Qwen 3.7 Max : Avec 2 400 milliards de paramètres, supérieur à Kimi K3 ?

TL;DR : Qwen3.8-Max d’Alibaba (aperçu, 2.4 T de paramètres, multimodal avec entrée image/vidéo/document) affronte Kimi K3 de Moonshot AI (2.8T de paramètres, poids ouverts bientôt, contexte 1M). Qwen3.8-Max excelle en multimodal et sur les tâches de productivité avec un tarif d’aperçu à ~10 % des prix standard, tandis que Kimi K3 domine certains benchmarks ouverts et l’ouverture « brute ».

Les deux sont des modèles de pointe accessibles aujourd’hui via des API. Pour une intégration fiable et rentable, CometAPI offre un accès Qwen fluide avec des endpoints compatibles OpenAI, des prix compétitifs et une mise à l’échelle facile pour les développeurs et les entreprises.

Points clés :

• Échelle et capacités : D’après la publication sur X, Qwen3.8-Max apporte un multimodal natif (images, vidéo, documents) à un modèle de 2.4T paramètres ; Qwen3.7-Max brille en codage agentique et sur les tâches à long horizon.
• Tarifs et accès : Qwen3.8-Max propose des tarifs API compétitifs (~$2.50/$7.50 par 1M entrée/sortie, souvent remisés) ; aperçu de Qwen 3.8 à tarifs réduits via Token Plan/Qoder.
• Vs. Kimi K3 : Kimi K3 (2.8T, poids ouverts le 27 juillet 2026) devance souvent les benchmarks, mais Qwen offre une meilleure intégration multimodale et écosystème ; Qwen est moins cher dans de nombreux scénarios API.
• Accès aujourd’hui : Aperçu sur Alibaba Cloud/Token Plan/Qoder à tarifs remisés ; compatible API OpenAI/Anthropic.
• Gains pratiques : Supérieur pour le dev full-stack, l’automatisation bureautique, l’analyse vidéo et les workflows d’agents.

Qu’est-ce que Qwen 3.8 Max ?

Qwen 3.8 Max, officiellement présenté en aperçu sous Qwen3.8-Max-Preview, est le dernier modèle phare de l’équipe Qwen d’Alibaba. Annoncé à la World AI Conference à Shanghai autour du 19 juillet 2026, il représente un saut massif d’échelle par rapport à la série Qwen 3.7.

Caractéristiques principales

• Paramètres : 2.4 T au total — en faisant l’un des plus grands modèles publiquement discutés, juste derrière Kimi K3 de Moonshot AI à ~2.8T.
• Architecture : Mixture-of-Experts (MoE) clairsemé. Seul un sous-ensemble de paramètres s’active par token, équilibrant puissance et efficacité (nombre de paramètres actifs par token non divulgué pour l’instant — un détail clé pour les coûts d’inférence).
• Capacités multimodales : Traite nativement le texte, les images, les vidéos et les documents. C’est le premier modèle de Qwen à dépasser 1 trillion de paramètres avec un multimodal robuste.
• Fenêtre de contexte : Jusqu’à 1 million de jetons, héritée et affinée depuis Qwen 3.7 Max.
• Variantes : Modèle phare 2.4T Max plus une variante plus petite ~27B pour des cas plus légers.

Fonctionnement de Qwen 3.8 Max : innovations et avantage technique

Qwen3.8-Max s’appuie sur des décennies d’expertise de mise à l’échelle d’Alibaba :

1. Échelle massive avec efficacité : 2.4T paramètres via MoE — seul un sous-ensemble s’active par token, équilibrant puissance et coût d’inférence (semblable aux MoE Qwen précédents comme 235B-A22B).
2. Raisonnement hybride : Hérite des modes « Thinking/Non-Thinking » pour un contrôle flexible de la profondeur, de la vitesse et du coût. Parfait pour les tâches agentiques nécessitant une planification multi‑étapes.
3. Intégration multimodale : Traitement unifié texte + vision + vidéo. Permet des applications plus riches comme l’analyse de documents avec images ou le raisonnement basé sur vidéo.
4. Long contexte et focus agentique : Optimisé pour les tâches à long horizon (par ex., clonage d’application complet, workflows complexes). Prend en charge l’usage avancé d’outils, RAG et les appels de fonction.
5. Avancées d’entraînement : Fondé sur des données multilingues vastes (119+ langues), des embeddings positionnels améliorés et des techniques réduisant les hallucinations tout en renforçant STEM/codage.

Comment ça marche en pratique :

• Entrée → Tokenizer + embeddings → le routeur MoE sélectionne des experts → les couches Transformer traitent → génération de sortie.
• Prend en charge le codage agentique (par ex., projets full‑stack), des pipelines d’analyse de données et l’automatisation bureautique.

Des tests communautaires sur Reddit montrent une puissance brute prometteuse en codage et sur des requêtes complexes, bien que certains signalent des boucles de réflexion occasionnelles en tout début d’aperçu.

Pour les développeurs : Associez‑le à des outils comme CometAPI pour un accès unifié fiable à travers les fournisseurs, réduisant la latence et les coûts tout en testant Qwen aux côtés de Claude, GPT, etc.

