
Qwen4 Max débarque dans OpenCode Go : ce que l’allocation de 15 $ permet d’acheter, et ce que coûte un cache miss
- 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 · 89 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 · 86 tok/s
- OrcaOrcaCyber: MiniMax M3.1 Flash Abliterated / Uncensored2026-10-29$0.80 / $1.60 par million de tokens · 127 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 · 45 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 · 194 tok/s
- minimaxMiniMax: M3.1 Flash2026-10-1929Intelligence
- OrcaOrca: OrcaCyber Ultra 1.02026-10-17$5.00 / $10.00 par million de tokens · 136 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 · 124 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 · 182 tok/s
OpenCode a placé Qwen4 Max derrière son abonnement Go le 16 novembre 2026, le jour même où le modèle est passé de la préversion à la disponibilité générale facturée à l'usage, et le chiffre qui détermine s'il s'agit d'une bonne affaire n'est pas le prix d'entrée de 1,50 $. C'est 66 000 — le nombre de tokens mis en cache qu'OpenCode suppose pour une requête de codage typique lorsqu'il calcule jusqu'où s'étend votre quota. Cette seule hypothèse explique pourquoi un budget mensuel de 15 $ est annoncé comme environ 2 310 requêtes sur Qwen4 Max et environ 810 sur Qwen3.8-Max, le modèle qu'il remplace en tête de la même liste, et c'est aussi pourquoi ces mêmes 15 $ peuvent tomber à environ 149 requêtes si votre harnais n'obtient jamais de hit de cache. Tout ce qui suit est de l'arithmétique que vous pouvez refaire à partir de deux pages publiées par OpenCode, plus une ligne de benchmark indépendante qui indique que le modèle est performant, lent et bavard.
Ce qu’OpenCode a réellement publié, et ce qu’il n’a pas publié
Deux pages présentent l’offre et concordent sur tout ce qui compte. La page marketing Go sur opencode.ai/go affiche une ligne indiquant « Qwen4 Max — Nouveau » avec 463 requêtes estimées par tranche de cinq heures sur l’offre Go à $10 et 1 850 sur l’offre Go Plus à $40, pour une allocation d’utilisation mensuelle de $15 et $60. La documentation sur opencode.ai/docs/console/go attribue au même modèle l’identifiant qwen4-max, le point de terminaison https://opencode.ai/inference/go/anthropic/v1/messages, le package AI SDK @ai-sdk/anthropic, et une ligne tarifaire de $1.50 en entrée, $4.50 en sortie, $0.075 en lecture mise en cache et $1.875 en écriture mise en cache par million de tokens. Son tableau d’utilisation indique 460 requêtes par tranche de cinq heures, 1 160 par semaine et 2 310 par mois.
L’écart de trois requêtes entre 463 et 460 sur les deux pages n’est pas un scandale ; c’est ce qui se produit lorsque une surface est générée à partir d’un graphique à barres et l’autre à partir d’un tableau. Prenez le chiffre le plus bas. Ce qui compte davantage, c’est que la ligne de prix corresponde au cent près à la carte tarifaire de Singapour, sans remise d’abonnement appliquée en dessous.
Trois détails dans cette documentation pèsent plus lourd que le prix affiché :
• Le modèle est servi via le protocole Messages, et non via un chemin compatible avec chat-completions. C’est la même route qu’OpenCode utilise pour Qwen3.8-Max et Qwen3.7 Plus, et c’est pourquoi un harnais qui parle déjà Messages peut pointer vers Go sans shim.
• La confidentialité est indiquée modèle par modèle. Qwen4 Max est enregistré comme « Entraînement : non utilisé » et « Conservation : 0 jour » — la colonne sans conservation, et non celle des 30 jours où figurent Grok 4.7 et les modèles Luna. La configuration par défaut de Go bloque aussi les points de terminaison payants qui entraînent leurs modèles sur les données des requêtes.
• Chaque réponse indique son coût via opencode.allowance, et l’allocation est exprimée en dollars au tarif catalogue, répartie en fenêtres de 20 % sur cinq heures, 50 % sur une semaine et 100 % sur un mois.
Ce qu’OpenCode n’a pas publié, c’est l’origine des tokens. La documentation explique que certains modèles bénéficient de quotas élevés parce qu’OpenCode a négocié une remise sur volume ou réservé de la capacité GPU, et que d’autres obtiennent des quotas plus faibles « soit parce que le modèle est nouveau, soit parce que son tarif public est déjà remisé » — auquel cas « vous obtenez tout de même un peu plus que si vous payiez directement les fournisseurs du modèle ». Qwen4 Max se situe dans la deuxième catégorie, à 1,50 $ et 4,50 $, exactement le tarif que Qwen4 Max applique partout. Savoir s’il s’agit d’une refacturation du point de terminaison de Singapour ou d’une mise à disposition par OpenCode lui-même d’un modèle de 2,4 billions de paramètres n’est précisé nulle part, et toute personne qui vous affirme lequel des deux ne fait que deviner.
