Une carte de titre intitulée « Qwen4-Max vs Claude Opus 5.5 : une échelle a été gravie », avec trois pastilles affichant 43 comme l’unique réglage mesuré pour Qwen4-Max, 59 à 35 sur cinq réglages pour Opus 5.5, et huit points comme écart entre Opus 5.5 à faible effort et Qwen4-Max, Opus 5.5 se situant en dessous, avec pour légende Artificial Analysis Intelligence Index v5.0.1 au 17 novembre 2026.
Guides & Insights

Qwen4-Max vs Claude Opus 5.5 : une seule de ces échelles a été gravie en public

Auteur

jinhao.song

Date de publication

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

Voici la comparaison que personne ne fait. Claude Opus 5.5, en disponibilité générale depuis le 22 septembre 2026, obtient 59 sur l'Artificial Analysis Intelligence Index v5.0.1 à son réglage d'effort maximal et 35 au plus bas — un écart de 24 points sur cinq échelons qu'Anthropic vous permet de choisir. Qwen4-Max, commercialisé depuis le 16 novembre 2026, obtient 43, et 43 est le seul chiffre qui existe : Artificial Analysis n'en a mesuré qu'une seule configuration, et Alibaba n'a publié aucune ventilation par niveau d'effort. Opposez les deux fleurons et vous obtenez un écart de 16 points et un écart de coût de 3,1×, c'est l'article que tout le monde écrira cette semaine. Opposez les échelles et quelque chose de plus utile en ressort — Opus 5.5 à faible effort se situe huit points en dessous du réglage par défaut de Qwen4-Max, et Qwen4-Max vous offre trois échelons au choix, sans aucun chiffre publié pour aucun d'entre eux.

Les deux produits, et ce que chaque fournisseur a réellement mis sur la fiche

A two-column scoreboard comparing Qwen4-Max and Claude Opus 5.5 across six rows: index 43 from one setting against 59 at max and 35 at low; three effort levels against five; $1.50 in and $4.50 out against $4.00 and $20.00; $3.27 per task against $10.04; 1,000,000 context on both; video input yes against no. Footer notes the figures are per Artificial Analysis Intelligence Index v5.0.1 and that no independent latency is published for Qwen4-Max.

• Prix par million de tokens — Claude Opus 5.5 : 4,00 $ en entrée / 20,00 $ en sortie vs Qwen4-Max : 1,50 $ en entrée / 4,50 $ en sortie

• Cache — {{1}}Opus 5.5{{/1}} lecture à 0,20 $ par million avec 95 % de remise ; {{2}}Qwen4-Max{{/2}} lecture à 0,075 $, écriture à 1,875 $ pour cinq minutes ou 3,00 $ pour l'heure

• {{1}}Fenêtre de contexte{{/1}} — 1,000,000 de tokens sur Opus 5.5 contre 1,000,000 sur le papier pour Qwen4-Max, dont 983,616 sont utilisables en entrée en mode réflexion

• Sortie maximale — 128 000 tokens sur Opus 5.5 contre 131 072 en mode sans réflexion sur Qwen4-Max, ou 262 144 partagés entre le raisonnement et la réponse en mode réflexion

• Contrôle du raisonnement — cinq niveaux (low, medium, high, xhigh, max) contre trois (low, high, xhigh), avec high par défaut

• Modalités d’entrée — texte, image et fichier pour Opus 5.5 vs texte, image et vidéo pour Qwen4-Max

• Ouverture — les deux sont propriétaires, aucun poids publié pour l’un comme pour l’autre

• Score d'indice indépendant — 59 pour Opus 5.5 ; 43 pour Qwen4-Max

Deux lignes de cette liste font plus de travail que les autres. L’échelle de raisonnement est celle sur laquelle cet article est construit. La ligne des modalités est celle qui disqualifie discrètement une comparaison : Qwen4-Max accepte la vidéo et Opus 5.5 non, donc toute charge de travail construite autour d’une entrée vidéo n’a exactement qu’un seul candidat ici, et les benchmarks sont hors sujet.

A screenshot of the Artificial Analysis model page for Claude Opus 5.5, showing the Anthropic proprietary-model header, the September 2026 release date, the intelligence score panel and the list of providers serving it.

