Une carte de titre principale générée portant « Qwen4-Max vs Qwen3.8-Max-Prime », avec le sous-titre « La voie rapide coûte le double et arrive dernière. » et deux panneaux prix et débit : Qwen4-Max à « $1.50 / $4.50 par M » et 104,940 jetons par tâche en 32,1 minutes, contre Qwen3.8-Max-Prime à « $3.301/$9.902 par M » et 170,794 jetons par tâche en 47,5 minutes. Style éditorial vectoriel plat sur fond blanc avec un lavis dégradé du bleu au cyan, et le logo OrcaRouter incrusté en bas à droite.
Guides & Insights

Qwen4-Max vs Qwen3.8-Max-Prime : la voie rapide coûte le double et termine dernière

Auteur

jinhao.song

Date de publication

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

Qwen3.8-Max-Prime n’existe que pour une seule raison : facturer environ le double pour que les tokens arrivent plus vite. Qwen4-Max, disponible en général depuis le 16 novembre 2026, propose un tarif inférieur à celui du modèle sur lequel Prime a été bâti — 1,50 $ en entrée et 4,50 $ en sortie par million de tokens à Singapour, contre 2,00 $ et 6,00 $ — et il termine une tâche en environ deux tiers du temps d’horloge. Ainsi, la comparaison dont un lecteur a réellement besoin n’est pas « nouveau fleuron contre ancien fleuron ». Il s’agit de savoir si la voie rapide premium qu’Alibaba vend en complément de Qwen3.8-Max apporte encore quelque chose que l’on ne peut pas obtenir en passant simplement à Qwen4-Max au tarif standard, et la réponse honnête est plus étroite que ne le suggère l’une ou l’autre des pages des fournisseurs : Prime génère encore en flux plus vite par token, et il n’est plus clairement plus rapide par tâche.

Il y a une seconde complication, plus discrète. Au 18 novembre, l’identifiant de modèle Prime n’apparaît ni sur la page de documentation du mode Fast d’Alibaba, ni sur sa grille tarifaire des modèles, que ce soit dans l’édition internationale ou dans l’édition Chine. Cette page a été mise à jour pour la dernière fois le 11 octobre 2026, et elle répertorie désormais trois identifiants Prime, tous des GLM ou des Wan — aucune variante Qwen. Une absence ne vaut pas un retrait, et Alibaba n’a publié aucun avis de retrait que nous puissions trouver ; il faut donc considérer cela comme « plus répertorié » plutôt que « abandonné ». Mais si vous prévoyez un changement cette semaine, la question n’est plus de savoir lequel des deux vous devriez acheter, mais si l’ancien est encore disponible.

L’un de ces éléments est un modèle, l’autre est une voie de service.

Cette distinction décide de toute la comparaison, et le marketing ne l’établit pas.

• Qwen4-Max — un nouveau modèle phare de l'équipe Qwen d'Alibaba, disponibilité générale le 16 novembre 2026, facturé au token dans six régions, contexte de 1 000 000 de tokens, entrées texte, image et vidéo avec sortie texte, réflexion activée par défaut à reasoning_effort=high.

• Qwen3.8-Max-Prime — n'est pas un modèle. Il s'agit de Qwen3.8-Max, le modèle phare 3.8 de 2,4 billions de paramètres qui a atteint la disponibilité générale le 3 août 2026, servi via ce qu'Alibaba appelle le mode Fast (mode Prime, 优速模式). Mêmes poids, même contexte, même surface d'outils, mêmes limites d'utilisation. La documentation d'Alibaba indique que les capacités et les restrictions sont « les mêmes que celles du modèle d'origine » et que la seule chose que vous modifiez est le modèleparamètre

Cela importe, car une voie de service vieillit différemment d’un modèle. Prime hérite de tous les plafonds de capacités de la génération 3.8 et de chacune de ses caractéristiques d’efficacité en tokens ; ce qu’il ajoute, c’est une réserve de débit sur l’infrastructure propre à Alibaba, facturée avec un multiplicateur. Lorsque la génération qui le sous-tend est remplacée par quelque chose de moins cher et plus efficace en tokens, la voie conserve sa vitesse et perd sa raison d’être.

