
Qwen4-Max vs GPT-6.2 Astra : un prix de sortie neuf fois plus élevé, 18 % d’écart sur la facture
- OrcaNOUVEAUOrcaCyber: Hy4 Flash Abliterated / Uncensored2026-11-18$0.07 / $0.28 par million de tokens · 187 tok/s
- openaiNOUVEAUOpenAI: GPT-6.2 Astra2026-11-17$8.00 / $40.00 par million de tokens · 80 tok/s
- openaiNOUVEAUOpenAI: GPT-6.2 Sol2026-11-17$2.00 / $10.00 par million de tokens · 155 tok/s
- tencentNOUVEAUTencent: Hy4 Flash2026-11-16$0.02 / $0.07 par million de tokens · 196 tok/s
- AlibabaNOUVEAUQwen: Qwen4 Max2026-11-16$1.50 / $4.50 par million de tokens · 85 tok/s
- GoogleNOUVEAUGoogle: Gemini 4 Carbon2026-11-10$2.00 / $10.00 par million de tokens · 705 tok/s
- AnthropicNOUVEAUAnthropic: Claude Fable 5.22026-11-09$8.00 / $40.00 par million de tokens · 246 tok/s
- OrcaOrcaCyber: GLM 5.3 Abliterated / Uncensored2026-11-04$3.00 / $5.00 par million de tokens · 97 tok/s
- OrcaOrcaCyber: Hy4 Abliterated / Uncensored2026-11-04$0.80 / $1.60 par million de tokens · 139 tok/s
- OrcaOrcaCyber: Kimi K3.1 Pro Abliterated / Uncensored2026-11-04$2.00 / $5.00 par million de tokens · 84 tok/s
- tencentTencent: Hy42026-11-04$0.83 / $2.50 par million de tokens · 122 tok/s
- OrcaOrcaCyber: MiniMax M3.1 Flash Abliterated / Uncensored2026-10-29$0.80 / $1.60 par million de tokens · 102 tok/s
- OrcaOrcaCyber: GLM 5.3 Flash Abliterated / Uncensored2026-10-27$0.80 / $1.60 par million de tokens · 69 tok/s
- openaiOpenAI: GPT-6.1 Terra2026-10-26$1.00 / $5.00 par million de tokens · 35 tok/s
- OrcaOrcaCyber: Qwen3.8 Flash Next Abliterated / Uncensored2026-10-26$0.80 / $1.60 par million de tokens · 89 tok/s
- OrcaOrcaCyber: MiMo V2.6 Flash Abliterated / Uncensored2026-10-26$0.80 / $1.60 par million de tokens · 38 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 · 230 tok/s
- minimaxMiniMax: M3.1 Flash2026-10-1929Intelligence
- OrcaOrca: OrcaCyber Ultra 1.02026-10-17$5.00 / $10.00 par million de tokens · 101 tok/s
GPT-6.2 Astra coûte 8,00 $ par million de jetons d’entrée et 40,00 $ par million de jetons de sortie. Qwen4-Max coûte 1,50 $ et 4,50 $. Au compteur, cela représente un écart de 5,3 fois en entrée et de 8,9 fois en sortie — le genre d’écart qui règle généralement une comparaison avant même que quiconque ait lu le benchmark. Puis Artificial Analysis chiffre une tâche terminée de l’Intelligence Index à 4,00 $ sur GPT-6.2 Astra, qu’OpenAI a livré le 17 novembre 2026, et à 3,27 $ sur Qwen4-Max, qu’Alibaba a mis en vente générale la veille. Dix-huit pour cent. Deux modèles dont les prix diffèrent d’un facteur neuf sur la moitié coûteuse du compteur se situent à moins d’un cinquième d’écart sur ce qu’il en coûte pour achever un travail.
Aucun des deux nombres n’est faux, et la raison de leur coexistence, c’est la comparaison tout entière. Astra obtient son résultat avec 65,8 millions de tokens de sortie à un tarif élevé ; Qwen4-Max obtient un résultat de même forme avec 127 millions à un tarif bas. Ce qui les sépare n’est ni le prix ni la capacité — 62 contre 43 sur l’indice, un écart qu’aucun argument tarifaire ne comble. Ce qui les sépare, c’est l’endroit où les deux chemins se brisent : l’un à un seuil de tokens, l’autre au sommet d’un curseur d’effort qui n’a jamais été mesuré qu’une seule fois.
Six rangées, des deux côtés
Chaque chiffre ci-dessous est attribué à sa source. Les prix correspondent au tarif standard publié par chaque fournisseur ; les scores de l’indice, les coûts par tâche, les volumes de tokens et les durées sont des mesures d’Artificial Analysis effectuées le 18 novembre 2026, sur Intelligence Index v5.0.1.
