Qwen3.8-Max-Test: Alibabas 2,4T-Flaggschiff für 2 $ / 6 $ — 0902-Build führt Code-Arena-WebDev an

Alibaba Qw​en präsentierte Qwen3.8-Max auf der World AI Conference in Shanghai am 19. Juli 2026, und zwei Wochen lang war es das meistbesprochene Modell, das niemand tatsächlich bepreisen konnte. Es gab keine Preisliste, keine Benchmark-Tabelle, keine Model Card, keine Lizenz und keine Angabe zu aktiven Parametern – nur eine Schlagzeile über 2,4 Billionen Parameter und die Behauptung, das Modell sei „nur von Claude Fable 5 übertroffen.“

Am 3. August 2026 änderte sich das. Qwen3.8-Max ist allgemein verfügbar: eine veröffentlichte Preistabelle von 2 $ pro Million Input-Token und 6 $ pro Million Output-Token, ein OpenAI- und DashScope-kompatibler Endpoint, eine vollständige Benchmark-Tabelle und offene Gewichte, die am 12. August erschienen. Eine Woche später, am 14. August, ging das Modell auf DigitalOcean Serverless Inference live – als Alibabas „Day-0-Launch-Partner“ und damit in der ersten großen westlichen Cloud, die es anbietet. Am 2. September lieferte Alibaba eine benannte Aktualisierung aus, Qwen3.8-Max-0902, die weiterhin auf Coding und Cowork nachtrainiert wurde und laut Qwen die Leistung bei komplexen Unternehmens- und Wissenschaftsaufgaben stärkt. Diese Rezension basiert auf den GA-Fakten, bezieht den Day-0-Launch und den 0902-Build mit ein und beantwortet die Frage, die Teams jetzt tatsächlich haben, da das Modell käuflich ist: Ist Qwen3.8-Max bereit, Produktionslast zu übernehmen, oder bleibt es ein Beobachtungslisten-Modell?

The short answer is that it graduated further than most people expected — the pricing in particular is aggressive in a way that reprices the frontier, and the September 2 refresh doubles down on the two things the model was already good at — coding and collaborative work. The independent scorecard that has since landed is genuinely good, but it carries a caveat worth reading before you commit traffic.

TL;DR. Qwen3.8-Max ist jetzt allgemein verfügbar (GA) zu $2 / $6 pro 1 Mio. Tokens – einheitlich über den gesamten 1-Mio.-Token-Kontext, ohne Aufpreis für lange Prompts. Damit unterbietet es Kimi K3 ($3/$15) und Claude Opus 5 ($5/$25) beim Output, dem Kostentreiber für Reasoning-Arbeit. Alibaba hat eine starke Benchmark-Tabelle veröffentlicht (Terminal-Bench 2.1: 86,6; GPQA Diamond: 92,6; OSWorld-Verified: 86,1), und der Sprung bei den Coding-Werten gegenüber dem Vorgänger ist dramatisch: FrontierSWE 73,5 gegenüber 40,7. Aber die Qualitätstabelle stammt von Alibaba selbst – der erste unabhängige Schiedsrichter, der Artificial Analysis Intelligence Index, hat sich inzwischen zu Wort gemeldet: Qwen3.8-Max erzielt 56 Punkte bei 1,14 $ pro Aufgabe, liegt damit gleichauf mit Claude Opus 4.8 (56) und einen Punkt hinter dem Open-Weights-Spitzenreiter Kimi K3 (57) – bei 25 % höheren Kosten pro Aufgabe. Die Zahl der aktiven Parameter ist kein Fragezeichen mehr: 95 Mrd. aktivierte von insgesamt 2,4 Bio. Parametern, bestätigt auf der offiziellen Model Card, was Außenstehenden endlich erlaubt, die Serving-Ökonomie nachzuvollziehen. Seit dieser Testbericht erstmals erschien, hat sich auch ein zweiter verwalteter Zugang eröffnet: Qwen3.8-Max ging am 14. August bei DigitalOcean Serverless Inference live, mit DigitalOcean als Day-0-Partner von Alibaba. Die von DigitalOcean veröffentlichten Serving-Zahlen – Prefill-Skalierung auf ~16.000 Tokens/Sek. und ~1.937 Output-Tokens/Sek. bei 256 gleichzeitigen Anfragen ohne einen einzigen Fehler – sind die ersten belastbaren Latenzdaten von einem Anbieter außerhalb von Alibaba. Am 2. September hat Alibaba das Flaggschiff als Qwen3.8-Max-0902 aktualisiert, das in einem weiteren Post-Training auf Coding und Cowork trainiert wurde; Qwen zufolge ist der neue Snapshot bei komplexen Enterprise- und wissenschaftlichen Workloads stärker – eine Herstellerbehauptung, für die es bislang keine unabhängigen Zahlen bei Enterprise- oder wissenschaftlicher Arbeit gibt. Die Coding-Seite des 0902-Builds hat nun ein eigenes unabhängiges Arena-Ergebnis vorzuweisen: Qwen3.8-Max-0902 debütierte mit 1.691 Punkten auf Platz 1 bei „Code Arena: WebDev“ – 22 Punkte mehr als der bisherige Build und vor Claude Opus 5 und Kimi K3 –, so Alibaba unter Berufung auf die Live-Liste der Drittanbieter-Arena. Die Agentic-Commerce-Geschichte erhielt in derselben Woche eine Bestenliste: Beim CommerceAgentBench, einer neuen Benchmark des Accio-Teams von Alibaba, die auf zustandsbehafteten Replikaten realer Commerce-Software basiert, erzielt Qwen3.8-Max das stärkste Open-Weights-Ergebnis – 156 aggregierte Erfolge über drei Harnesses, zwei mehr als DeepSeek V4 Pro –, eine Tabelle des Anbieters, kein unabhängiges Urteil. Fazit: Das Modell ist jetzt wirklich nutzbar und preiswert genug, um eine echte Evaluierung zu rechtfertigen – aber eingesetzt werden sollte es gezielt, nicht als Standard für sämtlichen Traffic.

Wichtige Erkenntnisse

• GA seit dem 3. August 2026. Die Ära der Preview- und Credits-Kampagnen ist vorbei; es gibt eine echte Preisliste und einen echten Endpunkt.

• $2 / $6 pro 1M Token, eine einheitliche Preisstufe über 1M Kontext. Die meisten Konkurrenten verlangen einen Aufschlag für lange Prompts. Alibaba tut das nicht, was für die Arbeit mit langen Dokumenten und großen Repositories enorm wichtig ist.

