
Qwen4-Max est désormais promu pour le codage agentique. Le classement indépendant de vitesse le place 74e sur 79
- 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 1.02026-11-0711 tok/s
- OrcaNOUVEAUOrcaCyber: GLM 5.3 Abliterated / Uncensored2026-11-04$3.00 / $5.00 par million de tokens · 88 tok/s
- OrcaNOUVEAUOrcaCyber: Hy4 Abliterated / Uncensored2026-11-04$0.80 / $1.60 par million de tokens · 134 tok/s
- OrcaNOUVEAUOrcaCyber: Kimi K3.1 Pro Abliterated / Uncensored2026-11-04$4.00 / $20.00 par million de tokens · 86 tok/s
- OrcaOrcaCyber: MiniMax M3.1 Flash Abliterated / Uncensored2026-10-29$0.80 / $1.60 par million de tokens · 125 tok/s
- OrcaOrcaCyber: GLM 5.3 Flash Abliterated / Uncensored2026-10-27$0.80 / $1.60 par million de tokens · 67 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 · 192 tok/s
- minimaxMiniMax: M3.1 Flash2026-10-1929Intelligence
- OrcaOrca: OrcaCyber Ultra 1.02026-10-17$5.00 / $10.00 par million de tokens · 134 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 · 128 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 · 186 tok/s
À 09:31 UTC le 17 novembre 2026, le compte officiel Qwen4-Max sur X a publié cinq mots et une invitation : le modèle est désormais en ligne sur une plateforme tierce, venez tester le codage agentique. Il s'agissait d'un repost avec citation de l'annonce de cette plateforme elle-même, un jour après qu'Alibaba a fait passer le modèle de la prévisualisation à la disponibilité générale facturée. La publication est discrète et il est facile de passer dessus en faisant défiler. C'est aussi la première fois que le fournisseur oriente ses propres abonnés vers une voie externe précise pour son produit phare, et il a choisi la charge de travail — le codage agentique à long horizon — sur laquelle Qwen4-Max affiche actuellement la mesure indépendante la plus faible du tableau.
Voilà toute la tension qui mérite d’être signalée, et il ne s’agit pas d’une accusation. Qu’un fournisseur fasse la promotion d’un modèle auprès de créateurs d’agents est normal. Ce qu’il vaut la peine d’établir précisément, c’est l’écart entre l’argumentaire et les chiffres qu’un lecteur peut vérifier, car c’est sur l’argumentaire qu’une équipe s’appuie pour agir, et les chiffres sont ce que la facture et l’horloge murale traduisent en réalité.
Ce que la publication établit réellement
Trois choses, et pas plus de trois. Le reste est de l’inférence déguisée en information.
• L’approbation est authentique et datée. La publication porte un horodatage du 17 novembre à 09:31 UTC, elle provient du compte même du fournisseur et elle cite en tweet l’annonce antérieure de la plateforme au lieu de se présenter seule. Le fait qu’un fournisseur republie le lancement d’un partenaire est un acte délibéré ; le compte ne l’a pas simplement mentionné par hasard.
• La plateforme n'est pas un second déploiement. Sa page de modèles liste qwen/qwen4-max dans un tableau intitulé « Modèles routés servis par leurs propres laboratoires » — et non parmi ses propres éditions publiées. Cette distinction compte plus que le discours marketing qui l'entoure : un modèle routé est le déploiement d'Alibaba atteint par la porte d'entrée de quelqu'un d'autre, ce qui est la seule façon pour un modèle fermé de classe 2,4 billions de paramètres de pouvoir apparaître où que ce soit.
• Il s'agit d'une bêta, pas d'une capacité. La bannière permanente du site indique qu'il est en bêta privée et demande un code d'invitation. Une approbation provenant du compte du modèle lui-même est un signal quant à l'intention, et non quant au débit, au quota ou à un accord de niveau de service — et un code d'invitation ne constitue pas une voie d'approvisionnement.
Et ce que l'article n'établit pas, c'est la moindre affirmation de performance. On n'y trouve aucun chiffre de jetons par seconde, aucun taux d'achèvement des tâches, aucun coût par tâche, aucune indication sur le nombre de sessions d'agents simultanées que la route supporte. Lisez-le comme « vous pouvez désormais accéder à ce modèle ici », ce qui est tout ce qu'il dit.