Tarification et accès : ce que vous pouvez réellement utiliser aujourd’hui

Disponibilité en aperçu (à juillet 2026) :

• Alibaba Token Plan : Abonnement basé sur crédits.
  • Lite : $6 pour 2 500 crédits/semaine.
  • Pro : $68 pour 40 000 crédits/semaine (prend en charge 6–8 agents concurrents).
• Remise : 10 % des prix standard durant l’aperçu.
• Plateformes : Qwen Chat, Alibaba Cloud, Qoder (coding), QoderWork (productivity).
• API : Compatible OpenAI/Anthropic. Aucun tarif par token autonome encore publié pour 3.8-Max (prédécesseur : ~$1.25/M entrée, $3.75/M sortie).

Poids ouverts : Promis « bientôt » — énorme pour l’auto‑hébergement/le fine‑tuning, même si les exigences matérielles sont extrêmes (~1.2TB en 4‑bit).

Recommandation CometAPI : En production, évitez la gestion directe des fournisseurs. CometAPI fournit une seule clé API pour 500+ modèles, y compris la série Qwen. Facturation unifiée, endpoints et fiabilité — idéal pour faire de l’A/B test de Qwen 3.8 Max vs. d’autres sans réécriture de code. Parfait pour les utilisateurs de Cometapi.com qui construisent des apps IA. Inscrivez‑vous sur cometapi.com pour une intégration sans couture.

Cela rend Qwen accessible sans engagement Alibaba Cloud, idéal pour les startups et les développeurs mondiaux.

Qwen3.8 Max dépasse-t-il Kimi K3 ?

Sur le nombre de paramètres : non

Si la question est « Qwen3.8 Max a‑t‑il plus de paramètres que Kimi K3 ? », la réponse est simple : non. Qwen3.8‑Max‑Preview est annoncé par Qoder comme un modèle à 2.4T paramètres. Kimi K3 est documenté par Moonshot comme un modèle à 2.8T paramètres. Sur le total de paramètres seul, Kimi K3 est plus grand de 400 milliards de paramètres.

Cela ne rend pas automatiquement Kimi K3 meilleur sur chaque tâche. Le nombre de paramètres n’est pas un tableau de score en soi. Les données d’entraînement, l’architecture, le routage des experts, les paramètres actifs par token, le post‑entraînement, la pile d’inférence, les harnais d’outils et la gestion du contexte influencent la performance réelle. Un modèle plus petit peut battre un plus grand sur certaines tâches s’il a de meilleures données, un meilleur post‑entraînement, de meilleurs outils ou un raisonnement en temps d’inférence supérieur.

Sur les preuves publiques : Kimi K3 est en tête pour l’instant

Kimi K3 a actuellement un meilleur ensemble de preuves publiques. Le guide et le blog technique de Moonshot pour Kimi K3 dévoilent l’architecture, le contexte, la vision, l’activation des experts, les limites API et les plans de sortie. La page Kimi K3 d’OpenLM reflète un tableau de benchmarks détaillé couvrant le codage, le travail agentique, le raisonnement, le travail de connaissance et la vision. Le résultat de Kimi K3 sur Frontend Code Arena à 1,679 points et le résumé du contexte 1M, de l’activation d’experts 16/896, ainsi que des signaux de tarification.

Qwen3.8‑Max‑Preview est très important, mais l’aperçu est moins documenté. Les sources les plus solides actuelles sont la page de lancement de Qoder et la configuration OpenCode de Alibaba Cloud Model Studio. Elles sont précieuses, mais ne fournissent pas encore le même niveau de détail des benchmarks, la divulgation des paramètres actifs, l’explication d’architecture, les conditions de licence, ou les détails d’itinéraires de production via CometAPI que Kimi K3.

Différences clés :

• Ouverture : Kimi K3 gagne avec des poids entièrement ouverts imminents pour l’auto‑hébergement/le fine‑tuning. Qwen3.8‑Max en aperçu maintenant, ouverture bientôt.
• Multimodal : Les deux sont solides ; Qwen3.8 insiste sur l’intégration vidéo/documents.
• Performance : Kimi K3 devance souvent les benchmarks bruts (par ex., GPQA, arènes de code) ; Qwen est compétitif voire supérieur sur les ossatures agent/productivité et des tâches spécifiques comme les tableurs/optimisation de kernel. Qwen est moins cher en usage API (par ex., x3 dans certaines comparaisons).
• Contexte & vitesse : Kimi 1M de contexte ; Qwen fort en long contexte (262K+ auparavant). Qwen produit souvent plus vite.
• Cas d’usage : Qwen pour l’écosystème intégré d’Alibaba, l’automatisation bureautique, l’entreprise multimodale. Kimi pour les enthousiastes open‑source et la personnalisation maximale.

Conclusion : Faut-il adopter Qwen 3.8 Max ?

Oui pour l’expérimentation et les besoins de codage/multimodal — spécialement via des plateformes accessibles comme CometAPI. Ce n’est pas encore un remplaçant complet des frontières fermées mais une option puissante et abordable qui fait avancer l’écosystème. Restez attentifs aux benchmarks et à la sortie complète.