• Alibabas Benchmark-Tabelle ist stark, aber ungeprüft: Terminal-Bench 2.1 86.6, GPQA Diamond 92.6, PaperBench 93.0, IFBench 82.8, OSWorld-Verified 86.1, OmniDocBench 1.5 92.1.

• Der Generationssprung beim Programmieren ist die eigentliche Story: FrontierSWE 73,5 (von 40,7) und DeepSWE 1.1 56,6 (von 21,6) – bei beiden eine nahezu Verdopplung.

• Der erste unabhängige Wert ist da: Qwen3.8-Max erzielt 56 im AA Intelligence Index bei 1,14 $/Aufgabe — ein 10-Punkte-Sprung gegenüber Qwen3.7-Max (46); damit liegt der Wert gleichauf mit Claude Opus 4.8 (56) und nur einen Punkt hinter Kimi K3 (57). Die allgemeine Bestenliste von LMArena hat weiterhin keinen öffentlichen Score.

• Aktive Parameter bei 95B bestätigt — die offizielle Modellkarte nennt 2,4T gesamt und 95B aktiviert, womit die größte offene Frage in der Berechnung der Serving-Kosten geklärt ist.

• Die offenen Gewichte sind da — Qwen3.8-2.4T-A95B (BF16) und Qwen3.8-2.4T-A95B-FP8 sind am 12. August unter einer eigenen Qwen3.8-Max-Lizenz (nicht Apache 2.0) auf Hugging Face erschienen. Die On-Premise-Variante Qwen3.8-27B wurde am 14. August unter Apache 2.0 ausgeliefert.

• Am 14. August wurde ein zweiter verwalteter Pfad eröffnet. Qwen3.8-Max ist jetzt auf DigitalOcean Serverless Inference live, als Alibabas „Partner für den Start am Tag 0“ — NVFP4 auf NVIDIA HGX B300, $2/$6 mit $0,20 für gecachten Input, bereitgestellt im nativen 262K-Kontext des offenen Checkpoints. Die von DigitalOcean gemessenen Werte (Prefill ~16K Tokens/Sekunde, null Fehler bei 256 gleichzeitigen Verbindungen) sind die ersten Serving-Leistungsdaten auf einer verwalteten Plattform außerhalb von Alibaba.

• Update vom 2. September: Qwen3.8-Max-0902. Alibaba hat das Flaggschiff weiter auf Coding und Cowork nachtrainiert und stellt es auf QwenCloud zu denselben $2/$6 und 1M-Kontext bereit. Qwen gibt an, dass die Leistung für Unternehmen und Wissenschaft stärker sei — weiterhin Herstellerangaben — während die Coding-Seite am selben Tag ein unabhängiges Arena-Ergebnis erzielte: Das Build debütierte auf Platz 1 der Code Arena: WebDev mit 1.691 Punkten (Code-Arena-Aufzählungspunkt unten).

• CommerceAgentBench: Open-Weight-Spitzenreiter, vom Anbieter durchgeführt. Alibabas Accio-Team hat diese Woche CommerceAgentBench veröffentlicht — 107 Aufgaben mit langem Zeithorizont in zustandsbehafteten Replikaten realer Handels- und Unternehmenssoftware, die zustandsbasiert über die Accio-, OpenClaw- und Pi-Harnesses bewertet werden. Qwen3.8-Max führt die Open-Weight-Modelle mit insgesamt 156 bestandenen Aufgaben an, zwei vor DeepSeek V4 Pro; das Closed-Model Claude Opus 5 liegt mit 191 insgesamt vorn, und die Tabelle stammt von Alibaba selbst, nicht von einem unabhängigen Prüfer.

• Code Arena: WebDev #1 – das unabhängige Arena-Ergebnis des 0902-Builds. Qwen3.8-Max-0902 debütierte mit 1.691 Punkten an der Spitze der „Code Arena: WebDev“-Rangliste – 22 Punkte mehr als der Vorgänger-Build; vor Claude Opus 5 und Kimi K3 – und führt die Kosten-Leistungs-Pareto-Grenze dieser Rangliste bei einem Mischpreis von etwa $5/MToken an, was etwa einem Viertel des Mischpreises von Claude Opus 5 entspricht. Qwens offizieller QwenCloud-Account bestätigte die Platzierung. Anders als CommerceAgentBench ist diese Rangliste eine Drittanbieter-Rangliste: eine Arena mit blinder menschlicher Abstimmung, keine Alibaba-Tabelle – auch wenn ‚Debüt auf Platz 1‘ Alibabas Ankündigung einer Momentaufnahme dieser Rangliste ist.

Hinweis zur Genauigkeit: Die Qwen3.8-Max-Benchmark-Tabelle in diesem Testbericht stammt von Alibaba und wurde nicht unabhängig repliziert. Der Wert des Artificial Analysis Intelligence Index (56 bei 1,14 $/Aufgabe) wird von AA unabhängig über die offizielle API von Alibaba gemessen – der erste unabhängige Schiedsrichter des Modells. Die Preisgestaltung stammt aus der GA-Preisliste des Alibaba Model Studio. Die Open-Weights-Repositories (Qwen3.8-2.4T-A95B und Qwen3.8-2.4T-A95B-FP8), die Angabe zu den 95B aktiven Parametern und der Lizenztext stammen aus erster Hand: Sie kommen von Qwens eigener Hugging-Face-Organisation, verifiziert am 13. August 2026. Die DigitalOcean-Verfügbarkeit, deren Preisliste, die Messungen der Serving-Leistung und der GPQA-Stichprobentest mit einem Ergebnis von 88 beim quantisierten Build stammen aus DigitalOceans eigener Dokumentation und dem Community-Tutorial, die zusammen mit der Ankündigung vom 14. August veröffentlicht wurden; die Charakterisierung „Day-0-Launch-Partner“ stammt aus Alibabas Ankündigung. Wo wir Zahlen von Wettbewerbern zitieren, stammen sie von Artificial Analysis oder dem jeweils genannten Anbieter. Das am 2. September angekündigte Qwen3.8-Max-0902-Refresh ist durchgehend herstellerseitig: seine Spezifikationen, die Beschreibung des „Coding-and-Cowork“-Posttrainings und die behaupteten Verbesserungen im Unternehmens- und Wissenschaftsbereich stammen alle aus Qwens eigener Ankündigung und der dazugehörigen QwenCloud-Modellseite; keine der Zahlen wurde unabhängig reproduziert. Die im Benchmark-Abschnitt behandelte Code-Arena-WebDev-Platzierung ist die eine Ausnahme: Diese Rangliste ist eine Drittanbieter-Arena mit Blindabstimmung und keine Alibaba-Tabelle – auch wenn „Debüt auf Platz 1 mit 1.691“ Alibabas Ankündigung einer Momentaufnahme ist und die Arena-Punktestände sich mit jeder abgegebenen Stimme weiterbewegen. Das unten behandelte CommerceAgentBench-Ergebnis fällt in dieselbe Kategorie: Der Benchmark wurde von Accio, dem Team von Alibaba International, entwickelt und veröffentlicht, seine Tabellen stammen also von Alibaba – ein Open-Source-Benchmark, aber kein unabhängiger Schiedsrichter wie Artificial Analysis. Anbieter-Benchmark-Tabellen sind in der Regel optimistisch – betrachten Sie sie als Hypothese, die Sie mit Ihrer eigenen Arbeitslast testen sollten, und nicht als endgültiges Ranking.