Une chose qu’il vaut la peine de corriger d’emblée, car la formulation autour de ce modèle a été floue : Qwen4 Max n’est pas une sortie non annoncée ni une fuite. Le lancement s’est accompagné d’un billet intitulé « Qwen4-Max : votre nouveau coéquipier est arrivé », sa documentation Model Studio pour le modèle a été mise à jour le 17 novembre, et il n’y a aucun poids à inspecter — Artificial Analysis classe le modèle comme propriétaire, et aucun dépôt n’existe pour le lire. Ce qui est passé sous silence, c’est la fiche d’OpenCode, qui est une plateforme de codage raccordant le lancement de quelqu’un d’autre, et non un lancement qui lui soit propre.

Le $15 est un compteur en dollars, voici donc le calcul.
Une allocation en dollars n’a de sens qu’à côté de la forme de requête qu’elle suppose, et OpenCode publie cette forme : 420 jetons d’entrée frais, 66 000 jetons mis en cache et 200 jetons de sortie par requête. Comparez ces trois chiffres à la ligne de prix de Qwen4 Max :
• Entrée fraîche — 420 tokens à 1,50 $ par million représentent 0,00063 $.
• Entrée mise en cache — 66 000 jetons à 0,075 $ par million, soit 0,00495 $.
• Sortie — 200 tokens à 4,50 $ par million, soit 0,00090 $.
• Par requête — 0,00648 $, soit 15 $ divisé exactement 2 315 fois. L'estimation publiée d'OpenCode de 2 310 par mois correspond à ce nombre arrondi à l'inférieur.
Le même calcul sur Qwen3.8-Max, que le catalogue Go vend encore à 2,00 $ en entrée, 6,00 $ en sortie et 0,25 $ en lecture mise en cache, donne 0,01854 $ par requête et 809 requêtes pour 15 $ — OpenCode publie 810. Passer à Qwen4 Max vaut donc 2,9 × plus de requêtes pour une enveloppe identique, et les deux tiers de ce gain proviennent d’une seule ligne : le prix de la lecture mise en cache qui passe de 0,25 $ à 0,075 $ par million, soit une baisse de 70 %. Le prix d’entrée affiché a évolué de 25 %. C’est le prix du cache qui a fait basculer le résultat.
La fenêtre de cinq heures est la contrainte que vous allez réellement rencontrer. À 20 % de l’allocation mensuelle, un bloc glissant de cinq heures sur le forfait Go peut dépenser 3 $ sur Qwen4 Max — 463 requêtes selon le profil modélisé, soit environ un après-midi chargé de tours d’agent si vous ne faites pas attention. Go Plus fait passer cela à 12 $ et 1 850 requêtes. Go Teams fixe l’allocation de chaque membre à 20 $ par mois, ce qui est plus que les 15 $ de Go et moins que les 60 $ de Plus, à 20 $ par membre.

D'où viennent les 66 000 tokens mis en cache, et pourquoi c'est toute l'histoire
Soixante-six mille tokens en cache ne sont pas un nombre rond arbitraire : il s’agit d’un préfixe plausible pour un agent de codage qui envoie un prompt système, des définitions d’outils et un ensemble de fichiers de taille modérée à chaque tour, et c’est précisément ce qui rend la requête modélisée peu coûteuse. À 0,075 $ par million, ce préfixe de 66 000 tokens coûte moins d’un demi-centime. Au tarif des entrées fraîches de 1,50 $, il coûterait 0,099 $ — vingt fois plus, et plus de quinze fois l’intégralité du reste de la requête.
Poursuivez ce raisonnement. Une requête dont le préfixe rate le cache coûte 0,1005 $ au lieu de 0,00648 $, donc les mêmes 15 $ achètent environ 149 requêtes plutôt que 2 315. Rien d'autre dans votre utilisation ne doit changer pour que l'allocation baisse de 94 % ; il suffit que le préfixe cesse d'être réutilisable. Les trois façons dont cela se produit sont banales : un prompt système contenant un horodatage ou une liste d'outils changeante, un harnais qui réordonne son contexte entre les tours, ou une session qui ne cesse de réécrire les premiers messages afin que le préfixe susceptible d'être mis en cache ne se stabilise jamais.
