Alibaba Cloud released Qwen4-Max through its Model Studio platform on November 16, 2026, unveiling a flagship multimodal model that pairs a one-million-token context window with list prices 25% below its predecessor, according to the company's Singapore pricing documentation as reported by Unite.AI. Bloomberg framed the launch as Alibaba's newest riposte to US rivals, arriving as Chinese and American labs compete over both model capability and the economics of serving frontier-scale inference.

The release follows a two-week preview period and lands at a moment when Chinese model developers are competing on price as aggressively as on benchmarks. For a sense of how the rest of the industry is reacting to this week's releases, our latest AI news coverage tracks the model launches, pricing moves, and policy shifts shaping the market.

Prix : 25 % en dessous de Qwen3.8-Max

The Singapore price list sets Qwen4-Max at $1.50 per million input tokens and $4.50 per million output tokens, compared with $2 and $6 respectively for Qwen3.8-Max — both rates 25% lower, calculated directly from the prior list prices, per Unite.AI's analysis of the documentation. Alibaba Cloud is also offering a one-million-token free quota in Singapore for 90 days, starting from the latest of Model Studio activation, model release, or application approval.

Tech in Asia est allé plus loin en signalant que le modèle réduit les coûts des tâches de 60 % en tenant compte de la façon dont les jetons de raisonnement sont facturés. The company's own documentation supports part of that arithmetic: thinking tokens and the final answer draw from a single shared output budget, so the effective price of a completed task depends heavily on how much deliberation a query requires.

Raisonnement ajustable avec un budget de sortie partagé

Qwen4-Max permet de réfléchir par défaut avec un effort de raisonnement élevé, avec des paramètres faible, élevé et xélevé disponibles pour les développeurs. The documentation specifies a 131,072-token default thinking budget, which matches the maximum non-thinking output, while thinking and the final answer together share a 262,144-token allowance. Deliberation therefore occupies part of the same output budget as the response itself — a design that makes output costs more predictable but requires developers to budget for reasoning tokens in latency- and cost-sensitive applications.

Une surface de développement conçue pour les agents

Alibaba Cloud a conçu Qwen4-Max pour le codage, la productivité bureautique, la conception frontale et les tâches agents complexes, selon la documentation du modèle. The model accepts text, image, and video input with text output, and supports streaming, web search, parallel tool calling, function calling, prefix completion, and structured JSON output.

Integration routes are notably broad: developers can call Qwen4-Max through the OpenAI Chat Completions API, the OpenAI Responses API, the Anthropic Messages API, or Alibaba Cloud's own DashScope API. That compatibility lets coding agents and development tools that were built around other providers' APIs plug into the model without rewrites — an increasingly common play among Chinese labs courting the same developer tooling ecosystem as US providers.

Mise en cache explicite pour les charges de travail à contexte long

La mise en cache des préfixes reçoit son propre niveau tarifaire. Les préfixes de saisie identiques (invites système, descriptions d'outils, documents de référence) peuvent être réutilisés dans les requêtes du même utilisateur. Les lectures de cache coûtent 0,075 $ par million de jetons à Singapour, et seuls les jetons d'entrée bénéficient de la réduction. Les caches explicites nécessitent un préfixe d'au moins 1 024 jetons et peuvent être créés avec des durées de vie de cinq minutes (1,875 $) ou d'une heure (3 $), tandis que la mise en cache implicite identifie automatiquement les préfixes courants sans garantir l'accès.

For agent workloads that repeatedly send long instructions or large documents, the documentation's guidance matters in practice: prefix stability and cache lifetime determine whether the reduced list rates actually translate into lower bills.

Disponibilité régionale et limites

Qwen4-Max est répertorié dans six régions : Pékin, Singapour, Francfort, Virginie, Tokyo et Hong Kong. Batch inference is supported only in Beijing, and fine-tuning plus custom model deployment are unsupported across all documented regions, according to Unite.AI's review. Alibaba Cloud oriente donc ses clients vers l'inférence gérée avec ses contrôles de configuration (paramètres de raisonnement, mise en cache et choix d'API) plutôt que vers une personnalisation au niveau des pondérations.

Une voie d'abonnement qui interdit l'automatisation

Outre l'accès à l'API par paiement à l'utilisation, le Qwen4-Max complet est inclus dans le plan de jetons Personal Edition de Singapour, qui facture via des crédits et prend en charge des outils interactifs tels que Claude Code, Cursor, Qwen Code, Qoder et OpenClaw. L'abonnement est explicitement limité au codage interactif et à l'utilisation d'outils d'agent : les scripts d'automatisation, les backends d'application personnalisés et les appels par lots non interactifs sont interdits. Cela fait du plan une voie d’accès clairement orientée vers le consommateur et le prosommateur, distincte de la consommation des API de production.

De l'aperçu au produit phare en deux semaines

La version complète fait suite à Qwen4-Max-Preview, qui est devenue disponible le 11 novembre 2026 exclusivement via le plan Token et devrait se dérouler jusqu'au 25 novembre, après quoi le modèle d'aperçu sera retiré. La cadence rapide entre l'aperçu et la disponibilité générale reflète le rythme de publication qu'Alibaba a appliqué à l'ensemble de la famille Qwen, qui a accumulé des milliards de téléchargements sur des variantes ouvertes.

Le contexte stratégique est difficile à ignorer. Bloomberg a qualifié ce lancement de réponse d'Alibaba aux concurrents américains à une époque où Anthropic et OpenAI dominent les discussions sur les frontières sur les marchés occidentaux, tandis que les laboratoires chinois rivalisent sur le prix, la longueur du contexte et la disponibilité des poids ouverts. La combinaison par Qwen4-Max d'une fenêtre d'un million de jetons, d'une tarification catalogue agressive et d'une large compatibilité API modifiera le comportement des développeurs en dehors de la Chine dépendra des résultats de référence indépendants et de la façon dont le budget de réflexion et de production partagé fonctionne sous des charges de travail agentiques réelles.

---

Gardez une longueur d'avance sur l'IA

Recevez les dernières actualités, analyses et avancées en matière d'IA, le tout en un seul endroit.

Lire plus d'actualités sur l'IA →