Modèles et plateformes d’IA
Alibaba Cloud lance Qwen4-Max avec des prix d’API à Singapour inférieurs de 25%

Points clésQwen4-Max réduit les prix catalogue à Singapour de 25 % en dessous de Qwen3.8-Max pour…
Voir plus
- Qwen4-Max réduit les prix catalogue à Singapour de 25 % en dessous de Qwen3.8-Max pour les tokens d'entrée et de sortie.
- La réflexion et la réponse finale partagent un même budget de sortie, si bien que la délibération consomme l'allocation de réponse.
- Le forfait d'abonnement interdit les scripts d'automatisation et l'usage en backend, laissant les appels API à l'usage comme alternative.
Alibaba Cloud a lancé Qwen4-Max dans Model Studio le 16 novembre 2026. Ce modèle multimodal phare dispose d’une fenêtre de contexte d’un million de jetons et affiche des tarifs catalogue inférieurs à ceux de Qwen3.8-Max.
La grille tarifaire de Singapour fixe le prix de Qwen4-Max à 1,50 $ par million de jetons en entrée et à 4,50 $ par million de jetons en sortie, contre respectivement 2 $ et 6 $ pour Qwen3.8-Max. Ces deux tarifs sont inférieurs de 25 %, selon le calcul effectué directement à partir de ces prix catalogue. Un quota gratuit d’un million de jetons est également disponible à Singapour pendant 90 jours à compter de la plus tardive des dates suivantes : activation de Model Studio, lancement du modèle ou approbation de la demande.
Entrées multimodales et raisonnement modulable
La documentation du modèle décrit la prise en charge des entrées textuelles, des images et des vidéos, avec une sortie textuelle, ainsi que la diffusion en continu, la recherche sur le Web, les appels parallèles d’outils, les appels de fonctions, la complétion de préfixe et la génération de sorties JSON structurées. Les développeurs peuvent appeler le modèle à l’aide des API OpenAI Chat Completions, OpenAI Responses, Anthropic Messages ou DashScope d’Alibaba Cloud, ce qui offre plusieurs voies d’intégration bien établies pour le développement logiciel et les agents.
Alibaba Cloud a conçu Qwen4-Max pour le codage, la productivité bureautique, la conception d’interfaces frontales et les tâches complexes faisant appel à des agents. Le mode de réflexion est activé par défaut avec un niveau de raisonnement élevé ; les niveaux faible, élevé et xhigh sont également disponibles. Le budget de réflexion par défaut, de 131 072 jetons, correspond au maximum de jetons de sortie sans réflexion, tandis que la réflexion et la réponse finale se partagent une limite de 262 144 jetons : la délibération occupe donc une partie du même budget de sortie que la réponse.
Mise en cache explicite et coûts d’entrée
Le guide de mise en cache de Qwen4 indique que des préfixes d’entrée identiques, comme les invites système, les descriptions d’outils et les documents de référence, peuvent être réutilisés d’une requête à l’autre pour un même utilisateur. Le préfixe d’un cache explicite doit contenir au moins 1 024 jetons ; les durées de conservation disponibles sont de cinq minutes ou d’une heure. Les points de contrôle explicites garantissent des résultats déterministes pour un préfixe identique pendant la période de validité ; la mise en cache implicite classique repère automatiquement les préfixes communs, mais ne garantit pas leur présence dans le cache. La mise en cache automatique peut également placer un point de contrôle à la fin de l’entrée, qui peut ainsi avancer au fil de la conversation.
À Singapour, la lecture du cache coûte 0,075 $ par million de jetons, quel que soit le mode de mise en cache, tandis que la création d’un cache explicite coûte 1,875 $ pour une durée de cinq minutes et 3 $ pour une durée d’une heure. Seuls les jetons d’entrée bénéficient de la réduction liée au cache ; les jetons de sortie restent facturés au tarif standard. Pour les agents qui envoient régulièrement de longues instructions ou de longs documents, la stabilité des préfixes et la durée de conservation du cache déterminent donc si la baisse des frais d’entrée s’ajoute à la réduction des tarifs catalogue.
Disponibilité régionale et limites des abonnements
Qwen4-Max est proposé à Pékin, Singapour, Francfort, en Virginie, à Tokyo et à Hong Kong. Parmi ces régions, seule Pékin prend en charge l’inférence par lots ; le réglage fin et le déploiement de modèles personnalisés ne sont pris en charge dans aucune des régions documentées. La configuration de l’API, les paramètres de raisonnement et la mise en cache offrent donc une grande partie des moyens de contrôler concrètement l’utilisation du modèle géré.
La version complète de Qwen4-Max est également incluse dans le forfait de jetons Personal Edition proposé à Singapour. Facturé en crédits, celui-ci prend en charge des outils interactifs, notamment Claude Code, Cursor, Qwen Code, Qoder et OpenClaw. L’abonnement est réservé au codage interactif et à l’utilisation d’outils d’agent ; les scripts d’automatisation, les interfaces dorsales d’applications personnalisées et les appels par lots non interactifs sont interdits. Ce forfait constitue donc une voie d’accès distincte des appels API classiques facturés à l’usage.
La version complète fait suite à Qwen4-Max-Preview, disponible depuis le 11 novembre 2026 à 10 h (UTC+8), exclusivement par l’intermédiaire de Token Plan. La période d’essai de cette version préliminaire doit se poursuivre jusqu’au 25 novembre 2026, date à laquelle le modèle préliminaire sera retiré.
La baisse des tarifs catalogue de Qwen4-Max et ses options de mise en cache réduisent les coûts d’entrée pour les charges de travail d’agents de longue durée, mais la facture finale dépend toujours de la longueur des sorties, du raisonnement et de la réutilisation du cache. Le réglage fin et le déploiement personnalisé n’étant pas pris en charge, ces paramètres d’utilisation ainsi que le choix entre l’accès par API et l’abonnement sont déterminants pour les conséquences pratiques de ce lancement.












