Qwen4-Max vs Qwen3.8-Max : la mise à niveau en vaut-elle la peine ?

AIHubMix4 min de lecture
Qwen4-Max vs Qwen3.8-Max : la mise à niveau en vaut-elle la peine ?

Qwen4-Max mérite d’être évalué si vous utilisez déjà Qwen3.8-Max : aux tarifs publics d’Alibaba Cloud à Singapour, les prix d’entrée et de sortie ordinaires sont inférieurs de 25 %. La fenêtre de contexte reste d’un million de tokens, et les deux modèles acceptent le texte, les images et les vidéos. Le prix est donc la raison la plus évidente et la mieux documentée d’essayer la mise à niveau. Cela ne prouve pas que le nouveau modèle accomplira mieux vos tâches ni qu’il utilisera moins de tokens.

La migration modifie également le contrat d’intégration. Une limite de sortie qui ne concerne que la réponse peut désormais s’appliquer à la fois à la réflexion et à la réponse, et le niveau d’effort par défaut passe de xhigh à high. Tenez compte de ce changement avant de remplacer un ID de modèle en production.

Ce qui reste identique et ce qui change

La page du modèle Qwen4-Max et la documentation de Qwen3.8-Max d’Alibaba décrivent deux modèles cloud ayant la même taille de contexte et les mêmes modalités d’entrée. Il faut examiner leurs limites de sortie plus attentivement :

Élément Qwen3.8-Max Qwen4-Max
Contexte 1,000,000 1,000,000
Entrée Texte, image, vidéo Texte, image, vidéo
Sortie sans réflexion 131,072 131,072
Réflexion activée Par défaut Par défaut
Niveau d’effort par défaut xhigh high
Niveaux d’effort natifs low, medium, xhigh low, high, xhigh

Qwen4-Max autorise jusqu’à 262,144 tokens pour la réflexion et la réponse combinées. La limite de sortie documentée de 131,072 pour Qwen3.8-Max concerne la réponse, y compris en mode de réflexion, tandis que la longueur maximale de la chaîne de pensée est fixée séparément à 262,144. Ces chiffres ne portent pas sur la même chose ; ils ne permettent pas d’affirmer que la capacité de sortie a simplement doublé.

Les deux modèles acceptent des entrées visuelles. Une application qui envoie déjà des captures d’écran ou des images de documents ne gagne donc pas un nouveau type d’entrée en passant à la nouvelle version. Il faut comparer les modèles sur des fichiers représentatifs pour savoir si l’extraction ou le raisonnement visuel s’améliore.

Différence de prix pour une charge de travail fixe

Le tableau tarifaire officiel indique les tarifs en USD pour Singapour ci-dessous, en mode de réflexion comme en mode sans réflexion, pour une entrée allant jusqu’à un million de tokens par requête :

Par million de tokens Qwen3.8-Max Qwen4-Max
Entrée ordinaire $2.00 $1.50
Sortie, réflexion comprise $6.00 $4.50

Considérez le volume cumulé sur plusieurs requêtes : un million de tokens d’entrée non mis en cache et 100,000 tokens de sortie, raisonnement compris. Il s’agit de totaux, et non d’une seule requête. Qwen3.8-Max coûte $2 + $0.60 = $2.60 ; Qwen4-Max coûte $1.50 + $0.45 = $1.95. Cela représente 25 % de moins pour une utilisation identique. Il s’agit d’une estimation, et non du résultat mesuré d’une tâche ; le calcul exclut la mise en cache, les outils, les nouvelles tentatives et les taxes. Les tarifs varient selon les régions.

Les économies réelles dépendent du comportement de génération. Un raisonnement plus poussé, des tentatives répétées ou des historiques plus longs peuvent compenser la baisse du prix unitaire. Comparez le coût d’un résultat accepté ainsi que sa justesse, au lieu de supposer que chaque tâche coûtera 25 % moins cher.

Vérifiez la limite de sortie et les paramètres de réflexion

La référence Chat Completions indique que Qwen4-Max traite max_tokens comme l’équivalent de max_completion_tokens : les deux couvrent la réflexion et la réponse. Pour Qwen3.8-Max, max_tokens ne couvre que la réponse. Une petite limite héritée peut donc interrompre le nouveau modèle avant qu’il ne produise une réponse utile. Vérifiez finish_reason ; length indique que le budget est épuisé. Aucune nouvelle expérience d’inférence n’est rapportée ici.

