Qwen3.8-Max arrive avec une promesse très agressive : selon les chiffres relayés après son annonce publique du 3 août 2026, le nouveau modèle d’Alibaba atteindrait 86,1 sur OSWorld-Verified, devant GPT-5.6 Sol Max à 83,2 et Claude Fable 5 à 85,0 sur ce benchmark centré sur l’usage autonome d’un ordinateur. Le point important, à ce stade, tient autant à la performance revendiquée qu’à sa nature : ces résultats restent des scores fournisseur, sans model card complète ni tableau méthodologique officiellement publié par Alibaba.
Alibaba présente Qwen3.8-Max comme un modèle multimodal Mixture-of-Experts de 2,4 trillions de paramètres, avec une fenêtre de contexte d’un million de tokens. Sur le papier, il vise un terrain devenu central dans la course aux grands modèles : les agents capables de piloter des logiciels, d’écrire du code pendant plusieurs jours, de reproduire des travaux scientifiques et d’enchaîner des tâches longues en entreprise.
Qwen3.8-Max revendique l’avantage sur l’ordinateur autonome
Le chiffre qui fait le plus parler est donc ce 86,1 sur OSWorld-Verified. Ce benchmark mesure la capacité d’un agent à interagir avec un système d’exploitation et des applications de bureau : cliquer, saisir du texte, naviguer dans une interface, exécuter une suite d’actions sans se limiter à générer une réponse textuelle. C’est précisément le type d’épreuve qui intéresse les entreprises cherchant à automatiser des workflows sur logiciels métiers, ERP anciens ou outils internes dépourvus d’API.
Dans les tableaux attribués à Alibaba, Qwen3.8-Max n’est pas seulement bien placé sur cet indicateur. Il est aussi donné en tête sur PaperBench avec 93,0, devant GPT-5.6 Sol Max à 90,5 et Claude Fable 5 à 88,8. Sur TerminalBench 2.1, Qwen3.8-Max afficherait 86,6 : mieux que Claude Opus 4.8 et Fable 5, mais derrière GPT-5.6 Sol à 88,8. Sur SWE-Bench Pro, il monterait à 67,7, au-dessus de GPT-5.6 Sol à 64,6, tout en restant derrière Fable 5 à 80,0 et légèrement derrière Opus 4.8 à 69,2.
Le tableau d’ensemble est plus nuancé que le slogan d’annonce. Qwen3.8-Max ne domine pas tous les tests. Il paraît en revanche construit pour être très compétitif sur un large spectre de tâches agentiques : usage d’ordinateur, recherche, terminal, code et consignes complexes. Alibaba met aussi en avant des démos internes de développement logiciel autonome sur plus de dix jours, de reproduction d’articles scientifiques à partir de données expérimentales, ou encore d’optimisation de design de puces à partir de boucles de feedback multimodales. Là encore, il s’agit de démonstrations produites par l’éditeur lui-même, pas encore reproduites publiquement par des tiers.
Des performances prometteuses, mais encore au stade des « vendor claims »
C’est le point qui empêche, pour l’instant, de prendre les classements au pied de la lettre. Plusieurs observateurs soulignent qu’Alibaba n’a toujours pas publié de model card détaillée, ni de tableau de benchmarks officiellement signé avec protocole complet. Les chiffres circulent, ils sont cohérents entre plusieurs reprises, mais ils restent attachés à la communication du fournisseur.
Le cas d’OSWorld est particulièrement sensible. Des classements tiers distinguent les scores vérifiés indépendamment des scores fournis par les éditeurs. Sur cette base, les résultats de Qwen3.8-Max ne sont pas encore validés par une campagne externe équivalente. Cela ne veut pas dire que les performances annoncées sont fausses ; cela signifie simplement que la comparaison avec GPT-5.6 Sol ou Claude Fable 5 n’a pas encore le même niveau de documentation publique.
