Une carte de titre hero générée indiquant « Qwen4-Max vs Step-5 Preview », avec le sous-titre « 48 % de capacités en plus, 33 % d'argent en plus, 6 % par point d'indice » et trois badges en forme de pilule indiquant « 43 vs 29 index », « .27 vs .35 par tâche » et « 16 novembre 2026 ». Une ligne de pied de page indique « Scores selon l'Artificial Analysis Intelligence Index v5.0.1 ; prix selon la grille tarifaire de chaque fournisseur. » Style vectoriel plat sur fond blanc avec un lavis dégradé bleu à cyan et le logo OrcaRouter intégré en bas à droite.
Guides & Insights

Qwen4-Max vs Step-5 Preview : quatorze points d’indice, un demi-cent par point

Auteur

Elias Hawthorne

Date de publication

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

Divisez le coût par tâche de chaque modèle par son score : les deux côtés de cette comparaison tombent à moins de six pour cent l'un de l'autre. Qwen4-Max, qu'Alibaba a publié aujourd'hui, le 16 novembre 2026, obtient 43 sur l'Artificial Analysis Intelligence Index v5.0.1 pour un coût mesuré de 3,27 $ par tâche de l'indice — soit environ 7,6 cents par point d'indice. Step-5 Preview, le modèle à mélange d'experts clairsemé de 600 milliards de paramètres de StepFun, publié le 20 septembre 2026, obtient 29 sur le même indice pour 2,35 $ par tâche — soit environ 8,1 cents par point. Un modèle est 48 % plus intelligent selon la seule règle à laquelle les deux ont été confrontés. L'autre est moins cher des deux côtés du compteur, d'un tiers en entrée et de 40 % en sortie. Et par unité de capacité mesurée, les deux se situent à moins de sept pour cent l'un de l'autre, le tout nouveau fleuron étant légèrement en tête.

Ce n’est pas non plus la comparaison que vend l’un ou l’autre fournisseur, et c’est pourtant celle qui décide réellement d’une migration. Elle s’accompagne en outre d’une asymétrie qu’aucun article de lancement ne mentionne : l’un de ces deux modèles a une vitesse de sortie mesurée indépendamment, et l’autre n’a encore aucune vitesse mesurée, car il n’a que quelques heures. Ce qui suit distingue ce qui est documenté de ce qui est mesuré, effectue l’arithmétique du cache qui fait passer l’écart de prix de 33 % à quelque chose de tout autre, et se termine sur les deux axes où la réponse n’a rien de serré — les poids et le plafond de sortie.

Ce qu’est chacun, à ce jour

Qwen4-Max est le fleuron de quatrième génération d’Alibaba, bâti sur un socle de 2,4 billions de paramètres, avec 71 milliards de paramètres actifs par token et 328 milliards de paramètres d’embedding N-gram. Il accepte le texte, les images et la vidéo et renvoie du texte. La fenêtre de contexte documentée est de 1 000 000 de tokens, avec un plafond d’entrée de 991 808 tokens en mode sans réflexion et de 983 616 en mode réflexion — la différence correspond à la marge de raisonnement. La sortie maximale est de 131 072 tokens lorsque la réflexion est désactivée ; lorsqu’elle est activée, le raisonnement et la réponse partagent un budget de 262 144 tokens. La réflexion est activée par défaut avec un budget de 131 072 tokens et un effort de raisonnement par défaut « high », sélectionnable parmi low, high et xhigh. Ces chiffres proviennent de la documentation d’Alibaba elle-même ; Qwen4-Max ne publie aucun poids, ne prend pas en charge le fine-tuning dans aucune région et ne prend pas non plus en charge le déploiement du modèle dans aucune région.

Step-5 Preview est le modèle phare de StepFun pour le travail agentique : 600 milliards de paramètres au total, 27 milliards actifs, une fenêtre de contexte de 1 M de tokens, et des entrées texte, image et vidéo avec sortie texte. L'effort de raisonnement est sélectionnable selon les niveaux faible, moyen et élevé. La sortie maximale est documentée à 64 000 tokens, avec max_tokens sans plafond par défaut afin que le modèle choisisse la longueur. Il prend en charge le streaming, l'appel d'outils, la sortie JSON Schema et la mise en cache des prompts, et l'API est compatible OpenAI.