Pour les nouvelles intégrations de Qwen4-Max, privilégiez max_completion_tokens et prévoyez suffisamment de marge pour les deux types de sortie. Ses valeurs d’effort natives sont low, high et xhigh ; medium correspond à high. Sur Qwen3.8-Max, high correspond à xhigh. Réutiliser une énumération ne garantit pas que ses valeurs auront le même sens.

Si le niveau d’effort et le budget de réflexion sont tous deux omis, Qwen4-Max utilise par défaut high et 131,072 tokens de réflexion. N’envoyez pas reasoning_effort et thinking_budget ensemble. Un budget de réflexion explicite doit être positif ; pour désactiver la réflexion, utilisez le commutateur de réflexion documenté plutôt qu’un budget nul. Conservez l’historique du raisonnement dans un champ distinct au lieu de le concaténer au texte de la réponse.

Ce que garantit la passerelle

Le guide AIHubMix de Qwen4-Max répertorie qwen4-max pour Chat Completions, mais signale que les indicateurs de capacité ne sont pas vérifiés. La prise en charge des outils, de la sortie structurée, de Responses et de Messages par Alibaba ne garantit pas que chaque méthode fonctionne via cette passerelle.

Alibaba documente également la mise en cache explicite de Qwen4, avec notamment des points de rupture automatiques et des TTL de 5 minutes ou 1 heure. Les surcoûts d’écriture et les frais de lecture distincts doivent faire l’objet d’un calcul spécifique. Les résumés de réflexion facultatifs nécessitent de conserver l’historique chiffré. Vérifiez ces options sur le parcours que vous comptez utiliser avant de vous y fier pour réaliser des économies ou gérer le comportement sur plusieurs tours.

Commencez par un petit ensemble de tâches réelles : une modification de dépôt, une question portant sur un long document et un cas visuel si votre application utilise des images. Gardez les prompts, les outils et les critères d’acceptation identiques. Consignez les résultats acceptés, le nombre total de tokens, nouvelles tentatives comprises, ainsi que les échecs. Conservez Qwen3.8-Max jusqu’à ce que le remplacement ait passé les tests. La page de comparaison AIHubMix permet de vérifier les spécifications et les tarifs indiqués ; ce sont vos tests d’acceptation qui déterminent si la mise à niveau est justifiée.

FAQ

Qwen4-Max coûte-t-il moins cher que Qwen3.8-Max ?
Aux tarifs officiels de Singapour, les prix d’entrée et de sortie ordinaires sont tous deux inférieurs de 25 %. Les économies réelles dépendent du nombre de tokens utilisés et des nouvelles tentatives.

La fenêtre de contexte augmente-t-elle ?
Non. Les deux modèles indiquent une fenêtre de contexte de 1,000,000 tokens.

Qwen4-Max double-t-il la limite de sortie ?
Les limites indiquées ne portent pas sur le même périmètre. Qwen4-Max plafonne la réflexion et la réponse combinées à 262,144 ; les 131,072 de Qwen3.8-Max concernent la réponse.

Peut-on conserver l’ancien paramètre max_tokens ?
Vérifiez-le d’abord. Qwen4-Max inclut la réflexion dans cette limite ; un plafond prévu pour une réponse risque donc d’être insuffisant.

Le niveau de réflexion par défaut a-t-il changé ?
Oui : xhigh sur Qwen3.8-Max passe à high sur Qwen4-Max. Certaines correspondances de compatibilité diffèrent également.

Faut-il immédiatement migrer tout le trafic de production ?
Migrez une fois que les tâches représentatives et les fonctionnalités requises de la passerelle ont passé les tests. La baisse de prix documentée ne prouve pas une amélioration de la qualité.

À lire ensuite : la série Qwen4-Max

Sources

  1. Alibaba Cloud : Qwen4-Max et Qwen3.8-Max, limites et paramètres par défaut des modèles.
  2. Alibaba Cloud : tarifs des modèles, tarifs en USD pour Singapour ; le calcul suppose une utilisation non mise en cache identique.
  3. Alibaba Cloud : référence Chat Completions, portée des limites de sortie et paramètres de réflexion.
  4. Alibaba Cloud : cache de Qwen4 et résumé de réflexion et chiffrement, fonctionnalités du fournisseur.
  5. AIHubMix : guide Qwen4-Max et guide Qwen3.8-Max, modèles répertoriés sur la passerelle. Sources consultées le 17 novembre 2026 à 02:33 UTC ; aucun nouveau test d’inférence.

Une seule passerelle vers plusieurs fournisseurs d’IA. Conçue pour la production.

Découvrir AIHubMix