
MAI Code 2 vs Qwen 4 Max: Neun Tage, zwei Tarifkarten, ein Endpunkt
- OrcaNEUOrcaCyber: Hy4 Flash Abliterated / Uncensored2026-11-18$0.07 / $0.28 pro 1 Mio. Tokens · 180 tok/s
- tencentNEUTencent: Hy4 Flash2026-11-16$0.02 / $0.07 pro 1 Mio. Tokens · 223 tok/s
- GoogleNEUGoogle: Gemini 4 Carbon2026-11-10$2.00 / $10.00 pro 1 Mio. Tokens · 89 tok/s
- AnthropicNEUAnthropic: Claude Fable 5.22026-11-09$8.00 / $40.00 pro 1 Mio. Tokens · 98 tok/s
- orcaNEUOrca: OrcaC2 1.02026-11-079 tok/s
- OrcaOrcaCyber: GLM 5.3 Abliterated / Uncensored2026-11-04$3.00 / $5.00 pro 1 Mio. Tokens · 88 tok/s
- OrcaOrcaCyber: Hy4 Abliterated / Uncensored2026-11-04$0.80 / $1.60 pro 1 Mio. Tokens · 134 tok/s
- OrcaOrcaCyber: Kimi K3.1 Pro Abliterated / Uncensored2026-11-04$2.00 / $5.00 pro 1 Mio. Tokens · 79 tok/s
- tencentTencent: Hy42026-11-04$0.83 / $2.50 pro 1 Mio. Tokens · 94 tok/s
- OrcaOrcaCyber: MiniMax M3.1 Flash Abliterated / Uncensored2026-10-29$0.80 / $1.60 pro 1 Mio. Tokens · 118 tok/s
- OrcaOrcaCyber: GLM 5.3 Flash Abliterated / Uncensored2026-10-27$0.80 / $1.60 pro 1 Mio. Tokens · 68 tok/s
- OrcaOrcaCyber: Qwen3.8 Flash Next Abliterated / Uncensored2026-10-26$0.80 / $1.60 pro 1 Mio. Tokens · 94 tok/s
- OrcaOrcaCyber: MiMo V2.6 Flash Abliterated / Uncensored2026-10-26$0.80 / $1.60 pro 1 Mio. Tokens · 44 tok/s
- MoonshotMoonshotAI: Kimi K3.1 Pro2026-10-2447Intelligenz
- OrcaOrcaCyber: DeepSeek V4.1 Flash Abliterated / Uncensored2026-10-23$0.80 / $1.60 pro 1 Mio. Tokens · 199 tok/s
- minimaxMiniMax: M3.1 Flash2026-10-1929Intelligenz
- OrcaOrca: OrcaCyber Ultra 1.02026-10-17$5.00 / $10.00 pro 1 Mio. Tokens · 114 tok/s
- deepseekDeepSeek: DeepSeek V4.1 Flash 10172026-10-1733Intelligenz
- DeepSeekDeepSeek: DeepSeek V4.1 Flash 09102026-10-17$0.15 / $0.60 pro 1 Mio. Tokens · 311 tok/s
- DeepSeekDeepSeek: DeepSeek V4.1 Flash2026-10-1740Intelligenz
In diesem Vergleich steckt eine Frist. Qwen 4 Max – das Alibaba als Qwen4-Max schreibt und das die API als qwen4-max führt – wurde am 16. November 2026 auf verbrauchsabhängige Abrechnung umgestellt, und die Preview-Modell-Strings, die es ersetzt hat – qwen4-max-preview und qwen4.0-max-preview – antworten ab dem 25. November 2026 um 24:00 UTC+8 nicht mehr. Das ist in neun Tagen. MAI Code 2, das Microsoft einen Tag nach dem GA-Start von Qwen4-Max auf der Ignite am 17. November 2026 veröffentlicht hat, hat keine solche Uhr: Es ist nur erreichbar, indem man es in einem GitHub-Copilot-Client auswählt, zu 0,50 US-Dollar pro Million Eingabe-Token und 2,50 US-Dollar pro Million Ausgabe-Token zu einem Aktionspreis, der bis zum 17. Mai 2027 gilt. Eines dieser beiden Modelle hat also eine Migrationsfrist, die man noch verpassen kann, und das andere hat ein Ablaufdatum, um das man herumplanen kann. Keines von beiden ist ein Benchmark, und zusammen erklären sie das meiste von dem, was die beiden unterscheidet.