Was ist Qwen3.8-Max?

Qwen3.8-Max ist das Flaggschiff von Alibabas Qwen-Familie: ein sparsames Mixture-of-Experts-Modell mit 2,4 Billionen Gesamtparametern, einem Kontextfenster von 1 Million Token und nativer multimodaler Eingabe. Es akzeptiert Text, Bilder und Video und gibt Text zurück. Es unterstützt Denkmodus, Funktionsaufrufe, eingebaute Tools und strukturierte Ausgaben und wird über einen OpenAI-kompatiblen /v1/chat/completions-Endpunkt bereitgestellt, was bedeutet, dass die meisten bestehenden Integrationen lediglich eine Änderung der Basis-URL benötigen statt einer Neuentwicklung. Der aktuelle Produktionsstand, veröffentlicht am 2. September, ist Qwen3.8-Max-0902, weiter nachtrainiert auf Coding und Cowork.

Die tatsächlichen Kontextzahlen sind etwas spezifischer als die Marketingangabe „1M“. Alibabas Cloud-Metadaten listen ein 983.616-Token-Fenster mit aktiviertem Denken, einer maximalen Eingabe von etwa 991.000 Token und einer maximalen Ausgabe von 131.072 Token. Diese Ausgabegrenze ist ungewöhnlich großzügig und wichtig für Aufgaben wie die Codegenerierung ganzer Dateien oder das Verfassen langer Berichte, bei denen niedrigere Grenzen einen dazu zwingen, in Teilen zu arbeiten und zusammenzufügen. Der offene Checkpoint, den DigitalOcean jetzt anbietet, ist eine andere Konfiguration: Seine Modellkarte listet nativ 262.144 Token, erweiterbar auf etwa 1.010.000, sodass Drittanbieter, die die offene Basis ausführen, typischerweise bei der kleineren nativen Zahl landen.

Die Anzahl der aktiven Parameter ist jetzt öffentlich, und der Repository-Name trägt sie: A95B bedeutet 95 Milliarden aktivierte Parameter. Die offizielle Modellkarte für Qwen3.8-2.4T-A95B gibt „2.4T insgesamt und 95B aktiviert“ an, ein feingranulares Mixture-of-Experts mit 512 Experten, von denen pro Token 10 geroutete plus ein gemeinsamer aktiv sind. Diese Zahl ist wichtiger als die 2.4T-Schlagzeile. Bei einem dichten Modell sagen dir die Gesamtparameter in etwa, was die Inferenz kostet; bei einem MoE-Modell sagen sie dir fast nichts — nur die aktive Anzahl zählt, denn das ist es, was tatsächlich pro Token läuft. Ein 2.4T-Modell, das 30B aktiviert, verhält sich in Bezug auf Latenz und Serving-Ökonomie völlig anders als eines, das 200B aktiviert. Bei 95B aktiven Parametern liegt der Rechenaufwand pro Token in derselben Größenordnung wie bei einem dichten Modell um die 90B-Marke — ein Bruchteil dessen, was ein dichtes 2.4T-Modell erfordern würde — was die Zahl ist, die die Self-Hosting-Frage unten endlich beantwortbar macht.

Das Update vom 2. September: Qwen3.8-Max-0902

Am 2. September 2026 veröffentlichte Qwen sein erstes benanntes Produktions-Update. Qwen3.8-Max-0902 behält die gleiche Sparse-MoE-Architektur mit 2,4 Billionen Parametern, die gleichen 95 Milliarden aktiven Parameter und das gleiche Kontextfenster von 1 Million Token bei, wurde aber zusätzlich auf zwei Fähigkeiten nachtrainiert – Coding und Cowork – und ist auf der QwenCloud-API als qwen3.8-max-0902 verfügbar (auch gelistet als qwen3.8-max-2026-09-02). Es handelt sich um den aktuell empfohlenen Build und nicht um einen Nebenzweig: Alibabas undatierter qwen3.8-max-Endpunkt liefert nun den 0902-Snapshot aus, sodass ein Aufruf des Standardmodellnamens auf der aktualisierten Version landet, während die datierte ID für Teams gedacht ist, die den exakten Build festlegen möchten. Seit dem 3. September ist der Snapshot außerdem als eigene routbare Modell-ID auf verwalteten APIs von Drittanbietern gelistet. Die Preisliste hat sich nicht geändert: 2 $ pro 1 Million Eingabe-Tokens, 6 $ pro 1 Million Ausgabe-Tokens, bei unveränderten Cache-Preisen.

Die Leistungsbehauptungen stammen von Qwen. Die Ankündigung und die QwenCloud-Modellseite beschreiben eine Coding-Fähigkeit, die bei Engineering-Projekten im großen Maßstab und autonomer Entwicklung über lange Zeiträume „Neuland betritt“, ein „deutlich verbessertes“ kollaboratives Agentenerlebnis bei der Orchestrierung mehrerer Tools und der End-to-End-Aufgabenabwicklung sowie – wie das Unternehmen es formuliert – stärkere Leistungen bei komplexen Enterprise-Aufgaben, wissenschaftlicher Forschung und langzyklischen Workflows. Noch am selben Tag erschien die erste unabhängige Bewertung. Qwen3.8-Max-0902 debütierte auf Platz 1 im Leaderboard „Code Arena: WebDev“ – das ist eine Drittanbieter-Arena mit Blindabstimmung für agentische Webentwicklung, vormals WebDev Arena – mit 1.691 Punkten, also 22 mehr als beim vorherigen Build und vor Claude Opus 5 sowie Kimi K3, so Alibaba unter Berufung auf das Live-Board – eine Platzierung, die Qwens offizieller Account am selben Tag bestätigte und dabei auf die QwenCloud-API verwies. Was das beweist und was nicht, wird im Benchmark-Abschnitt unten aufgeschlüsselt. Die übrigen Behauptungen des Updates – Enterprise-Reasoning, wissenschaftliche Arbeit und allgemeine langfristige Autonomie – sind weiterhin reine Herstellerangaben. Behalten Sie also die Disziplin bei, die schon für die August-Tabelle galt: Behandeln Sie sie als Hypothesen, bis ein Durchlauf von Artificial Analysis oder eine reale Arbeitslast sie bestätigt.

