Alibaba a présenté Qwen4-Max, premier modèle de sa génération Qwen4. Proposé de façon propriétaire et accessible uniquement en mode hébergé, il accepte le texte, les images et la vidéo, et s’accompagne d’une baisse des prix de l’API ainsi que d’une réduction annoncée de 62 % du coût moyen par tâche.
Une architecture à mélange d’experts
Qwen4-Max est un modèle multimodal de type MoE (mixture of experts, ou mélange d’experts), une architecture où seule une fraction des paramètres est activée à chaque token, c’est-à-dire à chaque fragment de texte traité. Le modèle repose sur un socle de 2.4T paramètres, dont 71B sont actifs par token, auxquels s’ajoutent 328B paramètres d’Embedding N-gram. Sa fenêtre de contexte atteint 1M tokens, pour une sortie maximale de 393K tokens.
Alibaba décrit trois évolutions par rapport à la génération précédente. La première combine une couche QSA (Qwen Sparse Attention), qui sélectionne les éléments de contexte pertinents, avec trois couches Gated DeltaNet, qui compressent l’historique en états de taille fixe. La deuxième, appelée Gated Residual, utilise quatre branches résiduelles parallèles dotées de portes de lecture et d’écriture dynamiques, dans le but d’améliorer la circulation de l’information et la stabilité de l’entraînement. La troisième ajoute des paramètres d’Embedding N-gram, qui permettent de consulter des motifs de tokens locaux à la couche 2. Selon l’entreprise, l’entraînement préalable à l’échelle de 2.4T ne présente aucun pic de perte. Lors de tests internes, Qwen4-Max-Base affiche une quantité de bits par octet inférieure de 5 à 13 % à celle de Qwen3.8-Max-Base, tout en activant 25 % de paramètres en moins.
Des résultats contrastés selon les tests
Le graphique comparatif d’Alibaba couvre 16 benchmarks, face à Qwen3.8-Max-0902, Claude Opus 5.5, GPT-6.1 Sol, GPT-6 Astra et Kimi K3.1. Plusieurs scores sont repris de classements tiers, et aucun n’avait été reproduit de façon indépendante au lancement. Qwen4-Max arrive premier sur 4 de ces 16 tests, notamment HLAB-Vals-1.1 (agents juridiques), avec 21.3 contre 11.7 pour Kimi K3.1 et 9.2 pour Opus 5.5, ainsi que Agents’ Last Exam v1.1, avec 46.7.
Claude Opus 5.5 domine en revanche 7 des 16 classements. Les écarts les plus nets concernent le code et la vision : 31.5 sur ProgramBench contre 65.0 pour Opus 5.5, et 48.5 sur Terminal-Bench 4.0 contre 67.2 pour Kimi K3.1. Sur Work360, le benchmark interne d’Alibaba qui couvre 26 domaines principaux et 721 champs spécialisés, le modèle obtient 52.69, contre 47.74 pour Qwen3.8-Max.
Des coûts d’utilisation en baisse
Selon Alibaba, la consommation de tokens diminue d’environ 24 % à l’effort Xhigh et de 35 % à l’effort High sur Work360. Le coût moyen par tâche passe de 4.43 dollars à 1.67 dollar, soit une baisse de 62 %. Les tarifs publics suivent la même tendance : l’entrée coûte 1.50 dollar par million de tokens, contre 2 dollars pour Qwen3.8-Max, et la sortie 4.50 dollars, contre 6 dollars. La lecture du cache implicite recule de 70 %, de 0.25 à 0.075 dollar.
Le modèle porte l’identifiant qwen4-max sur QwenCloud. Son API est compatible avec les clients OpenAI et Anthropic, et prend en charge l’appel de fonctions, les sorties structurées, la mise en cache du contexte, le traitement par lots, la recherche web et le fine-tuning. La limite de débit par défaut est de 5 000 000 tokens par minute, et le mode de raisonnement s’active avec le paramètre enable_thinking. Selon le billet officiel d’Alibaba, les poids du modèle ne sont pas publiés, ce qui exclut l’auto-hébergement.
