
Qwen4-Max vs GPT-6 Luna : 22× le coût de la tâche pour 15 points d’indice
- OrcaNOUVEAUOrcaCyber: Hy4 Flash Abliterated / Uncensored2026-11-18$0.07 / $0.28 par million de tokens · 187 tok/s
- tencentNOUVEAUTencent: Hy4 Flash2026-11-16$0.02 / $0.07 par million de tokens · 414 tok/s
- GoogleNOUVEAUGoogle: Gemini 4 Carbon2026-11-10$2.00 / $10.00 par million de tokens · 87 tok/s
- AnthropicNOUVEAUAnthropic: Claude Fable 5.22026-11-09$8.00 / $40.00 par million de tokens · 138 tok/s
- orcaNOUVEAUOrca: OrcaC2 1.02026-11-0748 tok/s
- OrcaOrcaCyber: GLM 5.3 Abliterated / Uncensored2026-11-04$3.00 / $5.00 par million de tokens · 90 tok/s
- OrcaOrcaCyber: Hy4 Abliterated / Uncensored2026-11-04$0.80 / $1.60 par million de tokens · 134 tok/s
- OrcaOrcaCyber: Kimi K3.1 Pro Abliterated / Uncensored2026-11-04$2.00 / $5.00 par million de tokens · 79 tok/s
- tencentTencent: Hy42026-11-04$0.83 / $2.50 par million de tokens · 116 tok/s
- OrcaOrcaCyber: MiniMax M3.1 Flash Abliterated / Uncensored2026-10-29$0.80 / $1.60 par million de tokens · 111 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 · 91 tok/s
- OrcaOrcaCyber: MiMo V2.6 Flash Abliterated / Uncensored2026-10-26$0.80 / $1.60 par million de tokens · 42 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 · 210 tok/s
- minimaxMiniMax: M3.1 Flash2026-10-1929Intelligence
- OrcaOrca: OrcaCyber Ultra 1.02026-10-17$5.00 / $10.00 par million de tokens · 109 tok/s
- deepseekDeepSeek: DeepSeek V4.1 Flash 10172026-10-1733Intelligence
- DeepSeekDeepSeek: DeepSeek V4.1 Flash 09102026-10-17$0.15 / $0.60 par million de tokens · 168 tok/s
- DeepSeekDeepSeek: DeepSeek V4.1 Flash2026-10-1740Intelligence
Faites passer une requête Qwen4-Max et une requête GPT-6 Luna dans la même suite d’évaluation, et la facture revient à 3,27 $ contre 0,15 $. Vingt-deux fois. Mettez les scores côte à côte et l’on obtient 43 contre 28 — quinze points, soit la différence entre un modèle auquel vous confieriez une exécution d’agent de plusieurs heures et un modèle auquel vous confieriez un document. Ces deux écarts sont réels, tous deux sont mesurés sur la même révision de l’indice, et aucun des deux ne tranche la question, car Qwen4-Max est en disponibilité générale depuis le 16 novembre 2026 à 1,50 $ et 4,50 $ par million de jetons, tandis que GPT-6 Luna se situe à un dixième de cela depuis le 22 septembre. La décision ne consiste pas à savoir quel modèle est le meilleur. Elle consiste à savoir quels quinze points vous allez réellement utiliser, et la réponse change deux fois au fil de cette comparaison.
Le 22× et de quoi il est constitué
Commencez par la grille tarifaire, car le ratio affiché n’est pas celui que vous payez.
• Entrée — Qwen4-Max 1,50 $ par million à Singapour, 1,413 $ dans les régions de portée mondiale. GPT-6 Luna 0,10 $. Quinze contre un.
• Sortie — Qwen4-Max 4,50 $, ou 4,24 $ Global. GPT-6 Luna 0,50 $. Neuf contre un.
• Entrée mise en cache — Qwen4-Max 0,075 $ Singapour, 0,071 $ Mondial, soit une remise de 95 %. GPT-6 Luna 0,01 $, soit une remise de 90 %.
• Mixte — Qwen4-Max 0,80 $ par million selon la pondération 7:2:1 du tracker (cache-hit/entrée/sortie). GPT-6 Luna 0,077 $. Dix contre un.
• Coût par tâche de l'Indice d'Intelligence — Qwen4-Max 3,27 $, GPT-6 Luna 0,15 $. Vingt-deux contre un.