• Entrée — GPT-6.2 Astra 8,00 $ par million de tokens en dessous de 272 000, 16,00 $ à ce seuil ou au-dessus, contre Qwen4-Max 1,50 $ forfaitaire à Singapour, 1,413 $ dans les régions de portée mondiale, quelle que soit la longueur
• Sortie — Astra 40,00 $ en dessous du seuil, 60,00 $ au-dessus, contre Qwen4-Max à 4,50 $ forfaitaire
• Entrée mise en cache — Astra 0,40 $ par million, soit une remise de 95 % par rapport à Qwen4-Max 0,075 $ à Singapour, 0,071 $ ailleurs
• Indice d’intelligence — Astra 62 en effort maximal, 60 en élevé, 57 en moyen, 46 en faible, contre Qwen4-Max 43 en Xhigh, sans chiffre publié en élevé ou en faible
• Coût par tâche d’indexation — Astra 4,00 $ vs Qwen4-Max 3,27 $
• Temps par tâche d’indexation — Astra 12,9 minutes vs Qwen4-Max 32,3 minutes, contre une médiane du secteur de 12,4
• Temps jusqu’au premier token de réponse — Astra 171 secondes contre Qwen4-Max 149 secondes
• Contexte — Astra 1 M de tokens au total contre Qwen4-Max 984 000 tels que mesurés, 1 000 000 tels que documentés
• Modalité — Astra accepte du texte et des images, tandis que Qwen4-Max accepte du texte, des images et de la vidéo ; les deux ne produisent que du texte.
• Effort — Astra cinq niveaux, de max à low, toujours activé, contre Qwen4-Max trois niveaux, de low à Xhigh, avec high par défaut
Comment deux cartes séparées par un facteur neuf arrivent à la même facture
La convergence n’est pas une coïncidence et ce n’est pas une remise. C’est deux fournisseurs qui choisissent des côtés opposés du même échange commercial. OpenAI facture cher les tokens et vous vend un modèle qui en utilise peu. Alibaba facture les tokens à bas prix et vous vend un modèle qui en utilise énormément. Tous deux ont calibré leur grille tarifaire en fonction des habitudes de leur propre modèle, ce qui explique pourquoi la grille tarifaire ne vous dit presque rien sur la facture.
Les décomptes de tokens sont le mécanisme, et ils sont déséquilibrés exactement dans la direction que les prix prédisent. Sur la suite de neuf évaluations, GPT-6.2 Astra génère 65,8 millions de tokens de sortie — la médiane du secteur est de 65,1 millions, c’est donc un consommateur de tokens tout à fait ordinaire. Qwen4-Max génère 127 millions, soit environ le double de la médiane, et le résumé du tracker lui-même le qualifie de très verbeux. En multipliant, l’estimation naïve place Qwen4-Max à environ 571 $ de sortie contre 632 $ pour Astra.
Ces deux estimations ne correspondent pas aux chiffres publiés, et l’écart mérite d’être compris plutôt que masqué. Les chiffres de 3,27 $ et 4,00 $ par tâche sont des moyennes pondérées sur neuf évaluations, mélangeant les tokens d’entrée, d’entrée mise en cache, de raisonnement et de réponse, chacun à son propre tarif. La multiplication portant uniquement sur la sortie tombe dans la même zone par coïncidence. Quiconque vous dit qu’ils ont déduit l’un de l’autre devine, y compris quiconque vous dit que l’écart de 18 % correspond exactement au ratio de tokens — ce n’est pas le cas, et les deux quantités évoluent indépendamment lorsqu’un prompt s’allonge ou qu’un cache devient plus chaud.
Le seuil est le seul endroit où l’écart multiplié par neuf subsiste.
En dessous de 272 000 jetons d’entrée, la carte de GPT-6.2 Astra se comporte comme une carte : vous payez environ cinq fois ce que Qwen4-Max facture pour la même entrée, et huit à neuf fois pour la sortie, et le coût par tâche l’absorbe parce qu’Astra écrit moins de jetons. Au-dessus de 272 000 jetons, la comparaison cesse d’en être une.
Le multiplicateur de contexte long d’Astra double l’entrée et l’entrée mise en cache et augmente la sortie de moitié — et il s’applique à l’ensemble de la requête, et non à la seule partie au-delà du seuil. Qwen4-Max n’a aucun seuil : 1,50 $ par million dès le premier jeton jusqu’au plafond d’entrée de 983 616 jetons en mode réflexion, ou 991 808 avec la réflexion désactivée.
