Qwen3 Max
Qwen3 Max est un LLM propriétaire de Qwen, lancé le 9 février 2026, avec des poids non ouverts et des connaissances arrêtées au 30 juin 2025. Son positionnement combine très grande échelle, 1000 milliards de paramètres, et longue fenêtre de contexte de 262 144 tokens, ce qui en fait un…
Qwen3 Max est un LLM propriétaire de Qwen, lancé le 9 février 2026, avec des poids non ouverts et des connaissances arrêtées au 30 juin 2025. Son positionnement combine très grande échelle, 1000 milliards de paramètres, et longue fenêtre de contexte de 262 144 tokens, ce qui en fait un modèle conçu pour traiter de grands volumes de texte dans une seule requête.
Son entraînement déclaré atteint 1,5 × 10²⁵ FLOP, soit environ 4,2 millions d’heures-GPU H100, l’équivalent d’environ 1 900 GPU H100 mobilisés pendant trois mois. Côté prix, Qwen3 Max se place dans une catégorie très économique, avec une tarification 60% inférieure à la moyenne des LLM similaires et environ 6,2 fois sous les modèles frontière.
Caractéristiques
| Caractéristique | Valeur |
|---|---|
| Type | Grand modèle de langage (LLM) |
| Éditeur | Qwen |
| Licence | Proprietary (poids non ouverts) |
| Date de sortie | 9 février 2026 |
| Connaissances jusqu'à | 2025-06-30 |
| Multimodal | non |
| Paramètres | 1000 milliards |
| Fenêtre de contexte | 262 144 tokens |
| Modalités (entrée → sortie) | text → text |
Indices de synthèse
| Indice | Valeur | Rang (LLM) |
|---|---|---|
| Intelligence Index | 31.7 | 57ᵉ / 136 |
Indices Artificial Analysis. Le rang situe le modèle parmi tous les LLM du catalogue disposant de l'indice.
Performances (benchmarks)
| Benchmark | Score | Rang (LLM) | Source | Fiabilité |
|---|---|---|---|---|
| Benchable : Hallucinations (Baseline) | 100,0 % | 1ᵉ / 229 | benchable | ✅ Mesuré |
| Benchable : General Knowledge (Baseline) | 100,0 % | 1ᵉ / 250 | benchable | ✅ Mesuré |
| Benchable : Ethics (Baseline) | 100,0 % | 1ᵉ / 248 | benchable | ✅ Mesuré |
| Benchable : Email Classification (Baseline) | 100,0 % | 1ᵉ / 254 | benchable | ✅ Mesuré |
| Benchable : Mathematics (Baseline) | 93,7 % | 64ᵉ / 217 | benchable | ✅ Mesuré |
| Benchable : Coding (Baseline) | 90,6 % | 110ᵉ / 248 | benchable | ✅ Mesuré |
| Benchable : Reasoning (Baseline) | 88,0 % | 94ᵉ / 239 | benchable | ✅ Mesuré |
| Benchable : Instruction Following (Baseline) | 66,7 % | 109ᵉ / 252 | benchable | ✅ Mesuré |
| AIME 2025 | 81,6 % | 61ᵉ / 108 | llm-stats | Auto-déclaré |
| t2-bench | 74,8 % | 16ᵉ / 23 | llm-stats | Auto-déclaré |
| SWE-Bench Verified | 69,6 % | 57ᵉ / 100 | llm-stats | Auto-déclaré |
| LiveCodeBench v6 | 69,0 % | 32ᵉ / 53 | llm-stats | Auto-déclaré |
| SuperGPQA | 65,1 % | 10ᵉ / 34 | llm-stats | Auto-déclaré |
| GPQA | 62,0 % | 139ᵉ / 213 | llm-stats | Auto-déclaré |
« Auto-déclaré » : score communiqué par l'éditeur, non rejoué indépendamment. « Mesuré » : évalué par un tiers (Epoch AI, LiveBench). Le rang est calculé parmi les LLM évalués sur le même benchmark.
Comment se situe-t-il ?
Le modèle (en orange) comparé aux meilleurs modèles « grand public » sur chaque dimension, et à ses voisins de classement.
Intelligence Index
Benchable : Hallucinations (Baseline)
Classements Arena (Elo)
| Catégorie | Elo | Rang |
|---|---|---|
| Arena Text | 1424 | 84ᵉ |
Tarifs
| Fournisseur | Entrée / 1M | Sortie / 1M | Cache lecture / 1M |
|---|---|---|---|
| Alibaba Cloud Int. | 0,78 $ | 3,9 $ | n.d. |
| Alibaba Cloud Int. | 0,78 $ | 3,9 $ | 0,156 $ |
| artificialanalysis | 1,2 $ | 6 $ | 0,12 $ |
Prix en dollars US par million de tokens.
Sa tarification se situe 60 % en dessous de la moyenne des LLM similaires, et 6,2 fois moins cher que les modèles frontières (Claude Fable 5, GPT-5.4, Gemini 3.1 Pro Preview).
Coût & vitesse agentiques
| Indicateur | Valeur |
|---|---|
| Coût moyen par benchmark — Benchable | 0,05 $ |
| Latence moyenne par benchmark — Benchable | 3 min 45 s |
Coûts et durées réels mesurés en exécutant le modèle comme agent. PinchBench = un run complet de 147 tâches (harness OpenClaw) ; Benchable = moyenne par benchmark. Sources : PinchBench, Benchable.ai.
Entraînement & empreinte
| Indicateur | Valeur |
|---|---|
| Compute d'entraînement | 1,5 × 10²⁵ FLOP |
| Taille du jeu d'entraînement | 3,6 × 10¹³ |
| Jeu de données | Unspecified unreleased |
| Pays | China |
Notre analyse
Forces. Qwen3 Max se distingue surtout sur les évaluations Benchable de base liées aux hallucinations, à la culture générale, à l’éthique et à la classification d’e-mails, où il figure dans le top 10. Ce profil indique un modèle particulièrement solide sur des tâches de réponse factuelle, de tri textuel et de conformité comportementale. Sa très grande fenêtre de contexte renforce aussi son intérêt pour l’analyse de documents longs ou de corpus volumineux. La tarification constitue un autre point fort concret : le modèle est nettement moins cher que la moyenne des LLM similaires et très en dessous des modèles haut de gamme.
Limites et points d'attention. Les résultats en Mathematics et en Coding restent bons en valeur absolue, mais ne placent pas Qwen3 Max parmi les meilleurs modèles spécialisés sur ces terrains. Son Intelligence Index et son classement Arena text le situent davantage dans un niveau intermédiaire que dans le peloton de tête. À sa sortie, sur GPQA, il figurait dans le top 67% des LLM de sa génération, un rang qui signale une présence correcte mais pas dominante sur le raisonnement scientifique. La licence propriétaire et les poids non ouverts limitent l’audit indépendant et l’hébergement autonome. Profil pertinent : usages textuels à grand contexte, classification, connaissance générale et déploiements sensibles au coût.
Sources des données : LLM-Stats (llm-stats.com) · OpenRouter (openrouter.ai) · Artificial Analysis (artificialanalysis.ai) · Arena.ai (arena.ai) · Epoch AI (epoch.ai), CC-BY-4.0 · Benchable.ai (benchable.ai).