Quinze, neuf, dix, vingt-deux. Ces quatre chiffres ne concordent pas, et c’est précisément ce désaccord qui est utile : le ratio par tâche est plus du double du ratio de prix mixte parce que Qwen4-Max doit émettre plus de tokens pour terminer la suite, et non parce que ses tarifs sont pires que ne le suggère la grille tarifaire. Le panneau de verbosité du tracker place Qwen4-Max à 127 millions de tokens de sortie contre une médiane de 90 millions ; Luna à 110 millions contre la même médiane. Tous deux sont plutôt verbeux. Qwen4-Max l’est 15 % de plus, et ces 15 % jouent un vrai rôle dans un écart de 22× qu’une grille tarifaire de 10× aurait prédit.
Tous les chiffres de cette section sont des mesures d’Artificial Analysis sur l’index v5.0.1 — l’index rebasé, de sorte qu’un score Luna issu d’un classement de juillet n’est pas comparable aux 28 cités ici — combinés à la grille tarifaire publiée par chaque fournisseur. Aucun des deux fournisseurs n’a publié de comparaison directe appariée, et toute comparaison construite à partir de ces chiffres relève de l’arithmétique sur deux exécutions distinctes, non d’un benchmark.

Le réglage de l'effort est le levier le plus déterminant
Voici ce qui rend trompeuse la présentation « 43 contre 28 », et ce n’est pas une petite correction.
GPT-6 Luna est livré avec six niveaux de raisonnement — none, low, medium, high, xhigh et max — et sa valeur par défaut est medium. Artificial Analysis évalue chaque échelon. L'écart n'est pas une différence d'arrondi :
• Max — 28 à l’indice, 0,15 $ par tâche, 12,2 minutes, 103 jetons par seconde.
• Xhigh — 23, 7,4 minutes, 99 jetons par seconde.
• Élevé — 21, 6,0 minutes, 91 jetons par seconde.
• Medium — 18, 3,5 minutes, 93 tokens par seconde. C’est le réglage par défaut, et c’est celui que presque tous les appels de production utilisent réellement.
• Faible — 10, 0,6 minute, 87 jetons par seconde.
• Sans raisonnement — 9, 2,0 minutes, 84 jetons par seconde.
Ainsi, la comparaison honnête n’est pas 43 contre 28. Elle est de 43 contre 18 pour un appelant qui n’envoie aucun paramètre d’effort, et de 43 contre 28 pour celui qui pousse le curseur à fond et paie six fois la latence pour cela. Vingt-cinq points au réglage par défaut et quinze au plafond, pour le même modèle, sans changement de prix sur la fiche tarifaire.
L'échelle de Qwen4-Max compte trois échelons — low, high, xhigh — et sa valeur par défaut est high. Il n'existe pas de medium : Chat Completions et DashScope mappent tous deux medium sur high, si bien que demander le réglage intermédiaire coûte le prix du plus élevé. C'est un réglage moins bon que celui de Luna, et cela compte pour la même raison — l'échelon que vous appelez détermine le score, et Qwen4-Max vous offre moins de moyens d'en acheter moins.
Ce que le tracker ne publie pas pour Qwen4-Max, c’est un score à chacun de ses trois échelons ; la page en affiche 43 et s’arrête. L’échelle complète à six échelons de Luna est publique, ce qui fait de Luna le modèle le plus facile à modéliser et le plus difficile à citer. Si vous élaborez une prévision de coûts, une échelle entièrement publiée vaut mieux qu’un seul meilleur chiffre, car vous pouvez voir où se situe le coude.

La falaise des 272 000 tokens de Luna
Les deux modèles annoncent un contexte d'un million de tokens, et un seul d'entre eux facture le même tarif sur toute cette étendue : c'est la chose la plus coûteuse qu'un acheteur puisse négliger.
• Qwen4-Max — 1,50 $ et 4,50 $ forfaitaires sur toute la fenêtre de 1 000 000 de tokens, sans paliers à 32K ni à 128K. Le plafond d’entrée documenté est de 991 808 tokens sans réflexion et de 983 616 avec la réflexion activée ; la sortie sans réflexion est plafonnée à 131 072, et la réflexion ainsi que la réponse partagent 262 144.
• GPT-6 Luna — 0,10 $ et 0,50 $ jusqu'à 272 000 jetons d'entrée, puis 0,20 $ en entrée et 0,75 $ en sortie au-delà. La nouvelle tarification s'applique à l'ensemble de la requête, et non au seul dépassement : une invite de 300 000 jetons paie le double sur la totalité des 300 000, et non sur les 28 000 derniers. La fenêtre de contexte est de 1 050 000 selon la documentation d'OpenAI et de 1 M sur le tracker ; l'entrée maximale est de 922 000 ; le plafond de sortie est de 128 000.
