
Qwen4-Max vs Qwen4 27B : un écart de prix de 4,5 fois et un modèle que vous ne pouvez pas télécharger
- 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 1.02026-11-0717 tok/s
- OrcaNOUVEAUOrcaCyber: GLM 5.3 Abliterated / Uncensored2026-11-04$3.00 / $5.00 par million de tokens · 87 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 · 72 tok/s
- OrcaOrcaCyber: MiniMax M3.1 Flash Abliterated / Uncensored2026-10-29$0.80 / $1.60 par million de tokens · 130 tok/s
- OrcaOrcaCyber: GLM 5.3 Flash Abliterated / Uncensored2026-10-27$0.80 / $1.60 par million de tokens · 65 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 · 43 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 · 150 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 · 119 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 · 219 tok/s
La question intéressante à propos de Qwen4-Max n’est pas de savoir s’il est bon. C’est de savoir si vous devriez payer 1,50 $ et 4,50 $ par million de tokens pour un modèle qui raisonne par tranches de 262 144 tokens alors qu’un frère de 27 milliards de paramètres — Qwen4 27B — est censé accomplir la majeure partie du même travail sur du matériel que vous possédez. Le hic, c’est que Qwen4 27B n’existe pas encore sous une forme que vous pouvez exécuter. Alibaba l’a présenté sur scène à l’Apsara Conference le 22 septembre 2026 aux côtés de Qwen 4 Max, Qwen 4 Flash et Qwen 4 Plus, et n’a depuis publié ni fiche modèle, ni poids, ni longueur de contexte, ni prix, ni benchmark à son sujet. Qwen4-Max, en revanche, est passé à la facturation à l’usage le 16 novembre avec une fenêtre de 1 000 000 de tokens et un indice d’intelligence Artificial Analysis de 43. La version utile de cette comparaison oppose donc le modèle phare que vous pouvez appeler au petit modèle que vous ne pouvez pas, et répond à la question qui décide vraiment des budgets : qu’achète un écart de prix par token d’un facteur 4,5, et que devrait faire le 27B pour mériter sa place ?
Deux cartes de prix, dont l'une comporte des chiffres
Commencez par ce qui est écrit. Tout dans cette section est un chiffre publié ; rien n’est déduit.
• Qwen4-Max, Singapour — 1,50 $ par million de jetons d’entrée, 4,50 $ en sortie, tarif fixe sur toute la fenêtre de 1 000 000 de jetons. Lectures du cache : 0,075 $ par million ; écritures de cinq minutes : 1,875 $ ; écritures d’une heure : 3,00 $.
• Qwen4-Max, autres régions — 1,413 $ et 4,24 $ à Francfort, en Virginie, à Tokyo, Hong Kong et Pékin, soit une remise de 5,8 % sur la carte Singapour pour des limites identiques.
• Qwen4-Max, indépendant — AA Index 43 à 3,27 $ de coût facturé par l’évaluateur par tâche d’index, coût mixte de 0,80 $ par million, 127M de tokens de sortie sur l’ensemble de l’exécution.
• Qwen4 27B — pas de prix. Non pas « non annoncé » ; précisément, aucune ligne n'existe nulle part, car aucun modèle n'existe auquel en rattacher un.
Ce qui se rapproche le plus d'un {{1}}petit Qwen{{/1}} que vous pouvez exécuter aujourd'hui est {{2}}Qwen3.8-27B{{/2}}, le modèle multimodal dense sous Apache-2.0 de la génération précédente. {{3}}Alibaba{{/3}} l'affiche à 0,50 $ et 3,00 $ par million de tokens sur sa propre API ; nous hébergeons nous-mêmes les poids et facturons 0,33 $ et 2,40 $, car les poids ouverts n'ont aucun coût fournisseur par token à répercuter. Artificial Analysis lui attribue 20 sur le même indice — vingt-trois points de moins que {{4}}Qwen4-Max{{/4}}, ce qui résume tout l'argument en un seul chiffre.
Le ratio honnête n’est donc pas mesuré par rapport à un fantôme. Il est de 4,5 fois en entrée et de 1,9 fois en sortie lorsque l’on compare Qwen4-Max au dernier 27B qui a réellement été livré — et vingt-trois points d’indice de capacité pour la différence. Savoir s’il s’agit d’une bonne affaire dépend entièrement de ce sur quoi votre charge de travail dépense ses tokens, une question qui porte sur vos traces plutôt que sur l’un ou l’autre des fournisseurs.