Faites le calcul pour une revue de documents, puisque c’est la charge de travail pour laquelle le contexte long existe :
• 250 000 jetons d'entrée, 5 000 en sortie — GPT-6.2 Astra 2,00 $ en entrée plus 0,20 $ en sortie, soit 2,20 $ ; Qwen4-Max 0,375 $ plus 0,0225 $, soit environ 0,40 $
• 400 000 jetons d’entrée, 5 000 de sortie — Astra : 6,40 $ en entrée plus 0,30 $ en sortie, soit 6,70 $, car la requête entière est facturée au double ; Qwen4-Max : 0,60 $ plus 0,0225 $, soit environ 0,62 $.
• 900 000 tokens d'entrée, 5 000 de sortie — Astra 14,40 $ plus 0,30 $, soit 14,70 $ ; Qwen4-Max 1,35 $ plus 0,0225 $, soit environ 1,37 $
En dessous de cette ligne, le ratio de prix correspond au ratio de débit. Au-dessus, un seul appel coûte plus de dix fois son équivalent Qwen4-Max avant même que l’un ou l’autre modèle n’écrive un mot. Ce n’est pas une subtilité tarifaire ; c’est la frontière à laquelle cette confrontation change de réponse, et 272 000 se situe bien à l’intérieur de la fenêtre annoncée par les deux modèles.

La ligne de cache évolue dans le même sens, mais de façon moins prononcée. La remise de 95 % d’Astra sur une base de 8 $ donne 0,40 $ par million de tokens en cache, contre 0,075 $ pour Qwen4-Max — un écart de 5,3 fois qui persiste à toutes les longueurs de contexte. Les écritures en cache vont à l’inverse de l’intuition : Astra les facture 10 $ par million, au-dessus de son tarif standard d’entrée, tandis que Qwen4-Max publie 1,875 $ pour une écriture de cinq minutes et 3,00 $ pour une heure. Une charge de travail qui relit plusieurs fois un préfixe stable récupère l’essentiel de l’écart ; une charge de travail qui réécrit son préfixe à chaque tour paie ce privilège des deux côtés, et plutôt davantage encore chez Astra.
L’horloge s’inverse, et la plupart des avis ne le remarquent pas.
La vitesse est le point où les deux modèles cessent d’être des images miroir. Qwen4-Max répond en premier — 149 secondes jusqu’au premier token de réponse, contre 171 pour Astra — puis met deux fois et demie plus de temps à terminer : 32,3 minutes par tâche d’indexation, contre 12,9. Astra atteint son premier token plus tard et termine la tâche plus tôt, de 19,4 minutes.
Cette inversion vaut la peine d’être énoncée précisément parce qu’elle répartit les deux modèles selon les types de charge de travail plutôt que de les classer. Si ce dont vous avez besoin est une réponse qui commence à être diffusée rapidement — une interface de chat, un résumé de document que l’utilisateur regarde — les 22 secondes d’avance de Qwen4-Max sont le chiffre qui détermine la vitesse perçue, et sa longue traîne est invisible, sauf si l’utilisateur attend la réponse complète. Si ce dont vous avez besoin est une tâche qui se termine, le chiffre de 12,9 minutes prévaut, et celui de 32,3 minutes est celui qui entre en collision avec chaque délai d’attente de votre pile.
{{1}}Aucun des deux modèles{{/1}} n’est rapide en termes absolus. La tâche médiane sur {{2}}le même tableau{{/2}} se termine en 12,4 minutes, donc {{3}}Astra{{/3}} est exactement dans la moyenne et {{4}}Qwen4-Max{{/4}} met presque trois fois plus de temps que le reste du peloton. Il s’agit d’une comparaison entre {{5}}un modèle de vitesse normale{{/5}} et {{6}}un modèle lent{{/6}}, pas entre deux modèles rapides.

L'un de ces modèles publie toute sa courbe.
Voici l’asymétrie qui détermine plus de déploiements que l’une ou l’autre des grilles tarifaires. La documentation destinée aux développeurs de GPT-6.2 Astra et le tracker décrivent ensemble cinq niveaux d’effort et le score de l’indice pour chacun : 62 au niveau max, 62 à Xhigh, 60 au niveau élevé, 57 au niveau moyen, 46 au niveau faible. On voit exactement quelle capacité coûte un réglage moins cher, ce qui signifie qu’une équipe peut choisir délibérément un point sur cette courbe — 57 au niveau moyen reste 14 points au-dessus du meilleur chiffre publié de Qwen4-Max, et il génère bien moins de tokens que l’effort max.
Qwen4-Max propose trois niveaux — low, high et Xhigh —, utilise high par défaut et ne dispose que d’un seul point mesuré indépendamment, relevé à Xhigh, le réglage le plus coûteux qu’il propose. Son budget de réflexion est fixé par défaut à 131 072 jetons, et rien en dehors d’Alibaba n’a chronométré ce que low ou high font réellement à l’horloge ou à la facture.