La feuille de prix, et l’inversion qu’elle contient

Ce sont des prix catalogue issus de la grille tarifaire d’Alibaba, et non des factures mesurées. Par million de tokens, en entrée et en sortie :

• Qwen4-Max, Singapour — 1,50 $ / 4,50 $, tarif fixe sur toute la fenêtre de 1 000 000 de tokens.

• Qwen4-Max, partout ailleurs — 1,413 $ / 4,24 $ à Pékin, Hong Kong, Francfort, Virginie et Tokyo.

• Qwen3.8-Max, Singapour — 2,00 $ / 6,00 $ ; 1,650 $ / 4,951 $ dans les régions mondiales.

• Qwen3.8-Max-Prime — 3,301 $ / 9,902 $ sur la carte internationale, avec des hits de cache à 0,413 $. C’est exactement 2,0× le tarif Global de l’ID standard, pas une approximation arrondie. Nous avons relevé ces chiffres sur la grille tarifaire fin septembre ; ce sont les derniers chiffres Prime publiés dont nous disposons, et la ligne n’est plus présente sur la page aujourd’hui.

A generated two-column scoreboard titled 'Qwen4-Max vs Qwen3.8-Max-Prime — the scoreboard'. Left column 'Qwen4-Max' reads Intelligence Index 42.9, HLE Diamond 44.9%, APEX Agents 59.1%, Terminal-Bench 4.0 48.5%, 104,940 tokens per task, $3.27 per task. Right column 'Qwen3.8-Max-Prime' reads Intelligence Index 33.7, HLE Diamond 24.0%, APEX Agents 42.4%, Terminal-Bench 4.0 38.9%, 170,794 tokens per task, $10.02 per task. Footer reads 'Scores: Artificial Analysis Intelligence Index v5.0.1. Prime mode runs Qwen3.8-Max weights, so its scores are Qwen3.8-Max's.'

• Taux de lecture du cache — 0,075 $ par million à Singapour et 0,071 $ ailleurs, contre 0,413 $ pour un accès au cache de Prime. Moins d'un cinquième du prix, sur la ligne qu'une longue boucle d'agent paie le plus souvent.

Alignez le premier et le quatrième et l'inversion saute aux yeux : le fleuron vieux de deux jours coûte environ 43 % de ce que coûte la voie rapide de la génération précédente en entrée, et 43 % en sortie. Même face au simple Qwen3.8-Max qu'il remplace, Qwen4-Max est 25 % moins cher à Singapour — et le fournisseur présente cela comme une baisse de prix, ce qu'elle est bel et bien, mais seulement si le nouveau modèle ne dépense pas les économies réalisées en davantage de tokens. On y revient plus bas, car c'est en partie le cas et en partie non.

La ligne de cache est celle qui pèse le plus. Une longue boucle d’agent avec une invite système et un schéma d’outils fixes relit son préfixe à chaque tour ; c’est donc le tarif de lecture du cache, et non le tarif d’entrée affiché, qui fixe le coût marginal du cinquantième tour. À 0,075 $ contre 0,413 $, Qwen4-Max relit un préfixe mis en cache pour environ un cinquième de ce que facture Prime — un écart 2,4 fois plus large que le 2,3× sur l’entrée fraîche, et celui qui décide si un balayage de document de 400 000 tokens est tout simplement abordable.

Ce que Prime achète réellement : des tokens par seconde, pas des tâches par heure

La page du mode Fast d'Alibaba énonce clairement l'avantage : le TPS est porté à 1,5 à 2 fois celui de l'API standard, à destination des assistants de codage IA, du raisonnement d'agents multi-étapes et de la conversation en temps réel. Elle décrit aussi une règle de limitation inhabituelle : lorsque vous atteignez la limite de débit, si la plateforme dispose encore de capacité disponible, vous n'êtes pas limité, de sorte que le débit réellement disponible ne descendra pas en dessous de la limite annoncée. C'est un plancher, pas un plafond, et pour un assistant de codage interactif, la queue importe plus que la moyenne.

