Brief IA : Qwen4-Max : Alibaba mise sur les agents au travail

Qwen4-Max : Alibaba mise sur les agents au travail

Brief IA
Tom Levy·7 min

Artificial Analysis estime le coût d'une tâche de Qwen4-Max à 3,27 $, contre 10,02 $ pour Qwen3.8-Max. Live Delivery permet d'examiner des résultats intermédiaires et de réorienter une tâche en cours. Alibaba rapporte une expérience autonome de 48 heures associant la génération Qwen au système Mira.

En bref
1Artificial Analysis estime le coût d'une tâche de Qwen4-Max à 3,27 $, contre 10,02 $ pour Qwen3.8-Max.
2Live Delivery permet d'examiner des résultats intermédiaires et de réorienter une tâche en cours.
3Alibaba rapporte une expérience autonome de 48 heures associant la génération Qwen au système Mira.
Pourquoi c'est important : les utilisateurs peuvent intervenir pendant les tâches longues, plutôt que d'attendre uniquement leur résultat final.

Avec Qwen4-Max, Alibaba cible les usages industriels, scientifiques et financiers face à Opus 5.5, GPT-6 et Kimi K3.1 Pro. Les mesures d'Artificial Analysis indiquent un coût par tâche inférieur à celui de son prédécesseur, mais les résultats face aux concurrents varient selon les épreuves.

Alibaba revendique des expériences autonomes de 48 heures

Alibaba affirme qu'un modèle de la génération Qwen a piloté des manipulations physiques pendant 48 heures sans intervention, associé à Mira, le système de la startup Deep Principle. L'expérience portait sur la conception, la synthèse puis l'évaluation d'un liquide destiné au refroidissement des puces de centres de données haute performance. Selon l'entreprise, 2,7 millions de candidats moléculaires ont été explorés, tandis qu'un laboratoire automatisé exécutait quatre cycles associant conception, synthèse et mesure.

Dans la recherche pharmaceutique, Alibaba rapporte une collaboration entre Qwen4-Max et PharmMaster, plateforme de DP Technology, une startup pékinoise spécialisée dans la découverte de médicaments par IA. La cible était une réponse inflammatoire associée à Alzheimer : les recherches bibliographiques, les calculs et le travail de conception ont conduit à optimiser 24 molécules candidates. Alibaba attribue au candidat retenu une liaison à la protéine cible environ 3,6 fois meilleure que celle du composé initial décrit dans un brevet. Les spécialistes de DP Technology estiment ces résultats suffisamment encourageants pour engager de nouveaux essais en laboratoire.

Live Delivery laisse intervenir avant le résultat final

Alibaba, comme une grande partie du secteur, organise cette version autour de l'exécution autonome de travaux longs. L'entreprise répond avec Live Delivery à une difficulté : attendre la livraison finale laisse peu de latitude pour corriger les erreurs. Une version exploitable apparaît rapidement, puis s'enrichit au fil des passes ; l'utilisateur peut examiner les productions intermédiaires et réorienter la tâche pendant son déroulement. Le module Qwen-Live-Delivery-Plugin a été rendu disponible en open source.

Alibaba présente également son modèle avec Unity, Unreal Engine ou Godot pour produire un jeu jouable à partir d'une description unique. Le périmètre revendiqué va de l'organisation des scènes à la logique de jeu, en passant par les actifs externes, les matériaux, l'interface et les effets visuels. L'exemple Meow of Magic, réalisé dans Unreal Engine, met en scène un chat sorcier qui lance des sorts contre des vagues d'adversaires et des boss.

Selon Alibaba, le modèle exécute lui-même le jeu durant sa réalisation et utilise les retours interactifs et visuels pour retravailler la caméra, les animations, les réactions aux impacts et l'éclairage. L'entreprise lui attribue aussi la création, dans Blender, d'objets 3D réutilisables dans des jeux ou pour l'impression 3D.

Alibaba chiffre les gains industriels sur Work360

Pour évaluer le travail industriel, Alibaba utilise son propre benchmark, Work360, couvrant 721 spécialités. L'entreprise y annonce une consommation de jetons inférieure d'environ un quart à un tiers pour accomplir les mêmes tâches que le modèle précédent. Le coût moyen annoncé recule de 62 %, de 4,43 $ à 1,67 $, pendant que le score progresse de 47,74 à 52,69. Sur Terminal-Bench 4.0, Alibaba rapporte une consommation de jetons presque divisée par moitié.

Les déploiements cités restent eux aussi des résultats communiqués par Alibaba. Chez les partenaires automobiles SANF et Pacific Union, la programmation manuelle d'une pièce aurait demandé 24 minutes contre 475 minutes auparavant. Pour la finance, l'entreprise décrit un usage de 90 outils MCP collectant des données de marché issues de différentes sources. Les livrables sont des fichiers Excel et PowerPoint vérifiables, chaque chiffre étant relié à son origine.

Alibaba emploie par ailleurs Qwen4-Max dans sa propre infrastructure cloud. Associé au solveur interne MindOpt, il aurait réduit de 10,42 % en moyenne le coût d'affectation des calculs consacrés à l'annotation de données. Dans la répartition des tâches CPU des centres de données, l'entreprise annonce des solutions optimales obtenues plus de 14 fois plus vite qu'avec la méthode de comparaison.

Le brief IA que lisent les pros

La recherche en IA vous passionne ?

