
Qwen4-Max a été référencé ailleurs en une journée. Le budget de réflexion est la partie qui ne sera pas transposable.
- 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 1.02026-11-0711 tok/s
- OrcaNOUVEAUOrcaCyber: GLM 5.3 Abliterated / Uncensored2026-11-04$3.00 / $5.00 par million de tokens · 88 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 · 86 tok/s
- OrcaOrcaCyber: MiniMax M3.1 Flash Abliterated / Uncensored2026-10-29$0.80 / $1.60 par million de tokens · 125 tok/s
- OrcaOrcaCyber: GLM 5.3 Flash Abliterated / Uncensored2026-10-27$0.80 / $1.60 par million de tokens · 67 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 · 44 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 · 134 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 · 126 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 · 185 tok/s
Qwen4-Max est devenu généralement disponible le 16 novembre 2026, et en quelques heures, une seconde plateforme le proposait déjà dès le premier jour — contexte de 1 M de tokens, entrée native texte, image et vidéo, positionné pour le codage, le travail de bureau et les exécutions d’agents sur longue durée. C’est la forme habituelle d’un lancement de modèle fermé en 2026 : Alibaba ne publie aucun checkpoint pour Qwen4-Max, de sorte que quiconque se trouve hors de ses six régions de déploiement ne peut accéder au modèle qu’via une plateforme qui le loue à Alibaba. Ce qui n’est pas habituel, ou du moins dont on ne parle pas, c’est la part du manuel d’utilisation du modèle qui se perd dans ce relais. La grille tarifaire passe sans encombre. Le chiffre de contexte mis en avant passe sans encombre. L’arithmétique qui détermine si votre requête tient ou renvoie une troncature ne passe pas du tout.
Ce qu'un listing au jour zéro vous dit réellement
Deux choses, dont aucune ne porte sur les benchmarks. Premièrement, le fait que le modèle soit vendu pour la recherche et le travail d’agents plutôt que pour le chat : la communication de lancement met en avant des exécutions d’agents sur long horizon et cite la vidéo comme modalité d’entrée, ce qui décrit la charge de travail à laquelle la plateforme entend le destiner, et non une reprise du titre phare d’Alibaba. Deuxièmement, le fait que Qwen4-Max soit louable mais non portable : il n’existe pas de téléchargement, donc chaque point de terminaison qui le sert sert le déploiement d’Alibaba, et chaque page tierce qui le décrit est un résumé de la documentation d’Alibaba. C’est dans les résumés de tableaux de spécifications que naissent les bugs d’intégration.
La grille tarifaire est la partie facile, et il vaut la peine de l’énoncer une fois. À Singapour, Alibaba affiche Qwen4-Max à $1.50 par million de jetons d’entrée et $4.50 par million de jetons de sortie, avec l’entrée mise en cache à $0.075 et les écritures de cache à $1.875 pour la fenêtre de cinq minutes ou $3.00 pour l’heure. Les périmètres de déploiement Global — Pékin, Hong Kong, Francfort, Japon et Virginie (États-Unis) — sont légèrement moins chers, à $1.413 en entrée, $4.24 en sortie et $0.071 pour une lecture de cache. Il s’agit d’un seul palier tarifaire jusqu’à la limite de contexte : pas de surcoût pour contexte long, pas de remise par lots à chercher, car l’inférence par lots n’est pas du tout proposée sur ce modèle.

Trois nombres qui ne voyagent pas avec le modèle
« 1M context » est le chiffre indiqué sur chaque fiche. La page du modèle d'Alibaba, mise à jour le jour du lancement, est plus précise, et c'est dans l'écart entre le chiffre marketing et les chiffres opérationnels que les intégrations se cassent :
• Longueur du contexte — 1 000 000 de jetons, un plafond pour l'ensemble de la requête plutôt qu'un budget que vous pouvez consacrer à la sortie
• Entrée maximale, sans réflexion — 991 808 jetons, car 8 192 de la fenêtre sont réservés pour la réponse
• Entrée maximale, réflexion — 983 616 jetons, 8 192 supplémentaires réservés au bloc de raisonnement
• Sortie maximale, sans réflexion — 131 072 tokens
• Pensée et réponse combinées, mode réflexion — 262 144 tokens, partagés entre la trace de raisonnement et la réponse visible
• Budget de réflexion par défaut — 131 072 jetons, avec reasoning_effort défini par défaut sur high lorsque aucun des deux paramètres n’est défini
La cinquième ligne est celle qui pose problème. Une équipe qui dimensionne une tâche en fonction d’un plafond de sortie documenté de 262,144 tokens, puis l’exécute en mode réflexion, verra la réponse visible s’arrêter à une longueur qui n’a rien à voir avec ce qu’il restait au modèle à dire, parce que la trace de raisonnement a puisé dans le même réservoir. La valeur de 131,072 est le nombre de sortie sûr. La valeur de 262,144 est un budget partagé, et la différence entre ces deux lectures est la différence entre un pipeline qui fonctionne et un incident hebdomadaire.
Une maigre consolation : cela explique aussi un écart que vous verrez dans les fiches techniques de tiers, qui annoncent une fenêtre de contexte de 984k. Il ne s'agit pas d'un modèle différent ni d'une régression. C'est le plafond d'entrée du mode réflexion, 983,616 arrondi, et c'est le chiffre honnête sur lequel se baser pour dimensionner si vous appelez le modèle avec le raisonnement activé — ce qui est le comportement par défaut.
C'est dans le remappage de l'effort qu'un client de type OpenAI perd un niveau.
Qwen4-Max expose trois niveaux de raisonnement, et non cinq : low, high et xhigh, avec high par défaut. Appelez-le via un client compatible OpenAI : une chaîne d'effort hors plage est ramenée plutôt que rejetée — la table d'Alibaba associe minimal à low, medium à high et max à xhigh. Via le format Anthropic Messages, medium devient high et max devient xhigh.
Les deux mappages sont défendables et tous deux restent silencieux. Un pipeline calibré sur un modèle à cinq niveaux qui demande « medium » ici reçoit un raisonnement à effort élevé : plus de jetons, plus de latence, plus de dépenses, et aucune erreur pour vous signaler que c’est arrivé. Un pipeline qui demande « max » en s’attendant au sommet d’une échelle à cinq échelons obtient « xhigh », qui se trouve être le sommet de celle-ci — la sortie paraît donc correcte et seule la facture vous contredit. Le correctif tient en une ligne par route : épinglez le niveau que vous avez réellement mesuré, dans le vocabulaire du fournisseur, et vérifiez-le par une assertion en staging. Tout ce qui transmet directement une chaîne d’effort non mappée à un modèle doté d’une échelle plus courte dérivera, et dérivera dans le sens d’une augmentation des dépenses.