Trois mois après le lancement, le mot « Preview » dans le nom a perdu son sens. StepFun le répertorie toujours comme Preview dans sa vue d’ensemble des modèles aujourd’hui, tandis que les checkpoints BF16 et FP8 sont sur Hugging Face depuis le 15 octobre sous la StepFun Model License 1.0. Considérez ce libellé comme une habitude de nommage, et non comme un avertissement que le point de terminaison va changer sous vos pieds — mais n’y voyez pas non plus un engagement de GA, car l’éditeur n’en a pas pris.

L’écart de prix est d’un tiers ; c’est l’arithmétique du cache qui le modifie.

Aux prix catalogue, les deux se résument facilement : Step-5 Preview est moins cher des deux côtés du compteur, et l’écart dépasse largement une erreur d’arrondi.

• Entrée — Qwen4-Max à 1,50 $ par million de tokens à Singapour, 1,413 $ dans les cinq autres régions, contre 1,00 $ pour Step-5 Preview

• Sortie — Qwen4-Max : 4,50 $, contre Step-5 Preview : 2,70 $

• Lecture du cache — Qwen4-Max 0,075 $ par million, une réduction de 95 %, contre Step-5 Preview 0,10 $, une réduction de 90 %

• Écriture du cache — Qwen4-Max à 1,875 $ le million pour une TTL de cinq minutes et à 3,00 $ pour une heure, contre rien pour Step-5 Preview, car l’entrée en cas de défaut de cache à 1,00 $ inclut déjà l’écriture du préfixe

• Tarif mixte, selon la répartition 7:2:1 cache-hit/entrée/sortie d’Artificial Analysis — Qwen4-Max 0,80 $ par million contre Step-5 Preview 0,54 $

Cette ligne d’écriture du cache est celle qui est ignorée, et c’est celle qui peut inverser le classement sur la bonne charge de travail. Prenons un document de 300 000 jetons examiné en quatre passes avec 3 000 jetons de sortie chacune, aux tarifs de Singapour, sans réflexion. Sur Qwen4-Max, la première passe écrit le préfixe à 0,5625 $ et émet 0,0135 $ de sortie ; les trois suivantes le lisent à 0,0225 $ chacune, plus 0,0405 $ de sortie au total entre elles. Total : 0,684 $. Sur Step-5 Preview, la première passe coûte 0,30 $ d’entrée et 0,0081 $ de sortie ; les trois suivantes coûtent 0,03 $ chacune, plus 0,0243 $. Total : 0,422 $. Step-5 Preview est 38 % moins cher sur ce travail.

Réduisez-la à une seule passe et l’écart s’élargit au lieu de se refermer — 0,576 $ contre 0,308 $, Step-5 Preview étant 46 % moins cher — mais la raison change. Sur une seule passe, il n’y a aucune lecture à amortir, vous payez donc la prime d’écriture de cache de Qwen4-Max pour un préfixe que vous ne réutiliserez jamais. La règle pratique : le cache de Qwen4-Max récompense un préfixe lu de nombreuses fois et pénalise une lecture unique. Le tarif fixe de 0,10 $ pour la lecture du cache de Step-5 Preview et son prix de miss incluant l’écriture constituent une structure plus favorable pour les charges de travail où vous ne pouvez pas prédire le taux de réussite.

A generated two-column scoreboard titled 'Qwen4-Max vs Step-5 Preview — the scoreboard'. The Qwen4-Max column reads Intelligence Index 43, cost per index task .27, cost per index point 7.6 cents, cache write .875 per 1M, weights none published, max output 131,072 tokens. The Step-5 Preview column reads Intelligence Index 29, cost per index task .35, cost per index point 8.1 cents, cache write included in .00 miss price, weights BF16 and FP8 on Hugging Face, max output 64,000 tokens. A footer reads 'Index per Artificial Analysis v5.0.1; prices and limits per Alibaba and StepFun documentation, November 2026.'