Was „Cowork“ in der Praxis bedeutet, wird dort interessant, wo das Update spannend wird. Das Qwen3.8-Max aus der GA-Ära stützte sich bereits auf langfristige Autonomie – den 16-tägigen oh-my-cli-Build, das virtuelle Geschäft mit über 2.000 Runden – und mit dem 0902-Build legt Alibaba auf dieser Achse noch einmal nach: Agenten, die mehrere Tools orchestrieren und eine Aufgabe End-to-End abschließen, statt nur einzelne Antworten zu liefern. In derselben Woche veröffentlichte Alibabas Accio-Team CommerceAgentBench, eine Benchmark, die genau diese Achse direkt misst: 107 langfristige Aufgaben in zustandsbasierten Replikaten realer Commerce- und Business-Software, in denen Qwen3.8-Max das Feld der Open-Weight-Modelle anführt – ausführlich beschrieben im Benchmark-Abschnitt weiter unten. Für Teams, die das Modell für den Unternehmenseinsatz evaluieren, ist das die erste Behauptung, die es zu testen gilt, denn sie ist auch diejenige, die sich am schwersten anhand einer Benchmark-Tabelle überprüfen lässt.

Preisgestaltung: das Aggressivste an dieser Markteinführung

Alibaba Model Studio listet Qwen3.8-Max für $2.00 pro 1M Eingabe-Tokens und $6.00 pro 1M Ausgabe-Tokens. Die Ausgabe enthält Denk-Tokens, was wichtig ist, da rechenintensive Konfigurationen ihre interne Verarbeitung zum Ausgabetarif abrechnen. Cache-Ökonomie: Cache-Treffer bei Eingaben kosten $0.25 pro 1M, die explizite Cache-Erstellung $2.50, und die expliziten Cache-Lesezugriffe $0.17.

Der strukturell interessante Teil ist nicht die Schlagzeilenzahl, sondern die einheitliche Preisstufe. Alibaba verlangt dieselben $2/$6, egal ob Ihr Prompt 5.000 oder 900.000 Token umfasst. Die meisten Wettbewerber erheben einen Aufpreis für lange Kontexte, gerade weil die Bereitstellung eines Prompts mit fast einer Million Token teuer ist. Dass Alibaba diese Kosten übernimmt, ist eine gezielte Landnahme, die genau auf die Arbeitslasten abzielt, bei denen ein langer Kontext der entscheidende Punkt ist: Code-Review über das gesamte Repository, Analyse von Verträgen und Unterlagen sowie Forschungssynthese über mehrere Dokumente hinweg.

Ausgearbeitetes Beispiel. Angenommen, Sie führen einen Repo-Analyse-Agenten aus: 200.000 Eingabe-Tokens Codekontext und 8.000 Ausgabe-Tokens pro Aufruf.

• Pro Aufruf: 0,2M × 2 $ = 0,40 $ Eingabe, plus 0,008M × 6 $ = 0,048 $ Ausgabe. ≈ 0,45 $ pro Aufruf.

• Bei 1.000 Anrufen/Tag: ≈ $448/Tag, oder etwa $13.400/Monat.

• Derselbe Aufruf bei Claude Opus 5 für $5/$25: $1.00 + $0.20 = $1.20 — etwa 2,7× mehr.

• Mit Prompt-Caching in einem stabilen Code-Kontext senkt der gecachte Input bei 0,25 $ die Input-Seite von 0,40 $ auf 0,05 $, was den Aufruf auf ≈ 0,10 $ senkt – eine fast 4,5-fache Reduzierung bei wiederholtem Traffic.

Dieser Cache-Unterschied ist der Ort, an dem das eigentliche Budget liegt. Wenn Ihr Agent bei jeder Runde einen weitgehend unveränderten Kontext erneut liest – was auf die meisten Coding- und Support-Agenten zutrifft – liegt der effektive Preis viel näher bei 0,25 $/6 $ als bei 2 $/6 $. Teams, die die Cache-Konfiguration überspringen, zahlen bei diesem Modell regelmäßig 3–4× zu viel.

Zum Vergleich der Listenpreise: Qwen3.8-Max $2/$6; sein direkter Vorgänger Qwen3.7-Max $2.50/$7.50; Kimi K3 $3/$15; GPT-5.6 Terra $2/$12; Claude Opus 5 $5/$25. Beim Input ist Qwen lediglich konkurrenzfähig. Beim Output — also der Seite, die bei Reasoning- und Agenten-Aufgaben den Großteil der Ausgaben ausmacht — ist es das günstigste Modell auf dieser Liste, das den Status eines Frontier-Modells beansprucht.

Die unabhängige Messung von Artificial Analysis zeigt die Kehrseite dieser billigen Token. Auf seinem Intelligence Index kostet Qwen3.8-Max $1.14 pro Aufgabe — mehr als das Doppelte des Vorgängerpreises von $0.53, und 25 % höher als die $0.86 von Kimi K3 obwohl Kimi K3 bei $3/$15 pro Token liegt. Der Unterschied ist verhaltensbedingt, keine Preiserhöhung: Das Modell kam auf durchschnittlich 64 Schritte pro GDPval-AA-Aufgabe gegenüber 14 bei Qwen3.7-Max, und da die Testumgebung bei jedem Schritt die vollständige Konversation erneut sendet, wuchsen die Eingabetokens um etwa das 15-Fache und die Ausgabe um etwa 45 %. Billige Token sind nicht gleichbedeutend mit billigen Agenten — die Ausführlichkeit, die die Vorschautester bemängelt haben, hat jetzt einen messbaren Preis. Da OrcaRouter die Listenpreise mit 0 % Aufschlag über einen OpenAI-kompatiblen Endpunkt durchreicht, ist diese $1.14-gegenüber-$0.86-Frage etwas, das Sie anhand identischer Prompts messen können, ohne einen zweiten Vertrag.