Ce qu'un 27B apporte, que ne peut apporter un modèle porte-étendard de 2,4 billions de paramètres
Trois choses, et aucune d’elles n’est la qualité.
Le premier est une facture fixe. Un modèle phare hébergé est un coût variable qui évolue avec le trafic et avec la verbosité du modèle ce jour-là ; un modèle ouvert de 27B sur votre propre matériel est un coût d’investissement et un plan d’amortissement. À 0,33 $ et 2,40 $ par million, une équipe qui dépense 3 000 $ par mois sur le modèle phare dépense environ 700 $ sur le petit modèle pour le même volume de tokens — et dès que ce volume double, l’un de ces chiffres bouge et l’autre pas.
La seconde est la latence que vous contrôlez. Un modèle dense de 27B sur un seul nœud répond selon une forme que vous pouvez prédire, car il n'y a pas de file d'attente derrière lui et aucun budget de réflexion à long horizon que vous n'avez pas demandé. Qwen4-Max utilise par défaut reasoning_effort: high avec un budget de réflexion de 131 072 tokens, et une requête qui ne définit rien a réservé plus de marge de sortie que la plupart des tâches n'en utiliseront. Cette valeur par défaut est adaptée à un modèle phare et inadaptée à un classifieur, à un routeur ou aux mille petites décisions qu'un agent prend entre les plus intéressantes.
Le troisième point est la licence. Les poids sous Apache-2.0 signifient que le modèle peut être quantifié, fine-tuné, intégré dans un produit que vous commercialisez et exécuté dans une juridiction où l’API n’est pas disponible. Qwen4-Max est propriétaire, servi depuis six régions et ne renvoie que du texte — pas de poids, pas de fine-tuning, pas de déploiement sur site. La documentation d’Alibaba indique que le fine-tuning et le déploiement de modèle ne sont pris en charge nulle part pour celui-ci.
Ce qu’un 27B ne peut pas vous apporter, c’est précisément ce pour quoi Qwen4-Max a été conçu. Le squelette de 2,4 billions de paramètres avec 71 milliards de paramètres actifs, les 328 milliards de paramètres d’embedding N-gram, les couches Gated DeltaNet qui compressent l’historique en un état fixe pour chaque couche Qwen Sparse Attention — rien de cette architecture ne se transpose à un modèle dense de 27B, et la fenêtre de 1 000 000 de tokens non plus. La présentation que le fournisseur fait lui-même de la famille consiste à dire que les modèles plus petits sont « ajustés pour ce que les petits modèles font de mieux », ce qui est une façon élégante de dire qu’il ne s’agit pas du même produit.
La seule chose qu’Alibaba a dite à propos de Qwen4 27B, et ce que cela vaut
Dans l’article de lancement de Qwen4-Max du 16 novembre, le paragraphe de conclusion se lit ainsi : « Et Max n’est que le premier aperçu de Qwen4. Les modèles plus petits de la famille arrivent bientôt en open source, construits sur la même lignée et entraînés avec la même génération de techniques, ajustés pour ce que les petits modèles font de mieux. »
C’est la déclaration la plus récente et la plus précise qui existe sur le palier 27B, et elle vaut exactement ce qu’elle dit — ce qui est moins qu’il n’y paraît. « Arriver en open source » est un engagement sur une licence, pas sur une date. « Même lignée » est une affirmation sur une filiation architecturale, pas sur un checkpoint publié. Et la phrase ne nomme pas du tout le 27B ; le nom du palier vient de l’annonce de l’étape de septembre, où le responsable LLM de Qwen a présenté quatre modèles et dit seulement que la famille arriverait bientôt. Entre les deux déclarations, il y a un écart de deux mois, avec quatre paliers promis, un livré, et celui à poids ouverts — historiquement le palier qui sort en premier sous forme de poids téléchargeables — toujours absent.
Ce qui rendrait cette page obsolète est vérifiable à trois endroits, et ce sont précisément ceux qui ont signalé chaque sortie de Qwen. Un dépôt dans l’organisation Qwen sur Hugging Face portant un nom Qwen4 ; les dépôts de modèles les plus récents de l’organisation aujourd’hui sont tous Qwen3.8, mis à jour pour la dernière fois début novembre. Une fiche modèle sur qwen.ai nommant le niveau avec une longueur de contexte et une licence. Ou une ligne tarifaire pour un 27B hébergé, qui vous dirait combien Alibaba estime que ce niveau vaut avant la publication des poids. Tant que l’un de ces éléments n’aura pas bougé, tout nombre de paramètres, toute fenêtre de contexte ou tout score que vous lisez pour Qwen4 27B est une extrapolation à partir de Qwen3.8-27B et devrait être présenté comme tel.