Quatorze points, et une lacune de preuves qui va dans l’autre sens

Les deux modèles ont été soumis à Intelligence Index v5.0.1, qui intègre neuf évaluations : AA-Briefcase v1.1, AutomationBench-AA, Terminal-Bench 4.0, FrontierCode-AA 2.0, AA-Omniscience v1.1, GDP.pdf, HLE-Diamond, CritPt v2 et Terminal-Bench-Science 0.1. Aucune page de modèle ne publie de scores distincts par effort de raisonnement ; il s'agit donc de valeurs uniques, quel que soit le réglage utilisé par Artificial Analysis.

• Index — Qwen4-Max 43, classé 38e sur 81 dans sa catégorie, contre Step-5 Preview 29, classé 10e sur 29 parmi les grands modèles à poids ouverts. Les médianes des catégories diffèrent (41 et 23), c’est pourquoi ces rangs ne sont pas comparables entre eux, même si les scores le sont

• Coût par tâche d'indexation — 3,27 $ contre 2,35 $

• Coût par point d’indice — 7,6 cents contre 8,1 cents, donc le modèle plus cher par tâche est le moins cher par unité de capacité

• Vitesse de sortie — Step-5 Preview : 124 tokens par seconde, contre aucun chiffre publié pour Qwen4-Max. Artificial Analysis indique que son temps par tâche est inconnu et sa page fournisseur ne rapporte aucun benchmark de fournisseur.

• Temps jusqu’au premier token de réponse — Step-5 Preview : 23,53 secondes, contre aucune valeur publiée pour Qwen4-Max

• Temps par tâche d’indexation — Step-5 Preview : 15,2 minutes, contre une médiane de 13,3 minutes pour sa catégorie ; Qwen4-Max n’a pas de chiffre

• Verbosité — Qwen4-Max a émis 127 millions de jetons de sortie sur l’index, contre une médiane de 78,6 millions, tandis que Step-5 Preview en a émis 129 millions, contre une médiane de 104 millions. Les deux sont verbeux ; Qwen4-Max l’est par rapport à un groupe de pairs plus concis.

Le premier token à 23,53 secondes est le chiffre qui devrait inquiéter quiconque envisage un déploiement interactif de Step-5 Preview. Ce n’est pas un artefact réseau : c’est ce que coûte un modèle de 600 milliards de paramètres avec la réflexion activée par défaut avant même que la réponse ne commence. Les valeurs par défaut de raisonnement de Qwen4-Max — réflexion activée, budget de 131 072 tokens, effort réglé sur high — vont dans le même sens, et tant que personne ne le mesure, il n’existe aucun moyen honnête de dire lequel est le plus lent. C’est le coût pratique d’un achat le jour du lancement : vous obtenez un score et une grille tarifaire, mais pas un chiffre de latence.

Les propres éléments d’évaluation d’Alibaba constituent un sujet distinct et doivent être lus comme des données rapportées par le fournisseur, non reproduites. Sur Work360, son benchmark interne couvrant 26 domaines industriels de premier niveau, le fournisseur rapporte 52,69 pour Qwen4-Max contre 47,74 pour Qwen3.8-Max. Il rapporte également que le coût moyen par tâche Work360 passe de 4,43 $ à 1,67 $, soit une réduction de 62 %, et que l’utilisation de tokens diminue d’environ 24 % à l’effort xhigh et de 35 % à l’effort high sur ce benchmark, avec des réductions de 48 % et 49 % sur Terminal-Bench 4.0. Ce sont des affirmations concernant Qwen4-Max par rapport à son prédécesseur. Elles ne disent rien de Step-5 Preview, et aucune d’elles n’a été vérifiée indépendamment.

A screenshot of the Artificial Analysis model page for Qwen4 Max, captured 16 November 2026, showing 'Released November 2026', the Alibaba Cloud provider label, an Intelligence Index of 43 ranked 38 of 81, in-benchmark ranks for performance, cost and verbosity, .50 input and .50 output per 1M tokens, a 95% cache discount, .27 cost per task, 127M tokens generated, and a 984k-token context window.

