
Qwen4-Max vs Grok 4.5 : Vous comparez un modèle sorti hier à un modèle que son propre fournisseur a déjà remplacé
- 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
Ouvrez la page du modèle Grok 4.5 sur Artificial Analysis et la première chose à l’écran n’est pas un benchmark. C’est un avis : ce modèle est déprécié, SpaceXAI a lancé une version plus récente, Grok 4.6, et vous devriez plutôt envisager celle-ci. La page affiche encore des mesures — 10,45 secondes avant le premier token de réponse, 65 tokens par seconde, une fenêtre de contexte de 500 k, 2,00 $ en entrée et 6,00 $ en sortie par million — mais elle ne comporte plus du tout de score d’intelligence, et la fréquence des benchmarks est passée d’une fois toutes les six heures à une fois toutes les dix-huit heures. Qwen4-Max, en revanche, est en vente depuis le 16 novembre 2026 et est âgé d’un jour. Opposer un modèle vieux d’un jour à un modèle remplacé est une chose étrange à faire délibérément, et c’est précisément pourquoi cela vaut la peine de le faire : la comparaison vous en dit moins sur le modèle qui est meilleur que sur la rapidité avec laquelle l’argument d’efficacité des tokens qui justifiait Grok 4.5 a été supplanté.
Ce qu’est réellement chaque modèle, un jour après le début de l’une de leurs vies

• Fournisseur — Alibaba vs SpaceXAI, qui a renommé la gamme Grok en milieu d’année
• Sortie — Qwen4-Max le 16 novembre 2026 face à Grok 4.5 le 8 juillet 2026, remplacé par Grok 4.6
• Prix par million de tokens — 1,50 $ en entrée / 4,50 $ en sortie contre 2,00 $ en entrée / 6,00 $ en sortie
• Lecture du cache — 0,075 $ par million pour Qwen4-Max contre 0,30 $ par million pour Grok 4.5
• Fenêtre de contexte — 1 000 000 de tokens contre 500 000
• Sortie max — 131,072 tokens en non-réflexion, 262,144 partagés en mode réflexion contre 64,000 documentés
• Modalités d'entrée — texte, image et vidéo vs texte, image et fichier
• Score d’indice indépendant — 43 pour Qwen4-Max contre aucun publié pour Grok 4.5
• Statut de dépréciation — produit phare actuel vs remplacé, avec un successeur sur la même carte
Les trois dernières lignes constituent l’article. La fiche de Qwen4-Max est plus grande sur tous les axes qu’une fiche technique peut mesurer, et celle de Grok 4.5 porte une note indiquant qu’une meilleure version existe au même prix.

Pourquoi quiconque opterait encore pour 4.5, et pourquoi cette raison s’amenuise
L’argument en faveur de Grok 4.5 n’a jamais été la capacité brute. C’étaient les tokens : le modèle reposait sur une base de 1 500 milliards de paramètres, entraînée aux côtés d’un éditeur de code, et il était vendu sur sa capacité à résoudre des tâches d’ingénierie logicielle avec bien moins de tokens de sortie que des modèles de pointe comparables, à un prix positionné pour la production à fort volume. C’est un argument vraiment solide, et c’est le même qu’Alibaba avance pour Qwen4-Max — 24 % à 35 % de tokens de sortie en moins que son prédécesseur, 48 % à 49 % de moins sur Terminal-Bench 4.0, un coût moyen par tâche en baisse de 4,43 $ à 1,67 $.
Les deux fournisseurs, autrement dit, vendent de l’économie. La différence, c’est que l’une de ces affirmations va être testée en continu, tandis que l’autre ne l’est plus aussi souvent. Artificial Analysis fait toujours tourner Grok 4.5, mais toutes les dix-huit heures plutôt que toutes les six, ce qui est une façon polie de dire que le modèle est passé de la couverture à la maintenance. Un modèle dont le comportement est échantillonné quatre fois moins souvent est un modèle dont les régressions sont détectées quatre fois moins vite.
Il existe une raison défendable de le garder dans un catalogue : il est stable, il est bon marché, sa fenêtre de 500k couvre la plupart des travaux, et il ne vous oblige à rien changer. C’est l’argument de tout titulaire en place. Il cesse d’être défendable dès qu’un successeur doté de la même fenêtre de contexte et du même prix de base est disponible, car à ce moment-là, le seul avantage qui reste au titulaire est que vous n’avez pas encore migré.
Le seul axe pour lequel Grok 4.5 dispose d’un chiffre publié, contrairement à Qwen4-Max
Latence. Selon les mesures d’Artificial Analysis, Grok 4.5 répond en 10,45 secondes et diffuse à 65 jetons par seconde. Ces chiffres sont banals face à un modèle frontière moderne — Claude Opus 5.5 met 352 secondes pour produire le premier jeton à effort maximal, GPT-6.1 Sol 169 secondes — mais ils existent, ils sont reproductibles et vous pouvez planifier vos capacités en conséquence.
Qwen4-Max n’a publié aucun chiffre de latence nulle part. Artificial Analysis indique son score d’indice, sa fiche tarifaire et ses totaux de tokens, et laisse la colonne des performances vide : aucun temps par tâche, aucun débit de sortie, aucun temps jusqu’au premier token. Les supports de lancement d’Alibaba publient des nombres de tokens, qui sont une quantité différente, et un modèle qui écrit deux fois moins de tokens tout en tournant à la même vitesse termine une tâche en deux fois moins de temps — les deux affirmations ne sont pas interchangeables.
Ainsi, l’état honnête de la comparaison au 17 novembre est le suivant : l’ancien modèle, remplacé, est celui sur lequel vous pouvez budgéter du temps d’horloge, et le nouveau est celui que vous devez mesurer vous-même. Pour un pipeline par lots, cela représente un après-midi de travail. Pour un produit interactif, c’est une raison d’exécuter Qwen4-Max derrière une solution de repli plutôt que devant.
La limite des 200 000 tokens, en passant
Grok 4.5 est facturé par paliers selon la longueur du prompt : jusqu’à 200 000 tokens d’entrée, le tarif est de 2,00 $ et 6,00 $, et au-delà, il double pour passer à 4,00 $ et 12,00 $. Qwen4-Max ne propose qu’un seul palier, de zéro à la limite de contexte. Comme la fenêtre de contexte de Grok 4.5 est de 500 k et que son palier économique s’arrête à 200 k, les 300 k supérieurs de sa propre fenêtre sont facturés au double du tarif annoncé — un détail qui compte moins qu’il ne le ferait sur un modèle à 1 M de tokens, et plutôt plus que ne le suggère le prix d’appel de 2,00 $.
Le créneau où un modèle supplanté reste la bonne réponse est étroit mais bien réel : les charges de travail attachées à son efficacité en tokens, déjà calibrées sur des invites de 200k tokens, et qui ne valent pas la peine d'être revalidées. Si c'est votre cas, Grok 4.6 partage la fenêtre de contexte, la surface d'entrée et le prix de base, si bien que la migration se résume à un identifiant de modèle plutôt qu'à un projet.
La vidéo est la ligne qui met fin à la comparaison pour certaines équipes.
Qwen4-Max accepte le texte, les images et la vidéo. Grok 4.5 accepte le texte, les images et les fichiers. Le Hy4 preview de Tencent, Opus 5.5 d'Anthropic et Sol d'OpenAI lisent tous des fichiers plutôt que de la vidéo, ce qui fait de Qwen4-Max un cas inhabituel plutôt que simplement plus récent : pour le travail image par image — tri de rushes, analyse d'enregistrements d'écran, tout ce qui comporte une chronologie — le reste de cette comparaison est sans objet, car il n'y a rien à comparer.
Le revers de la médaille, c’est que le budget de sortie de réflexion documenté de Qwen4-Max est de 262 144 tokens partagés entre la trace de raisonnement et la réponse visible, avec un budget de réflexion par défaut de 131 072 et reasoning_effort défini par défaut sur high. Une tâche d’analyse vidéo qui raisonne longuement consacrera une part significative du budget de réponse au raisonnement. Dimensionnez la sortie en fonction de 131 072, et non du chiffre de contexte de 1M indiqué sur la fiche.