Ce que disent les chiffres du lancement, et ce qu’ils ne disent pas
L'évaluation de lancement d'Alibaba, rapportée par le fournisseur et non reproduite indépendamment, place Qwen4-Max à 52,69 sur son benchmark Work360, contre 47,74 pour Qwen3.8-Max, avec un coût moyen par tâche qui passe de 4,43 $ à 1,67 $ et une utilisation de tokens de sortie en baisse de 24 % au réglage d'effort xhigh et de 35 % au réglage high. Sur Terminal-Bench 4.0, le fournisseur rapporte 48 % et 49 % de tokens de sortie en moins aux deux mêmes réglages, et les taux de réussite au niveau des fonctions sur son benchmark de codage sécurisé passent de 22,0 % à 31,8 %. Tel est l'argument du fournisseur en faveur de l'architecture : un mixture-of-experts clairsemé de 2,4 billions de paramètres activant 71 milliards de paramètres par token, plus 328 milliards de paramètres d'embedding N-gram, avec trois couches Gated DeltaNet par couche d'attention clairsemée.
La seule évaluation externe disponible le 17 novembre est celle d’Artificial Analysis, qui attribue à Qwen4-Max un score de 43 sur Intelligence Index v5.0.1 et le classe 38e sur 81 modèles de cet indice. Elle mesure aussi 3,27 $ de calcul par tâche de l’indice, soutenus par 127 millions de tokens de sortie sur l’exécution contre une médiane de 78,6 millions, et elle ne consigne aucune mesure de vitesse pour le modèle — ni temps par tâche, ni débit de sortie. Un 43, face à l’affirmation d’un fournisseur qui dit dépasser la frontière, voilà la tension autour de laquelle portera la couverture du mois prochain. C’est aussi le seul chiffre de cet article qu’Alibaba n’a pas produit.

Si vous comptiez l'appeler cette semaine
OrcaRouter ne route pas Qwen4-Max, et il vaut la peine de le dire clairement plutôt que de laisser entendre le contraire. Le catalogue contient Qwen3.8-Max — le modèle que Qwen4-Max remplace — à 2,00 $ en entrée et 6,00 $ en sortie par million avec le prix catalogue du fournisseur répercuté sans marge (0 % de majoration), aux côtés de Claude Opus 5.5, GPT-6.1 Sol, Grok 4.5 et Tencent HY4 Preview. Il ne propose pas encore la génération Qwen4.
L'arrangement honnête pour une équipe qui évalue Qwen4-Max aujourd'hui consiste donc en une clé Alibaba directe pour le nouveau modèle, plus une couche de routage pour tout ce vers quoi vous seriez amené à vous replier. C'est moins gênant que ça n'en a l'air, car ce qui rend un nouveau modèle coûteux à adopter n'est pas le prix des tokens — c'est que l'essayer implique un second contrat, un second SDK et un second jeu de sémantiques de nouvelle tentative qui viennent s'installer sur un chemin de production. Garder le fournisseur en place derrière un seul point de terminaison avec un basculement automatique entre fournisseurs permet à l'expérience Qwen4-Max de tourner à côté d'un chemin qui fonctionne déjà, et permet que la comparaison se fasse sur votre propre trafic plutôt que sur le benchmark d'Alibaba. Quand le modèle finira par arriver au catalogue, le prix que vous verrez sera celui du fournisseur lui-même, mis à jour le jour même où il change, car c'est ce que signifie le pass-through : la carte Global à 1,413 $ et 4,24 $ apparaîtrait à 1,413 $ et 4,24 $, et non avec la marge d'un revendeur.
Quoi regarder
Le billet d'annonce d'Alibaba se termine par une phrase qui compte plus que n'importe quel benchmark qu'il contient : Max n'est qu'un premier aperçu de Qwen4, et des modèles plus petits de la famille vont arriver en open source. C'est une promesse concernant l'échelon inférieur, pas celui-ci, et cela ne change rien au fait que Qwen4-Max est lui-même un modèle que l'on loue auprès d'un seul fournisseur et de plateformes qui le louent au même fournisseur. Sur ce marché, la documentation est l'élément de différenciation du produit, et la documentation indique 983 616 en entrée et 131 072 en sortie — pas un million de quoi que ce soit.
Deux dates ont leur place dans un calendrier. La mise hors service, le 25 novembre, des identifiants de préversion, pour quiconque dont la configuration indique encore qwen4-max-preview. Et tout ce qu’Alibaba publiera ensuite au sujet du budget de raisonnement, car une réserve partagée de 262 144 jetons sur un modèle commercialisé comme 1M-context est le nombre le plus susceptible d’être révisé dès que de vraies charges de travail d’agents s’y heurteront.
