
Qwen4-Max crée des jeux jouables dans Unreal, Unity et Godot : trois démos et le banc d’essai derrière elles
- 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
La ligne la plus intéressante du post de lancement d'Alibaba pour Qwen4-Max n'est pas un score de benchmark. C'est une liste de moteurs de jeu. Qwen4-Max, publié le 16 novembre 2026, est documenté par sa propre équipe comme fonctionnant « couramment » avec Unity, Unreal Engine et Godot, et le post inclut trois vidéos de jeux que le modèle aurait créés de bout en bout : un jeu de défense par vagues avec un mage-chat dans Unreal Engine, une aventure de vol à l'épée dans Unreal Engine, et un jeu de course sur le lac de l'Ouest dans Unity 6, livré sous la forme d'une compilation Android installable.
C’est un type d’affirmation différent de « obtient 48,5 % sur Terminal-Bench 4.0 ». Un chiffre de benchmark est une mesure que quelqu’un peut refaire. Une démo de jeu est un livrable, et le livrable est la preuve : si le build s’installe et se joue, le modèle a fait quelque chose de réel, et sinon, aucune prose ne le rattrape. La partie délicate, c’est que les trois builds ne sont pas devant vous. Ce qui est devant vous, c’est environ deux minutes de vidéo montée, donc le travail honnête ici consiste à séparer ce que le fournisseur a montré de ce qu’un lecteur peut vérifier, puis à examiner le mécanisme — car cette partie est documentée, et c’est elle qui décidera si cela se généralise au-delà de trois niveaux de démonstration.

Trois démos, trois moteurs, une boucle partagée
Les trois démos sont nommées et chronométrées dans l'annonce, ce que la plupart des articles de lancement ne proposent pas. « Meow of Magic » dure 52 secondes : une aventure de chat-mage sous Unreal Engine avec lancement de sorts, choix d'améliorations et vagues d'ennemis et de boss. « Yun Guan Xing » dure 39 secondes : une séquence de vol fantastique sur une épée à travers les nuages et des anneaux, se terminant sur un boss. « Flying Racer » dure 20 secondes : un jeu de course mobile Unity 6 autour de West Lake, avec dérapages, boosts au nitro et ailes déployables, livré comme un jeu Android installable plutôt qu'un prototype uniquement vidéo.
Ce sont trois API de moteur différentes et trois cibles de build différentes, et la description du workflow par le fournisseur est identique pour les trois. À partir d’un seul brief en langage naturel, Qwen4-Max gère la construction de scènes, la logique de gameplay, l’intégration d’assets externes, la configuration des matériaux, la conception du HUD et les effets visuels, puis exécute le jeu et utilise les retours visuels et d’interaction pour réviser le suivi de caméra, l’animation des personnages, le retour de coup, l’éclairage et le rythme. Relisez cette liste, car l’ordre est l’affirmation : on ne demande pas au modèle d’écrire un jeu en espérant que ça marche. On lui demande de produire une build, d’y jouer et de corriger ce qu’il voit.
Personne en dehors d’Alibaba n’a encore reproduit quoi que ce soit de tout cela, et il n’existe aucun dépôt public des trois projets à examiner. Ce qu’on peut dire sans faux-fuyant est plus limité, mais garde néanmoins de la valeur : le modèle est documenté comme fonctionnant au sein de trois moteurs réels plutôt que comme produisant une description de scène indépendante du moteur, et l’une des trois cibles est un paquet Android installable, une étape de compilation qui échoue bruyamment et souvent.

La partie réellement nouvelle est la boucle de rétroaction, pas le code.
Un modèle de pointe qui écrit un script Unity n’a rien de nouveau. Les modèles écrivent du code de moteur depuis deux ans, et le mode de défaillance est resté constant tout du long : le code compile, la scène se charge, et le résultat est injouable d’une manière que seul un humain remarque — une caméra qui traverse les murs, un coup qui ne produit aucune réaction visible, une trajectoire de saut qui donne l’impression de monter en ascenseur. La question intéressante concernant l’argument de Qwen4-Max en matière de développement de jeux n’est donc pas « peut-il écrire du C# ou du GDScript », mais « peut-il fermer cette boucle lui-même ».
L'annonce affirme que c'est le cas, et le mécanisme qu'elle décrit relève d'un banc d'essai plutôt que d'une capacité du modèle : l'agent lance la compilation, relit les retours visuels et d'interaction, puis itère sur la caméra, l'animation, le retour des impacts, l'éclairage et le rythme. Si cette boucle est réelle, la contrainte sur ce qu'il peut construire passe de la capacité de codage du modèle à la qualité du signal de retour qui lui est fourni — une image rendue et un journal d'entrées constituent une description bien plus pauvre de « ça ne va pas » qu'un testeur humain, et les démos sont toutes des scènes courtes et autonomes sur lesquelles une boucle de retour peut vraisemblablement converger en une seule session.