Cette zone grise compte beaucoup pour les entreprises. OpenAI, Anthropic et Google vendent aussi un cadre : documentation, sécurité, déploiement, intégrations. Qwen3.8-Max, lui, arrive avec une proposition très forte sur le papier, mais avec un dossier technique encore incomplet. En clair, Alibaba a lancé la bataille des benchmarks avant celle de la documentation.
Le prix de Qwen3.8-Max met la pression sur OpenAI et Anthropic
Au-delà des scores, l’autre argument d’Alibaba est nettement plus tangible : Qwen3.8-Max est facturé 2 dollars en entrée et 6 dollars en sortie par million de tokens, soit 8 dollars au total. Cela le place très loin sous les tarifs des gros modèles américains mis en comparaison.
Face à GPT-5.6 Sol standard, facturé 35 dollars par million de tokens au total, Qwen3.8-Max est moins cher de 60 % en entrée et de 80 % en sortie. Face à Claude Fable 5, à 60 dollars par million, l’écart est encore plus brutal : cinq fois moins cher sur l’input comme sur l’output. Même contre GPT-5.6 Terra, à 14 dollars, l’avance tarifaire reste nette.
Le rapport fourni donne aussi un ordre de grandeur en euros, avec l’hypothèse de 1 dollar pour 0,92 euro. On arrive alors à environ 7,36 euros par million de tokens pour Qwen3.8-Max, contre 32,20 euros pour GPT-5.6 Sol standard et 55,20 euros pour Claude Fable 5. Sur une tâche agentique consommant 10 millions de tokens, le coût grimpe à environ 73,6 euros chez Qwen, 322 euros chez OpenAI et 552 euros chez Anthropic.
Ce n’est pas un détail. Les agents logiciels génèrent des volumes de tokens bien supérieurs à ceux d’un simple chatbot : planification, corrections, appels successifs, navigation, contexte long. À grande échelle, la facture d’inférence devient rapidement une ligne budgétaire majeure. Dans ce contexte, l’arrivée de Qwen3.8-Max explique aussi pourquoi OpenAI a récemment baissé les prix de GPT-5.6 Terra et Luna.
Le compromis, lui aussi, est documenté dans le rapport : GPT-5.6 Sol reste plus rapide, avec une latence médiane d’environ 3600 ms contre 5452 ms pour Qwen3.8-Max, et un débit bien supérieur en tokens par seconde. Alibaba semble donc jouer une carte claire : réduire fortement le coût d’un agent haut de gamme, quitte à accepter une vitesse inférieure.
Les poids ouverts peuvent changer la donne, à condition que la licence suive
Alibaba affirme que les poids de Qwen3.8-Max seront publiés la semaine suivant l’annonce, en même temps que ceux de Qwen3.8-27B. Si cette promesse est tenue, ce serait la première ouverture d’un modèle Qwen de classe Max pour un déploiement auto-hébergé.
Pour les entreprises françaises et européennes, l’intérêt est évident. Utilisé via QwenCloud, le modèle soulève des questions de localisation des données, de conformité et de dépendance à un cloud soumis au droit chinois. Un déploiement sur infrastructure propre ou sur cloud européen changerait profondément l’équation, notamment pour les secteurs régulés.
Mais tout dépendra de la licence, et c’est aujourd’hui la principale inconnue. Alibaba n’a pas publié les termes juridiques associés à cette ouverture. Une licence permissive élargirait fortement l’adoption. Une licence restrictive, comparable à celles déjà vues sur certains modèles chinois à poids ouverts, limiterait au contraire les usages commerciaux, la redistribution ou l’offre de service autour du modèle.
La prochaine échéance est donc double : d’abord la publication effective des poids, ensuite la mise en ligne d’une documentation complète avec licence et méthodologie. C’est là que Qwen3.8-Max passera du statut de promesse spectaculaire à celui d’alternative crédible, ou non, face à GPT-5.6 Sol et Claude Fable 5 sur les agents d’entreprise.
