Qwen4-Max : les choix d’Alibaba pour réduire les coûts d’inférence
IA Contenu généré par intelligence artificielle : texte écrit par une IA, lu par des voix de synthèse · sujet sensible, traité avec prudence.
Transcription avec les sources de chaque passage
Token FM
Token FM, la radio de l'IA, faite par l'IA. Place au dossier.
Victor
Bonjour Sacha, on vous accueille pour parler d’Alibaba, qui a lancé Qwen4-Max, son nouveau modèle phare. Le groupe met en avant des changements d’architecture et une consommation réduite de tokens sur certains tests. Qu’est-ce qui est nouveau ?
Sacha
Alors, SiliconANGLE détaille les choix techniques de Qwen4-Max, tandis qu’Alibaba le présente comme un modèle plus efficace que son prédécesseur sur plusieurs tâches. Il s’agit d’un modèle à mélange d’experts : d’après Alibaba, il compte 2 400 milliards de paramètres au total, dont 71 milliards sont activés pour chaque token. Le groupe indique que cette part activée est inférieure de 25 % à celle de Qwen3.8-Max-Base, mais ne publie pas la configuration complète de ses experts. Qwen4-Max traite aussi les images nativement et dispose d’une fenêtre de contexte annoncée d’un million de tokens, autrement dit il peut prendre en compte de très longues entrées. L’enjeu est de réduire les ressources utilisées pour produire une réponse, et pas simplement de faire tenir un grand modèle dans une fiche technique. Alibaba affirme que, sur son benchmark interne Work360, le modèle consomme de 24 à 35 % de tokens en moins que Qwen3.8-Max, selon le réglage choisi. Sur Terminal-Bench 4.0, l’économie annoncée atteint 49 %. Ce sont des comparaisons réalisées ou rapportées par Alibaba, pas la preuve que chaque utilisateur observera la même baisse, ni que la qualité restera identique dans toutes les situations.
Victor
Comment ces changements sont-ils censés réduire les calculs ?
Sacha
SiliconANGLE décrit d’abord une architecture à résidus qui comporte quatre canaux parallèles pour faire circuler les gradients pendant l’entraînement. L’article la compare à une ancienne implémentation à un canal, mais cela ne veut pas dire que tous les modèles précédents fonctionnaient ainsi. Des mécanismes de contrôle doivent réguler cette circulation de l’information au cours de l’apprentissage. C’est une partie du travail de construction du modèle, distincte de la manière dont il traite une demande une fois déployé. Pour les longues entrées, Alibaba associe notamment Gated DeltaNet et QSA, l’attention clairsemée de Qwen. D’après SiliconANGLE, Gated DeltaNet vise à limiter les ressources nécessaires au traitement de prompts longs, tandis que QSA peut écarter des éléments considérés comme peu utiles à la réponse. On peut se représenter cela comme un dossier volumineux : au lieu de relire chaque passage avec la même attention, le système essaie de garder une représentation condensée puis de repérer les parties pertinentes. The Decoder décrit également une architecture hybride où des couches compriment le contexte antérieur et une autre sélectionne les informations jugées utiles. Cela ne signifie pas que le modèle ignore toujours correctement les détails secondaires : l’efficacité dépend de la tâche et de la pertinence de la sélection. The Decoder mentionne enfin un mécanisme d’incorporation de séquences de mots fréquentes, qui fournit des motifs textuels récurrents comme éléments utilisables par le modèle. L’ensemble vise à réduire certains calculs, mais les descriptions techniques ne suffisent pas, à elles seules, à mesurer les économies sur une application réelle.
Victor
Pour qui ce modèle est-il accessible, et que sait-on de son prix ?
Sacha
Qwen4-Max est proposé par Alibaba via QwenCloud, et le modèle est également accessible dans Qwen Studio, QwenWork et l’environnement de programmation Qoder. The New Stack indique que Vercel l’a ajouté à son AI Gateway, ce qui permet de le sélectionner depuis des outils de développement comme Cursor. Cela décrit des points d’accès au modèle ; ce n’est pas une garantie que tous les outils ou toutes les entreprises l’utiliseront de la même manière. Les tarifs internationaux annoncés par Alibaba Cloud sont de 1,50 dollar par million de tokens en entrée et de 4,50 dollars par million en sortie. Les tokens mis en cache bénéficient d’un tarif annoncé de 0,075 dollar par million. À Singapour, Unite.AI relève que les prix d’entrée et de sortie sont 25 % plus bas que ceux affichés pour Qwen3.8-Max. Mais le coût d’une tâche ne se déduit pas uniquement du tarif par token : il dépend aussi du nombre de tokens consommés, des appels répétés à des outils et de la longueur des réponses. Alibaba met également en avant Live Delivery, qui permettrait de consulter des résultats intermédiaires produits par un agent et de réorienter son travail avant la fin. Le module Qwen-Live-Delivery-Plugin associé a été publié en open source. Concrètement, cela peut aider un utilisateur à voir qu’un travail prend une mauvaise direction avant sa livraison complète, sans pour autant prouver que chaque tâche sera plus rapide ou nécessitera moins de supervision. Alibaba présente aussi des démonstrations de création de jeux et d’objets en trois dimensions ; ces exemples illustrent des usages revendiqués, mais ne remplacent pas une évaluation indépendante.
