Qwen4-Max arrive et décroche 43 points sur un indice indépendant

AI model illustration: a layered core glowing red with small figures below

L'équipe Qwen (Tongyi Qianwen) d'Alibaba a publié Qwen4-Max, le modèle le plus massif de la gamme Qwen à ce jour. Il compte 2,4 billions de paramètres au total, repose sur une architecture de mélange d'experts qui active environ 71 milliards de paramètres par token, et s'accompagne d'un module d'embeddings N-gram de 328 milliards de paramètres. Le modèle accepte du texte et des images en entrée, dispose d'un mode de raisonnement et, selon la présentation officielle, gère un contexte de l'ordre du million de tokens.

La version préliminaire est d'abord disponible sur le Token Plan d'Alibaba, avec une remise temporaire pouvant aller jusqu'à 90 % (soit un dixième du prix). Qoder, l'application Qwen et QwenStudio sont déjà passés au nouveau modèle, et l'API est proposée via Alibaba Cloud. Les poids ne sont pas téléchargeables, dans la continuité de la série Max depuis Qwen2.5-Max : elle ne tourne que sur le cloud de la maison. L'équipe affirme que les modèles de petite taille de la famille Qwen4 seront open source, avec la même architecture et les mêmes méthodes d'entraînement, mais elle n'a donné ni tailles, ni licence, ni calendrier.

Les chiffres fournis par Alibaba elle-même

Dans son billet de lancement, l'équipe Qwen présente le modèle comme un «coéquipier IA» capable de travailler en continu et cite plusieurs exemples concrets : deux équipementiers automobiles l'ont utilisé pour écrire des programmes d'usinage, et le temps de programmation par pièce est passé d'environ 475 minutes à 24 ; lors d'un audit juridique avant introduction en bourse, le modèle a classé 198 pièces de travail et remis un rapport de 86 pages ; enfin, lors d'une exécution autonome de 48 heures, il a conçu un liquide de refroidissement pour centres de données, ensuite synthétisé par un laboratoire automatisé. Tous ces cas sont déclarés par l'entreprise elle-même, sans nom de client ni critères de recette rendus publics.

Côté coûts, Alibaba affirme que la consommation de tokens sur des tâches équivalentes est nettement inférieure à celle de Qwen3.8-Max. Sur son benchmark interne Work360, le coût par tâche passe de 4,43 à 1,67 dollar.

Alibaba publie aussi un tableau de résultats par catégorie, qui montre autant les points forts que les faiblesses. Sur le benchmark d'agents juridiques HLAB-Vals 1.1, le modèle obtient 21,3 points, contre 9,2 pour Claude Opus 5.5. En programmation, sur DeepSWE v1.1, il atteint 75,7 points, serré entre 74 et 76 avec Opus 5.5, GPT-6.1 Sol et Kimi K3.1. Sur Terminal-Bench 4.0, il n'obtient que 48,5, quand Kimi K3.1 atteint 67,2 ; sur ProgramBench, il fait 31,5 points contre 65,0 pour Opus 5.5.

Sa place dans les classements indépendants

L'organisme d'évaluation indépendant Artificial Analysis attribue à Qwen4-Max un indice d'intelligence de 43 points, soit 9 de plus que les 34 de Qwen3.8-Max, ce qui le place 38e sur 81 modèles de la même gamme de prix, légèrement au-dessus de la médiane de 41 points. Parmi les dix modèles de tête qu'il compare directement, Qwen4-Max est neuvième, derrière Claude Fable 5.2 (65), Gemini 4 Carbon (60), Claude Opus 5.5 (59), GPT-6 Astra (57) et d'autres ; parmi les modèles chinois, seul Kimi K3.1 Pro (46), de Moonshot AI, le devance.

Un autre classement lui est plus favorable. Selon Arena, Qwen4-Max prend la première place parmi les modèles chinois sur Agent Arena, et Alibaba grimpe à la 14e place du classement général.

Le prix est son atout. D'après les tarifs officiels relevés par Artificial Analysis, l'entrée coûte 1,50 dollar par million de tokens et la sortie 4,50 dollars, avec 95 % de réduction supplémentaire sur les entrées servies par le cache. Venir à bout d'une question de l'indice coûte en moyenne 3,27 dollars, soit 67 % de moins que les 10,02 dollars de Qwen3.8-Max et un peu moins que les 3,68 dollars de Kimi K3.1 Pro ; Tencent Hy4 est encore moins cher, environ 1,03 dollar, mais avec 8 points de moins.

La contrepartie, c'est la verbosité. Pendant l'évaluation, Qwen4-Max a produit 127 millions de tokens au total, contre une médiane de 78,6 millions pour les modèles comparables, soit environ 60 % de plus (estimation approximative). Le prix unitaire a baissé, mais la consommation en reprend une partie.

Face aux autres modèles du même peloton

Quand on met côte à côte plusieurs fleurons chinois, le paysage s'éclaircit. Kimi K3.1 Pro a 3 points de plus à l'indice d'intelligence, coûte environ 0,4 dollar de plus par question et se montre nettement plus fort sur les tâches de terminal ; Qwen4-Max l'emporte en droit, sur les tâches de longue haleine et sur le prix ; Tencent Hy4 mise sur des tarifs extrêmement bas. Des trois, seul Qwen4-Max ne publie pas ses poids, et la communauté de développeurs que Qwen s'est constituée grâce à ses modèles ouverts est précisément ce qui le distingue des deux autres.

Pour les développeurs en Chine, ce qu'il y a de mieux à faire pour l'instant est de profiter de la période de remise du Token Plan pour tester le modèle sur des tâches réelles. Max n'est pas open source, et un déploiement privé devra attendre les petits modèles ; quand ils sortiront et à quelle taille, Alibaba ne l'a pas dit. Par ailleurs, de nombreux scores du blog d'Alibaba relèvent de ses propres mesures, et Artificial Analysis n'a pas encore publié de données sur le temps par tâche : les performances en latence ne peuvent donc pas être vérifiées pour le moment.

Sources : billet de lancement de l'équipe Qwen, page du modèle chez Artificial Analysis (indice d'intelligence, coût par tâche, tokens de sortie), CocoLoop, classement Arena, Trending Topics ; un article de Cailian Press a servi à recouper les canaux de lancement et les remises, et les paramètres et résultats par catégorie suivent les chiffres publiés par Alibaba.