Une carte de titre générée indiquant « Qwen 4 vs Claude Opus 5.5 : seize points d'indice, et ce qu'ils coûtent par réponse », avec le sous-titre « Opus délivre 38 % de points d'indice en plus pour 207 % d'argent en plus par tâche accomplie, et la facture porte principalement sur les entrées ». Trois lignes numérotées indiquent « score d'indice 42,9 contre 59,1, Artificial Analysis v5.0.1 », « coût par tâche d'indice accomplie 3,27 $ contre 10,04 $ » et « lecture de cache 0,075 $ contre 0,20 $ par million de tokens ». Un pied de page indique « Scores et coût par tâche selon l'Artificial Analysis Intelligence Index v5.0.1 ; prix selon le barème tarifaire publié de chaque fournisseur. » Style vectoriel plat sur fond blanc avec des accents dégradés bleu et cyan, la marque OrcaRouter composée en bas à droite.
Guides & Insights

Qwen 4 face à Claude Opus 5.5 : seize points d'indice, et ce qu'ils coûtent par réponse

Auteur

Gideon Frost

Date de publication

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

Qwen4-Max obtient 42,9 sur l’Artificial Analysis Intelligence Index et Claude Opus 5.5 obtient 59,1 — un écart de 16,2 points, mesuré sur la même suite, dans la même révision (v5.0.1), à deux mois d’intervalle. Sur le même classement, une tâche d’index complétée coûte 3,27 $ avec Qwen4-Max et 10,04 $ avec Claude Opus 5.5. Le ratio est donc net : Opus fournit 38 % de points d’index en plus pour 207 % d’argent en plus par tâche. Savoir s’il s’agit d’une bonne affaire ou d’un gaspillage dépend entièrement de si votre charge de travail achète des points ou des réponses, et ce ne sont pas les mêmes achats. Cet article chiffre les deux.

Les deux cartes, dimension par dimension

Alibaba a rendu Qwen4-Max disponible en général le 16 novembre 2026, en facturation à l'usage, dans six régions ; Anthropic commercialise Claude Opus 5.5 depuis le 22 septembre 2026. Tout ce qui suit est soit un prix catalogue d'un fournisseur, soit une mesure étiquetée d'Artificial Analysis — les deux ne sont jamais mélangés dans un même chiffre.

• Prix par million de tokens — Qwen4-Max 1,50 $ en entrée / 4,50 $ en sortie à Singapour (1,413 $ / 4,24 $ dans les régions à portée mondiale) ; Claude Opus 5.5 4,00 $ en entrée / 20,00 $ en sortie. Les deux sont des prix catalogue du fournisseur.

• Entrée mise en cache — Qwen4-Max à 0,075 $ par million pour une lecture de cache, contre 0,20 $ pour Claude Opus 5.5. Qwen publie aussi les tarifs d’écriture de cache : 1,875 $ pour une entrée de cinq minutes et 3,00 $ pour une heure.

• Fenêtre de contexte — {{1}}1 000 000 de tokens{{/1}} publiée sur les deux. Le tracker Artificial Analysis indique {{2}}Qwen4-Max{{/2}} à 983 616, ce qui correspond au plafond d’entrée en mode réflexion plutôt qu’à une contradiction : Alibaba plafonne l’entrée à 991 808 sans réflexion et à 983 616 avec, car le raisonnement et la réponse partagent un seul budget de sortie de 262 144 tokens.

• Sortie maximale — Qwen4-Max : 131 072 tokens en mode sans réflexion, ou 262 144 répartis entre raisonnement et réponse lorsque la réflexion est activée. Claude Opus 5.5 ne publie aucune répartition équivalente.

• Score de l’indice — Qwen4-Max 42,9 à effort xhigh ; Claude Opus 5.5 59,1 à effort max. Artificial Analysis, v5.0.1.

• Coût par tâche d’indexation — 3,27 $ contre 10,04 $. Artificial Analysis, même révision.