Poids : celui-ci n'est pas proche

Step-5 Preview est téléchargeable dès aujourd'hui. Le dépôt Hugging Face contient des safetensors BF16 et FP8 sous StepFun Model License 1.0 — une licence de type Apache-2.0 avec une exigence d'attribution et une condition d'utilisation commerciale — ainsi que le gabarit de chat, trois variantes quantifiées et des recettes de déploiement : FP8 sur quatre B300 ou huit H200 sous vLLM, FP8 sur le même matériel sous SGLang, BF16 sur huit B300 ou seize H200. Environ 1 600 téléchargements au cours du dernier mois.

Qwen4-Max n'a pas de checkpoint et aucun moyen d'en obtenir un. La documentation d'Alibaba indique que le fine-tuning n'est pas pris en charge dans aucune région et que le déploiement de modèle n'est pas pris en charge dans aucune région, ce qui est une affirmation plus forte que « les poids ne sont pas encore disponibles » : cela signifie que le fournisseur ne vous permettra pas du tout d'exécuter ce modèle vous-même via sa plateforme. Si votre exigence est un modèle que vous pouvez quantifier, fine-tuner, isoler sur un réseau air-gap ou épingler à une version spécifique, la comparaison s'arrête ici et elle tourne à l'avantage de StepFun.

Cela change aussi ce que « open » vous apporte. La licence de Step-5 Preview autorise l’usage commercial sous conditions ; une revue juridique fait donc partie du coût d’adoption, et les recettes de déploiement supposent un nœud de quatre à seize GPU — ce n’est pas un modèle que l’on fait tourner sur une station de travail. Mais c’est un modèle dont le comportement ne peut pas être modifié sous vos pieds par une mise à jour silencieuse du fournisseur, et pour quiconque construit un système réglementé ou destiné à durer, cela vaut plus de quatorze points d’indice.

Le plafond de sortie, et un conflit de documentation à connaître

C’est la différence la moins glamour et celle qui risque le plus de poser problème à une charge de travail donnée. Qwen4-Max offre 131 072 tokens de sortie avec la réflexion désactivée, et un budget partagé de 262 144 tokens avec la réflexion activée. La documentation API de Step-5 Preview indique une sortie maximale de 64 000 tokens. Sa fiche modèle Hugging Face indique que la sortie peut atteindre la totalité de 1 M de tokens, l’entrée et la sortie étant décomptées sur la même limite.

Ces deux déclarations proviennent du même fournisseur à un mois d'intervalle, et aucune n'est marquée comme obsolète. Si vous prévoyez une tâche à sortie longue — un rapport complet, un correctif volumineux, un document généré —, lisez la documentation de l'API plutôt que la fiche, et testez le plafond avant de concevoir votre architecture autour. Le chiffre de 64 000 est cohérent avec le temps de 15,2 minutes par tâche d'indexation ; le chiffre de 1 M impliquerait quelque chose de très différent.

Une autre asymétrie qu’il vaut la peine de signaler : les deux modèles acceptent une entrée vidéo, mais seul StepFun publie le détail opérationnel. Jusqu’à 60 images par requête en détail faible ou élevé, une vidéo via URL, Base64 ou une référence stepfile://, des fichiers MP4 de moins de 128 Mo avec des clips de moins de cinq minutes recommandés. Alibaba documente l’entrée vidéo pour Qwen4-Max sans publier de limites comparables sur la page du modèle. Si la vidéo est centrale pour votre charge de travail plutôt qu’accessoire, cette différence de qualité de documentation est en soi un signal indiquant à quel fournisseur la question a déjà été posée.

Qui devrait choisir quoi, cette semaine ?

Choisissez Qwen4-Max si le plafond de performance compte plus que la facture : raisonnement exigeant, travail agentique à long horizon, ou tout cas où 43 contre 29 sur un indice à neuf évaluations fait la différence entre une tâche qui aboutit et une qui n’aboutit pas. Acceptez deux risques en contrepartie. Le premier, c’est que vous achetez dès le premier jour sans chiffre de latence indépendant ni reproduction par un tiers des affirmations Work360 du fournisseur. Le second est la surprime d’écriture de cache, qui taxe discrètement le travail en contexte long à passe unique à 1,875 $ par million de tokens écrits.