La carte sous l’avenant est moins chère que celle du fournisseur.
La fiche routée porte ses propres chiffres, et le prix est celui qu'il vaut vraiment la peine d'examiner. Elle indique 1,40 $ par million de jetons en entrée et 4,20 $ par million en sortie, avec une fenêtre de contexte de 977K jetons et un statut en ligne.
• Entrée — 1,40 $ sur la carte routée contre 1,413 $ sur la carte Global-scope propre à Alibaba (Pékin, Hong Kong, Francfort, Virginie aux États-Unis, Tokyo) et 1,50 $ à Singapour.
• Production — 4,20 $ contre 4,24 $ Global et 4,50 $ Singapour.
• La direction — le numéro routé se situe à environ 1 % en dessous de la région la moins chère publiée par le fournisseur et à environ 6,7 % en dessous de la carte sur laquelle la plupart des lecteurs hors de Chine continentale seront réellement facturés.
• La mécanique annoncée — la plateforme décrit ses frais comme « le tarif du laboratoire plus les frais de route, un reçu de route signé pour chaque réponse ».
• Le chiffre du contexte — 977K sur la fiche, contre 1 000 000 sur la fiche modèle d’Alibaba, où les plafonds opérationnels sont de 991 808 jetons d’entrée en mode standard et de 983 616 en mode réflexion.
Ces deux faits se concilient mal. Une route qui ajoute des frais par-dessus le tarif du laboratoire devrait coûter plus cher que de passer en direct, et celle-ci coûte moins cher que chacune des régions Alibaba publiées. Les explications plausibles sont prosaïques — un tarif promotionnel, un arbitrage régional selon l’endpoint Alibaba appelé, ou une fiche qui n’a pas été mise à jour depuis la carte d’aperçu — et aucune ne peut être confirmée de l’extérieur. Ce qu’un lecteur peut faire, c’est cesser de considérer le prix routé comme le prix du modèle. La fiche d’Alibaba elle-même est la référence ; tout ce qui est en dessous relève d’un arrangement commercial dont personne n’a publié la date d’expiration. Si c’est le coût par tâche qui guide votre décision, basez-vous sur 1,50 $ en entrée et 4,50 $ en sortie à Singapour, ou sur 1,413 $ et 4,24 $ sur le périmètre Global, et considérez une remise comme un bonus plutôt que comme le plan.

La charge de travail du poste est celle que le tracker mesure le plus mal.
Artificial Analysis est le seul organisme à publier des mesures indépendantes de Qwen4-Max, et sa page a été mise à jour avec une ligne de performances complète qui n’était pas présente le jour du lancement. Ce que dit cette ligne n’a rien d’ambigu.
• Intelligence Index — 43 sur la suite de neuf évaluations v5.0.1, classé 38e sur 81 modèles, légèrement au-dessus de la médiane de 41 du tracker pour cette tranche de prix.
• Vitesse de sortie — 54 jetons par seconde. Cela le place au 74e rang sur 79 modèles que le tracker classe en fonction des performances.
• Temps jusqu’au premier jeton de réponse — 179,79 secondes, car le modèle réfléchit avant de parler et l’effort de raisonnement par défaut sur la fiche d’Alibaba est élevé.
• Temps par tâche de l’Intelligence Index — 32,2 minutes, contre une médiane de 13,3 minutes pour des modèles comparables. L’outil de suivi qualifie cela de « particulièrement lent ».
• Verbosité — 127 millions de jetons de sortie sur l’ensemble de l’indice, contre une médiane de 78,6 millions. Cela le classe 65e sur 80.
• Coût par tâche d'indexation — 3,27 $, classé 44e sur 80, avec une remise de cache de 95 % déjà appliquée.
Chaque chiffre de cette liste provient de la mesure du tracker lui-même, et non d’Alibaba. Les affirmations publiées par le fournisseur constituent un ensemble entièrement différent et sont étiquetées comme affirmations du fournisseur partout où elles apparaissent : un gain d’efficacité en tokens de 24 % à 35 % par rapport à Qwen3.8-Max sur son propre benchmark Work360, de 48 % à 49 % sur Terminal-Bench 4.0, et un coût moyen par tâche passant de 4,43 $ à 1,67 $. Rien de tout cela n’a été reproduit de manière indépendante. Les deux jeux de données ne se contredisent pas — un modèle peut être efficace par tâche et rester lent par token —, mais un seul vous dit ce que l’on ressentira dans une boucle d’agent à 2 h du matin.