• Poids — aucun des deux n’est ouvert. Qwen4-Max est répertorié comme propriétaire, avec Alibaba Cloud comme unique hébergeur ; Claude Opus 5.5 est propriétaire et distribué via l’API d’Anthropic, Amazon Bedrock, Google Cloud et Microsoft Azure.

• Modalité d’entrée — les deux acceptent du texte et des images et renvoient du texte. Aucun des deux ne prend en charge la vidéo d’après les indicateurs de capacité du tracker.

A generated two-column scoreboard titled 'Qwen4-Max vs Claude Opus 5.5 - the scoreboard'. The Qwen4-Max column reads index score 42.9, cost per index task $3.27, cents per index point 7.6, input per million $1.50, output per million $4.50, hallucination rate 28.4%. The Claude Opus 5.5 column reads index score 59.1, cost per index task $10.04, cents per index point 17.0, input per million $4.00, output per million $20.00, hallucination rate 50.3%. A footer reads 'Scores and per-task cost per Artificial Analysis Intelligence Index v5.0.1; prices per each vendor's published rate card.' The OrcaRouter mark is composited bottom right.

Où se trouvent réellement les seize points

Un seul chiffre d’indice cache plus de choses qu’il n’en révèle, et cette paire en est un bon exemple. Les suites où les deux modèles sont proches ne sont pas celles qui font débat.

• Terminal-Bench 4.0 — Claude Opus 5.5 59,6 %, Qwen4-Max 48,5 %. Onze points d’écart, et celui qui correspond le plus directement à « peut-il piloter un shell ».

• FrontierCode 2.0 — 46,4 % contre 26,5 %. Il s’agit de l’écart le plus large de l’ensemble et de celui qui a la conséquence commerciale la plus claire, car il s’agit de travail sur du code à l’échelle d’un dépôt plutôt que de génération de fonctions isolées.

• HLE Diamond — 67,9 % contre 44,9 %. Questions scientifiques difficiles, un écart de 23 points.

• CritPt Agentic Hard — 68,0 % contre 43,0 %. Un écart de 25 points sur un raisonnement de niveau physique.

• GDPval — 1 866,27 contre 1 808,69. Une différence de 3,1 % sur un benchmark de valeur des tâches. Sur des travaux professionnels à fondement économique, les deux modèles sont très proches ; sur des travaux techniques difficiles, ils ne le sont pas.

• Omniscience — 48,1 pour Claude Opus 5.5 contre 27,7 pour Qwen4-Max, ce qui ressemble à une nouvelle déroute jusqu'à ce qu'on regarde la colonne des hallucinations dans la section suivante.

• Répartition des capacités — Le modèle d’Anthropic arrive en tête sur chacun des six sous-scores publiés par l’outil de suivi, avec la marge la plus étroite en finance et comptabilité (59,4 contre 54,1) et la plus large en ingénierie (65,3 contre 50,1).

Lecture pratique : si votre travail consiste à résumer, extraire ou analyser des documents ancrés, le résultat phare de 16 points surestime l’écart. S’il s’agit de codage agentique, il le sous-estime.

A headless-browser screenshot of the Artificial Analysis page for Claude Opus 5.5, captured 17 November 2026 in English, showing Anthropic's mark, the label Proprietary model, Released September 2026, Intelligence #5 of 81, Performance #65 of 79, Cost #75 of 80, the price block reading In $4.00 and Out $20.00, a $10.04 per-task figure, an index reading of 59, and the summary paragraph describing the model as leading in intelligence but expensive for its price band and notably slow per task.

Les deux modèles inventent des choses. L’un le fait nettement moins.

Artificial Analysis rapporte un taux d’hallucination d’omniscience parallèlement au score d’exactitude, et c’est la seule colonne où Qwen4-Max l’emporte nettement : 28,4 % de ses réponses incorrectes ou invérifiables étaient des hallucinations, contre 50,3 % pour Claude Opus 5.5. Autrement dit, Opus a raison bien plus souvent, mais lorsqu’il se trompe, il est plus de deux fois plus susceptible de se tromper avec assurance que de simplement garder le silence.