Il existe un second coût, plus discret. OpenCode facture les écritures en cache à 1,875 $ par million, soit 25 % de plus que le tarif des entrées fraîches : vous payez une prime pour établir un préfixe qui sera ensuite lu avec une remise de 95 %. L’écriture de ce préfixe de 66 000 tokens coûte 0,124 $, soit environ dix-neuf fois une requête à chaud. Une session qui invalide sans cesse son cache paie l’écriture à répétition et ne bénéficie jamais de la remise.
C'est pourquoi il vaut la peine de comprendre cette allocation plutôt que de simplement l'observer. Sur un modèle tarifé de cette manière, le taux de réussite du cache n'est pas une optimisation que l'on peut remettre à plus tard ; c'est la différence entre deux abonnements très différents.
Ce à quoi vous renoncez, mesuré
Le classement indépendant est désormais complet, et il est moins flatteur que la fiche tarifaire. Artificial Analysis attribue à Qwen4 Max un score de 43 à son Intelligence Index — au-dessus de sa médiane annoncée de 41, au 38e rang sur 81 modèles du classement — pour un coût mesuré de 3,27 $ par tâche de l’indice. Le panneau des performances, encore vide lors de la première inscription du modèle, affiche désormais des chiffres réels : 54 jetons par seconde en sortie, 159 secondes jusqu’au premier jeton de réponse et 32,1 minutes pour accomplir une tâche de l’Intelligence Index, contre une médiane de 13,3 minutes. Selon le classement propre du tracker, cela le place 75e sur 79 pour le temps jusqu’au premier jeton de réponse.
• Capacité — 43 sur l’Intelligence Index, 38e sur 81, 3,27 $ par tâche mesurée.
• Performance — 54 jetons de sortie par seconde, 159 secondes jusqu’au premier jeton de réponse, 32,1 minutes par tâche d’indexation contre une médiane de 13,3 minutes, classé 75e sur 79 pour le temps jusqu’au premier jeton de réponse.
• Verbosité — 127 millions de jetons de sortie pour terminer l’exécution de l’index, contre une médiane de 78,6 millions, soit le 65e rang sur 80 sur l’échelle de verbosité propre au tracker.
• Contexte — 984 k tokens selon la mesure de l'outil de suivi, par rapport à la fenêtre documentée de 1 000 000 de tokens, avec un plafond d'entrée de 991 808 tokens en mode sans réflexion.
Pour une boucle de codage interactive, c’est le chiffre du premier token de réponse qui pose problème. Les modèles de raisonnement n’émettent rien tant que la réflexion n’est pas terminée ; ainsi, 159 secondes représentent le délai entre l’appui sur Entrée et l’apparition du premier caractère d’une réponse, et un long budget de réflexion fait varier ce chiffre plutôt que de le faire disparaître. Pour le travail par lots — une file de refactorisations, un balayage nocturne — c’est sans importance, et le rapport capacité-prix de 3,27 $ par tâche est respectable face aux modèles de pointe qui facturent plusieurs fois ce montant.
Le chiffre de verbosité mérite sa propre phrase, car c'est celui qui interagit avec une enveloppe en dollars. Un modèle qui génère 127 millions de tokens là où la médiane en génère 78,6 millions consomme environ 60 % de tokens de sortie en plus pour le même ensemble de tâches, et sur Qwen4 Max, la sortie est le poste le plus coûteux de la requête, à 4,50 $ le million. Votre enveloppe de 15 $ est libellée en dollars : un modèle bavard, à prix par token identique, s'épuise donc tout simplement plus tôt.

Le réglage de l’effort n’est pas facultatif sur ce modèle
La documentation propre à Qwen4 Max définit reasoning_effort sur high et thinking_budget sur 131 072 lorsque vous omettez les deux, et elle associe le vocabulaire à cinq valeurs utilisé par la plupart des SDK à trois réglages réels : minimal devient low, medium devient high, et max devient xhigh. Via le protocole Messages, qui est la voie exposée par OpenCode, le paramètre est output_config.effort avec les mêmes trois valeurs.
Deux conséquences en découlent. Premièrement, demander un effort « medium » ne vous donne pas un réglage intermédiaire : vous obtenez « high », la valeur par défaut. Si vous voulez que le modèle réfléchisse moins, vous devez demander « low ». Deuxièmement, le plafond de sortie est partagé avec la réflexion : 262,144 tokens couvrant la chaîne de pensée plus la réponse en mode réflexion, 131,072 tokens de réponse avec la réflexion désactivée, face à un plafond d’entrée de 983,616 tokens lorsque la réflexion est activée. Un agent qui fixe max_completion_tokens à 262,144 et choisit xhigh a décidé de dépenser son allocation en tokens de raisonnement avant même d’avoir écrit une ligne de code.