Ce chiffre n'a jamais été mesuré de manière indépendante. Ce qui a été mesuré, c'est la version standard de Qwen3.8-Max : Artificial Analysis relève 60,0 jetons de sortie par seconde sur l'API d'Alibaba elle-même, avec 3,6 secondes avant le premier jeton. Qwen4-Max, sur le même classement, relève 54,5 jetons par seconde et 6,9 secondes avant le premier jeton. Donc, si Prime atteint réellement le haut de la fourchette annoncée, il génère en flux à environ 120 jetons par seconde — plus du double de Qwen4-Max — et son premier jeton arrive plus tôt.

Ensuite, lisez l’autre moitié du même tableau, et l’avantage s’inverse :

• Jetons de sortie par tâche d’index — Qwen4-Max 104 940 contre Qwen3.8-Max 170 794. Le nouveau modèle consomme 38,6 % de jetons en moins pour traiter la même suite d’évaluation, avec le même xhigh comme réglage d’effort des deux côtés.

• Temps réel par tâche — 32,1 minutes contre 47,5 minutes. Qwen4-Max termine un tiers plus tôt, même s'il génère plus lentement.

• Coût par tâche — 3,27 $ contre 10,02 $, sur la base des prix catalogue publiés. Multipliez ce 10,02 $ par la prime forfaitaire de 2,0× de Prime, et la même tâche revient à près de 20 $.

Ce dernier chiffre est un calcul sur la grille tarifaire, pas une mesure — Artificial Analysis a chronométré le standard ID, pas la voie Prime, et personne n’a publié de benchmark en mode Prime que nous puissions trouver. Présentez-le comme une estimation. Mais la direction ne fait aucun doute : si vous payez 2.0× par token pour une voie qui émet les mêmes tokens, vous payez 2.0× pour la tâche. Prime rend chaque token plus rapide et chaque tâche plus coûteuse ; Qwen4-Max rend chaque token plus lent et chaque tâche moins chère et plus courte.

Pour une interface de chat où un humain regarde les caractères apparaître, cette différence est bien réelle, et Prime l’emporte encore. Pour un agent qui exécute douze appels séquentiels et vous facture à la fin, le nombre de tokens est le temps d’horloge.

L’écart de capacités, mesuré plutôt qu’affirmé

Le matériel de lancement d'Alibaba pour Qwen4-Max cite des améliorations d'efficacité des tokens d'environ 24 % à xhigh effort et de 35 % à high sur son benchmark interne Work360, ainsi qu'une baisse de 62 % du coût moyen par tâche. Ces chiffres sont rapportés par le fournisseur et non reproduits. Le classement indépendant raconte une histoire cohérente mais moins spectaculaire, et c'est celui sur lequel il faut baser ses plans.

Sur l’Artificial Analysis Intelligence Index v5.0.1, sur lequel les deux modèles sont évalués avec le même réglage d’effort :

• Indice — Qwen4-Max 42,9 (le site l’arrondit à 43) contre Qwen3.8-Max à 33,7. Un écart de neuf points entre générations, et le même tableau indique la ligne 3.8 comme obsolète, remplacée par Qwen4-Max.

• Humanity's Last Exam, Diamond — 44,9 % contre 24,0 %. Il s'agit de la divergence isolée la plus large de la ligne et de celle qui change le plus ce que vous pouvez déléguer.

• APEX Agents — 59,1 % vs 42,4 %. L’achèvement des tâches agentiques gagne près de dix-sept points, soit la différence entre un workflow que vous supervisez et un workflow que vous contrôlez après coup.

• Terminal-Bench 4.0 — 48,5 % contre 38,9 %. Un gain réel, à lire en regard des 88,8 % que la version 3.8 enregistre sur l'ancien Terminal-Bench 2.1, sur lequel Qwen4-Max n'a pas été évalué. Ne comparez pas ces deux versions entre elles.

• FrontierCode 2.0 — 26,5 % contre 23,4 %. L’écart le plus faible du tableau. Si votre charge de travail consiste à générer du code sur un dépôt, le saut générationnel est de trois points, pas de neuf, et le débit de Prime peut encore compter davantage pour vous que l’indice.