Exécuter la paire, et ce que « une clé » permet d’obtenir de chaque côté
OrcaRouter achemine Grok 4.5 à 2,00 $ en entrée et 6,00 $ en sortie par million jusqu'à la limite de 200 000 tokens, puis à 4,00 $ et 12,00 $ au-delà — la fiche tarifaire du fournisseur, répercutée à 0 % de majoration — et achemine également son successeur sous l'appellation Grok 4.6 aux mêmes tarifs de base, ce qui fait de la migration de 4.5 à 4.6 un changement d'un seul champ dans une règle de routage plutôt qu'une nouvelle intégration. La même clé permet d'atteindre Claude Opus 5.5, GPT-6.1 Sol, Qwen3.8-Max et Tencent HY4 Preview.
Qwen4-Max ne figure pas sur cette liste. Le catalogue n’a pas encore intégré la génération Qwen4, donc une route Qwen4-Max correspond pour l’instant à une clé Alibaba directe, et la façon honnête de décrire cet arrangement est un point de terminaison pour tout ce vers quoi vous pourriez vous rabattre, plus un identifiant direct pour le modèle que vous évaluez.
Cette répartition reste le moyen le moins coûteux de répondre à la question que pose cet article. Dirigez la route Grok 4.5 et la route Grok 4.6 vers le même trafic, publiez la comparaison sur vos propres requêtes, et gardez Qwen4-Max en parallèle comme troisième branche avec un basculement automatique entre fournisseurs derrière elle. L'alternative — décommissionner un chemin fonctionnel pour tester un modèle sans latence publiée — est ce qui finit par obliger les équipes à faire marche arrière à 2 h du matin.
Que faire d'un modèle portant un avis
L’avis sur la page de Grok 4.5 n’est pas une nécrologie. Le modèle fonctionne, son prix est compétitif, et sa fenêtre de 500k dépasse les besoins de la plupart des tâches. Mais une comparaison entre celui-ci et Qwen4-Max n’est pas vraiment un choix entre deux options : c’est un choix entre une valeur connue en cours d’arrêt et une inconnue qui vient d’arriver, et le facteur décisif est votre tolérance à mesurer les choses vous-même.
Trois choses à surveiller, dans l'ordre. Tout chiffre de latence indépendant pour Qwen4-Max, qui est la seule donnée manquante dans cette comparaison. Si Alibaba révise le budget de réflexion partagé de 262 144 tokens une fois que le trafic des agents arrivera. Et si Grok 4.5 reste ne serait-ce que dans le tableau au-delà du moment où son successeur aura été éprouvé — car un avis de dépréciation est généralement le premier paragraphe d'une date de mise à la retraite.
Comparés dans cet article1
Détecté à partir de cet article · Benchmarks : Artificial Analysis · mis à jour quotidiennement