Die Preisfrage und die Zugangsfrage weisen hier in entgegengesetzte Richtungen, und nur eine von beiden lässt sich durch das Lesen einer Preisliste klären.
Zwei Modelle, die mit einem Tag Abstand an den Start gingen und in allem anderen nicht übereinstimmen
MAI Code 2 kam zu Microsoft Ignite als eines von sieben Modellen auf einer Bühne, und seine prägende Designentscheidung ist, dass es außerhalb der Tooling-Umgebung seines Anbieters nicht existiert. Alibabas Qwen4-Max verließ die Preview am Tag zuvor nach einer Token-Plan-Phase in Singapur, und seine prägende Designentscheidung ist das Gegenteil: Abrechnung pro Token in sechs Regionen, vier API-Protokolle und ein dokumentiertes Datenblatt, in dem auch die unbequemen Stellen belassen wurden.
Diese vierundzwanzig Stunden sind die ganze Geschichte des Duos. Das eine Unternehmen brachte ein Modell heraus, das auf ein Abonnement optimiert ist, das es bereits verkauft. Das andere brachte ein Modell heraus, das auf eine API optimiert ist, die es bereits betreibt. Jeder der folgenden Unterschiede folgt daraus – und genau deshalb ist der Vergleich überhaupt erst sinnvoll.
Die Tarifkarten mit den Rabatten, die auslaufen
• Eingabe — MAI Code 2 zu 0,50 $ pro Million Tokens gegenüber Qwen4-Max zu 1,50 $ in Singapur oder 1,413 $ in den globalen Regionen; MAI entspricht einem Drittel des Singapur-Tarifs
• Output — 2,50 $ gegenüber 4,50 $ und 4,24 $; das Verhältnis verengt sich auf 56 %
• Zwischengespeicherte Eingabe — 0,025 US$ gegenüber 0,075 US$ in Singapur und 0,071 US$ anderswo; eine 3-fache Differenz, der kleinste Vorteil in der Liste
• Cache-Schreibvorgänge — Microsoft veröffentlicht keine, gegenüber Qwen4-Max mit $1.875 pro Million für einen Fünf-Minuten-Schreibvorgang und $3.00 für eine Stunde
• Ab dem 17. Mai 2027 — MAI Code 2 verdoppelt sich auf 1,00 $ / 0,05 $ / 5,00 $; zu diesem Zeitpunkt liegt sein Input-Tarif weiterhin unter dem von Qwen4-Max und sein Output-Tarif darüber
• Kontext — 991.808 Tokens Eingabe auf Qwen4-Max, die im Denkmodus auf 983.616 sinken, gegenüber 1 Million Tokens auf MAI Code 2 in VS Code und Copilot CLI
• Ausgabebudget – nicht von Microsoft veröffentlicht, gegenüber einem 262.144-Token-Budget, das zwischen Reasoning und Antwort auf Qwen4-Max geteilt wird
• Gewichte — keine der beiden ist herunterladbar. Microsoft erklärt dies ausdrücklich; die Max-Stufe von Qwen4-Max enthält keine Verpflichtung zu offenen Gewichten, anders als die 27B-Stufe derselben Familie
Die Zeile für gecachte Eingaben entscheidet bei langen Agent-Läufen und steht im Widerspruch zur Schlagzeile. Das Lesen aus dem Cache kostet bei Qwen4-Max 5 % seines eigenen Eingabesatzes, und sein veröffentlichtes Rechenbeispiel – eine Ausgabe mit 8.000 Tokens plus ein zweimal gelesenes Präfix – macht aus drei identischen Durchläufen 0,918 US-Dollar gegenüber 1,908 US-Dollar ohne Caching. Ein Team, das einen festen System-Prompt und ein festes Tool-Schema vor einer wechselnden Frage beibehält, erhält einen weit größeren effektiven Rabatt, als der Eingabesatz vermuten lässt. Der 95-prozentige Cache-Rabatt von MAI Code 2 auf einer niedrigeren Basis ist der Art nach vergleichbar, doch Microsoft veröffentlicht keine Gebühr für Cache-Schreibvorgänge, was die beiden Preiskarten in der einen Dimension schwer vergleichbar macht, in der agentische Workloads den Großteil ihres Geldes ausgeben.