Cela compte pour tout ce qui comporte une étape de validation humaine. Un modèle qui dit « Je ne sais pas » 50 % du temps où il se trompe vous coûte une requête de suivi. Un modèle qui invente 50 % du temps où il se trompe vous coûte une passe de vérification factuelle sur chaque sortie, ce qui représente un poste de coût différent et bien plus important.

La facture est une entrée, pas une sortie.

Les deux modèles sont commercialisés sur la base d’un tarif de sortie affiché, et pour tous les deux, ce n’est pas là que va l’argent. En décomposant les propres chiffres de coût par tâche d’Artificial Analysis : sur Qwen4-Max, 2,80 $ sur 3,27 $ correspondent aux tokens d’entrée et 0,47 $ aux tokens de sortie. Sur Claude Opus 5.5, 6,57 $ sur 10,04 $ vont à l’entrée et 3,47 $ à la sortie. Cela représente respectivement 86 % et 65 %, et dans les deux cas, l’essentiel de la ligne d’entrée est du trafic de cache — 1,12 $ du coût d’entrée de Qwen4-Max correspond à des lectures de cache et 1,67 $ à des écritures de cache ; les chiffres équivalents pour Opus sont 4,74 $ et 1,80 $.

C’est pourquoi la comparaison par token entre ces deux modèles est le chiffre le moins utile de la page. Le tarif de sortie de Qwen4-Max est 4,4 fois moins cher que celui d’Opus, et pourtant son avantage de coût par réponse n’est que de 3,1 fois, car il consacre une plus grande part de son budget au contexte qu’il doit lire et, à 1,875 $ par million pour une écriture dans le cache de cinq minutes, au contexte qu’il doit écrire.

Un agent à quarante tours, facturé deux fois

Prenons un agent de codage qui ajoute 8 000 tokens de sortie d’outil par tour, exécute quarante tours et émet 1 500 tokens de réponse à chaque tour. Sans mise en cache, prix catalogue :

• Qwen4-Max — 6,56 millions de tokens d'entrée cumulés à 1,50 $, plus 60 000 tokens de sortie à 4,50 $ : 9,84 $ + 0,27 $ = 10,11 $.

• Claude Opus 5.5 — 6,56 millions de tokens d’entrée à 4,00 $, plus 60 000 tokens de sortie à 20,00 $ : 26,24 $ + 1,20 $ = 27,44 $.

Maintenant, la même exécution avec un taux de hits de cache de 90 % sur le préfixe accumulé, ce qu’une boucle d’agent bien conçue atteint réellement :

Qwen4-Max — 5,904 M en cache à 0,075 $ (0,44 $) + 656 k nouveaux à 1,50 $ (0,98 $) + 0,27 $ de sortie = 1,69 $.

• Claude Opus 5.5 — 5,904 M en cache à 0,20 $ (1,18 $) + 656 K nouveaux à 4,00 $ (2,62 $) + 1,20 $ de sortie = 5,01 $.

Deux choses ressortent. Le cache réduit les deux factures de plus de 80 %, si bien qu’un agent sans mise en cache des prompts paie cinq à six fois ce qu’il devrait. Et le ratio ne bouge presque pas — 2,7× sans cache, 3,0× avec cache — car l’avantage de Qwen4-Max se concentre dans le tarif d’écriture du cache, que le scénario avec cache utilise dès le départ. Ces chiffres relèvent de l’arithmétique des prix catalogue appliquée aux tarifs publiés, non de factures mesurées ; votre nombre de tours, la croissance du préfixe et le taux de succès du cache modifieront sensiblement les chiffres absolus.