Choisissez Step-5 Preview si vous devez posséder le modèle, si vous avez besoin d'un débit mesuré de 124 tokens par seconde et d'un premier token en 23,53 secondes sur lequel vous pouvez planifier, ou si votre charge de travail est fortement dépendante du cache d'une manière que vous ne pouvez pas prévoir. Acceptez que vous achetez 29 points d'indice, que le premier token arrive lentement et que le plafond de sortie est documenté de deux manières différentes par le fournisseur.

La troisième option est la plus honnête pour la plupart des équipes cette semaine : aucun des deux, exclusivement. L’écart entre ces deux modèles par unité de capacité mesurée est de 6 %, ce qui se situe bien à l’intérieur de la marge d’erreur d’une seule version d’indice, et les deux n’ont été évalués qu’une seule fois par un seul banc d’évaluation. Une équipe qui s’engage pour l’un des deux sur la base d’un score du jour du lancement prend position sur un chiffre qui n’a pas été reproduit.

Exécuter les deux sans un deuxième contrat

Aucun des deux modèles ne figure aujourd'hui au catalogue OrcaRouter — 215 identifiants de modèles, vérifiés ce matin, sans entrée Qwen4 ni modèle textuel StepFun parmi eux. Les deux sont accessibles via les API de leurs propres fournisseurs : les six régions d'Alibaba pour Qwen4-Max, le point de terminaison compatible OpenAI de StepFun à api.stepfun.ai/v1 pour Step-5 Preview. Dire le contraire serait le genre d'affirmation qui vieillit mal en l'espace d'une semaine.

Ce que nous routons, c'est le modèle que Qwen4-Max remplace. Qwen3.8-Max figure dans notre catalogue sous qwen/qwen3.8-max au prix catalogue d'Alibaba lui-même, soit 2,00 $ en entrée et 6,00 $ en sortie par million de tokens, répercuté sans marge, aux côtés de 214 autres identifiants sur une seule URL de base compatible OpenAI. Cela compte pour exactement une raison dans cette comparaison : un modèle sorti le jour du lancement est la pire chose sur laquelle miser un chemin de production, et la posture raisonnable consiste à garder la génération éprouvée sur la route pendant que vous mesurez le nouveau modèle sur votre propre trafic. Le DSL de routage exprime cela sous forme de politique plutôt que de modification de code — envoyez les appels difficiles, à forte intensité de raisonnement, vers le nouveau modèle, gardez le travail à fort volume sur le modèle éprouvé et moins cher, et laissez le basculement automatique rattraper le cas où un tout nouvel endpoint se dégrade sous une charge que vous n'aviez pas prévue.

La tarification par répercussion signifie aussi que les calculs de cet article restent honnêtes. Quand Alibaba baisse un tarif — comme aujourd’hui, en faisant passer Qwen4-Max à 1,50 $ et 4,50 $, contre 2,00 $ et 6,00 $ pour Qwen3.8-Max — un catalogue qui répercute le prix de liste du fournisseur le reflète le jour même, et non au prochain renouvellement du contrat. Ce n’est pas un argument en notre faveur face à l’API propre à l’un ou l’autre fournisseur. C’est un argument pour ne rien signer qui verrouille un prix dont vous n’avez pas constaté la stabilité pendant un mois.

A screenshot of the OrcaRouter model page for qwen/qwen3.8-max, captured 16 November 2026, showing the model identifier, text, image and video input with text output, a 1M-token context window, a list date of 2026-08-03, .00 input and .00 output per 1M tokens, measured latency figures, and an OpenAI-compatible Python sample pointing at https://api.orcarouter.ai/v1.

La comparaison que les lecteurs voudront dans quinze jours n’est pas celle de ce titre. C’est la latence de Qwen4-Max et la version stable de Step-5 Preview, toutes deux mesurées par quelqu’un qui n’est pas le fournisseur, sur des charges de travail que les gens utilisent réellement. D’ici là, la position défendable est étroite et peu glamour : un écart de capacité de 48 %, un écart de prix de 33 %, un écart de 6 % par unité de capacité, et un ensemble de décisions — les poids, le plafond de sortie, la structure du cache — qu’aucun score d’indice ne capture et qui survivront à cette semaine de lancement.