Qwen4-Max startet, Drittanbieter-Index vergibt 43 Punkte

AI model illustration: a layered core glowing red with small figures below

Das Qwen-Team (Tongyi Qianwen) von Alibaba hat Qwen4-Max veröffentlicht, das bislang parameterstärkste Modell der Qwen-Reihe. Insgesamt hat es 2,4 Billionen Parameter und setzt auf eine Mixture-of-Experts-Architektur, bei der pro Token rund 71 Milliarden Parameter aktiv sind; hinzu kommt ein N-Gram-Embedding-Modul mit 328 Milliarden Parametern. Das Modell verarbeitet Text und Bilder, bietet einen Reasoning-Modus, und der Kontext liegt nach offiziellen Angaben im Bereich von einer Million Token.

Die Vorschauversion startet zunächst in Alibabas Token Plan, befristet mit Rabatten von bis zu 90 Prozent (also bis hinunter auf ein Zehntel des Preises). Qoder, die Qwen-App und QwenStudio sind bereits auf das neue Modell umgestellt, die API gibt es über Alibaba Cloud. Die Gewichte werden nicht zum Download freigegeben; damit setzt sich fort, was seit Qwen2.5-Max für die Max-Reihe gilt: Sie läuft nur in der eigenen Cloud. Das Team kündigt an, kleinere Modelle der Qwen4-Familie als Open Source zu veröffentlichen, mit derselben Architektur und denselben Trainingsmethoden, nennt aber weder Größen noch Lizenz oder Zeitpunkt.

Die Zahlen, die Alibaba selbst nennt

Im Launch-Blog positioniert das Qwen-Team das Modell als „KI-Teamkollegen“, der über längere Zeit am Stück arbeiten kann, und nennt einige Praxisbeispiele: Zwei Zulieferer von Autoteilen ließen damit Bearbeitungsprogramme schreiben, die Programmierzeit pro Werkstück sank von rund 475 auf 24 Minuten; bei einer rechtlichen Due-Diligence-Prüfung vor einem Börsengang sichtete das Modell 198 Arbeitsunterlagen und lieferte einen Bericht von 86 Seiten; in einem weiteren Fall lief es 48 Stunden autonom, entwarf dabei eine Kühlflüssigkeit für Rechenzentren, die anschließend von einem automatisierten Labor synthetisiert wurde. Alle diese Fälle stammen aus Selbstauskünften des Unternehmens, Kundennamen und Abnahmekriterien sind nicht veröffentlicht.

Bei den Kosten gibt Alibaba an, der Token-Verbrauch bei vergleichbaren Aufgaben liege deutlich unter dem von Qwen3.8-Max. Im hauseigenen Benchmark Work360 sinken die Kosten pro Aufgabe von 4,43 auf 1,67 US-Dollar.

Auch eine Tabelle mit Einzelergebnissen hat Alibaba veröffentlicht, die Stärken und Schwächen gleichermaßen zeigt. Im Benchmark für juristische Agenten HLAB-Vals 1.1 erreicht das Modell 21,3 Punkte, Claude Opus 5.5 kommt auf 9,2. Beim Programmier-Benchmark DeepSWE v1.1 sind es 75,7 Punkte, womit es sich in einem Feld zwischen 74 und 76 Punkten mit Opus 5.5, GPT-6.1 Sol und Kimi K3.1 drängt. Bei Terminal-Bench 4.0 kommt es nur auf 48,5 Punkte, Kimi K3.1 auf 67,2; bei ProgramBench sind es 31,5 Punkte gegenüber 65,0 für Opus 5.5.

Die Einordnung durch unabhängige Ranglisten

Das unabhängige Testinstitut Artificial Analysis vergibt an Qwen4-Max einen Intelligence Index von 43 Punkten, 9 Punkte mehr als die 34 von Qwen3.8-Max. Unter 81 Modellen derselben Preisklasse bedeutet das Platz 38, leicht über dem Median von 41 Punkten. Unter den zehn Spitzenmodellen, die direkt verglichen werden, liegt Qwen4-Max auf Platz neun, hinter Claude Fable 5.2 (65), Gemini 4 Carbon (60), Claude Opus 5.5 (59), GPT-6 Astra (57) und weiteren; von den chinesischen Modellen liegt Kimi K3.1 Pro (46) von Moonshot AI vor ihm.

Eine andere Rangliste fällt freundlicher aus. Laut Arena belegt Qwen4-Max im Agent Arena den ersten Platz unter den chinesischen Modellen, und Alibaba steigt in der Gesamtwertung auf Rang 14.

Der Preis ist sein Trumpf. Nach den von Artificial Analysis erfassten offiziellen Preisen kostet die Eingabe 1,50 US-Dollar pro Million Token, die Ausgabe 4,50 US-Dollar, und Eingaben mit Cache-Treffer sind nochmals 95 Prozent günstiger. Eine Aufgabe des Index kostet im Schnitt 3,27 US-Dollar, 67 Prozent weniger als die 10,02 US-Dollar von Qwen3.8-Max und auch etwas weniger als die 3,68 US-Dollar von Kimi K3.1 Pro; Tencent Hy4 ist mit rund 1,03 US-Dollar noch günstiger, liegt aber 8 Punkte zurück.

Der Preis dafür ist Wortreichtum. Während der Evaluation gab Qwen4-Max insgesamt 127 Millionen Token aus, der Median vergleichbarer Modelle liegt bei 78,6 Millionen, also etwa sechzig Prozent mehr (grobe Schätzung). Der Stückpreis ist gesunken, der Verbrauch holt einen Teil davon wieder auf.

Im Vergleich mit der gleichen Liga

Stellt man mehrere chinesische Flaggschiffe nebeneinander, wird das Bild klarer. Kimi K3.1 Pro liegt beim Intelligence Index 3 Punkte höher, kostet pro Aufgabe etwa 0,4 US-Dollar mehr und ist bei Terminal-Aufgaben deutlich stärker; Qwen4-Max punktet bei Recht, langfristigen Aufgaben und Preis; Tencent Hy4 geht den Weg der extremen Niedrigpreise. Von den dreien veröffentlicht nur Qwen4-Max keine Gewichte, und ausgerechnet die Entwicklergemeinde, die Qwen sich über frühere Open-Source-Modelle aufgebaut hat, ist der Punkt, an dem es sich von den anderen beiden absetzt.

Für Entwickler in China bietet sich derzeit an, während der Rabattphase des Token Plan eine Runde mit echten Aufgaben zu testen. Max ist nicht quelloffen, für eine private Bereitstellung muss man auf die kleineren Modelle warten; wann und in welcher Größe sie kommen, hat Alibaba bislang nicht gesagt. Zudem beruhen viele Werte im Alibaba-Blog auf eigener Messung, und Artificial Analysis hat noch keine Daten zur Dauer pro Aufgabe vorgelegt, sodass sich das Latenzverhalten derzeit nicht überprüfen lässt.

Quellen: Launch-Blog des Qwen-Teams, Modellseite von Artificial Analysis (Intelligence Index, Kosten pro Aufgabe, Anzahl der Ausgabe-Token), CocoLoop, Arena-Rangliste, Trending Topics; ein Bericht von Cailian Press diente dem Abgleich von Startkanälen und Rabatten, Parameter und Einzelergebnisse folgen den von Alibaba veröffentlichten Angaben.