C'est aussi là qu'une couche de routage justifie son utilité plutôt que d'être simplement pratique. Nous répercutons les prix catalogue des fournisseurs avec 0 % de marge, donc l'écart ci-dessus est celui du fournisseur, pas le nôtre — et si Anthropic modifie la fiche Opus, ce changement est effectif sur la même clé le jour même. Les deux modèles sont appelables via un seul point de terminaison avec basculement automatique, ce qui compte ici particulièrement parce que les deux ont deux mois d'écart de date de sortie : une régression propre à Qwen4-Max se manifeste comme une requête échouée, pas comme une mauvaise réponse que vous remarquez une semaine plus tard.

Ce que « coupé de la distillation » prétend réellement

L’affirmation qui circule à propos de ce duel — selon laquelle Qwen4-Max semble compétitif sur les benchmarks des fournisseurs avant de s’effondrer sur l’indice indépendant, et selon laquelle le fait qu’Alibaba soit coupé de la distillation explique cet effondrement — recouvre deux affirmations sous un même manteau, et seule la première est mesurable.

Le premier point est vrai et n’a rien de mystérieux. La documentation de lancement d’Alibaba rapporte Work360 à 52,69 contre 47,74 pour la génération précédente, des réductions du nombre de tokens de 24 % et 35 % sur le même benchmark, de 48 % et 49 % sur Terminal-Bench 4.0, et un coût par tâche réduit de 4,43 $ à 1,67 $. Tout cela est rapporté par le fournisseur et non reproduit. Face à un indice indépendant composé de neuf suites, qui inclut FrontierCode 2.0 et CritPt Agentic Hard — des suites pour lesquelles Alibaba ne publie pas de chiffres —, le modèle obtient 42,9. Une suite de benchmarks d’un fournisseur et une suite indépendante qui mesurent des choses différentes seront en désaccord ; c’est le cas normal, pas une preuve de quoi que ce soit.

La seconde affirmation, à propos de la distillation, n’est pas quelque chose qu’un acheteur peut vérifier ni sur quoi il peut agir, et ce n’est pas une propriété du modèle que l’on peut invoquer. Ce qui est vérifiable et utile, c’est la forme du déficit : concentré dans le code à l’échelle d’un dépôt et dans les sciences dures, faible en valeur pour les tâches professionnelles. C’est une affirmation sur l’endroit où déployer le modèle, et elle reste valable quelles que soient les conclusions sur la manière dont il a été entraîné.

A headless-browser screenshot of the OrcaRouter model page for Claude Opus 5.5, captured 17 November 2026 in English, showing the identifier anthropic/claude-opus-5.5, the FLAGSHIP badge, by Anthropic dated 2026-09-22, a context window of 1M tokens, max output 128K, input listed as text, image and file, and output as text.

Obtenir l'un ou l'autre

Claude Opus 5.5 figure dans notre catalogue sous anthropic/claude-opus-5.5 au prix catalogue d'Anthropic, soit 4,00 $ en entrée et 20,00 $ en sortie par million. Qwen4-Max ne figure pas dans notre catalogue — un identifiant qwen4 renvoie aujourd'hui « introuvable » — et la voie d'accès passe par l'API Model Studio d'Alibaba elle-même et par plusieurs plateformes tierces. Nous ne prétendrons pas le contraire, et le substitut honnête de notre côté est qwen/qwen3.8-max, le précédent modèle phare, à 2,00 $ et 6,00 $.

La règle de décision est donc plus restrictive que ne le laisse penser le tableau des scores. Si votre charge de travail est du codage à l’échelle d’un dépôt, du raisonnement technique difficile, ou tout domaine où une mauvaise réponse coûte cher et une réponse lente non, les 16 points sont bien réels et 10,04 $ par tâche en est le prix. Si votre charge de travail est de la production documentaire ancrée dans les sources, à grande échelle, où GDPval indique que les deux modèles se tiennent à 3 % près, vous payez le tarif d’Opus pour une différence qui n’apparaîtra pas dans votre ensemble d’évaluation — et Qwen4-Max à 3,27 $ est le meilleur achat, avec en prime un taux d’hallucination plus faible. Le nombre à calculer avant de décider n’est pas l’écart d’indice. C’est la fraction de votre entrée qui est mise en cache.

Comparés dans cet article2

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