Die Benchmark-Tabelle und was jede Zahl tatsächlich misst

Bei GA veröffentlichte Alibaba die Tabelle, die es bei der Vorschau zurückgehalten hatte. Gemeldete Ergebnisse:

• Terminal-Bench 2.1 — 86.6. Misst, ob ein Modell eine echte Shell vollständig bedienen kann: Befehle ausführen, Ausgaben lesen, Fehler beheben. Dies ist der beste Indikator dafür, ob es als Coding-Agent statt nur als Code-Vorschläger funktioniert.

• GPQA Diamond — 92,6.Physik-, Chemie- und Biologiefragen auf Graduiertenniveau, die so verfasst sind, dass sie sich nicht durch Nachschlagen lösen lassen. Eine hohe Punktzahl deutet auf echtes wissenschaftliches Denken hin und nicht auf bloßes Erinnern. 92,6 ist der Spitzenwert auf diesem Gebiet.

• PaperBench — 93.0. Ergebnisse aus Forschungsarbeiten reproduzieren — eine Methodik lesen und sie neu implementieren. Belohnt anhaltendes mehrstufiges Verständnis.

• IFBench — 82.8. Instruktionsbefolgung unter Einschränkungen: Format, Länge und negative Anweisungen. Bemerkenswerterweise die niedrigste Punktzahl in Alibabas eigener Tabelle, was mit der Kritik aus der Vorschau-Ära übereinstimmt, dass das Modell so gründlich ist, dass es Umfangsgrenzen ignoriert.

• OSWorld-Verified — 86.1. Computer-Nutzung: Steuerung einer echten Desktop-GUI, um Aufgaben zu erledigen. Diese Stärke unterstützt die Positionierung als Agent.

• OmniDocBench 1.5 — 92.1. Dokument-Parsing — Tabellen, Layout, gemischte Texte und Abbildungen. Zusammen mit dem 1M-Flatrate-Kontext ist das ein echtes Argument für Dokument-Pipelines.

• FrontierSWE — 73,5, gestiegen von 40,7 des Vorgängers. DeepSWE 1.1 — 56,6, gestiegen von 21,6.

Die letzten beiden verdienen besondere Betonung. Beinahe-Verdopplungen bei anspruchsvollen Software-Engineering-Benchmarks in einer einzigen Generation sind keine normalen inkrementellen Fortschritte, und sie stehen im Einklang mit Alibabas Entscheidung, dieses Modell eher an Entwickler als an Chat-Nutzer zu vermarkten. Wenn die FrontierSWE-Zahl einer unabhängigen Reproduktion standhält, ist Qwen3.8-Max ein ernstzunehmendes Codierungsmodell und nicht nur ein großes.

Der Vorbehalt aus der Vorschau ist geschrumpft, aber nicht verschwunden. Die obige Tabelle wurde von Alibaba mit eigener Testumgebung unter Bedingungen erstellt, die niemand sonst überprüfen kann. Anbietertabellen sind selektiv, nicht stichprobenartig — Labore veröffentlichen die Benchmarks, bei denen sie gut abschneiden. Aber seit dem 6. August gibt es jetzt einen echten unabhängigen Schiedsrichter: Artificial Analysis hat Qwen3.8-Max mit 56 im Intelligence Index bei 1,14 $ pro Aufgabe, gemessen an Alibabas offizieller API — ein 10-Punkte-Sprung gegenüber dem Vorgängerwert von 46, gleichauf mit Claude Opus 4.8 (56) und einen Punkt hinter Kimi K3 (57). Auf der agentischen GDPval-AA-Rangliste von AA erreicht das Modell 1.739 Elo, womit es Kimi K3 (1.685) und GPT-5.6 Sol (1.730) übertrifft; nur Claude Opus 5 (1.852) liegt noch davor. Auch die Vorbehalte, die AA selbst nennt, sind gleichermaßen zu berücksichtigen: ein früherer Lauf erzielte 53, bevor Endpunktprobleme behoben wurden, und der erneute Test über die offizielle API ergab 56; AA-Omniscience fiel um 10 Punkte, weil die Halluzinationsrate von 23 % auf 40 % stieg; und die Kosten pro Aufgabe sind gerade deshalb hoch, weil das Modell deutlich mehr Schritte durchläuft. Die allgemeine Rangliste von LMArena weist weiterhin keine öffentliche Punktzahl auf.

Der DigitalOcean-Launch fügte einen dritten Datenpunkt hinzu, diesen zur quantisierten Version statt zum Flaggschiff. DigitalOceans eigener interner Stichprobentest der NVFP4-Gewichte, die es bereitstellt, erzielte 88 bei GPQA Diamond, gegenüber den von Alibaba veröffentlichten 92,6 für das unquantisierte Flaggschiff. DigitalOcean selbst bezeichnet den Vergleich als „einen indikativen Datenpunkt statt einer kontrollierten Vergleichsstudie“ – die Unterschiede verlaufen entlang dreier Achsen (Open-Weights-Basis statt des gehosteten Flaggschiffs, NVFP4 statt BF16 und ein anderer Evaluierungs-Stack) – aber es ist die erste unabhängige Prüfung einer realen Serving-Bereitstellung dieser Gewichte und eine Erinnerung daran, dass der offene Checkpoint nicht Byte für Byte der Zahl auf Alibabas Tabelle entspricht.

CommerceAgentBench: das Agentic-Commerce-Scoreboard

Neben dem Refresh hat das Accio-Team von Alibaba International CommerceAgentBench veröffentlicht, einen Benchmark, der genau die langfristigen Arbeiten bewertet, die Qwen immer wieder vermarktet. Ein Agent startet jede Aufgabe in einem frischen Container in einer von 14 Offline-Repliken realer Handels- und Unternehmenssoftware – Produktveröffentlichung, Frachtbuchung, Shop-Verwaltung, Zahlungsvorgänge, Lieferantenanalyse – und die Bewertung ist zustandsbasiert: Eine Aufgabe besteht nur dann, wenn sich die zugrunde liegenden Mock-Dienste und erzeugten Dateien tatsächlich ändern; ein Agent, der einen plausiblen Workflow erzählt, ohne den Zustand zu ändern, erzielt null Punkte. Die Suite umfasst 107 Aufgaben über CLI-, Browser-, Datei/Dokument- und API/MCP-Oberflächen hinweg und wird über drei Harnesses ausgeführt – Accio, OpenClaw und Pi – wobei der Harness-Code (Apache 2.0) und die Aufgabendaten (CC BY 4.0) zur Einsicht oder für erneute Ausführungen offen sind.

