Qwen3.8-Flash-Next vs. Claude Opus 4.8: Was man für den 33-fachen Preis tatsächlich bekommt

Claude Opus 4.8 wird auf Anthropics eigener Preisliste mit 5,00 $ pro Million Eingabe-Tokens und 25,00 $ pro Million Ausgabe-Tokens geführt. Qwen3.8-Flash-Next ist Alibabas Open-Weight-Vorschau der Qwen4-Architektur – Gewichte seit dem 24. August 2026 auf Hugging Face, seit dem 26. August auf ModelScope – und in der ausgelieferten Form Qwen3.8-Flash kostet es 0,15 $ und 0,47 $ für dieselben Einheiten. Das sind 33x bei der Eingabe und 53x bei der Ausgabe für zwei Modelle, die auf dem einzigen öffentlichen Index, der beide bewertet hat, nur etwa zwei Punkte auseinanderliegen. Der Vergleich wirkt unausgewogen und ist es nicht. Was der Multiplikator tatsächlich kauft, ist enger und spezifischer, als die Lücke vermuten lässt, und herauszufinden, welchen Teil davon Ihre Workload braucht, ist die ganze Entscheidung.

Eines muss vor allem anderen geklärt werden, denn es bestimmt jede der unten stehenden Zahlen: Niemand hat diese beiden unter identischen Einstellungen auf einer namentlich genannten Testumgebung direkt gegeneinander laufen lassen und das Ergebnis veröffentlicht. Was vorliegt, ist der jeweilige eigene Wert jedes Modells im Artificial Analysis Intelligence Index, und diese Einträge wurden zu unterschiedlichen Zeitpunkten bewertet; betrachten Sie sie daher als benachbart und nicht als kontrollierten Vergleich. Alles Weitere hier stammt aus dem veröffentlichten Material der beiden Anbieter und von unabhängigen Testumgebungen, die tatsächlich eines der beiden ausgeführt haben.

Claude Opus 4.8, aus Anthropics eigener Dokumentation

Claude Opus 4.8 wurde am 28. Mai 2026 veröffentlicht, und Anthropic führt es jetzt als Legacy-Modell: weiterhin verfügbar, weiterhin verkauft, aber nicht mehr das Spitzenmodell der Opus-Reihe. Die eigene Modellübersicht von Anthropic sagt, man sollte eine Migration zu Claude Opus 5.5 in Betracht ziehen, und der Migrationsleitfaden für diesen Wechsel ist direkt von der 4.8-Seite aus verlinkt. Als Tatsache über das Modell und nicht als Kritik daran: Legacy bedeutet hier an der Spitze abgelöst, nicht zurückgezogen.

Was es mitbringt: ein Kontextfenster von 1 Mio. Token und eine maximale Ausgabe von 128K, erhöht auf 300K bei der Message Batches API unter einem Beta-Header. Text- und Bildeingabe, Textausgabe; zu seinen unterstützten Fähigkeiten zählen Vision, Tool-Nutzung, JSON und Reasoning. Adaptives Denken, wobei der Effort-Parameter standardmäßig auf hoch steht – ein anderer Standardwert als bei Opus 5.5, das standardmäßig mittel verwendet, sodass ein identischer `effort`-Wert nicht dasselbe Denkbudget bei den beiden bedeutet. Verlässliche Knowledge- und Training-Cutoffs, die beide im Januar 2026 liegen, fünf Monate hinter der aktuellen Opus-Generation. Preisgestaltung: 5,00 $ pro Million Eingabe-Token, 25,00 $ pro Million Ausgabe-Token, 0,50 $ pro Million Cache-Lesevorgänge, 6,25 $ pro Million Cache-Schreibvorgänge für fünf Minuten, 10,00 $ pro Million Cache-Schreibvorgänge für eine Stunde und ein pauschaler Rabatt von 50 % auf Eingabe und Ausgabe bei der Batch API. Anthropic verpflichtet sich, das Modell mindestens bis zum 28. Mai 2027 verfügbar zu halten.