• Omniscience — 27,7 contre 10,5, avec des taux d’hallucination de 28,4 % et 27,1 %. Qwen4-Max en sait sensiblement plus et confabule à peu près au même rythme. Ces deux faits réunis expliquent pourquoi il est plus sûr pour la recherche ouverte et pas plus sûr sur tout ce que vous ne pouvez pas vérifier.

Deux lacunes jouent en sens inverse, et toutes deux concernent ce que vous pouvez épingler. Qwen3.8-Max dispose d’un instantané daté, qwen3.8-max-0902, toujours dans la grille tarifaire au même prix, ce qui vous permet de figer le comportement sur l’ensemble d’une version. Qwen4-Max n’a ni ID d’instantané, ni fine-tuning, ni déploiement dédié — la page d’Alibaba marque ces deux derniers comme non pris en charge. Si votre dossier de conformité repose sur un modèle qui ne peut pas évoluer à votre insu, l’ancienne génération est la seule des deux à l’offrir, et Prime hérite de ce même build daté.

La question de la disponibilité que personne n’a intégrée dans les prix

Voici ce qui rend cette comparaison urgente plutôt que théorique. Consultez la page du mode Rapide aujourd'hui et vous y trouverez trois ID pris en charge — glm-5.3-prime, glm-5.2-fast-preview et wan3.0-video-prime — à Pékin et Singapour. Aucun modèle Qwen n'est répertorié, dans aucune des deux régions. Consultez la grille tarifaire des modèles dans l'édition internationale ou l'édition Chine et il n'y a aucune ligne qwen3.8-max-prime ; les entrées Qwen couvrent qwen4-max, qwen3.8-max, qwen3.8-max-0902 et descendent jusqu'à la ligne 3.7. Et on ne trouve nulle part qwen4-max-prime — le nouveau fleuron n'a aucune variante rapide du tout.

Nous ne pouvons pas déterminer de l’extérieur si Alibaba a retiré l’ID Qwen Prime, l’a déplacé vers une page produit régionale que nous n’avons pas trouvée, ou l’a simplement supprimé d’un tableau de documentation lors d’une restructuration. Ce que nous pouvons affirmer est plus limité, mais reste utile : un lecteur qui prévoit cette semaine un déploiement sensible à la latence sur Qwen3.8-Max-Prime devrait confirmer que l’ID se résout toujours dans son propre espace de travail avant de concevoir autour de lui, car la documentation publique ne le garantit plus. Il s’agit d’un profil de risque différent de celui de septembre, lorsque l’ID figurait sur la grille tarifaire à côté de celui standard.

Cela reformule aussi la décision. Si Prime est encore disponible sur votre compte, vous choisissez entre une voie rapide sur un modèle plus ancien, plus faible et plus cher, et une voie plus lente sur un modèle plus récent, moins cher et plus performant. Si ce n'est pas le cas, le choix a déjà été fait pour vous, et la seule question qui reste est de savoir combien de temps vous continuerez à payer $2.00/$6.00 pour le 3.8 ID standard au lieu de $1.50/$4.50.

A screenshot of Alibaba Cloud's Fast mode documentation page, captured 18 November 2026 in English, showing the supported model table with glm-5.2-fast-preview and the other GLM and Wan Prime IDs listed for Beijing and Singapore, and no Qwen row anywhere on the page.

Qui devrait choisir lequel ?

• Assistant de codage interactif, un humain qui regarde le flux — si Prime résout encore sur votre espace de travail et que l’UX se mesure en caractères par seconde, le débit 2× est le produit. Qwen4-Max à 54,5 tokens par seconde n’est pas lent, mais ce n’est pas une voie rapide, et son premier token à 6,9 secondes est presque le double de celui du build standard 3.8.

• Pipelines agentiques, évaluation par lots, parcours de documents — Qwen4-Max, sans trop discuter. Moins de tokens par tâche, moins de minutes par tâche, un tiers du coût par tâche, et un taux de lecture du cache plus de cinq fois moins cher que celui de Prime sur les longs préfixes.

• Charges de travail devant être épinglées — qwen3.8-max-0902, l’instantané daté de la version 3.8, aux tarifs standards. Ni Prime ni Qwen4-Max ne vous donnent de point de contrôle figé.