Cela change le sens de « 18 % moins cher par tâche ». La comparaison oppose la configuration mesurée d’Astra à celle de Qwen4-Max, et la configuration mesurée de Qwen4-Max est celle qu’aucun produit ne livrerait par défaut. Passez-la à high, et le temps d’exécution s’améliore probablement tandis que le score baisse probablement — de combien, c’est un chiffre non publié, et les propres affirmations d’efficacité du fournisseur sont formulées à high comme à Xhigh, ce qui indique que ce réglage est censé être utilisable plutôt qu’un mode de repli.
La différence de facturation qui ne figure sur aucune des deux grilles tarifaires
Du côté d’Astra, une règle n’a pas d’équivalent dans Qwen4-Max et coûte de l’argent d’une manière qu’une comparaison de prix ne fera jamais apparaître. À partir de cette génération, l’API écarte les éléments de raisonnement lorsqu’elle détecte une modification en cours de conversation de l’historique — une modification de préfixe, une rétrogradation de modèle, un changement d’utilisateur final ou d’organisation. Le modèle recalcule alors un travail qu’il avait déjà effectué, et le paie de nouveau.
Pour une boucle d’agent qui réécrit son prompt système entre les tours, il s’agit d’un coût récurrent qui n’apparaît dans aucune comparaison par token, et c’est le mécanisme le plus susceptible de faire paraître optimiste le coût mesuré de 4,00 $ par tâche d’Astra en production. Qwen4-Max n’a pas de règle équivalente publiée, ce qui n’est pas la même chose que de ne pas avoir de comportement équivalent — cela signifie que le comportement n’est pas documenté et que vous le découvrez dans vos journaux.

Appeler l'un ou l'autre d'entre eux
Aucun des deux modèles ne figure dans notre catalogue. GPT-6.2 Astra et Qwen4-Max sont tous deux accessibles via les API de leurs propres fournisseurs et plusieurs plateformes tierces, et nous n’allons pas laisser entendre le contraire ; la route pour Qwen4-Max n’existe pas ici, et celle du prédécesseur d’Astra existe.
Ce qui reste, c’est une comparaison que vous voudrez peut-être exécuter plutôt que lire, et la version honnête de l’argument de routage est étroite. Les deux modèles sont suffisamment récents pour que leurs chiffres publiés décrivent une configuration, et non un déploiement. Faire passer les mêmes vingt traces par une route qui vous permet de changer le modèle derrière une seule clé — et de basculer en cas de défaillance lorsqu’un appel de 32 minutes lâche à la vingt-neuvième minute — voilà comment découvrir sur laquelle de ces deux courbes se situe votre charge de travail. Le prédécesseur d’Astra, GPT-6 Astra, et Qwen3.8-Max sont tous deux routables dès maintenant au prix catalogue du fournisseur sans majoration, ce qui fait de l’A/B face à l’un ou l’autre des nouveaux modèles un changement de configuration plutôt qu’un second contrat.
Qu’est-ce qui le décide ?
Deux questions, dans cet ordre, et la seconde ne compte que si la première donne un résultat particulier.
D'abord : votre charge de travail dépasse-t-elle régulièrement 272 000 jetons d'entrée ? Si oui, le choix est de facto fait et l'écart d'indice cesse d'avoir de l'importance, car le seuil d'Astra transforme un ratio d'entrée de 5× en 10× sur l'ensemble de la requête, tandis que la grille tarifaire fixe de Qwen4-Max ne le fait pas. Pour les documents longs, les vidéos longues et l'extraction en masse, Qwen4-Max est la réponse la moins chère d'un ordre de grandeur, et 43 points d'indice suffisent pour l'extraction.
Deuxièmement : si vos prompts sont courts, avez-vous besoin des 19 points d’indice ? Astra coûte 22 % de plus par tâche et termine la tâche en 40 % du temps, avec une courbe d’effort à cinq points publiée qui vous permet de réduire l’effort. Qwen4-Max coûte moins cher par tâche, répond plus tôt, termine bien plus tard et vous offre un seul réglage mesuré. Sur les prompts courts, l’écart par jeton s’évapore en grande partie, mais pas l’écart de capacité.
Ce qu’aucun des deux modèles ne tranche, c’est précisément ce sur quoi les deux ont été vendus cette semaine : le travail. L’argument de lancement d’Astra est une baisse de prix, qui est mesurable et déjà mesurée. Celui de Qwen4-Max est un slogan sur le travail réel, lui aussi mesurable — mais pas par quiconque n’a lu que l’article de lancement. Le chronomètre de 32,3 minutes et l’unique niveau d’effort mesuré sont là où ce slogan est mis à l’épreuve, et ce sont les deux chiffres à emporter dans votre propre évaluation, car ce sont les deux que le marketing n’a pas cités.
Comparés dans cet article2
Détecté à partir de cet article · Benchmarks : Artificial Analysis · mis à jour quotidiennement