Das Ausgabebudget schrumpfte auf dem Weg zur allgemeinen Verfügbarkeit
Die am wenigsten berichtete Tatsache über Qwen4-Max’ GA ist, dass die Vorschau ihm mehr Raum zum Denken gab. In der Vorschau betrug das gemeinsame Budget für Denken und Antwort 393.216 Token; bei GA sind es 262.144. Die Ausgabe ohne Denkmodus ist auf 131.072 Token begrenzt. Ein Drittel des Spielraums verschwand im selben Moment, in dem das Modell eine echte Preisliste und fünf neue Regionen erhielt.
Ob das eine Regression ist, hängt von Ihrer Workload ab, aber es ist ein dokumentiertes Delta, das jeder kennen muss, der seine Config noch auf die Preview-Strings zeigen lässt, denn diese Strings werden in neun Tagen eingestellt. Der Bezeichner qwen4-max ist derjenige, der bestehen bleibt.
Das Äquivalent zu MAI Code 2 ist nicht veröffentlicht. Microsoft dokumentiert ein Kontextfenster von 1 Million Token und konfigurierbare Reasoning-Stufen — die Copilot-Dokumentation bestätigt, dass die Reasoning-Tiefe anpassbar ist, und merkt an, dass der erweiterte Kontext eine Funktion von VS Code und Copilot CLI ist —, aber in keinem Microsoft-Dokument gibt es eine Obergrenze für die Ausgabe, daher gibt es nichts, womit man die Zahl 262.144 vergleichen könnte. Diese Asymmetrie zieht sich durch diesen gesamten Vergleich: Qwen4-Max nennt dir die unangenehmen Zahlen, und MAI Code 2 nennt dir die schmeichelhaften.
Was die unabhängigen Bewertungen sagen – von der einen Seite, die sie hat
Artificial Analysis führt Qwen4-Max mit 43 im Intelligence Index v5.0.1; das Modell kostet 3,27 US-Dollar pro Index-Aufgabe bei 32,1 Minuten pro Aufgabe, 55 Tokens pro Sekunde Ausgabe und 155,4 Sekunden bis zum ersten Antwort-Token, bei einem Kontextfenster, das mit 984k gemessen wird. Das sind mittlere Werte. Der Hinweis zur Ausführlichkeit auf derselben Seite ist die aussagekräftigere Lesart: Das Modell erzeugte beim Index-Lauf etwa doppelt so viele Ausgabe-Tokens wie das Medianmodell, daher unterschätzt sein nominaler Token-Preis seine tatsächlichen Kosten pro Aufgabe.
MAI Code 2 hat überhaupt keinen Eintrag bei Artificial Analysis – keine Modellseite, also auch keine Indexablesung. Was existiert, ist Microsofts Launch-Post: vier namentlich genannte Benchmarks, von denen drei auf der internen MSBench-Plattform des Unternehmens über die GitHub Copilot CLI mit deaktivierten Subagenten bei maximalem Reasoning-Aufwand ausgeführt wurden, während der vierte von Artificial Analysis stammt, und die Ergebnisse ausgedrückt als 96 % der Leistung von Claude Opus 5.5 bei 5 % der Kosten und 98 % der Leistung von GPT-6.1 Sol bei 40 %. Es wird keine Pass-Rate pro Benchmark veröffentlicht.