Les papers et avancées qui comptent, expliqués simplement, chaque soir. Gratuit.

Inclus dès l'inscription : notre sélection des meilleurs guides & comparatifs IA.

Choisissez votre rythme

Gratuit · Pas de spam · Désabonnement en 1 clic

Artificial Analysis estime la tâche à 3,27 $

Artificial Analysis évalue à 3,27 $ le coût d'une tâche de son Intelligence Index pour Qwen4-Max, contre 10,02 $ pour Qwen3.8-Max, soit environ le triple. L'estimation pour Kimi K3.1 Pro atteint 3,68 $, ce qui positionne Qwen4-Max à un niveau inférieur d'environ 11 %. Cette réduction de coût combine une baisse de 25 % sur le tarif des jetons, des accès au cache 70 % moins onéreux et une utilisation réduite : le nombre moyen de jetons de sortie par tâche du benchmark s'établit autour de 105 000, contre 171 000 auparavant. Tencent Hy4 affiche un tarif encore plus bas, à 1,03 $ par tâche, mais obtient un score inférieur de huit points sur l'index.

Au niveau maximal de raisonnement, Qwen4-Max atteint 43 points, neuf au-dessus de Qwen3.8-Max et trois sous Kimi K3.1 Pro, premier modèle chinois avec 46 points. Les progressions sur HLE-Diamond atteignent 21 points, pour un résultat de 45 %, contre des gains de 18 points sur AA-Omniscience et de 17 sur AutomationBench-AA. Lancé en octobre par Moonshot AI, Kimi K3.1 Pro compte 2 800 milliards de paramètres. Sur Terminal-Bench 4.0, il obtient 67 % contre 48 % pour Qwen4-Max ; sur FrontierCode 2.0 de Cognition, les deux atteignent 26 %, derrière Tencent Hy4 à 31 %.

Qwen4-Max arrive en tête du groupe comparé sur Agents' Last Exam v1.1 avec 46,7 points. Sur Humanity's Last Exam, il reste derrière Opus 5.5 et les modèles GPT ; sur HealthBench Professional, il dépasse Opus 5.5 mais pas les modèles GPT. Alibaba revendique une avance pour les agents et les tâches professionnelles, tout en reconnaissant les résultats d'Opus 5.5 et des modèles GPT sur Humanity's Last Exam.

Qwen4-Max active 71 milliards de paramètres par jeton

Selon l'équipe Qwen, l'architecture mixture-of-experts de Qwen4-Max rassemble 2 400 milliards de paramètres, avec 71 milliards activés pour chaque jeton. Le modèle prend en charge les images nativement et accepte un contexte d'un million de jetons. Son prédécesseur Qwen3.8-Max, lancé en août pour des tâches autonomes durant plusieurs jours, comptait également 2 400 milliards de paramètres, mais en activait 95 milliards par jeton. Artificial Analysis lui avait alors mesuré 64 étapes par tâche contre 14 pour Qwen3.7-Max, avec un coût plus de deux fois supérieur.

Qwen4-Max inaugure une révision de l'architecture Qwen4 : trois couches condensent les informations antérieures, puis une quatrième retient les éléments importants. Selon Alibaba, cette attention différenciée évite un traitement uniforme du contexte et réduit les besoins de calcul sur les entrées longues. Quatre liaisons parallèles entre couches, munies de portes dynamiques, visent à stabiliser la circulation des informations.

Une couche d'embedding N-gram comptant 328 milliards de paramètres met à disposition des séquences fréquentes de jetons déjà constituées. Alibaba affirme que l'entraînement a été stable, avec une perte diminuant régulièrement, sans brusques pics. Présentée fin août avec Qwen3.8-Flash-Next, l'architecture Qwen4 comportait alors déjà une couche d'embedding N-gram, de 51 milliards de paramètres.

Alibaba réserve les poids ouverts aux petits Qwen4

Alibaba a lancé Qwen4-Max pour les usages professionnels industriels, scientifiques et financiers, face notamment à Opus 5.5, GPT-6 et Kimi K3.1 Pro. Le modèle est accessible sur QwenCloud et dans les produits QwenWork, Qoder et QwenStudio. Sur son API, Alibaba facture le million de jetons 1,50 $ en entrée et 4,50 $ en sortie ; le tarif indiqué pour les accès au cache est de 0,075 $.

L'entreprise revendique aussi du code plus sûr : sur Last Secure Code Bench, elle annonce que la proportion de productions à la fois fonctionnelles et sécurisées atteint 31,8 %, contre 22 % auparavant. La part jugée sûre à chaque niveau de test passe de 8 % à 14,7 %, ce qu'Alibaba présente comme un quasi-doublement. Pour les risques CBRN, couvrant les domaines chimiques, biologiques, radiologiques et nucléaires, l'entreprise indique que ses examinateurs internes ont relu toutes les chaînes de pensée du modèle. Ils n'auraient relevé aucune capacité effective d'innovation donnant un avantage significatif à un utilisateur dans ces domaines.

Les poids de Qwen3.8-Max avaient été publiés à la mi-août. Pour la génération Qwen4, Alibaba prévoit ultérieurement des versions plus petites en open source ; l'ouverture des poids ne concerne pour le moment que ces modèles.

Suivez Brief IA

L'actu IA du jour, aussi dans votre fil.

Commentaires