Victor
Quelles limites faut-il garder en tête face aux résultats annoncés ?
Sacha
La première réserve porte sur la méthode de comparaison. Les baisses de consommation et de coût mises en avant reposent en partie sur les évaluations internes d’Alibaba, et Work360 n’avait pas été validé indépendamment au lancement. Sur ce benchmark, le groupe affirme que le coût moyen d’une tâche passe de 4,43 à 1,67 dollar, tandis que le score progresse de 47,74 à 52,69. C’est un résultat intéressant pour ce test, mais il dépend de ses tâches et de ses conditions d’évaluation. Les comparaisons de performance présentées par Alibaba ne montrent pas non plus une première place partout : Qwen4-Max arrive en tête dans 4 des 16 épreuves rapportées par Clubic. MarkTechPost indique qu’il devance certains modèles dans des tests, mais reste derrière des concurrents sur des tâches de programmation ou de vision. Par exemple, sur ProgramBench, les résultats cités sont de 31,5 points pour Qwen4-Max et de 65 pour Claude Opus 5.5 ; sur Chartography, ils sont de 54,2 contre 71,1 pour GPT-6 Astra. Ces mesures concernent des épreuves précises et ne permettent pas de résumer toutes les capacités de chaque modèle. Il faut aussi distinguer la baisse du nombre de tokens de la qualité finale : pour juger l’intérêt pratique, une entreprise devrait comparer les réponses obtenues sur ses propres tâches. Enfin, Qwen4-Max reste fermé et ses poids ne sont pas publiés ; Clubic rapporte qu’Alibaba prévoit des versions Qwen4 plus légères à poids ouverts, sans calendrier annoncé. Alibaba affirme avoir renforcé les contrôles de sécurité à l’entraînement et écarté certaines données liées à des activités cyberoffensives, tout en conservant des données de détection et de correction de vulnérabilités. Ces déclarations et les résultats de sécurité cités ne sont pas accompagnés ici d’un audit indépendant.
Victor
Que faut-il retenir de cette stratégie d’Alibaba ?
Sacha
Le point essentiel, c’est qu’Alibaba met en avant une architecture destinée à limiter certains calculs et à réduire le nombre de tokens utilisés, notamment sur les longues entrées et les tâches menées par des agents. Sur Work360, l’entreprise affirme que le coût moyen par tâche passe de 4,43 à 1,67 dollar, avec un score qui monte de 47,74 à 52,69. Cette baisse de coût est calculée dans le cadre du benchmark interne, et ne signifie pas que toutes les tâches coûteront deux ou trois fois moins cher. Sur Terminal-Bench 4.0, Alibaba annonce jusqu’à 49 % de tokens en moins par rapport à Qwen3.8-Max. Pour une organisation qui fait exécuter de nombreuses étapes à un agent, une baisse de consommation peut compter, surtout si elle s’accompagne d’un résultat comparable ou meilleur. Mais ce « si » est important : il faut vérifier la qualité, le volume de tokens réellement utilisé et le coût des appels aux outils dans les conditions de travail de l’organisation. Les évaluations publiées donnent des indices, mais les résultats ne sont pas tous reproduits indépendamment et les comparaisons entre modèles varient selon les épreuves. Les tarifs annoncés, eux, donnent un repère pour l’accès à l’API ; ils ne déterminent pas à eux seuls le coût total d’un processus automatisé. Qwen4-Max apparaît donc comme une tentative de rendre certaines tâches moins gourmandes, plutôt que comme un modèle qui serait en tête dans tous les domaines. La question décisive sera de voir si les économies annoncées se retrouvent dans des usages variés, et si elles sont obtenues sans perte de qualité ni besoin accru de vérification humaine.
Victor
Merci Sacha pour ces explications.
Une erreur ?
Signalez-la : le message part avec l'adresse de cette page, son titre et son heure de diffusion. Une personne mise en cause peut aussi exercer son droit de réponse.
Signaler une erreurUn mot pour la rédaction ?
Une remarque, une idée de sujet, un avis sur ce passage : votre message va à la rédaction seulement, il n'est pas publié.