Le Qwen3.8-Max d'Alibaba embarque 2,4 billions de paramètres et casse les prix face aux concurrents occidentaux.

Alibaba a dévoilé Qwen3.8-Max, un modèle mixture-of-experts de 2,4 billions de paramètres que l'entreprise présente comme le plus performant de sa famille Qwen à ce jour. Ce lancement a propulsé l'action d'Alibaba à Hong Kong de 7% et son titre coté aux États-Unis d'environ 4,5%, les investisseurs réagissant à un modèle qui casse les prix des laboratoires occidentaux tout en affichant des scores compétitifs sur les benchmarks.

Ce que les chiffres montrent vraiment

Qwen3.8-Max repose sur une architecture mixture-of-experts, ce qui signifie que seule une fraction de ses 2,4 billions de paramètres totaux s'active pour chaque requête — Alibaba n'a pas divulgué le nombre exact de paramètres activés, suivant une pratique courante chez les laboratoires chinois qui gardent ce détail pour eux. Le modèle accepte des entrées texte, image et vidéo et renvoie du texte, avec une fenêtre de contexte supportant environ 991 000 tokens en entrée et 131 000 tokens en sortie — assez pour traiter une base de code entière ou un long document juridique en une seule passe.

Sur Terminal-Bench 2.1, un benchmark mesurant les performances en codage réel et en tâches agentiques, Qwen3.8-Max obtient 86,6, devant le Claude Opus 4.8 d'Anthropic à 84,6, bien qu'il reste derrière le GPT-5.6 Sol d'OpenAI à 88,8. Les gains sont plus spectaculaires sur DeepSWE 1.1, un benchmark d'ingénierie logicielle agentique, où le modèle passe de 21,6 à 56,6 par rapport à son prédécesseur — soit plus du double de son score. Les performances multimodales sont également solides : 86,1 sur OSWorld-Verified et 92,1 sur OmniDocBench 1.5, un benchmark de compréhension documentaire.

L'angle tarifaire

Alibaba propose l'API hébergée via DashScope à 2,00 $ par million de tokens en entrée et 6,00 $ par million de tokens en sortie, avec des tokens en entrée mis en cache disponibles à seulement 0,25 $ par million — environ huit fois moins cher que des tokens frais. Ce positionnement tarifaire se situe bien en dessous de ce que les laboratoires américains de pointe facturent généralement pour des modèles de capacité comparable, poursuivant une tendance où les laboratoires chinois d'IA rivalisent agressivement sur les coûts, même lorsqu'ils accusent un léger retard sur les performances brutes des benchmarks.

La réalité du déploiement

Le checkpoint complet de 2,4 billions de paramètres nécessite une infrastructure datacenter multi-nœuds pour fonctionner, rendant un déploiement auto-hébergé véritablement hors de portée pour tous sauf les plus grands opérateurs d'infrastructure IA. Pour les équipes souhaitant exécuter le modèle sur du matériel GPU standard, Alibaba propose également Qwen3.8-27B, un modèle dense plus petit de la même famille, comme option sur site réaliste. Les poids ouverts pour le modèle phare de 2,4T et le modèle 27B ont été promis pour la semaine suivant cette annonce.

Où cela s'inscrit dans la course globale

Sur le leaderboard communautaire Arena.AI, Qwen3.8-Max est immédiatement devenu le modèle chinois le mieux classé pour les tâches textuelles, bien qu'il reste derrière plusieurs offres d'Anthropic, dont Claude Fable 5. Pour les tâches de vision spécifiquement, il se classe deuxième au niveau mondial, derrière seulement une variante de Fable 5 — un résultat notable pour un modèle dont les coûts d'entraînement et d'inférence sont rapportés comme ne représentant qu'une fraction de ce que coûtent les modèles occidentaux comparables à servir.

Comme rapporté par MarkTechPost, ce lancement intervient quelques semaines seulement après que le laboratoire chinois rival Moonshot AI a expédié son modèle open-weight Kimi K3, soulignant à quel point le cycle concurrentiel entre les laboratoires chinois d'IA s'est compressé en 2026.