Legt man sie ehrlich nebeneinander, kann man die beiden nicht in eine Rangfolge bringen. Qwen4-Max’ 43 auf einem neutralen Index ist mittelmäßig; die Verhältnisse von MAI Code 2 sind für sich genommen stark; sie messen unterschiedliche Dinge auf unterschiedlichen Testumgebungen, und kein Anbieter hat die des jeweils anderen laufen lassen. Was man sagen kann, ist, dass Qwen4-Max’ Zahl auditierbar ist und die von MAI Code 2 nicht, was eine Aussage über Evidenz und nicht über Leistungsfähigkeit ist.

Die Verben, zu deren Ausführung jedes Modell trainiert wurde
Microsofts Positionierung für MAI Code 2 ist eng und spezifisch: Code in die Produktion bringen, tiefgehendes Debugging, Implementierung über mehrere Dateien, Reasoning über das gesamte Repository, UI-Arbeit sowie Dashboards und Visualisierung. Der Launch-Beitrag ist ebenso spezifisch bei den Grenzen – die Modelle seien „ausdrücklich noch nicht für schwierigere Probleme wie Grundlagenforschung und agentische Arbeit mit sehr langem Horizont optimiert“ –, und die Aussage aus der blinden Frontend-Evaluierung, 64 % Reviewer-Präferenz gegenüber GPT-6 Sol, ist genau auf diese Stärke beim visuellen Codieren beschränkt.
Die Positionierung von Qwen4-Max ist konstruktionsbedingt breiter, und die Dokumentation zeigt das: Text-, Bild- und Videoeingabe, strukturierte Ausgabe, paralleles Tool-Calling, Prefix-Completion, Websuche sowie sowohl explizites als auch implizites Caching – über OpenAI Chat Completions, OpenAI Responses, Anthropic Messages und DashScope hinweg. Batch-Inferenz gibt es nur in Peking, und nur der Batch-File-Pfad bietet den Rabatt – Batch Chat wird zum Echtzeittarif aufgeführt, sodass das Wort „Batch“ in einem Endpoint-Namen dort keine Preisgarantie ist.
Das ist die praktische Asymmetrie zwischen einem Codemodell und einem Allzweckmodell. MAI Code 2 ist wahrscheinlich besser in dem, wofür es gebaut wurde, und Microsoft hat interne Benchmarks, die es Ihnen nicht zeigen wird. Qwen4-Max wird viel mehr Dinge können, und Alibabas eigene unabhängige Einschätzung besagt, dass es in der Coding-Hälfte lediglich kompetent ist.
Wo man was ausführt und wofür ein Router hier eigentlich da ist
MAI Code 2 ist in GitHub Copilot für Pro, Pro+, Max, Business und Enterprise verfügbar, unter Windows, macOS und Linux, in Copilot CLI und Visual Studio Code. MAI Code 2 Flash ist das einzige Modell der Familie mit einer API-Oberfläche – eine Vorschau mit eingeschränktem Zugriff in Microsoft Foundry über eine OpenAI-kompatible Responses API. Qwen4-Max ist auf Alibabas eigener Plattform in sechs Regionen verfügbar. Keines der beiden ist derzeit im Katalog von OrcaRouter, daher wäre keine Behauptung, sie zu routen, zutreffend.
