
Qwen 4 vs Qwen 3.8 Max : qu'est-ce qui change réellement sur votre facture lorsque vous effectuez une mise à niveau
- 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 · 126 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 · 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 · 147 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 · 123 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 migration de Qwen3.8-Max vers Qwen4-Max est inhabituelle parmi les mises à niveau de modèles phares, car le prix évolue en votre faveur et la capacité progresse en même temps. Qwen3.8-Max est en disponibilité générale depuis le 3 août 2026 à 2,00 $ en entrée et 6,00 $ en sortie par million de tokens, avec une fenêtre de contexte d’un million de tokens. Qwen4-Max, qui l’a remplacé au sommet de la gamme le 16 novembre 2026, est à 1,50 $ et 4,50 $ pour la même fenêtre, obtient 43 contre 34 sur l’Artificial Analysis Intelligence Index et coûte 3,27 $ par tâche d’index contre 10,02 $. Une baisse de 25 pour cent des deux côtés du compteur, neuf points d’index et un tiers du coût par tâche terminée — le genre de mise à niveau qui s’accompagne normalement d’une hausse de prix. Le hic, et il y en a toujours un dans une migration vers le même fournisseur, c’est que le budget de sortie a diminué alors même que tout le reste augmentait.
Les quatre chiffres qui ont bougé, et celui qui a reculé
Les mises à niveau au sein d’un même fournisseur sont plus faciles à évaluer que les comparaisons entre fournisseurs, car la lignée du tokenizer, la surface de l’API et les conventions d’appel d’outils restent inchangées. Ce qui change se limite à une courte liste, que vous pouvez vérifier par rapport à votre propre usage en un après-midi.
• Prix — de 2,00 $/6,00 $ à 1,50 $/4,50 $ par million de tokens, soit une baisse de 25 % sur les deux tarifs
• Lecture en cache — de 0,25 $ à 0,075 $ par million, une baisse de 70 %
• Score indépendant — de 34 à 43 sur le même indice, même tableau, les deux relevés le 17 novembre 2026
• Coût par tâche d’indexation — de 10,02 $ à 3,27 $, soit une réduction de 67 %
• Budget partagé de réflexion et de réponse — 262 144 tokens, contre une allocation plus importante sur la génération 3.8
Paramètres actifs — 71 milliards, contre 95 milliards auparavant, sur le même socle de 2,4 billions de paramètres
• Contexte — inchangé à 1 000 000 de tokens
• Poids — aucun des deux modèles phares n’en publie, alors que Qwen3.8-27B, le frère à poids ouverts de Qwen3.8-Max, le fait
Deux d'entre eux méritent plus qu'une ligne. La réduction des paramètres actifs est l'argument architectural qui sous-tend le reste : Qwen4-Max active 71 milliards de paramètres par token, contre 95 milliards pour Qwen3.8-Max, et Alibaba attribue ce gain d'efficacité à une nouvelle architecture plutôt qu'à un élagage — des couches DeltaNet à portes entrelacées avec un mécanisme d'attention clairsemée qui indexe le contexte à une granularité de micro-blocs, quatre branches résiduelles parallèles avec des portes de lecture et d'écriture dynamiques, et une table d'embedding N-gram basée sur le contexte de 328 milliards de paramètres qui augmente la capacité sans augmenter le calcul par token.
C’est le budget partagé qui surprendra les gens. Qwen4-Max mutualise son raisonnement et sa réponse dans une seule enveloppe de 262 144 tokens. Si vous génériez des sorties de 150 000 tokens sur Qwen3.8-Max avec la réflexion activée, il ne vous reste plus que 112 144 tokens pour réfléchir — et sur un problème difficile, la réflexion va engloutir ce reste. La défaillance prend la forme d’une réponse tronquée, pas d’une erreur, ce qui est la pire façon pour une limite de se manifester.
Pourquoi le coût par tâche a chuté des deux tiers alors que le prix des jetons a baissé d’un quart
Les prix des jetons expliquent un quart des économies. Les deux autres tiers viennent du fait que le modèle effectue moins de travail pour atteindre la même réponse, et c’est la partie du lancement la plus difficile à vérifier et la plus importante pour le business case.
Les chiffres d’Alibaba lui-même : sur sa suite Work360, la consommation de tokens baisse d’environ 24 % pour un effort de raisonnement xhigh et de 35 % pour high ; sur Terminal-Bench 4.0, de 48 et 49 %. Le coût moyen par tâche sur Work360 passe de 4,43 $ à 1,67 $, soit une réduction de 62 %. Ce sont des chiffres du fournisseur, mesurés par le fournisseur, par rapport au modèle précédent du fournisseur, sans reproduction indépendante — et ils constituent des indices directionnels que l’affirmation d’efficacité n’est pas simplement une baisse de prix déguisée.