In den veröffentlichten Tabellen verzeichnet Qwen3.8-Max das stärkste Open-Weight-Ergebnis: 56 von 107 Aufgaben im Accio-Harness, 47 auf OpenClaw und 53 auf Pi — insgesamt 156 bestandene Aufgaben, zwei mehr als die 154 von DeepSeek V4 Pro. Der gesamte Open-Weight-Vorsprung stammt aus dem Accio-Harness; auf OpenClaw und Pi liegen die beiden Modelle gleichauf. Der Open-Weight-Spitzenreiter ist jedoch nicht der Gesamtspitzenreiter: Das geschlossene Modell Claude Opus 5 liegt mit insgesamt 191 bestandenen Aufgaben 35 vor dem Feld. Und die Tabelle stammt von Alibaba selbst — Accio ist Alibabas Team, und das Repository weist selbst auf die Grenzen der Prüfbarkeit hin: Das Accio-Harness ist nur als Referenz gedacht und nicht aus einem Checkout reproduzierbar (OpenClaw ist der Pfad, der erneut ausgeführt werden kann); Ergebnisse auf Aufgabenebene verfügen über keine unveränderlichen öffentlichen Prüfsummen; und die Qwen-Zeilen stützten sich auf ein Reasoning-Content-Replay-Protokoll, um vergleichbar zu bleiben. Behandeln Sie es als einen vom Anbieter angegebenen Datenpunkt auf derselben agentischen Achse, die OSWorld-Verified und AAs GDPval-AA-Ansatz aus verschiedenen Blickwinkeln betrachten — ein Test gegen Ihre eigenen Workflows lohnt sich, ein feststehendes Ranking ist es nicht.

Code Arena WebDev: der unabhängige Schiedsrichter des 0902-Builds

Code Arena ist der unabhängige Beleg, der dem Refresh gefehlt hat. Es handelt sich um eine Drittanbieter-Rangliste für agentische Webentwicklung – das Projekt, das früher als WebDev Arena bekannt war –, bei der blinde paarweise menschliche Stimmen darüber, welche Ausgabe eines Modells ein Nutzer eher ausliefern würde, in eine Elo-ähnliche Wertung umgerechnet werden. Auf der WebDev-Rangliste debütierte Qwen3.8-Max-0902 mit 1.691 Punkten an der Spitze – 22 mehr als der vorherige Build – und damit vor Claude Opus 5 und Kimi K3. Die Platzierung hat auch einen Kosteneffizienzvorteil: Bei einem Mischpreis von etwa 5 $ pro Million Tokens – also dem Listenpreis von 2 $/6 $, der nach dem ausgabeintensiven Mix gewichtet ist, den die Web-App-Generierung tatsächlich erzeugt – ist der 0902-Build das Modell mit der höchsten Punktzahl auf der Pareto-Frontier der Rangliste. Er kostet etwa ein Viertel des Mischpreises von Claude Opus 5 (rund 20 $ pro Million Tokens) und liegt deutlich unter dem von Kimi K3 (rund 12 $ pro Million Tokens), weshalb diese beiden trotz Rang 2 und 3 bei der Punktzahl nicht auf der Frontier liegen. Alibaba gab die Platzierung am 2. September bekannt, und der offizielle Qwen-Account bestätigte dies und verwies die Nutzer auf QwenCloud; die Messung stammt nicht von Alibaba: Anders als die obige Benchmark-Tabelle oder der CommerceAgentBench-Lauf direkt darüber wird diese Punktzahl von einer Drittanbieter-Arena aus menschlichen Präferenzabstimmungen erzeugt.

Zwei Einschränkungen halten das Ganze ehrlich. Erstens: Arena-Bewertungen sind Momentaufnahmen. 1.691 war der Stand, als Alibaba das Debüt ankündigte, und er wird sich mit zunehmenden Stimmen verschieben. Lies das also als starkes Signal für Webentwicklungs-Codierung, nicht als dauerhafte Krone. Zweitens deckt die Bewertung nur diese eine Achse ab. Die Behauptungen des Updates zu Enterprise-, Wissenschafts- und allgemeinen Langzeit-Szenarien haben weiterhin keinen unabhängigen Schiedsrichter; deshalb bleiben die Anbietertabelle und der AA Index 56 auf dem Basismodell die Referenzpunkte für alles außerhalb agentischer Frontend-Arbeit. Drittens ist der Frontier-Preis eine Modellierungsentscheidung, keine neue Preisliste: Die Zahl von rund 5 $/MToken ergibt sich aus der Kombination der unveränderten Listenpreise von 2 $ und 6 $ unter einer Annahme starker Ausgabenutzung. Betrachte sie also als Kosten-Effizienz-Ranking nach den Maßstäben der Arena, nicht als Neupreisgestaltung durch Alibaba.

Offene Gewichte, Qwen3.8-27B und die On-Premise-Frage

Alibaba hat sein Versprechen zu offenen Gewichten nun gehalten. Am 12. August 2026 veröffentlichte Qwen zwei Repositories auf Hugging Face – Qwen3.8-2.4T-A95B in BF16 und Qwen3.8-2.4T-A95B-FP8 – jeweils mit 213 Gewichtsdateien. Die Lizenz ist eine benutzerdefinierte Qwen3.8-Max-Lizenz, nicht Apache 2.0; das Lizenzfeld von Hugging Face lautet „other“. Die Bedingungen erlauben Nutzung, Modifikation, Verbreitung und Feintuning, einschließlich kommerzieller Nutzung, mit Namensnennung, plus zwei größenbasierte Schwellenwerte: Produkte mit über 100 Millionen monatlich aktiven Nutzern oder einem monatlichen Umsatz von über 20 Millionen US-Dollar müssen den Modellnamen prominent anzeigen, und Model-as-a-Service- oder AI-Work-Assistant-Unternehmen mit einem aggregierten Umsatz von über 50 Millionen US-Dollar in den letzten zwölf Monaten benötigen eine separate Lizenz von Qwen. Die meisten Teams liegen unter diesen Schwellenwerten; falls Ihr Unternehmen sie überschreitet, lesen Sie den Lizenztext, bevor Sie darauf aufbauen. Die Download-Zähler bestätigen die Aktualität – 978 beim BF16-Repo und 3.851 beim FP8-Repo zum Zeitpunkt der Erstellung dieses Textes, niedrig für ein Frontier-Release und konsistent mit einem Repository, das am 8. August erstellt und erst am 12. August öffentlich geschaltet wurde, nicht mit einem, das eine Woche lang sichtbar war. Noch eine ehrliche Anmerkung: Der offene Checkpoint ist das Basismodell, nur Text, mit stets aktiviertem Denkmodus, während die gehostete Qwen3.8-Max-API Bildeingabe, einen optionalen Modus ohne Denken und den vollständigen 1M-Kontext hinzufügt – das Herunterladen der Gewichte liefert Ihnen das Modell, nicht alle API-Funktionen.