Was der Katalog jedoch enthält, ist Qwen3.8-Max zu 2,00 $ und 6,00 $ in Singapur — das Modell Qwen4-Max ist auf beiden Seiten des Zählers 25 % günstiger — plus die Frontier-Modelle, gegen die man einen günstigen Coder benchmarken würde: Claude Opus 5.5, Kimi K3.1 Pro, Gemini 4 Carbon. Alle zum Listenpreis des Anbieters mit 0 % Aufschlag, alle über einen einzigen Schlüssel. Das ist für eine bestimmte Art von Entscheidung relevant: Wenn Sie zwischen MAI Code 2 und Qwen4-Max wählen möchten, indem Sie beide in Ihren eigenen Repositories laufen lassen, braucht der Vergleich eine Kontrolle, und die Kontrolle ist heute messbar, während das bei keinem der Kandidaten der Fall ist.
Das Routing-Argument, das den Kontakt mit diesen beiden Modellen übersteht, ist nicht „beide hinter einen einzigen Endpunkt stellen“. Es ist, dass der Endpunkt, den Sie tatsächlich kontrollieren, der Ort ist, an dem der Fallback lebt. Eine Pipeline, die Qwen3.8-Max aufruft, kann ohne Codeänderung auf einen zweiten Anbieter ausweichen; ein Copilot-Seat kann auf nichts ausweichen, weil darunter nichts ist, wohin geroutet werden könnte.
Wie man ohne gemeinsamen Benchmark auswählt
Wenn das Modell eine Anfrage beantworten muss, die dein Code erzeugt, nimm Qwen4-Max. Das ist der ganze Fall, und er ist entscheidend: Eine API mit vier Protokollen und sechs Regionen gegen einen Eintrag in der Modellauswahl ist für alles Automatisierte kein knappes Rennen. Stelle vor dem 25. November von den Preview-Zeichenketten um, plane die Ausführlichkeit ein, die der Index-Lauf zutage gefördert hat, und plane eine Ausgabeobergrenze ein, die um ein Drittel kleiner ist als die der Preview.
Nehmen Sie MAI Code 2, wenn die Entwickler bereits in Copilot arbeiten und es sich um die routinemäßige Enterprise-Reparatur handelt, für die Microsoft es bepreist hat. Bei einem Drittel der Eingaberate von Qwen4-Max und knapp über der Hälfte seiner Ausgaberate kann selbst ein Modell, das einen zweiten Versuch benötigt, bei den Kosten pro abgeschlossener Aufgabe gewinnen – und anders als bei Qwen4-Max hat sein Aktionspreis ein genanntes Enddatum statt einer unbefristeten Karte, die Sie nicht kontrollieren.
Nehmen Sie keines von beiden, wenn die Arbeitslast eine Bewertung erfordert, die Sie vor einem Beschaffungsausschuss verteidigen können. Das eine Modell hat eine mittelmäßige unabhängige Bewertung; das andere hat überhaupt keine unabhängige Bewertung. In dieser Situation ist der verteidigbare Schritt, dasjenige laufen zu lassen, das Sie gegen ein Modell auf einem neutralen Leaderboard antreten lassen können, und zwar mit Ihren eigenen Aufgaben, und dann die Kosten pro abgeschlossener Aufgabe statt den Tokenpreis zu vergleichen.


Was das Urteil ändern würde, ist eine einzige absolute Zahl von Microsoft. Eine Bestehensquote bei Terminal Bench 2.1, veröffentlicht so, wie Moonshot 65,7 % auf Terminal-Bench 4.0 veröffentlicht hat, würde es einem Käufer ermöglichen, MAI Code 2 auf derselben Achse wie Qwen4-Max' 43 einzuordnen und nicht länger auf ein Verhältnis angewiesen zu sein. Bis dahin liegt die Wahl zwischen einem Modell, das man messen kann, und einem Rabatt, den man verifizieren kann, und der ehrliche Rat lautet, für alles Automatisierte das Messbare zu nehmen und den Rabatt für alles, wobei ein Mensch davorsitzt.
In diesem Artikel verglichen1
Aus diesem Artikel erkannt · Benchmarks: Artificial Analysis · täglich aktualisiert