La corroboration indépendante est plus étroite, mais elle concorde. Artificial Analysis mesure 10,02 $ par tâche d'indice pour Qwen3.8-Max et 3,27 $ pour Qwen4-Max. Personne n'a publié 4,43 $ ni 1,67 $, à part Alibaba ; les 10,02 $ et 3,27 $ sont les calculs de quelqu'un d'autre sur la charge de travail de quelqu'un d'autre, et ils vont dans le même sens.
Chiffrez votre propre travail. Un pipeline exécutant 5 000 tâches par jour à 30 000 tokens d’entrée et 4 000 tokens de sortie, sans mise en cache, aux tarifs publiés en dollars américains : Qwen3.8-Max facture 50 $ d’entrée et 120 $ de sortie par jour, soit 170 $ au total. Qwen4-Max facture 37,50 $ et 90 $ — 127,50 $. Environ 1 275 $ économisés par mois avant mise en cache, et bien davantage si un préfixe stable vous permet d’exploiter la lecture du cache à 0,075 $ plutôt qu’à 0,25 $.
L’histoire de l’efficacité a une seconde moitié que personne ne cite.
Des tokens moins chers par tâche ne représentent que la moitié d’un business case. L’autre moitié, c’est le temps écoulé, et sur ce point, le tableau est plus trouble que la grille tarifaire.
Artificial Analysis mesure Qwen3.8-Max à 59 jetons de sortie par seconde et 48 minutes par tâche d'index — c'est lent, et si vous menez du travail agentique à long horizon, c'est ce chiffre qui régit votre fenêtre nocturne. Qwen4-Max ne publie aucune vitesse de sortie ni aucun temps par tâche. Il utilise environ la moitié des jetons sur certains benchmarks, ce qui impliquerait environ la moitié du temps réel à débit égal, mais personne n'a publié le débit.
Voici la présentation honnête de la mise à niveau : vous paierez certainement moins par token, presque certainement moins par tâche, et vous terminerez probablement plus vite. Seul le premier de ces trois points est un fait que vous pouvez inscrire dans un contrat aujourd’hui. Le deuxième est étayé par une mesure indépendante. Le troisième est une déduction.
Cela compte tout particulièrement pour les décisions d’ordonnancement. Si votre tâche d’indexation de 48 minutes à 59 jetons par seconde est déjà à la limite de ce qui peut tenir pendant la nuit, vous avez besoin d’un pilote avec vos propres invites avant de migrer — non pas parce que Qwen4-Max est susceptible d’être plus lent, mais parce qu’un budget de réflexion partagé de 262 144 jetons modifie la forme d’une exécution longue d’une manière qu’une moyenne de benchmark ne révélera pas.
Ce qui n'a pas changé, et pourquoi c'est la meilleure nouvelle ici
La fenêtre de contexte est toujours d'un million de tokens. La surface de modalités est identique — texte, image et vidéo en entrée, texte en sortie. La surface d'API est identique, la réflexion étant contrôlée par enable_thinking ou par reasoning.effort sur l'API Responses, et le modèle étant servi dans toutes les régions d'Alibaba aux formats compatibles OpenAI, compatibles Anthropic et natif.
Pour ceux qui utilisent déjà Qwen3.8-Max, voici ce qui rend la mise à niveau peu coûteuse : la migration consiste en un changement d'identifiant de modèle, pas en une réécriture. Aucune restructuration des prompts, aucun schéma d'appel d'outils à renégocier, aucun changement de gestion du contexte. Les deux éléments que vous devez impérativement retester sont ceux que les chiffres signalent : le budget de sortie en mode réflexion, et tous vos chemins sensibles à la latence.
Cela signifie aussi que l’approche raisonnable est le trafic miroir plutôt qu’un basculement : envoyer une partie des requêtes de production aux deux, comparer les sorties et les nombres de tokens, et laisser le budget partagé de 262 144 tokens se révéler sur les cas longs avant qu’il ne le fasse devant un client.

Devriez-vous conserver l'instantané 0902 ?
Qwen3.8-Max dispose d'un instantané daté, qwen3.8-max-0902, figé au 2 septembre 2026, avec les mêmes capacités et le même tarif que le modèle de base. Les instantanés existent pour garantir la reproductibilité, et l'intérêt d'en conserver un est le plus fort précisément au moment où vous vous apprêtez à modifier le modèle sous-jacent.
Si vous disposez d'une suite d'évaluation à laquelle vous faites confiance, exécutez-la sur l'instantané avant de retirer l'alias. L'instantané est votre groupe témoin ; l'alias n'a jamais été stable par conception, et Qwen4-Max est un modèle différent, et non une simple montée de version du même modèle. Deux détails méritent d'être vérifiés lors de cette exécution : si vos cas à sortie longue survivent au budget partagé plus réduit, et si votre coût par tâche a réellement évolué de la marge prévue par la grille tarifaire. Si ce n'est pas le cas, l'argument d'efficacité des tokens ne tient pas sur votre charge de travail, et l'argument en faveur de la migration se réduit à la seule baisse de prix — toujours bon à prendre, mais un quart plutôt que deux tiers.