{{1}}Das Self-Hosting des Flaggschiffs ist für die meisten Teams weiterhin unerreichbar – doch jetzt ist die Rechnung dahinter bekannt.{{/1}} {{2}}Der vollständige Gewichtssatz mit 2,4 Billionen Parametern umfasst in BF16 grob 4,9 TB und in FP8 etwa 2,4 TB, weil jeder Experte im Speicher resident sein muss, obwohl pro Token nur 95 Milliarden Parameter aktiviert werden.{{/2}} {{3}}Bei 4-Bit-Quantisierung liegt das in der Größenordnung von 1,2 TB gegenüber rund 141 GB pro H200; man muss also mit acht oder mehr High-End-Beschleunigern rechnen, bevor auch nur ein einziges Token ausgeliefert wird.{{/3}} {{4}}Was die nun öffentlich bekannte Zahl aktiver Parameter hinzufügt, betrifft den Durchsatz: Mit 95 Milliarden aktivierten Parametern pro Token ist der Rechenaufwand je Token mit einem dichten Modell der ~90-Milliarden-Klasse vergleichbar – ein Bruchteil der Kosten, die ein dichtes 2,4-Billionen-Modell verursachen würde –, sodass der Preis pro Token, sobald die Gewichte erst einmal resident sind, nicht der Albtraum ist, den die Gesamtparameterzahl nahelegt.{{/4}} {{5}}Genau diese Kombination aus großem Speicherbedarf und moderatem Rechenaufwand pro Token ist der Grund, warum Alibaba den Output zu 6 $/1M anbieten kann, und sie verweist Self-Hosting-Teams auf Multi-GPU-Knoten mit den FP8-Checkpoints statt auf Einzel-GPU-Lösungen.{{/5}}

DigitalOceans Serving-Entscheidung ist ein praktisches Beispiel für diese Rechnung im Produktionsbetrieb. Es führt das Modell NVFP4-quantisiert auf NVIDIA HGX B300 GPUs aus, speziell damit die 2,4T Gewichte auf einen einzelnen Knoten passen und Cross-Node-Expert-Routing vermieden wird — eine Live-Implementierung der 4-Bit-Ökonomie, die dieser Abschnitt bisher auf dem Papier durchgespielt hat. Der Kompromiss ist genau der, den die obige GPQA-Stichprobenprüfung quantifiziert: ein kleinerer Footprint, zu einem messbaren Preis in der Qualität gegenüber dem unquantisierten Flaggschiff.

Genau das macht Qwen3.8-27B für die meisten Leser zur bedeutenderen Veröffentlichung – und anders als beim Flaggschiff erschienen seine Gewichte planmäßig. Am 14. August 2026 veröffentlichte Qwen Qwen/Qwen3.8-27B auf Hugging Face und ModelScope unter Apache 2.0: ein dichtes 27B-Modell, nativ multimodal, mit einem nativen Kontext von 262K Token, der auf 1M erweiterbar ist, und einem konfigurierbaren reasoning_effort-Modus. Daniel Han von Unsloth hatte geschätzt, dass es in etwa 17 GB VRAM laufen würde – eine einzelne Prosumer-Karte – und das ist nun testbar: Das offizielle Repository enthält BF16-Safetensors (etwa 55,6 GB über 18 Shards); GGUF-Quantisierungen folgen in Community-Repos. Damit ist das Veröffentlichungsmuster der Generation vollständig: Die Gewichte des 2.4T-Flaggschiffs kamen zuerst am 12. August, und das kleine Modell für den On-Premise-Pfad erschien zwei Tage später. Wir haben das Erscheinen in unserem Artikel zum Veröffentlichungsdatum von Qwen3.8-27B verfolgt.

Wo Qwen3.8-Max hineinpasst: vier Szenarien

1. Langdokument- und Vertragsanalyse. Das passt am besten. Der Pauschaltarif über 1M Token plus OmniDocBench 92.1 bedeutet, dass Sie eine 400-seitige Einreichung in einem einzigen Aufruf verarbeiten können, ohne Zuschlag und ohne Chunking. Wettbewerber, die für lange Kontexte Aufpreise verlangen, machen dieselbe Aufgabe deutlich teurer. Auf dem DigitalOcean-Pfad ist zu beachten, dass dieser Pfad das offene Basismodell mit 262K Kontext bereitstellt – immer noch eine große Einreichung, aber nicht die volle Million.

2. Coding-Agenten auf Repo-Ebene.Terminal-Bench 86.6 und FrontierSWE 73.5 belegen dies, und die Cache-Preise machen iterative Arbeit an einer stabilen Codebasis günstig. Zuerst sollte man die Latenz bei eigener Parallelität testen, denn die Rezensenten der Preview-Ära fanden das Modell gründlich, aber langsam bei langen Agentenläufen, und der GA-Betrieb ist etwas ganz anderes als der Preview-Betrieb. Das GDPval-AA-Ergebnis von AA — ein Spitzenwert von 1.739 Elo um den Preis von 64 Schritten pro Aufgabe — ist die unabhängige Bestätigung beider Seiten dieser Abwägung. DigitalOceans Messungen vom 12. August — der Gesamtdurchsatz skaliert nahezu linear auf etwa 1.937 Ausgabe-Token pro Sekunde bei 256 gleichzeitigen Anfragen, mit null Fehlern und ohne festgestellte Sättigung — sind der erste Datenpunkt einer Managed-Plattform zu dieser Frage, auch wenn es sich um DigitalOceans eigene Zahlen für das eigene Serving handelt und nicht um einen direkten Vergleich mit Alibaba.

3. Dokument- und Screenshot-Pipelines. Video- und Bildeingabe plus OSWorld-Verified 86.1 verleihen ihm Glaubwürdigkeit für Workflows, die Bildschirme auslesen — QA-Automatisierung, Support-Triage aus Screenshots, RPA-nahe Aufgaben. Wiederum ist die multimodale Eingabe ein Hosted-API-Feature; der DigitalOcean-Open-Base-Pfad ist rein textbasiert.

4. Wo wir es noch nicht einsetzen würden. Latenzkritische interaktive UX und jede regulierte Arbeitslast, die reproduzierbare Bewertung erfordert. Für Ersteres möchten Sie einen gemessenen Durchsatz, den Sie kontrollieren. Für Letzteres hat Reproduzierbarkeit nun eine Modellkarte und eine Lizenz zum Zitieren, aber die Benchmark-Tabelle von Alibaba ist weiterhin nicht repliziert — und AA's Omniscience-Regression (Halluzinationsrate bis zu 40%) erinnert daran, dass die unabhängige Punktzahl in beide Richtungen wirkt.