Exemple concret : la même boucle d’agent sur les deux cartes
Prenez un agent d'automatisation du support : un prompt système et un schéma d'outils de 40 000 tokens, une conversation de 6 000 tokens, huit appels d'outils par ticket, 900 tokens de sortie par appel, pas de mode réflexion, 20 000 tickets par mois. Mettez le préfixe en cache. C'est de l'arithmétique sur les tarifs catalogue publiés.
• Qwen4-Max, Singapour, non mis en cache — 46 000 jetons d’entrée par appel à 1,50 $ par million, soit 0,069 $ ; huit appels représentent 0,552 $ par ticket. La sortie à 900 jetons et 4,50 $ par million représente 0,00405 $ par appel, 0,0324 $ par ticket. 0,584 $ par ticket, 11 690 $ par mois.
• Qwen4-Max avec le préfixe mis en cache — le préfixe de 40 000 tokens est écrit une fois à 1,875 $ par million et lu lors des sept appels suivants à 0,075 $. Par ticket, le préfixe coûte 0,075 $ pour l’écriture plus 0,021 $ pour sept lectures ; les 6 000 tokens mobiles coûtent 0,072 $ sur huit appels. L’entrée revient à 0,168 $, la sortie reste à 0,0324 $. 0,20 $ par ticket, 4 010 $ par mois — et le cache a fait plus pour la facture que n’importe quel changement de modèle.
• Qwen3.8-27B à notre tarif auto-hébergé — 46 000 tokens d’entrée par appel à 0,33 $ par million, soit 0,0152 $ ; huit appels, 0,121 $. En sortie, à 900 tokens et 2,40 $ par million, cela fait 0,00216 $ par appel, soit 0,0173 $ par ticket. 0,139 $ par ticket, 2 780 $ par mois.
Deux constats s'imposent. La mise en cache du préfixe sur le modèle phare permet d'économiser 66 % et le ramène à moins de 1,4× le prix hors cache du petit modèle — l'écart entre les niveaux est plus petit que l'écart entre l'utilisation du cache et sa non-utilisation. Et l'avantage du petit modèle est réel mais pas transformationnel à ce volume de tokens : environ 1 200 $ par mois sur 20 000 tickets. Là où il devient transformationnel, c'est à dix fois ce volume, ou lorsque le travail est assez simple pour qu'un modèle à 20 index suffise, ce qui, pour le routage d'appels d'outils et la classification, est généralement le cas.
Là où le vaisseau amiral n’est pas une option
Il existe une catégorie de tâches pour lesquelles le palier 27B n'est pas un substitut moins cher mais une option à écarter d'emblée, et être clair sur ce point fait toute la différence entre une comparaison utile et une page de vente.
• Travail sur des contextes longs au-delà de 256 000 tokens — Qwen3.8-27B s’arrête à 262 144 ; Qwen4-Max prend en charge 1 000 000, avec un plafond d’entrée de 991 808 tokens en mode sans réflexion. Une revue de contrat de 400 000 tokens ne tient pas du tout dans le petit modèle.
• Exécutions d’agents sur horizon long — Les affirmations agentiques d’Alibaba concernant Qwen4-Max consistent en une exécution autonome de découverte de matériaux de 48 heures sur une plateforme de laboratoire humide, et en une analyse de diligence raisonnable juridique portant sur 198 documents de travail et produisant un rapport de 86 pages. Quoi que l’on pense des démonstrations de fournisseurs, elles décrivent une catégorie de tâches qu’un modèle à 20 index ne tente pas.
• Entrée vidéo longue — Qwen4-Max accepte la vidéo et une fenêtre de 1M ; la famille 27B accepte la vidéo à 262K. Le calcul des images par seconde de métrage est impitoyable.
• Codage sécurisé — Alibaba indique que les taux de réussite au niveau des fonctions de Last Secure Code Bench passent de 22,0 % à 31,8 % entre générations sur le niveau Max, et que la part de code sécurisé simultanément au niveau des fonctions, des fichiers et du dépôt passe de 8 % à 14,7 %. Il s’agit de chiffres du fournisseur, non reproduits, mais c’est le genre de nombre qu’une revue de sécurité réclame et dont la fiche d’un petit modèle ne fait pas état.