Une option de plus que la comparaison des modèles phares tend à masquer : Qwen3.8-27B est à poids ouverts sous Apache-2.0 et auto-hébergeable, et nous le servons sous le nom qwen/qwen3.8-27b. Pour les charges de travail à fort volume et de faible complexité, le calcul est totalement différent de celui de l'un ou l'autre des modèles phares, et « passer de 3.8-Max à Qwen4-Max » n'est pas la seule option disponible. Si votre charge de travail relève de la classification, de l'extraction ou de la génération de textes courts, un modèle dense de 27B que vous pouvez exécuter vous-même peut surpasser les deux sur le coût unitaire — et c'est la seule option de cette famille que vous pouvez épingler à une version et auditer.
La migration, dans l’ordre
Faites d’abord l’inventaire de vos sorties. Tout chemin qui demande plus d’environ 120 000 jetons de sortie avec la réflexion activée est à risque dans le budget partagé de 262 144. Il s’agit d’un grep de vos sites d’appel, pas d’un benchmark.
Deuxièmement, mesurez votre propre consommation de tokens par tâche sur les deux modèles pendant une semaine représentative. Les chiffres d’efficacité publiés se situent entre 24 et 49 pour cent selon le benchmark et l’effort, ce qui constitue une fourchette large — assez large pour que votre propre chiffre puisse se situer en dehors.
Troisièmement, mesurez votre p95. Qwen4-Max n’a publié aucun débit, donc votre premier chiffre de latence sera le tout premier chiffre de latence dont disposera quiconque en dehors d’Alibaba.
Quatrièmement, tranchez sur le niveau de modèles à poids ouverts. Si une partie du volume peut être transférée vers qwen/qwen3.8-27b, la migration phare n’a plus qu’à prendre en charge les cas difficiles, et le coût mixte diminue davantage que ne le laisse penser l’un ou l’autre des plans à modèle unique.
Faire tourner les deux fleurons derrière un seul point de terminaison est la version à moindre effort de cela: qwen/qwen3.8-max reste à 2,00 $/6,00 $ et une requête Qwen4-Max relève d'une règle de routage plutôt que d'un nouveau contrat, ce qui vous permet de déplacer le trafic progressivement et de revenir en arrière dès que le budget partagé se fait sentir. Il vaut la peine de dire clairement que Qwen4-Max lui-même ne fait pas partie des 215 identifiants que nous servons actuellement — le modèle amélioré passe par l'API propre à Alibaba — donc ce que vous obtenez de nous aujourd'hui, ce sont les modèles en place, au prix catalogue sans rien ajouté.
Le verdict, qui est inhabituel
Migrez, sauf si vous générez des sorties très longues. Une mise à niveau chez le même fournisseur qui réduit le prix d’un quart, réduit le prix du cache de 70 % et ajoute neuf points d’indice frôle la gratuité, et les éléments probants par tâche — du fournisseur et d’un panel indépendant — indiquent tous deux que l’économie réelle est plus importante que ne le suggère le prix des tokens.
L'exception est étroite et précise : les charges de travail dont la sortie dépasse régulièrement environ 120 000 tokens lorsque la réflexion est activée. Pour celles-ci, le budget partagé de 262 144 tokens constitue une régression de capacité déguisée en gain d'efficacité, et la bonne décision est de rester sur la génération 3.8 ou de scinder la requête.
Ce qu'il faut surveiller ensuite, c'est le chiffre qui manque plutôt que ceux qui sont publiés. Un modèle qui coûte deux tiers de moins par tâche et dont le débit n'a pas été mesuré constitue un pari solide assorti d'un risque non quantifié, et le premier chronométrage indépendant de Qwen4-Max tranchera davantage ce débat que n'importe quel autre score de benchmark.

La partie de cette famille que vous pouvez gérer vous-même
L'un des avantages d'une mise à niveau chez le même fournisseur, qui n'existe dans aucun des deux fleurons : le palier situé juste en dessous est ouvert et portable. Qwen3.8-27B est distribué sous Apache-2.0 avec entrée texte, image et vidéo et une fenêtre de 262 144 tokens, et nous le servons sous qwen/qwen3.8-27b — sur notre propre infrastructure, au prix catalogue sans marge, et épinglable d'une manière qu'aucun des deux fleurons ne permet. Pour une migration dont le principal risque est un budget de sortie partagé que vous ne pouvez pas auditer, disposer d'un repli à pondérations ouvertes et versionné dans la même famille est l'assurance la moins chère qui soit.

Comparés dans cet article1
Détecté à partir de cet article · Benchmarks : Artificial Analysis · mis à jour quotidiennement