Es ist auch kein Museumsstück. Die Modell-ID `claude-opus-4-8` ist auf der Claude API, A​mazon Bedrock, G​oogle Cloud, M​icrosoft Foundry und Claude Platform on AWS live, und A​nthropics eigenes Release-Material für Opus 5.5 dokumentiert, dass die meisten Cybersicherheitsanfragen in diesem neueren Deployment designbedingt auf Opus 4.8 umgeleitet werden. Ein Modell, das als designierter Fallback für das aktuelle Flaggschiff dient, wird immer noch für echte Arbeit herangezogen.

Qwen3.8-Flash-Next, von Alibabas eigener Karte

Qwen3.8-Flash-Next ist kein Qwen4-Modell, und die Unterscheidung stammt von Alibaba selbst und ist keine Interpretation davon. Die Modellkarte beschreibt eine experimentelle Vorschau der Architektur, die Qwen4 zugrunde liegen wird – die Architektur wurde bewusst früh veröffentlicht, damit Runtimes und Quantisierungen bereitstehen, wenn die Familie erscheint. Sie speichert rund 180B Parameter in BF16: einen 125B großen Mixture-of-Experts-Körper, der pro Token 6B aktiviert, eine separate 51B große N-Gramm-Embedding-Tabelle und etwa 4B an Multi-Token-Prediction-Schichten, verteilt über 48 Schichten mit 512 Experten, von denen 10 geroutet werden und einer geteilt ist. Der Attention-Stack ist der wirklich neue Teil – 36 Linear-Attention-Schichten, die Gated Delta Network ausführen, gegenüber 12 Full-Attention-Schichten, die Qwen Sparse Attention ausführen, dieselbe ungefähre Drei-zu-eins-Hybridaufteilung, die die breitere Qwen3.8-Generation verwendet.

Der native Kontext umfasst 262.144 Token und ist auf 1.000.000 erweiterbar. Eingabe sind Text, Bild und Video; Ausgabe ist Text. Die Lizenz ist die Qwen Community License 1.0, nicht Apache 2.0 – ein echter Unterschied zum 27B der Familie und genau die Art von Detail, das eine Beschaffungsfrage Monate später entscheidet, nachdem es bereits eine Benchmark-Debatte entschieden hat. Alibaba positioniert die offenen Gewichte als experimentelle Vorschau und Qwen3.8-Flash, bereitgestellt über Qwen Cloud, als offizielle Produktionsversion mit standardmäßig 1M Kontext und integrierten Tools. Ob es sich dabei um dieselben Gewichte in einer anderen Serving-Konfiguration handelt, wird auf der Model Card nicht angegeben.

Die Zahlen, versehen mit der Angabe, wer sie erstellt hat

A​libabas Modellkarte ist eine Anbietertabelle und wird hier als solche gekennzeichnet. In den eigenen Sprachbewertungen der Karte meldet Qwen3.8-Flash-Next 91,9 bei LiveCodeBench v6, 91,7 bei GPQA Diamond, 81,0 bei SWE-bench Multilingual, 62,5 bei SWE-bench Pro, 58,7 bei DeepSWE 1.1, 73,9 bei CoWorkBench und 55,7 bei JobBench. In den eigenen Vergleichszeilen der Karte verliert es gegen ein Claude-Modell bei HLE, 35,9 gegen 40,0, und bei NL2Repo-Bench, 48,1 gegen 54,2. Zwei Einschränkungen stammen aus der Karte selbst: Mehrere Ergebnisse beruhen auf hausinternen Benchmarks, und die HLE-Zeile merkt an, dass dieser Wert von GPT-4o bewertet wurde, was man wissen sollte, bevor man diese konkrete Zahl irgendjemandem gegenüber zitiert.