Il y a une deuxième lacune dans la documentation du fournisseur, et elle est étrange pour un modèle vendu sur le codage agentique. La fiche modèle d’Alibaba ne publie pas de nombre de paramètres ; les documents de lancement décrivent un mélange d’experts creux de 2,4 billions de paramètres avec 71 milliards activés par token, et le tracker indique que la taille n’est pas divulguée. Il n’existe pas non plus de score Terminal-Bench 4.0 publié pour ce modèle par Alibaba lui-même, seulement l’affirmation d’une efficacité relative par rapport à son prédécesseur. Un fournisseur qui veut que les créateurs d’agents adoptent un modèle commence généralement par un chiffre agentique absolu. Celui-ci a mis en avant un ratio.
Ce que 32 minutes par tâche et 54 jetons par seconde font à une boucle
Les prix unitaires masquent cela, voici donc l’arithmétique sur la forme que la publication met en avant — un agent de codage qui traite une tâche par tours. Tout cela est dérivé des tarifs publiés et de la vitesse mesurée, non d’une facture.
• Temps de génération par tour — un patch de 3 000 jetons et un bloc de raisonnement à 54 jetons par seconde représentent environ 56 secondes de sortie pure. À 8 000 jetons, cela fait environ 2,5 minutes, avant même que le modèle ait lu quoi que ce soit.
• Une session de 25 tours — 25 tours à 3 000 tokens de sortie font 75 000 tokens, soit environ 23 minutes de génération à cette vitesse, plus 25 attentes distinctes du premier token de réponse de près de trois minutes chacune si le harnais ne maintient pas le contexte chaud. Le surcoût à lui seul peut dépasser la génération.
• La même session en argent — 75 000 jetons de sortie à 4,50 $ par million, soit 0,34 $. Le calcul coûte peu ; l’horloge, non. Cette inversion est la chose la plus utile à comprendre concernant l’économie de ce modèle.
Le cache est le levier qui détermine si c’est tolérable — un contexte de 200 000 tokens relu à froid à 1,50 $ par million coûte 0,30 $ par tour ; mis en cache avec la remise de 95 %, il coûte environ 0,015 $. Sur 25 tours, c’est la différence entre 7,50 $ et 0,38 $ d’entrée, ce qui éclipse entièrement la facture de sortie.
Autrement dit : sur Qwen4-Max, ce qu’il faut instrumenter n’est pas la longueur de sortie, mais le taux de succès du cache et la latence du premier token. Une boucle qui garde son contexte chaud et tolère une réflexion de trois minutes est viable. Une boucle qui renvoie un contexte froid de 200K à chaque tour paie vingt fois le tarif d’entrée et attend trois minutes à chaque fois pour ce faire. La tâche d’index de 32,2 minutes est le composite du tracker, pas votre tâche, mais c’est la direction qu’elle indique qu’il faut prendre en compte dans votre planification.

Le reçu n’indique pas ce qui a répondu.
C'est la partie de l'annonce routée qui mérite plus d'attention que son prix. La documentation de la plateforme elle-même est d'une franchise inhabituelle : chaque réponse routée s'accompagne d'un reçu de route signé, et ce reçu « ne prouve pas quels poids ont répondu ». Il consigne où une requête a été envoyée et ce que la sonde la plus récente a rapporté. Les modèles que la plateforme publie elle-même bénéficient d'une chaîne plus robuste — fichiers stockés par empreinte SHA-256, révisions identifiées par un hachage de plan de fichiers, enregistrements signés sous une clé d'éditeur épinglée, journal de transparence en ajout seul — et le statut de vérification affiché pour qwen/qwen4-max est « inconnu ».