Faites le calcul pour le cas du contexte long : le facteur 22× se réduit à environ 7,5×. Un document de 400 000 jetons avec une réponse de 8 000 jetons coûte $0,60 en entrée et $0,09 en sortie sur Qwen4-Max — $0,69 aux tarifs de Singapour. La même requête sur Luna coûte $0,08 en entrée et $0,006 en sortie, soit $0,086. Sept fois et demie, pas vingt-deux fois. Luna reste nettement moins chère, et son avantage de prix ne représente qu’un tiers de l’écart que suggère le chiffre phare.
Cette inversion a un second tranchant, et il coupe dans l’autre sens. En dessous de 272 000 tokens, la falaise ne s’applique jamais, et la plupart des charges de travail d’agents — un contexte de base de code, une conversation de support, une boucle d’appel d’outils — se situent bien en dessous. Une équipe qui lit « contexte 1 M » sur les deux fiches et budgétise Luna à 0,10 $ pour une tâche de 500 000 tokens a sous-budgétisé d’un facteur 2 en entrée et d’un facteur 1,5 en sortie, et l’erreur n’apparaît que sur la facture.
Il y a aussi un point à connaître concernant la résidence des données, avant même que le prix n'entre en jeu : la résidence des données UE sur Luna n'est disponible qu'avec le traitement Standard, ce qui exclut totalement les remises Batch et Fast. Si une exigence de résidence des données entre en jeu, le tarif Luna effectif est le tarif standard, et la structure de remises sur laquelle vous comptiez ne vous est pas accessible.
Vidéo, et la rangée où Luna ne peut pas entrer
La différence entre modalités est plus petite que ne le suggère le marketing et plus grande qu’une simple lecture d’une fiche technique ne le laisse penser.
• GPT-6 Luna — texte et image en entrée, texte en sortie. Ce n’est pas un modèle vidéo ou audio. La génération d’images, la génération vocale, la transcription et la traduction sont toutes documentées comme non prises en charge.
• Qwen4-Max — entrée texte, image et vidéo, sortie texte, la vision étant gérée nativement plutôt que par le biais d’un extracteur. Côté protocoles : OpenAI Chat Completions, OpenAI Responses, Anthropic Messages et DashScope, face aux Responses, Chat Completions et Batch de Luna.
Ainsi, Qwen4-Max est le seul des deux que l’on puisse pointer vers un enregistrement d’écran, une captation de cours ou une revue vidéo et interroger à son sujet. Il s’agit là d’une véritable différence de capacités, et non d’une différence de benchmark : aucun indice sur l’une ou l’autre des fiches ne la mesure, et aucun réglage du niveau d’effort sur Luna ne permet de l’obtenir. Si la vidéo fait partie de la charge de travail, la comparaison s’arrête ici et le 22× est le prix d’entrée.
Si la vidéo n’est pas concernée, la ligne n’est que décorative, et l’étendue des protocoles est la moitié la plus intéressante. Qwen4-Max prend en charge quatre formats de communication ; Luna en prend en charge trois et réserve sa surface d’outils la plus riche aux Responses — les outils intégrés comme la recherche web, la recherche de fichiers, l’interpréteur de code et le shell hébergé s’y exécutent, et l’appel de fonctions sur Chat Completions ne fonctionne que lorsque l’effort de raisonnement est défini sur none. Un pipeline qui passe à Chat Completions pour économiser de l’argent et s’attend toujours à des appels d’outils échoue dès la première requête. C’est un piège de migration, pas une lacune de capacités, et c’est le genre de chose qui coûte une semaine plutôt qu’un pourcentage.
C'est là que se situe la jointure où une couche de routage justifie son utilité, plutôt qu'un choix de modèle.openai/gpt-6-luna aux prix catalogue d'OpenAI, avec 0 % de marge répercutée — ainsi, tout changement de prix de Luna est effectif ici le jour même où il apparaît sur la grille tarifaire d'OpenAI — et Qwen4-Max n'est pas hébergé ici ; il est accessible via l'API Model Studio d'Alibaba ainsi que plusieurs plateformes tierces. Une seule API pour plus de 200 modèles, une seule clé, et un DSL de routage qui classe une requête et l'envoie vers celui des deux que la ligne désigne : Luna pour l'étage d'extraction à fort volume, la classe Qwen pour le travail vidéo et à contexte long que Luna ne peut structurellement pas prendre en charge. Le basculement automatique couvre le jour où l'étage économique connaît une mauvaise passe, c'est-à-dire le jour où un pipeline mono-fournisseur découvre qu'il en a une.

