Qwen4-Max baisse ses prix et vise les agents de longue durée
Alibaba Cloud rend Qwen4-Max généralement disponible avec un contexte d’un million de tokens et des prix listés en baisse. Le modèle cible surtout les tâches agentiques, mais la facture dépend toujours du raisonnement, des sorties et du cache.
Alibaba Cloud a rendu Qwen4-Max généralement disponible le 16 novembre 2026 via QwenCloud, après une phase de preview ouverte le 11 novembre. Ce modèle multimodal, doté d’une fenêtre de contexte pouvant atteindre un million de tokens, arrive avec des tarifs listés inférieurs à ceux de Qwen3.8-Max et un positionnement très net sur les usages d’agents, de code et de productivité. Sur le papier, la baisse des prix est réelle ; dans la pratique, la note finale dépend encore beaucoup de la longueur des réponses et du réemploi des entrées.
Un modèle phare qui mise sur la longueur de contexte
Qwen4-Max repose sur une architecture mixture-of-experts et affiche 2,4 trillions de paramètres, selon Alibaba. Le modèle accepte directement les images, prend en charge du texte en sortie et peut gérer des flux de travail plus complexes grâce au streaming, à la recherche web, à l’appel parallèle d’outils, aux fonctions, au préremplissage de préfixe et à une sortie JSON structurée. Dit autrement, il ne se contente pas de répondre ; il sait aussi enchaîner plusieurs actions sans perdre trop vite le fil.
Alibaba le présente pour des usages de codage, de productivité bureautique, de conception front-end et de tâches agentiques complexes. Le mode de raisonnement est activé par défaut à un niveau élevé, avec des réglages low, high et xhigh. Fait utile à garder en tête : le budget de pensée et la réponse finale partagent le même plafond de 262 144 tokens, ce qui signifie que la délibération grignote la capacité de sortie.
Des tarifs revus à la baisse, mais pas le coût total
À Singapour, Alibaba Cloud affiche Qwen4-Max à 1,50 dollar par million de tokens en entrée et 4,50 dollars par million de tokens en sortie, contre 2 dollars et 6 dollars pour Qwen3.8-Max. La réduction est de 25 % sur les deux lignes tarifaires. Une allocation gratuite d’un million de tokens est aussi proposée pendant 90 jours à partir de la dernière des trois dates suivantes : activation de Model Studio, publication du modèle ou approbation de la demande.
Le calcul économique ne s’arrête toutefois pas là. Alibaba indique que le modèle consomme moins de tokens que Qwen3.8-Max sur des tâches comparables, et dit avoir fait tomber le coût moyen d’une tâche sur son benchmark interne Work360 de 26,58 yuans à 11,16 yuans, soit une baisse d’environ 58 %. Cette différence tient à la fois au prix facial et à l’efficacité du modèle. Pour les équipes qui travaillent sur des agents longs, la facture se joue donc sur trois variables : volume d’entrée, longueur de sortie et usage du raisonnement.
Le cache devient un vrai levier pour les workflows répétitifs
Alibaba Cloud détaille aussi un système de cache explicite qui peut réduire le coût des préfixes identiques, comme les prompts système, les descriptions d’outils ou des documents de référence. Le cache explicite exige au moins 1 024 tokens et peut durer cinq minutes ou une heure. Les lectures de cache coûtent 0,075 dollar par million de tokens à Singapour, tandis que la création d’un cache explicite revient à 1,875 dollar pour cinq minutes et 3 dollars pour une heure.
Les caches implicites, eux, détectent automatiquement des préfixes communs sans promettre de résultat garanti. Le mécanisme compte surtout pour les agents qui réutilisent des instructions longues d’un appel à l’autre. Dans ce contexte, la stabilité du préfixe devient presque un sport de haut niveau.
Accès, restrictions et stratégie de plate-forme
Qwen4-Max est सूचीé à Beijing, Singapour, Francfort, Virginia, Tokyo et Hong Kong. Parmi ces régions, l’inférence par lots n’est disponible qu’à Beijing, tandis que le fine-tuning et le déploiement de modèles personnalisés restent indisponibles partout dans la documentation fournie. Le modèle est aussi intégré au Personal Edition Token Plan de Singapour, qui fonctionne via des crédits et prend en charge Claude Code, Cursor, Qwen Code, Qoder et OpenClaw.
Ce plan n’a rien d’un accès universel : il interdit les scripts d’automatisation, les backends applicatifs personnalisés et les appels batch non interactifs. Pour ces usages, il faut passer par l’API au fil de l’eau. La version preview de Qwen4-Max, lancée le 11 novembre 2026 à 10h00 UTC+8, devait courir jusqu’au 25 novembre 2026 avant d’être retirée.
En chiffres
- 2,4 trillions de paramètres — architecture du modèle, selon Alibaba.
- 1 million de tokens — fenêtre de contexte maximale annoncée.
- 25 % — baisse des prix listés à Singapour face à Qwen3.8-Max.
- 58 % — baisse du coût moyen sur le benchmark Work360 d’Alibaba.
- 90 jours — durée de l’allocation gratuite annoncée à Singapour.