toute la fenêtre de 1 000 000 de tokens, sans paliers à 32K ni à 128K.
• Partout ailleurs, entrée et sortie — 1,413 $ / 4,24 $ par million de tokens, au même tarif sur la même période. Même modèle, mêmes limites, 5,8 % moins cher que Singapour par token.
• Écritures de cache, Singapour — 1,875 $ par million pour une écriture de 5 minutes, 3,00 $ pour une écriture d'une heure. Ailleurs : 1,767 $ et 2,827 $.
• Lectures de cache, Singapour — 0,075 $ par million. Ailleurs : 0,071 $. Soit 5 % du tarif d'entrée à Singapour, et c'est le levier le plus important pour une charge de travail d'agent à contexte long.
• Batch, Pékin uniquement — Batch File à 0,707 $ / 2,12 $ par million, Batch Chat à 1,413 $ / 4,24 $. Seul Batch File bénéficie de la remise batch de 50 % ; Batch Chat est indiqué au tarif temps réel, donc « batch » dans le nom du point de terminaison ne constitue pas une garantie de prix.
Par rapport à Qwen3.8-Max, même page — 2,00 $ / 6,00 $ à Singapour, 1,65 $ / 4,951 $ dans les régions Global. Qwen4-Max est 25 % moins cher à Singapour et 14,4 % moins cher ailleurs, car la carte hors Singapour de l’ancien modèle est elle-même remisée.
Le chiffre de 14,4 % est celui qui compte si vous opérez déjà à Francfort ou en Virginie : la baisse d’une génération à l’autre y est plus faible que ne le laisse entendre l’annonce de Singapour, et l’affirmation du fournisseur d’une réduction de 62 % du coût moyen par tâche porte beaucoup plus que ne le montre à lui seul la grille tarifaire par token.

Un exemple concret, pour que la ligne de cache cesse d'être abstraite
Prenez un préfixe de document de 400 000 jetons examiné en trois passes, avec 8 000 jetons de sortie par passe, en mode non-thinking, aux tarifs de Singapour. Il s’agit d’un calcul arithmétique sur les prix catalogue publiés, et non d’une exécution mesurée.
• Première passe — le préfixe est écrit dans le cache à 1,875 $ par million, soit 0,75 $, plus 8 000 jetons de sortie à 4,50 $ par million, soit 0,036 $. Total : 0,786 $.
• Deuxième et troisième passes — le préfixe est lu à 0,075 $ par million, soit 0,03 $ par passe, plus les mêmes 0,036 $ de sortie. 0,066 $ chacune.
• Trois passes avec mise en cache — 0,918 $. Les mêmes trois passes en payant l'entrée plein tarif à chaque fois — 1,908 $. Le préfixe est lu deux fois pour moins que le prix d'une seule nouvelle passe.
• Une quatrième passe — le cache l’emporte avec une marge d’autant plus large à chaque relecture, ce qui correspond exactement à la forme d’une longue exécution d’agent qui garde un prompt système, un schéma d’outils et un ensemble de documents fixes devant une question qui évolue.
Le seuil de rentabilité est presque immédiat : la surcharge d’écriture dans le cache par rapport au tarif d’entrée normal est de 0,375 $ par million à Singapour, donc un préfixe mis en cache est amorti dès la première relecture. Là où cela cesse de fonctionner, c’est avec un préfixe qui change à chaque tour : vous payez le surcoût d’écriture sans jamais le récupérer, et la fenêtre d’écriture par défaut de 5 minutes est suffisamment courte pour qu’un appel d’outil lent puisse la faire expirer.
Trois réglages par défaut qui décident de la facture avant même votre prompt
Qwen4-Max est livré avec le raisonnement activé et réglé sur élevé. C’est un paramètre par défaut raisonnable pour un modèle phare, et coûteux pour un classifieur.
• Effort est défini sur high par défaut — reasoning_effort accepte low, high et xhigh, et l’omettre vous donne high. thinking_budget est également défini sur 131 072 par défaut, et max_completion_tokens sur 262 144 en mode thinking. Une requête qui ne définit rien a réservé plus de budget de sortie que la plupart des tâches n’en utiliseront.
• Il n'existe pas de niveau medium — Chat Completions et DashScope mappent minimal sur low, medium sur high et max sur xhigh. Sur le chemin Anthropic Messages, le paramètre est output_config.effort et suit le même mappage. Demander medium coûte ce que coûte high.
• preserve_thinking est défini par défaut sur true — le raisonnement antérieur est reporté dans le contexte lors des appels multi-tours. Cela gonfle le côté entrée de chaque relance et augmente simultanément la probabilité que le préfixe corresponde encore au cache. Dans une longue boucle d’agent, les deux effets s’annulent en partie ; dans une courte conversation, ils ne s’annulent pas, et vous payez pour relire des pensées que vous n’utiliserez jamais.
• Les valeurs d’échantillonnage par défaut sont thinking 1,0 / 0,95 / 20 et non-thinking 0,7 / 0,8 / 20 pour temperature, top_p et top_k, avec presence_penalty à 1,5 en dehors du mode thinking. Définir explicitement temperature sans toucher à effort change la forme de la sortie mais pas la facture.
Ce que le fournisseur affirme avoir amélioré, et ce que personne n’a vérifié
Chaque chiffre de cette section provient d'Alibaba et n'a pas été reproduit en dehors du laboratoire. Au 16 novembre, il n'existe aucune entrée d'index indépendante pour Qwen4-Max ; considérez donc la comparaison comme une affirmation plutôt qu'une mesure.
• Work360 — 52,69 contre 47,74 pour Qwen3.8-Max, sur une taxonomie élaborée par le fournisseur : 26 domaines de niveau 1, 182 de niveau 2, 721 de niveau 3.
• Efficacité en tokens — environ 24 % de tokens en moins au niveau d’effort xhigh et 35 % au niveau high sur Work360 ; environ 48 % et 49 % sur Terminal-Bench 4.0. C’est l’affirmation qui se cumule avec la baisse de prix, et c’est celle à tester en premier sur vos propres traces, car les économies de tokens dépendent de la charge de travail.
• Coût moyen par tâche — de 4,43 $ à 1,67 $ sur Work360, soit une réduction de 62 %. Ce chiffre multiplie une baisse de prix par une affirmation d’économies de tokens ; aucun des deux facteurs n’est vérifié indépendamment.
• Qualité du modèle de base — de 5 % à 13 % de bits par octet en moins que Qwen3.8-Max-Base, tout en activant 25 % de paramètres en moins, mesuré en interne sur des tâches de connaissances, de code, de questions-réponses et de STEM. Le fournisseur note que deux des points de contrôle comparés sont post-entraînés, ce qui affaiblit le cadrage « modèle de base ».
• Codage sécurisé — Le taux de réussite au niveau des fonctions du dernier Secure Code Bench est passé de 22,0 % à 31,8 %, et la part de code sécurisé simultanément au niveau des fonctions, des fichiers et des dépôts est passée de 8 % à 14,7 %.
L'architecture qui sous-tend cette promesse d'efficacité repose sur une base de type mixture-of-experts parcimonieuse de 2,4 billions de paramètres, dont 71 milliards sont activés par token, auxquels s'ajoutent 328 milliards de paramètres d'embedding N-gram qui sont consultés plutôt que multipliés. Trois couches Gated DeltaNet compriment l'historique dans un état de taille fixe pour chaque couche Qwen Sparse Attention, laquelle sélectionne le contexte à une granularité de micro-blocs via un indexeur léger, et quatre branches résiduelles parallèles dotées de portes de lecture et d'écriture dynamiques stabilisent la pile profonde. C'est une explication plausible de la baisse du coût en contexte long. Cela reste une explication.