Quand chaque modèle est le bon choix
Trois charges de travail, trois réponses différentes, et c’est dans la troisième que se trouvent réellement la plupart des équipes.
Volumineux, bien spécifié, vérifié. Classification sur un corpus, extraction à partir d'ensembles de documents, synthèse, l'échelon de tri du support dans un pipeline. Luna à 0,15 $ la tâche contre Qwen4-Max à 3,27 $, c'est une réduction de coût de 95 % pour un travail qui n'a jamais eu besoin d'un 43. Le 18 obtenu avec les réglages par défaut de Luna se situe au-dessus de la médiane de sa gamme de prix et la sortie est vérifiable, ce qui constitue tout l'argument. Le choix ne se joue pas à peu de chose.
Sur horizon long, sans supervision, où l’erreur coûte cher. Des exécutions d’agents de plusieurs heures, des refactorisations à l’échelle d’un dépôt, des recherches qui s’étendent sur des dizaines d’appels d’outils. Quinze points d’indice font la différence entre un modèle capable de tenir un plan et un autre qui le perd, et à 3,27 $ la tâche face à une exécution dont la reprise coûte une heure-ingénieur, le prix n’est pas la contrainte. Qwen4-Max est aussi le seul des deux à accepter une entrée vidéo, ce qui, pour une part croissante du travail agentique — captures d’écran, enregistrements d’écran, traces d’interface —, fait la différence entre une charge de travail qui existe et une qui n’existe pas.
Sensible à la latence, quelque part au milieu. C’est le cas auquel aucune des deux cartes ne répond. Luna décode à 103 tokens par seconde à effort maximal et à 93 par défaut ; Qwen4-Max à 59. Luna termine une tâche d’indexation en 12,2 minutes au maximum et en 3,5 par défaut ; Qwen4-Max en 29,8. Si un humain attend, 59 tokens par seconde est le chiffre qui décide si le produit paraît vivant, et aucune économie par tâche ne compense une interface qui se fige. Si personne n’attend, 29,8 minutes sont du temps réel que vous pouvez planifier.
La forme correcte pour la plupart des équipes n’est pas l’une de ces deux options, mais les deux — et la raison en est que la frontière de décision est une propriété au niveau de la requête, pas au niveau du contrat. Un pipeline qui classe sur Luna et bascule vers un modèle de pointe lorsque le classifieur n’est pas sûr obtient l’économie de 95 % sur les 90 % faciles et les quinze points sur le reste. C’est à cela que sert le DSL de routage, et c’est la seule configuration de cette comparaison qui ne nécessite pas de choisir un perdant.
La facture que vous pouvez vraiment prévoir
Vingt-deux fois le coût de la tâche pour quinze points d’indice. Divisez l’un par l’autre et Qwen4-Max coûte 0,076 $ par point d’indice contre 0,0054 $ pour Luna — quatorze fois plus par point, ce qui est le chiffre qui fait de Luna l’achat évident et le chiffre le moins utile, car personne ne consomme de points d’indice.
Ce que les gens consomment, c'est une charge de travail, et cette charge a trois propriétés qui tranchent la question : le nombre de tokens que le contexte atteint, la présence ou non d'un humain qui attend, et la facilité avec laquelle une mauvaise réponse se détecte. Luna remporte haut la main les deux premières et perd si lourdement sur la troisième que la comparaison s'inverse. Qwen4-Max l'emporte sur la troisième et le facture à un tarif qui n'a de sens que si l'alternative est une réexécution.
La prédiction qui survit à tout cela : si vous choisissez entre ces deux-là sur le prix, vous avez déjà fait le mauvais choix, car le 22× n’est pas un surcoût que vous devriez payer sur chaque requête d’un pipeline — c’est un surcoût que vous payez sur la petite fraction de requêtes qui en ont besoin. Routez cette fraction. Le reste est une erreur d’arrondi que vous pouvez consacrer à autre chose.
Comparés dans cet article1
Détecté à partir de cet article · Benchmarks : Artificial Analysis · mis à jour quotidiennement