Le réglage pratique pour une session de codage interactive sur un abonnement à l’usage est « low » pour les modifications et les petites refactorisations, « high » pour les tours où le modèle doit garder plusieurs fichiers en contexte en même temps, et « xhigh » uniquement pour les tâches que vous confieriez autrement à une personne. Il s’agit d’un jugement sur votre budget, non d’une affirmation issue d’un benchmark — personne n’a publié de courbe de coût par niveau d’effort pour ce modèle, et les chiffres de réduction de tokens du fournisseur sont des chiffres du fournisseur.
L’essayer sans déplacer votre stack
OrcaRouter ne route pas Qwen4 Max aujourd’hui. Il faut le dire franchement plutôt que de le laisser entendre : le catalogue contient 215 modèles, et une requête sur un identifiant qwen4 renvoie une erreur not-found ; donc, si le nouveau fleuron est ce que vous voulez utiliser avec une clé OrcaRouter, vous devez attendre. Ce que le catalogue propose, en revanche, c’est qwen/qwen3.8-max à 2,00 $ en entrée et 6,00 $ en sortie par million, avec une lecture de cache à 0,25 $ — les mêmes tarifs que publient à la fois OpenCode et l’API officielle du modèle — répercutés avec une marge de 0 %, si bien qu’une baisse de prix du fournisseur arrive chez nous le jour même où elle arrive chez eux.
Ce qui rend le test raisonnable bon marché plutôt que gratuit. Si vous comparez Qwen4 Max à ce que vous utilisez déjà, la première question à laquelle répondre n'est pas « 43 est-il un bon score » mais « mon harnais garde-t-il chaud un préfixe de 66 000 tokens » — et vous pouvez y répondre face à Qwen3.8-Max sur le même compte dès aujourd'hui, à des tarifs que vous connaissez déjà, avant de dépenser un abonnement pour obtenir la réponse. Associez-le à un basculement automatique en cas de défaillance et un modèle non éprouvé devient une décision de routage plutôt qu'une migration : envoyez le travail au nouveau modèle, gardez l'ancien comme solution de repli, et laissez le taux d'erreur trancher.
Qui devrait bouger maintenant, et qui devrait attendre ?
Si vous payez déjà pour OpenCode Go, ce changement ne vous coûte rien à essayer, et c'est précisément l'allocation qui justifie de le tester délibérément plutôt que distraitement. Qwen4 Max fait plus que doubler le nombre de requêtes que vos 15 $ achètent par rapport à Qwen3.8-Max avec le même forfait, mais il y parvient grâce à une hypothèse de cache que votre harnais doit mériter, sur un modèle mesurablement lent jusqu'au premier token et mesurablement verbeux à l'effort par défaut. Commencez à faible effort, surveillez le champ opencode.allowance sur les vingt premières réponses, et comparez le taux de consommation avec ce que ces sessions auraient coûté sur le modèle que vous utilisiez déjà. Si le taux de consommation vous surprend, la cause se trouve presque certainement dans votre préfixe, et non dans la grille tarifaire.
Si vous n’êtes pas sur Go, cette offre ne change rien à vos options — Qwen4 Max est disponible via l’API first-party dans six régions, à 1,50 $ et 4,50 $ à Singapour, et à 1,413 $ et 4,24 $ dans les régions Global ; et un abonnement qui le revend au prix catalogue est une commodité, pas une réduction. Et si votre travail est sensible à la latence et interactif, l’interprétation honnête des chiffres indépendants est qu’il s’agit d’un modèle pour lequel mettre le travail en file d’attente, pas d’un modèle devant lequel rester à regarder.
Ce qu’il faut surveiller ensuite n’est pas un autre benchmark. C’est de savoir si l’enveloppe de 15 $ d’OpenCode pour Qwen4 Max survit au contact de l’usage réel : la documentation indique que les limites « peuvent changer à mesure que nous apprenons de l’usage précoce et des retours », ce qui est la phrase que les plateformes écrivent avant de modifier un chiffre. Un modèle aussi récent, décompté aussi strictement, avec une enveloppe aussi faible, est la ligne de cette page la plus susceptible d’être révisée en premier.
Comparés dans cet article1
Détecté à partir de cet article · Benchmarks : Artificial Analysis · mis à jour quotidiennement