Anthropic veröffentlicht keine entsprechende öffentliche Tabelle für Claude Opus 4.8 mit denselben Test-Harnessen, daher gibt es keinen Anbieter-zu-Anbieter-Vergleich Zeile für Zeile, und er sollte auch nicht aus dem Datenblatt der einen oder anderen Seite abgeleitet werden. Was es gibt, ist ein Drittanbieter, der beide getestet hat. Artificial Analysis führt Claude Opus 4.8 mit 41,8 in seinem Intelligence Index – auf Platz 23 der von ihm bewerteten Modelle, 84. Perzentil – und Qwen3.8-Flash-Next mit 40, auf Platz fünf der 113 Modelle in seiner Vergleichsklasse. Beide Werte stammen aus dem Index desselben Anbieters, was sie zu dem macht, was einem heute verfügbaren gemeinsamen Maßstab am nächsten kommt – mit dem oben genannten Vorbehalt hinsichtlich der Evaluierungszeitpunkte.

Der Rest des unabhängigen Bildes, alles davon von Artificial Analysis und alles davon für die Open-Weight-Vorschau statt für die ausgelieferte Flash-Variante:

• Wissensarbeit — Qwen3.8-Flash-Next erreicht AA-Briefcase 1587, GDPval-AA v2 1647 und 56 % bei AutomationBench-AA, dem agentischen Workflow-Benchmark, der mit Zapier auf einem privaten, zurückgehaltenen Aufgabensatz entwickelt wurde.

• Terminal- und wissenschaftliche Arbeit — 25 % bei Terminal-Bench v4.0 und 51 % bei SciCode, gegenüber einem deutlich schwächeren Abschneiden bei Repository-Aufgaben mit langem Zeithorizont.

• Schlussfolgern — Humanity's Last Exam: 38 % für die Qwen-Vorschau gegenüber 48,7 % für Claude Opus 4.8 auf dem Harness desselben Anbieters. Bei GPQA Diamond liegen die beiden praktisch gleichauf: 91,7 auf A​libabas Model Card gegenüber 92,0 für Opus 4.8 bei Artificial Analysis.

• Faktenabruf versus Konfabulation — AA-Omniscience bei minus 10 für die Qwen-Vorschau, die Kennzahl, die selbstsichere Erfindung bestraft. Für Opus 4.8 wird auf diesem Harness kein entsprechender Wert veröffentlicht, daher können die beiden darauf nicht verglichen werden.

• Geschwindigkeit — Artificial Analysis misst die Qwen-Vorschau mit 53 Ausgabe-Tokens pro Sekunde bei einer Zeit bis zum ersten Token von 2,80 Sekunden und bezeichnet sie als sehr wortreich: 108k Ausgabe-Tokens pro Aufgabe, davon 72k Reasoning-Tokens. Claude Opus 4.8 liefert, gemessen über unseren eigenen Playground in den letzten sieben Tagen, 66,7 Ausgabe-Tokens pro Sekunde bei einer medianen Zeit bis zum ersten Token von 4,2 Sekunden. Unterschiedliche Testumgebungen, daher sind die Raten eher als Anhaltspunkte denn als Wettkampfergebnis zu betrachten.

• Kontext — 262.144 native und 1.000.000 erweitert für Qwen3.8-Flash-Next gegenüber 1.000.000 native für Claude Opus 4.8.

Als Gruppe statt Zeile für Zeile gelesen, passt das Muster dazu, dass die Preislücke in beide Richtungen irreführend ist. Das günstige Modell ist bei Wissensarbeit, Terminal-Aufgaben und allgemeinem Schlussfolgern wirklich nah dran – näher, als es ein 33-facher Preisunterschied erwarten ließe. Das teure Modell ist dort überlegen, wo die Arbeit lang und mehrdeutig ist und Fehler teuer zu stehen kommen, und es hat einen 1M-Token-Kontext nativ statt per Erweiterung.