À quoi ressemble l’échelle d’Opus 5.5 lorsqu’on la gravit

Le réglage d’effort d’A​nthropic n’est pas tant un curseur de qualité qu’un curseur de budget, et Artificial Analysis a parcouru les cinq positions. Tout ce qui suit est une mesure indépendante, publiée sur la page du modèle :

• Effort maximal — indice 59, 24,6 minutes par tâche d’indice, 352,34 secondes jusqu’au premier token de réponse, mesuré à 10,04 $ par tâche

• xhigh — indice 57, 15,8 minutes par tâche, 65,52 secondes avant le premier token

• Élevé — indice 52, 9,3 minutes par tâche, 21,64 secondes avant le premier jeton

• Moyen — indice 48, 6,8 minutes par tâche, 12,46 secondes jusqu’au premier token

• Faible — indice 35, 3,0 minutes par tâche, 4,80 secondes jusqu'au premier token

La forme est la partie intéressante. Entre high et max, vous achetez sept points d’indice pour 15,3 minutes supplémentaires par tâche et un premier token qui arrive avec près de six minutes de retard. Entre medium et high, vous achetez quatre points pour 2,5 minutes. Entre low et medium, vous achetez treize points — le segment le plus abrupt de l’échelle, et celui où une équipe cherchant à économiser est le plus susceptible de couper. Si votre plan est « faire tourner Opus 5.5 à bas coût », low est là où ce plan aboutit, et low est un 35 : huit points sous l’unique configuration publiée de Qwen4-Max, pour un modèle que son propre fournisseur positionne comme l’option de pointe.

Ce n’est pas un argument contre l’échelle d’A​nthropic. Un 35 avec un délai de trois minutes et quatre secondes jusqu’au premier token est un produit véritablement différent d’un 59 avec un délai de six minutes jusqu’au premier token, et les deux sont utiles. C’est un argument contre le fait de traiter « Claude Opus 5.5 » et « Qwen4-Max » comme deux points sur un graphique. Ce sont deux plages, et une seule d’entre elles a été cartographiée.

Le chiffre de 3,1×, et pourquoi il est plus étroit que ne le suggère l’écart de prix

La comparaison des coûts phares est simple : à 4,00 $ et 20,00 $ par million contre 1,50 $ et 4,50 $, Opus 5.5 facture 2,67 fois plus pour l’entrée et 4,44 fois plus pour la sortie. La facture mesurée est plus resserrée. Artificial Analysis établit Opus 5.5 à 10,04 $ par tâche de l’Intelligence Index, contre 3,27 $ pour Qwen4-Max — soit 3,07 fois, et non 4,44 fois.

La raison mérite d’être comprise, car elle survit à chaque lancement de modèle : Opus 5.5 est le plus verbeux des deux, générant 218 millions de tokens de sortie sur l’ensemble de l’exécution de l’index contre 127 millions pour Qwen4-Max, et il réduit tout de même l’écart au lieu de l’élargir. Ce qui comble la distance, c’est la mise en cache. Opus 5.5 lit les entrées mises en cache à 0,20 $ par million, avec une remise de 95 % appliquée ; Qwen4-Max les lit à 0,075 $, un tarif moins cher sur un modèle qui consacre proportionnellement plus de sa facture aux entrées fraîches. La grille tarifaire et la facture sont deux documents différents, et c’est la facture qui dit que l’écart entre ces deux modèles est d’environ un tiers, et non d’environ la moitié.

Ce qui joue dans les deux sens selon votre charge de travail. Si vos prompts sont longs, stables et peuvent être mis en cache — une base de code, un ensemble de documents, un prompt système de plusieurs dizaines de milliers de tokens — l’économie de cache d’Opus 5.5 est meilleure que ne le laisse penser son prix catalogue. Si vos prompts sont courts et différents à chaque fois, vous n’atteignez jamais le cache, et l’écart de 4,44× sur le coût des sorties est ce que vous payez réellement.

La ligne où Qwen4-Max est la seule option, et la ligne où c’est le seul pari

L’entrée vidéo constitue une partition stricte. Qwen4-Max lit le texte, les images et la vidéo ; Opus 5.5 lit le texte, les images et les fichiers. Si la tâche implique des images vidéo — relecture de séquences, enregistrements d’écran, tout ce qui comporte une chronologie —, la comparaison se réduit à un seul candidat et l’écart de 16 points dans l’indice cesse d’avoir de l’importance.