L'essayer sans déplacer un chemin de production dessus
Le point délicat de ce lancement, c’est que le modèle est véritablement nouveau, que les benchmarks ne sont pas audités et que la grille tarifaire est suffisamment attractive pour que quelqu’un veuille le mettre en production cette semaine. Ces trois faits plaident pour une stratégie de préproduction plutôt que pour une migration.
Qwen4-Max est accessible via l’API Model Studio d’Alibaba et plusieurs plateformes tierces ; il ne figure pas au catalogue OrcaRouter à la date du 16 novembre. Qwen3.8-Max y figure, à 2,00 $ en entrée et 6,00 $ en sortie par million de tokens à Singapour — le prix catalogue du fournisseur est répercuté avec 0 % de marge, donc l’écart de 25 % avec Qwen4-Max est un véritable écart et non une marge de routage. Cela rend le test honnête peu coûteux : gardez le modèle en place sur la clé dont vous disposez déjà, envoyez une fraction de trafic en mode miroir vers le nouveau modèle via le fournisseur, et comparez le coût par tâche terminée plutôt que le coût par token. La présentation du fournisseur lui-même — de 4,43 $ à 1,67 $ — est un chiffre de coût par tâche, et le coût par tâche est la seule comparaison où une affirmation d’efficacité en tokens et une baisse de prix se rejoignent sur le même axe.
Pour les équipes qui passent déjà par OrcaRouter, le coût de bascule qui bloque habituellement ce type d’évaluation, c’est le deuxième contrat et le deuxième SDK. Une seule API pour plus de 200 modèles, un basculement automatique entre fournisseurs et un DSL de routage qui compose plusieurs modèles en un seul appel : l’état mixte — la solution en place gérant le volume, le candidat gérant une fraction — relève d’un changement de configuration plutôt que d’une intégration. Pour un modèle non éprouvé, c’est la différence entre une preuve en deux semaines et une preuve en deux jours, et le basculement automatique est ce qui empêche la preuve de se transformer en panne lorsque le candidat connaît un après-midi difficile.

Que faire avant le 25 novembre
Si vous utilisez l’aperçu, la date limite n’est pas flexible : qwen4-max-preview est documenté comme devant être retiré à 24:00 le 25 novembre 2026 UTC+8, et l’identifiant GA est qwen4-max, avec des limites différentes. Migrez la chaîne, puis revérifiez deux choses qui ne lèveront pas d’erreur si elles sont erronées — tout code qui supposait un budget partagé de 393 216 tokens dispose désormais de 262 144, et toute tâche qui reposait sur les crédits du Token Plan est désormais mesurée par token.
Si vous hésitez à adopter, les arguments en faveur d’attendre sont plus minces qu’il y a une semaine, car la grille tarifaire à l’usage et les tarifs du cache sont désormais publiés, et le prix est réellement inférieur à celui de la génération précédente dans toutes les régions. Les raisons de prudence sont le budget de sortie partagé, la voie de traitement par lots réservée à Pékin et une suite de benchmarks écrite par le fournisseur. Exécutez la tranche fantôme, évaluez son coût par tâche terminée et laissez les deux prochaines semaines de vos propres traces décider — cette preuve vaudra plus qu’un 52.69 sur une taxonomie que aucun d’entre nous ne peut auditer.
Une chose de plus s'annonce, qui vient une nouvelle fois rebattre les cartes : Alibaba annonce que les modèles Qwen4 plus petits seront publiés en open source sur la même lignée, ce qui signifie historiquement que le plancher de prix de ce segment évolue en l'espace d'un trimestre. Tout engagement que vous prenez aux tarifs actuels doit être un engagement dont vous pouvez vous dégager.