C’est le même argument que le fournisseur avance ailleurs dans l’article sous un autre titre, et les deux affirmations doivent être lues ensemble. Dans la section consacrée aux agents à long horizon, Alibaba décrit une approche appelée Live Delivery : l’agent produit tôt une première version utilisable, puis l’étend au fil de versions successives, en mettant à jour son plan à partir des résultats d’exécution et des exigences des utilisateurs, afin qu’une personne puisse intervenir à tout moment pour corriger la direction ou annuler une erreur avant la fin de l’ensemble du déroulement. Pour un jeu, cela signifie que le rythme des livrables est constitué de versions jouables plutôt que d’une seule archive finale. Pour tout autre cas présentant une longue trajectoire d’utilisation d’outils, cela signifie la même chose.
Blender, et le pipeline qui commence au-delà de la fenêtre de visualisation
La section consacrée à la modélisation 3D est la moitié la plus discrète de la même histoire. Qwen4-Max est documenté comme utilisant Blender pour la modélisation géométrique, l'assemblage de scènes, la configuration des matériaux, l'éclairage et le rendu, dans des contextes d'architecture, d'intérieurs, de paysages naturels et de scènes de science-fiction — un travail qui sollicite l'agencement spatial et la structure des objets plutôt que l'esthétique de l'image. Le discours du fournisseur est que ces ressources sont « réellement utilisées dans des jeux » et transformées en objets physiques via l'impression 3D, ce qui constitue une affirmation sur la compatibilité en aval : une ressource imprimable possède une géométrie cohérente, des maillages étanches et une échelle réelle, et une ressource qui s'intègre directement dans un moteur de jeu dispose de pivots et d'affectations de matériaux corrects.
Considérez cela comme une déclaration d’intention plutôt que comme un pipeline vérifié. Il n’existe aucun pack d’assets publié, aucun budget de polycount, aucun rapport de topologie, ni aucune indication sur ce qui se passe lorsqu’un maillage généré doit survivre à une passe de retopologie ou à un dépliage UV réalisé par un artiste humain. Ce que cette section établit, en revanche, c’est que le flux de travail se situe au niveau des fichiers et des outils : le modèle pilote une véritable application DCC et produit quelque chose qu’un moteur de jeu importe, plutôt que de générer une image d’un objet 3D. C’est cette distinction qui compte pour quiconque espère intégrer cela dans un pipeline d’art de production, et c’est aussi celle qui est la plus difficile à truquer dans une vidéo.
Live Delivery dispose d'un dépôt, ce qui en fait la partie vérifiable
Deux jours avant la disponibilité générale du modèle, Alibaba a publié en open source le harnais développé pour cela. Le plugin Qwen Live Delivery est sur GitHub sous Apache-2.0, a été créé le 14 novembre 2026 et a fait l'objet d'un dernier push la veille du lancement. Il expose quatre outils MCP — ld_begin, ld_publish, ld_status et ld_done — ainsi que des hooks de cycle de vie, et s'installe dans un espace de travail avec un script shell. Au lancement, il est uniquement compatible avec Codex CLI, fonctionne sous Linux et macOS et nécessite Node.js 22 ou une version ultérieure. Il existe une variable d'environnement à activer pour donner au sandbox un accès complet au système de fichiers, ainsi qu'un atelier dans le navigateur pour examiner les versions publiées.
Cet artefact est le plus utile de toute la version pour quiconque évalue l'affirmation sur le développement de jeux, car c'est la partie que l'on peut réellement exécuter. Un framework qui publie des versions successives d'une tâche de longue haleine a exactement la forme dont un agent de développement de jeux a besoin : chaque build jouable est un point de contrôle qu'un humain peut inspecter, et une mauvaise orientation en conception de niveau coûte une version plutôt qu'une exécution. Cela signifie aussi que la comparaison intéressante n'est pas « quel modèle écrit le meilleur code Unreal » mais « quel harnais de modèle permet de superviser le travail », ce qui est une question bien plus pratique et qui sera tranchée par l'usage, pas par la lecture d'un tableau de scores.