• Génération de code sur un grand dépôt — le choix le plus serré du tableau. Trois points d’indice d’amélioration de FrontierCode 2.0 ne valent peut-être pas la peine de perdre une voie de débit que vous avez déjà instrumentée, surtout si c’est votre agent, et non le modèle, qui constitue le goulot d’étranglement.

• Tous ceux qui n’ont pas encore migré — effectuez l’arithmétique de la suite d’index sur vos propres traces avant de valider. La réduction de 38,6 % du nombre de tokens mesurée par Artificial Analysis est une moyenne sur une évaluation mixte ; votre charge de travail peut mieux se compresser, ou pas du tout.

Intégrer le choix dans un seul endpoint

Ni Qwen4-Max ni Qwen3.8-Max-Prime ne figurent aujourd'hui au catalogue d'OrcaRouter — nous avons vérifié les deux pages de modèles et toutes deux ne renvoient rien, et cet article n'ira pas laisser entendre le contraire. Ce qui s'y trouve, c'est le modèle sur lequel repose toute cette comparaison : qwen/qwen3.8-max et son instantané daté qwen/qwen3.8-max-0902, servi au prix catalogue du fournisseur avec 0 % de marge, ce qui représente aujourd'hui 2,00 $ en entrée et 6,00 $ en sortie par million de jetons. La page d'OrcaRouter consacrée à cet ID indique un temps jusqu'au premier jeton p50 de 4,34 secondes et un p95 de 10,00 secondes sur la semaine écoulée — notre mesure, sur notre trafic, pas celle du fournisseur.

Cela compte pour la décision d'une manière précise. Alibaba a révisé deux fois le prix de Qwen4-Max entre l'aperçu du 11 novembre et la disponibilité générale du 16, et la carte Global est déjà 5,8 % en dessous de celle de Singapour. Quoi que vous construisiez, le tarif évoluera sous vos pieds. Une passerelle de répercussion signifie qu'une baisse du fournisseur se retrouve sur votre facture le jour même plutôt qu'au prochain renouvellement de contrat, et une seule clé couvre les deux générations, de sorte que la migration de qwen3.8-max vers qwen4-max n'est qu'une chaîne de modèle plutôt qu'une seconde intégration. Tant que Qwen4-Max n'est pas routable ici, le schéma utile est le plus ennuyeux : conserver l'ID 3.8 standard sur la clé que vous avez déjà, évaluer Qwen4-Max directement face à Alibaba pendant que ses conditions commerciales se stabilisent, et laisser le basculement automatique en cas d'échec combler l'écart dans un sens ou dans l'autre.

Qu'est-ce qui changerait ce verdict

Trois choses, et chacune est vérifiable dans les prochaines semaines. Une variante Qwen4-Max Prime rétablirait la voie rapide sur la génération actuelle et ferait redevenir ce comparatif une comparaison débit contre débit, au double du tarif de 1,50 $/4,50 $. Une mesure indépendante en mode Prime remplacerait l’affirmation du fournisseur de 1,5 à 2× par quelque chose que vous pouvez inscrire dans un plan de capacité — personne n’en a publié, et tant que personne ne le fait, le multiplicateur reste une promesse. Et un identifiant de snapshot pour Qwen4-Max supprimerait le seul véritable argument restant pour rester sur la ligne 3.8, qui, à l’heure actuelle, n’est ni le prix, ni la capacité, ni la vitesse sur une tâche complète, mais la possibilité de figer un point de contrôle.

Pour tous les autres, la réponse est déjà tranchée par l’arithmétique : la voie rapide coûte plus cher par token, plus cher par tâche et plus cher par relecture en cache que le modèle qui l’a remplacée, et elle en fait moins. C’est étrange pour un niveau premium, et c’est ce qui arrive lorsqu’une voie de service survit à la génération par rapport à laquelle elle a été tarifée.

A screenshot of the Artificial Analysis page for Qwen4 Max, captured 18 November 2026, showing an Intelligence Index of 43 and a Cost per Intelligence Index task of $3.27 alongside the surrounding comparison charts.

Comparés dans cet article2

Détecté à partir de cet article · Benchmarks : Artificial Analysis · mis à jour quotidiennement