Côté vitesse, c’est l’inverse, et c’est le trou honnête dans la fiche de Qwen4-Max. Artificial Analysis n’indique pour ce modèle ni temps par tâche, ni débit de sortie, ni temps jusqu’au premier token. A​libaba publie des chiffres de débit dans ses documents de lancement — jusqu’à 50 % de tokens en moins que son prédécesseur sur certaines charges de travail —, mais le nombre de tokens n’est pas la latence, et le chiffre d’efficacité en tokens d’un fournisseur ne vous dit rien du temps qu’une requête passe dans une file d’attente. Pour Opus 5.5, vous pouvez planifier la capacité à chaque niveau. Pour Qwen4-Max, vous pouvez planifier la capacité de la facture de tokens et deviner tout le reste. Une équipe qui place l’un ou l’autre modèle derrière une interface interactive a besoin du second chiffre, et un seul fournisseur l’a produit.

A screenshot of the OrcaRouter model page for anthropic/claude-opus-5.5, showing the flagship badge, the 1M-token context line, the 128K maximum output and the start of the pricing panel.

Comment exécuter la comparaison sans l’exécuter deux fois

La raison pour laquelle cette comparaison se décide généralement sur une grille tarifaire plutôt que sur le trafic tient à la plomberie. Tester un second modèle implique un second contrat, un second SDK et un second ensemble de règles de nouvelle tentative et de délai d’expiration sur un chemin qui fonctionne déjà — alors les équipes lisent le prix, en choisissent un et passent à la suite.

C'est le coût qu'OrcaRouter existe pour supprimer, et pour cette paire précise, il le supprime de manière inégale, d'une façon qu'il vaut la peine de préciser. OrcaRouter achemine Claude Opus 5.5 à 4,00 $ en entrée et 20,00 $ en sortie — le prix catalogue du fournisseur répercuté avec 0 % de marge — via la même clé et le même point de terminaison compatible OpenAI que GPT-6.1 Sol, Grok 4.5, Qwen3.8-Max et Tencent HY4 Preview. Il n'achemine pas Qwen4-Max ; le catalogue n'a pas encore intégré la génération Qwen4. L'expérience en escalier — Opus 5.5 à cinq niveaux d'effort face à votre propre trafic — n'est donc qu'un changement de configuration, et le volet Qwen4-Max de la comparaison repose sur une clé Alibaba directe jusqu'à ce que le catalogue rattrape son retard.

La conséquence utile, c’est le basculement. Si vous testez Qwen4-Max en production, vous pouvez le conserver comme une route à côté d’un acteur en place qui dispose de cinq échelons mesurés et d’un basculement automatique entre fournisseurs, plutôt que comme un remplacement d’un chemin pour lequel vous n’avez aucune solution de repli. Un modèle avec un seul score d’index publié et aucune latence publiée est exactement le genre de chose à exécuter derrière un filet de sécurité plutôt qu’à la place d’un tel filet.

Qu’est-ce qui changerait la réponse ?

Deux publications, dont aucune n’existe encore. La première est une évaluation Artificial Analysis de Qwen4-Max en low et xhigh, afin que le modèle dispose d’une plage mesurée plutôt que d’un point unique — à partir de là, il s’agit véritablement d’une comparaison d’échelle contre échelle, et le 43 cesse d’être déterminant. La seconde est n’importe quel chiffre de latence indépendant pour Qwen4-Max, quel qu’il soit. Tant que les deux ne sont pas disponibles, la lecture défendable reste étroite : Opus 5.5 est le choix lorsqu’il vous faut un échelon que vous pouvez nommer et mesurer, et Qwen4-Max est le choix lorsqu’il vous faut une entrée vidéo ou les tokens d’entrée nouveaux les moins chers de cette paire et que vous pouvez absorber l’incertitude sur tout le reste.

Ce qui n’est pas défendable, c’est le raccourci que les deux fournisseurs préféreraient — comparer un produit phare à un produit phare, ignorer que l’un d’eux a quatre réglages de plus, et qualifier de verdict l’écart de 16 points qui en résulte.