Ce que les chiffres indépendants peuvent et ne peuvent pas vous dire
Artificial Analysis classe Qwen4-Max avec un indice d’intelligence de 42,89 sur v5.0.1 à effort de raisonnement maximal, contre 33,65 pour Qwen3.8-Max sur la même version — soit un gain d’environ neuf points, ce qui constitue un véritable saut générationnel plutôt qu’un simple écart d’arrondi. Les sous-scores sont plus contrastés que le score principal : Terminal-Bench 4.0 à 48,5 % contre 38,9 %, FrontierCode-AA 2.0 à 26,5 % contre 23,4 %, Terminal-Bench-Science à 23,3 % contre 11,9 %, et HLE-Diamond à 44,9 %. Pour les tâches agentiques, la tendance se confirme — APEX-Agents 59,1 %, AutomationBench 72,6 % partiel, EnterpriseOps-Gym 48,5 %, AnalystAgent 46,3 %.
Rien de tout cela ne mesure le développement de jeux. Aucun classement public n’exécute un build Unreal, ne vérifie si une scène Unity se charge, ni n’évalue un projet Godot sur la sensation de saut. Les approximations les plus proches sont les benchmarks agentiques et de terminal, qui mesurent si un modèle peut maintenir une trajectoire multi-étapes d’utilisation d’outils sans perdre le fil — et ce sont les scores sur lesquels Qwen4-Max progresse le plus. La bonne lecture des données indépendantes est donc indirecte : elle rend l’histoire du harnais plausible sans confirmer une seule image des démos. Artificial Analysis ne relève par ailleurs aucun poids ouvert pour le modèle, ce qui correspond à la documentation du fournisseur qui marque le réglage fin et le déploiement de modèle comme non pris en charge.

La fiche technique, telle que publiée
La documentation d’Alibaba elle-même et l’article de lancement, pour les chiffres dont un acheteur a besoin avant de s’engager dans un projet :
• Backbone — 2 400 milliards de paramètres, dont 71 milliards activés par token, plus 328 milliards de paramètres d'embedding N-gram, dans une conception creuse de mélange d'experts avec attention hybride Gated DeltaNet et une couche d'embedding N-gram
• Contexte — 1 000 000 de tokens annoncés ; la documentation plafonne l’entrée maximale à 991 808 tokens en mode sans réflexion et à 983 616 en mode réflexion
• Sortie — 131 072 jetons maximum en mode sans réflexion ; en mode réflexion, la trace de raisonnement et la réponse partagent un total combiné de 262 144
• Modalité — entrée texte, image et vidéo, sortie texte ; aucune génération d’image ou de vidéo
• Prix — 1,50 $ en entrée et 4,50 $ en sortie par million de tokens à Singapour, 1,413 $ et 4,24 $ dans les autres régions, contre Qwen3.8-Max à 2,00 $ et 6,00 $
• Cache — 0,075 $ par million de jetons pour une lecture de cache à Singapour, soit une remise de 95 %, avec mise en cache explicite et implicite avec des TTL de cinq minutes et d’une heure
• Limites — l’inférence par lots, le fine-tuning et le déploiement de modèles sont tous indiqués comme non pris en charge ; il n’existe donc ni voie asynchrone économique ni accès aux poids
• Limites de débit — 30 000 requêtes et 5 000 000 de tokens par minute au niveau mondial, avec des plafonds régionaux de tokens par minute compris entre 5 et 20 millions
Le plafond de sortie est la ligne à relire deux fois. Une build jouable n’est pas une seule réponse ; ce sont des dizaines d’appels d’outils, chacun renvoyant des contenus de fichiers et des journaux de compilation, et chacun de ces tours est borné par le même contexte. Un travail sur un horizon long avec une fenêtre d’un million de tokens est exactement la charge de travail où un budget de sortie plus petit se transforme en davantage d’allers-retours.
Ce que coûte réellement une longue boucle de compilation
Les chiffres de coût du fournisseur lui-même sont exprimés par tâche plutôt que par token, ce qui est l’unité appropriée pour ce type de travail. Sur Work360, le benchmark interne d’Alibaba portant sur des tâches professionnelles dans 26 domaines de premier niveau, Qwen4-Max obtient 52,69 contre 47,74 pour Qwen3.8-Max, et le coût moyen par tâche passe de 4,43 $ à 1,67 $ — une réduction de 62 %, obtenue en partie grâce à des baisses de prix et en partie grâce à l’utilisation de moins de tokens : environ 24 % et 35 % de moins sur Work360 avec un effort de raisonnement très élevé et élevé, et 48 % et 49 % de moins sur Terminal-Bench 4.0. Ces chiffres sont déclarés par le fournisseur et n’ont pas été reproduits.