Pour un modèle fermé, ce n’est pas un scandale, c’est une limite structurelle que tous les routeurs partagent, y compris le nôtre : si les poids ne sont pas publiés, aucun tiers ne peut prouver quels poids ont produit un token. Ce qui suit est une règle pratique plutôt qu’une critique. Si votre travail dépend du fait que le modèle soit réellement Qwen4-Max — une évaluation, une soumission à un benchmark, une affirmation contractuelle sur le modèle qui a touché les données — un point de terminaison routé ne constitue pas à lui seul une preuve suffisante, aussi bon que le reçu puisse paraître. Si ce dont vous avez besoin est la capacité, un point de terminaison routé fait l’affaire et la question de la provenance est purement théorique.
Comment l'essayer sans miser un chemin de production dessus
Pour être franc sur notre position : OrcaRouter ne route pas Qwen4-Max. Le catalogue propose qwen/qwen3.8-max, anthropic/claude-fable-5.2 et openai/gpt-6.1-sol ; une requête portant sur un identifiant qwen4 renvoie aujourd’hui « not-found », donc si vous voulez ce modèle sur notre clé, vous attendez comme tout le monde. Ce que nous pouvons faire, c’est rendre l’évaluation peu coûteuse à annuler.
La raison de s'en soucier, c'est que tout, dans ce lancement, plaide contre le fait de le coder en dur. Le modèle a un jour, sa seule ligne de performance indépendante le classe 74e sur 79 en vitesse, son prix routé est inférieur à celui de la carte de son propre fournisseur pour des raisons que personne n'a expliquées, et la plateforme qui porte l'approbation est en bêta privée derrière un code d'invitation. N'importe lequel de ces éléments peut changer en une semaine — et une transition de preview à GA qui a aussi réduit le budget partagé de réflexion plus réponse de 393 216 tokens à 262 144 et fait passer la facturation de crédits à une tarification par token est exactement le genre de changement qui casse un chemin de production à la deuxième semaine.
Voilà l’argument en faveur de garder l’expérimentation derrière un point de terminaison routé plutôt que codé en dur : le nouveau modèle sur une route, qwen/qwen3.8-max en secours, une seule clé et une seule facture pour les deux. Avec 0 % de marge et le prix catalogue du fournisseur répercuté, le calcul que vous faites sur la carte d’Alibaba est celui qui vous est facturé — ce qui signifie aussi qu’une baisse de prix d’un fournisseur apparaît de notre côté le jour même plutôt qu’au prochain renouvellement de contrat. La fusion de modèles est l’autre option à connaître pour un modèle non éprouvé : faites-le tourner aux côtés du modèle en place sur un échantillon de votre propre trafic et comparez les sorties avant que l’un ou l’autre ne prenne en charge ce chemin. Si vous préférez simplement voir à quoi ressemble une API pour plus de 200 modèles, le catalogue est public.

Qu'est-ce qui changerait cette lecture ?
Trois choses, par ordre de l'importance qu'elles auraient.
Le premier est un chiffre de vitesse provenant de quelqu'un d'autre que l'unique tracker. Une seule mesure de 54 tokens par seconde sur un benchmark composite constitue une base bien mince pour une décision de production, et le fournisseur n'en a publié aucun du tout. Si un second banc d'essai indépendant obtient un résultat proche de ce chiffre, la lenteur est une propriété du modèle et les constructeurs d'agents devraient dimensionner leurs boucles en conséquence. S'il obtient un résultat bien supérieur, le point de terminaison du tracker était le problème et cette section vieillit mal — ce qui est la bonne façon pour elle de vieillir.
Le second est le statut de vérification de cette annonce routée qui passe de « inconnu », ou la plateforme qui sort de la bêta privée. L’un ou l’autre transformerait une route approuvée en quelque chose que vous pourriez adosser à un engagement de support.
Le troisième point est qu'Alibaba publie un score absolu de codage agentique plutôt qu'un ratio par rapport à son prédécesseur. Tant que ce n'est pas le cas, l'approbation n'est qu'une déclaration d'intention, et la seule mesure publiée de la charge de travail qu'il annonce est de 32,2 minutes par tâche à 54 jetons par seconde. Ce n'est pas une raison d'éviter Qwen4-Max — c'est une raison de l'évaluer sur vos propres tâches avant de promettre une date de livraison à qui que ce soit, et de garder le titulaire à une route de distance pendant que vous le faites.