Die Preisfrage, an der Einheit, die darüber entscheidet

Pro Token ist die Lücke eklatant, und sie ist reine Arithmetik auf Basis veröffentlichter Zahlen. Beim gehosteten Qwen3.8-Flash ist der Input 33-mal günstiger und der Output 53-mal günstiger als bei Claude Opus 4.8. Caching verringert den Abstand relativ zu dessen eigenem Input-Tarif leicht zugunsten von Anthropic – Cache-Reads bei Claude Opus 4.8 kosten 0,50 $ pro Million, ein Zehntel seines Input-Preises –, doch der gehostete Qwen3.8-Flash weist in unserer eigenen veröffentlichten Liste einen Cache-Read-Tarif von 0,0184 $ pro Million auf, was unter 4 % des entsprechenden Werts von Opus 4.8 liegt. Bei einem langlebigen Prompt mit intensivem Wiederauslesen summiert sich dieser Unterschied in dieselbe Richtung wie alles andere.

Pro abgeschlossener Aufgabe ist die Zahl, die trotz Token-Ausführlichkeit Bestand hat, und hier ist die ehrliche Antwort, dass der Vergleich auf einer Seite unvollständig ist. Artificial Analysis veröffentlicht eine Kosten-pro-Aufgabe-Kennzahl für die Modelle, die es ausführt; die eigene Ausführlichkeit der Vorschauversion – 245 Mio. Tokens, die beim Index-Lauf verbraucht wurden, gegenüber einem Median von 140 Mio. – bedeutet, dass ihr Vorteil pro Token auf Aufgabenebene schrumpft, statt zu verschwinden, und es gibt keinen Lauf unter identischen Bedingungen mit diesen beiden, der das entscheiden könnte. Wenn Sie eine einzige Zahl brauchen, mit der Sie planen können, modellieren Sie sie selbst anhand Ihres eigenen Traffics, statt sich die Token-Zahlen von jemand anderem auszuleihen.

Wo jede einzelne die richtige Entscheidung ist

Claude Opus 4.8 ist die richtige Wahl, wenn viel auf dem Spiel steht und nur ein Durchlauf möglich ist: langhorizontige agentische Läufe, bei denen ein falscher Zweig teuer rückgängig zu machen ist, komplexes mehrstufiges Debugging über eine große Codebasis hinweg und alles, was bereits für die Thinking- und Effort-Steuerungen von Claude entwickelt wurde, wobei eine identische `effort`-Einstellung und ein Wissensstand von Januar 2026 bekannte Größen statt Unbekannte sind. Er ist außerdem die sicherere Wahl, wenn Sie eine mit Datum versehene Anbieterzusage und ein Modell möchten, das weiterhin der dokumentierte Fallback für den anspruchsvollsten Traffic seines Nachfolgers ist.

Qwen3.8-Flash-Next ist die richtige Wahl, wenn die Workload breit statt tief ist – Massenklassifizierung, Extraktion, Screenshot- und Dokumentenverständnis, agentische Sweeps, bei denen Sie sonst aus Kostengründen bündeln würden – und wenn Sie die Qwen4-Architektur an Ihren eigenen Daten Monate vor der Existenz von Qwen4 evaluieren möchten. Seine starken unabhängigen Signale liegen bei Wissensarbeit und Terminal-Aufgaben; seine schwachen Signale liegen bei der Repository-Generierung über lange Horizonte und bei den Pass-Raten von One-Shot-Agenten, und genau dort finden Änderungen am Produktionscode statt. Führen Sie eine unkritische Kopie eines echten Workloads dagegen aus, bevor es irgendetwas berührt, das zählt.

Die Regel, als Regel formuliert: Nimm das Modell, dessen Fehlermodus du dir leisten kannst. Wenn dich eine falsche Antwort einen erneuten Versuch kostet, ist das 33x geschenktes Geld. Wenn dich eine falsche Antwort um 3 Uhr morgens einen Rollback kostet, hat sich das günstigere Modell diese Entscheidung noch nicht verdient – und die Tatsache, dass es sich um eine experimentelle Vorschau mit Community-Lizenz und nicht um eine veröffentlichte Produktlinie handelt, ist, unabhängig von den Scores, Teil des Grundes dafür.