Le schéma, c’est que le modèle phare justifie son prix sur les tâches longues, multimodales ou dont une erreur coûte cher, et non sur les tâches nombreuses. La plupart des systèmes de production contiennent les deux types, ce qui explique pourquoi la réponse à « lequel choisir » est généralement « les deux, avec routage ».
Exécution de l'état mixte sur une seule clé
OrcaRouter propose la famille Qwen3.8 — Qwen3.8-Max, Qwen3.8-Flash et Qwen3.8-27B — sur un point de terminaison compatible OpenAI, au prix catalogue du fournisseur, sans majoration de 0 %, et le 27B est celui que nous exécutons sur notre propre infrastructure à partir des poids Apache-2.0, ce qui explique qu'il soit facturé 0,33 $ et 2,40 $ plutôt que 0,50 $ et 3,00 $ chez Alibaba. Il ne propose pas Qwen4-Max : ce modèle est accessible via l'API Model Studio d'Alibaba et plusieurs plateformes tierces, et ne figure pas au catalogue au 16 novembre.
Ce que cela rend possible dès aujourd’hui, c’est le schéma de routage que défend cette comparaison, sans attendre le 27B. Une API pour plus de 200 modèles signifie que le choix du palier cesse d’être une décision d’achat : une requête qui tient dans 256K et semble routinière va vers qwen/qwen3.8-27b ; une requête longue, multimodale ou signalée comme à forts enjeux va vers un modèle de pointe sur la même clé ; le DSL de routage exprime cette répartition sous forme de règle plutôt que de branche dans le code de votre application. Le basculement automatique signifie que le palier économique peut absorber le volume sans devenir un point de défaillance unique lorsqu’il connaît un après-midi difficile, et une baisse de prix de n’importe quel fournisseur s’applique à votre clé le jour même, car le prix catalogue est répercuté sans majoration.
La fusion de modèles est la troisième option de cette boîte à outils, et celle qui correspond le moins bien à ce couple particulier : un panel de modèles répondant ensemble coûte plus cher que l’un ou l’autre seul, et la raison de l’utiliser est le désaccord sur des questions difficiles, pas le volume. Bon à savoir qu’elle existe ; pas la peine d’y recourir pour un routeur de tickets d’assistance.

Que faire avant que les poids n’arrivent
Si votre raison d’attendre Qwen4 27B est que vous voulez un petit modèle ouvert que vous pouvez exécuter vous-même, cette attente ne vous coûte pas grand-chose : Qwen3.8-27B est sous Apache-2.0, dispose d’une fenêtre de 256K, lit le texte, les images et la vidéo, et affiche 90,3 sur LiveCodeBench v6 et 89,2 sur GPQA Diamond sur la fiche de Qwen — des chiffres du fournisseur, et solides pour cette taille. Commencez par là, mesurez ce qu’un modèle à 20 index fait à votre taux de réussite sur vos tâches, et vous saurez avant l’arrivée du checkpoint Qwen4 si ce niveau est vraiment adapté à votre charge de travail.
Si votre raison est le coût, mettez d'abord le préfixe en cache. L'exemple détaillé ci-dessus montre une économie de 66 % sur le modèle phare grâce à un seul paramètre de requête, ce qui dépasse l'écart entre le modèle phare et le petit modèle sur la même base non mise en cache. Les équipes cherchent systématiquement un modèle moins cher alors que la partie coûteuse de leur facture est un préfixe qu'elles relisent au prix fort.
Et si votre raison est la capacité, aucun 27B ne fera office de substitut. Les vingt-trois points d’indice entre Qwen3.8-27B et Qwen4-Max sont la différence entre un modèle qui traite bien le travail de routine et un modèle qui s’attaque aux tâches longues, multimodales et à forts enjeux — et les termes de la feuille de route d’Alibaba indiquent que les petits modèles sont ajustés pour ce que les petits modèles font de mieux, ce qui est une promesse d’efficacité plutôt que de parité. Mettez en place la répartition du routage dès maintenant, sur les niveaux qui existent, et le jour où un Qwen4 27B arrivera sur Hugging Face, ce sera une entrée de catalogue et un changement de règle plutôt qu’une migration.