L’estimation indépendante est moins flatteuse et plus utile comme donnée d’entrée budgétaire. Artificial Analysis chiffre le coût d’exécution de son propre Intelligence Index à 3,27 $ par tâche pour Qwen4-Max, contre 10,02 $ pour Qwen3.8-Max sur le même banc d’essai — une réduction de 67 % qui va dans le même sens que la déclaration d’Alibaba tout en aboutissant à un nombre absolu différent, car les deux mesures exécutent des tâches différentes avec un effort de raisonnement différent. Si vous planifiez une boucle de développement de jeu, c’est 3,27 $ par tâche évaluée qu’il faut multiplier, et non 1,67 $, et le multiplicateur correspond au nombre de tours de votre cycle de construction et de jeu plutôt qu’au nombre de prompts que vous saisissez.
Il y a une note de coût supplémentaire qui compte plus que la grille tarifaire pour cette charge de travail. L’entrée mise en cache coûte 0,075 $ par million de tokens, et une boucle de build est la charge de travail idéale pour le cache : la même documentation du moteur, les mêmes fichiers de projet, le même journal d’erreurs, lus encore et encore. Une boucle qui relit vingt fois un contexte de projet de 200 000 tokens paie 0,30 $ en entrée mise en cache plutôt que 6,00 $ au tarif non mis en cache, ce qui fait la différence entre une expérience qu’on laisse tourner et une qu’on arrête après trois essais.
L'essayer sans miser un pipeline dessus
Qwen4-Max est disponible via l’API propre à Alibaba dans six régions et via un certain nombre de plateformes tierces ; il ne figure pas aujourd’hui au catalogue d’OrcaRouter, dont les 215 modèles incluent Qwen3.8-Max, Qwen3.7-Max et Qwen3-Max, mais pas la génération Qwen4. Concrètement, cela signifie que le premier mois d’évaluation se déroule sur le point de terminaison propre au fournisseur, avec une clé soumise à un plafond de dépenses, et qu’un harnais que vous développez contre un point de terminaison compatible OpenAI pourra être réutilisé sans modification du code si le modèle finit par apparaître.
Deux choses rendent cet essai moins coûteux. La première est le basculement : un modèle aussi récent, effectuant un travail d'aussi longue durée, rencontrera des limites de débit et des délais d'attente, et le basculement automatique vers un second point de terminaison transforme une boucle de build morte en une boucle plus lente. La seconde est la répercussion du prix — OrcaRouter facture au prix catalogue du fournisseur, sans marge, si bien que lorsqu'un fournisseur réduit un tarif, la réduction est effective chez nous le jour même plutôt qu'à la prochaine échéance contractuelle. Aucune de ces deux affirmations ne dépend de l'hébergement du modèle en question, et ni l'une ni l'autre ne justifie de prétendre le contraire.
Une forme pratique pour l’évaluation : donner au modèle une petite chose terminée — une seule scène jouable avec une mécanique, une caméra et une condition de victoire — et observer ce qu’il fait sur trois versions jouables consécutives plutôt qu’une seule. Ce qui est mis à l’épreuve n’est pas de savoir s’il peut produire un jeu. C’est de savoir si la deuxième et la troisième version sont meilleures que la première, car c’est la seule partie de la boucle qu’un benchmark ne peut pas mesurer et qu’une vidéo de démonstration ne peut pas montrer.
La question ouverte
Le positionnement d’Alibaba autour de Qwen4-Max est celui d’un modèle qui continuera de fonctionner sans que vous soyez là pour le surveiller, et les démos de développement de jeux sont la preuve la plus lisible de cette idée qu’Alibaba pouvait choisir : les jeux sont visuels, interactifs et échouent d’une manière que tout le monde peut voir. Trois courtes scènes dans trois moteurs constituent un solide argument d’ouverture et une faible démonstration de durabilité — les niveaux sont petits, les sessions durent quelques minutes et les critères d’acceptation ont été définis par l’équipe qui les a créés.
Ce qui permettrait de trancher est peu glamour. Un projet avec une base de code existante, une direction artistique qu’il n’a pas choisie, un bug physique qui n’apparaît que sur un appareil bas de gamme, et un relecteur humain qui rejette deux fois la build. Si la boucle survit à cela, la liste de moteurs cesse d’être un argument marketing et devient un flux de travail. D’ici là, la position honnête est que Qwen4-Max a livré la première démonstration crédible qu’un modèle de pointe peut piloter un moteur de jeu et rejouer son propre travail — et que le plugin Live Delivery, publié deux jours en avance sous Apache-2.0, est la partie de l’histoire que vous pouvez vérifier vous-même aujourd’hui.