Beide ohne einen zweiten Vertrag betreiben

Beide Enden dieses Vergleichs sind in einem Katalog live. Claude Opus 4.8 wird als `anthropic/claude-opus-4.8` zu 5,00 $ und 25,00 $ pro Million Tokens geroutet — Anthropics veröffentlichter Listenpreis, mit 0 % Aufschlag durchgereicht, sodass sich hier nichts ändert, falls sich diese Preisliste ändert. Die ausgelieferte Produktionsvariante auf der Qwen-Seite wird als `qwen/qwen3.8-flash` zu 0,15 $ und 0,47 $ geroutet, ebenfalls zum Listenpreis des Anbieters, bei einem Kontext von 1 Mio. Tokens mit Text-, Bild- und Videoeingabe.

Die Open-Weight-Vorschau selbst ist eine andere Sache und es lohnt sich, das klar zu sagen: Qwen3.8-Flash-Next ist keine unserer Routen. Um die Vorschau zu nutzen, lädst du die Gewichte von Hugging Face oder ModelScope herunter und servierst sie selbst — vLLM unterstützt sie ab Tag eins mit einem Offload-Pfad, der die 51B-Parameter-n-Gramm-Embedding-Tabelle im Host-Speicher statt dauerhaft im VRAM hält, SGLang und TensorRT-LLM stehen in NVIDIAs Day-0-Liste, und Ollamas Bibliothek enthält einen MLX-Build für Apple Silicon. Was wir routen, ist die Produktionsvariante, also diejenige, die du heute tatsächlich aufrufen kannst.

Die praktische Vorgehensweise für ein Team, das beides will, ist eine Traffic-Aufteilung statt einer Entscheidung: ein Schlüssel, ein SDK, eine Rechnung, wobei ein Prozentsatz der Anfragen an das günstige Modell gesendet wird und automatisches Failover die Momente abfängt, in denen eine experimentelle Architektur oder eine in die Jahre gekommene Fehlverhalten zeigt. Das ist ein geringerer Engineering-Aufwand, als die Rahmung dieses Duells nahelegt, und genau so werden die meisten nützlichen Antworten auf die Frage „welches von beiden“ tatsächlich gefunden – indem man beide eine Woche lang gegen echten Traffic laufen lässt und die Ergebnisse liest.

Was würde diese Seite verändern?

Drei Dinge, geordnet nach der Wahrscheinlichkeit, dass sie tatsächlich eintreten. Eine Evaluierung von Qwen3.8-Flash-Next gegen Claude Opus 4.8 unter identischen Einstellungen auf einem benannten Harness würde jeden oben mit Vorbehalt formulierten Satz durch eine Zahl ersetzen. Das Erscheinen der vollständigen Qwen4-Familie würde die Vorschau von „die Architektur, früh“ zu „die vorherige Generation der Architektur“ verschieben, was ändert, wofür sie gedacht ist. Und jede Preisänderung in der Opus-Reihe würde den Multiplikator im Zentrum dieser Seite neu aufwerfen — der auf unserer Seite durchgereichte Tarif für das bereitgestellte Qwen3.8-Flash ändert sich am selben Tag, an dem der Anbieter ihn ändert, sodass der Vergleich aktuell bleibt, selbst wenn die Zahlen es nicht tun.

Bis dahin ist die eine Tatsache, die über diese Paarung am häufigsten entscheidet, kein Benchmark: Sie besteht darin, dass die günstige Seite eine experimentelle Vorschau ist, die Sie selbst bereitstellen, und die teure Seite ein Legacy-Modell, das Sie mit einer Support-Beziehung und einer Verfügbarkeitszusage für 2027 mieten. Teams, die den Stack selbst besitzen müssen und eine unerprobte Architektur verkraften können, sollten zur 33x greifen und sie ordentlich testen. Teams, für die die Antwort beim ersten Mal stimmen muss, sollten für das Modell bezahlen, dessen Fehlermodus sie bereits charakterisiert haben.