So greifen Sie auf Qwen3.8-Max zu

Es gibt mehrere praktische Wege. Direkt über Alibaba Model Studio / DashScope – oder Qwens eigene QwenCloud-API – erhältst du die oben genannte Tarifkarte und den frühesten Zugriff auf neue datierte Snapshots – der Qwen3.8-Max-0902-Build vom 2. September erschien dort zuerst, bevor er auf anderen Endpunkten ausgerollt wurde – allerdings auf Kosten der Einarbeitung in einen neuen Anbieter und der Verwaltung eines weiteren Schlüssels. Qwen Chat und die Qwen-App sind der schnellste Weg, um sich vor dem Schreiben von Code ein Bild vom Verhalten zu machen. Das Herunterladen der offenen Gewichte von Hugging Face ist ein vierter Weg für Teams, die eine eigene Infrastruktur betreiben möchten – mit den oben genannten Größen- und Lizenzvorbehalten. Über einen Router zu gehen ist die Option, die die meisten Produktionsteams in Betracht ziehen sollten, da sie die Migrationsentscheidung von der Bewertungsentscheidung trennt.

Seit dem 14. August 2026 gibt es eine wirklich neue Option: Qwen3.8-Max ist live auf DigitalOcean Serverless Inference, das Alibaba als seinen „Day-0-Launch-Partner“ angekündigt hat — Alibabas eigene Darstellung, auch wenn das Listing von DigitalOcean stammt und für sich selbst steht. DigitalOcean stellt den Open-Weights-Checkpoint (Plattform-Modell-ID qwen3.8-max) NVFP4-quantisiert auf NVIDIA-HGX-B300-GPUs in technischer Zusammenarbeit mit Inferact als vollständig verwaltete serverlose API bereit: ein Endpunkt, nutzungsbasierte Preisgestaltung, keine zu verwaltende Infrastruktur. Die Preisliste entspricht der von Alibaba — $2.00 input / $6.00 output pro 1M, mit gecachtem Input zu $0.20 — und es bietet den nativen 262K-Kontext des offenen Basismodells mit stets eingeschaltetem Denkmodus, statt des multimodalen ~1M-Token-Modus des gehosteten Flaggschiff-Modells. Diese Kontextobergrenze ist wichtig, wenn Ihre Workload auf lange Kontexte angewiesen ist: Der volle Million-Token-Modus bleibt nur über die Alibaba-API verfügbar.

Was der DigitalOcean-Weg über die Geografie hinaus bietet, sind die ersten belastbaren Serving-Daten von einem anderen Anbieter als Alibaba. DigitalOceans eigene Messungen gegen seinen Produktions-Endpoint vom 12. August zeigen, dass das Prefill linear skaliert, und zwar bei etwa 16.000 Tokens/Sekunde — Faustregel: TTFT ≈ (Eingabe ÷ 16.000) + 0,7 s, also ~1,1 s bei ~1.080 Tokens und ~15,8 s bei ~254K — und der Gesamtdurchsatz erreicht ~1.937 Ausgabe-Tokens/Sekunde bei 256 gleichzeitigen Anfragen ohne Fehler und ohne gefundenen Sättigungspunkt. Das sind DigitalOceans Zahlen für ihr eigenes Deployment, kein kontrollierter Vergleich, aber es sind die ersten Latenz- und Nebenläufigkeitsdaten für dieses Modell außerhalb von Alibabas Cloud, und sie gehen direkt auf die Sorge „gründlich, aber langsam“ aus der Vorschau-Ära ein.

Qwen3.8-Max ist auf OrcaRouter als qwen/qwen3.8-max live, und das Refresh vom 2. September ist unter seiner eigenen datierten ID routbar – qwen/qwen3.8-max-0902 – beide zum gleichen Listenpreis von $2.00 / $6.00. OrcaRouter erhebt keinen Aufschlag und leitet die Preise der Anbieter unverändert weiter, daher kostet jede Route dasselbe wie der direkte Weg. Unsere eigene Serving-Telemetrie zeigt derzeit über einen Zeitraum von 7 Tagen eine p50-Zeit bis zum ersten Token von 1,64 Sekunden. Das ist eine eigene Latenzmessung und keine Anbieterangabe, und sie sollte gegen die Berichte aus der Vorschauphase abgewogen werden, in denen vom „langsamsten Modell, das ich je benutzt habe“ die Rede war: Diese stammten von einem einzelnen Tester, der stundenlange Agentic-Builds auf der Vorschau-Infrastruktur ausführte, und sie sollten gegen das GA-Serving erneut getestet werden, anstatt als aktuelle Tatsache wiederholt zu werden.

Der praktische Wert des Router-Pfads liegt darin, dass Qwen3.8-Max hinter demselben OpenAI-kompatiblen Endpunkt sitzt wie die Modelle, die Sie bereits ausführen – eine Evaluierung ist also nur eine Änderung der Modellzeichenfolge. Sie können 5 % des Produktionsverkehrs dorthin schicken, es bei identischen Prompts mit Ihrem bisherigen Modell vergleichen und einen Fallback beibehalten – genau die Haltung, die ein Modell mit einer nicht replizierten Anbietertabelle verdient. Diese Haltung ist auch der richtige Weg, um das DigitalOcean-Deployment zu testen: einen Teil des Datenverkehrs mit Fallback dagegen laufen zu lassen, anstatt einen Produktionspfad auf einen zwei Wochen alten Serving-Stack zu setzen.

Einschränkungen und ehrliche Risiken

• Anbietertabelle weiterhin ungeprüft. Der unabhängige Score liegt vor (AA Index 56), aber Alibabas eigene Benchmark-Tabelle bleibt weiterhin nicht repliziert, und AAs Messung weist auf eine Omniscience-Regression mit einer Halluzinationsrate von bis zu 40% hin. Unabhängige Bewertung hilft; sie macht die Anbietertabelle nicht prüfbar.

• Der DigitalOcean-Pfad ist die offene Basis, nicht das Flaggschiff. Er bedient den Checkpoint bei 262K Kontext, reiner Text, Denken immer aktiv, NVFP4-quantisiert – und DigitalOceans eigene Stichproben-Ergebnisse, die 88 bei GPQA Diamond erreichen, im Vergleich zu Alibabas veröffentlichten 92,6, eine Lücke, die DigitalOcean als indikativ statt kontrolliert bezeichnet. Wenn Sie die vollständige Multimodal-API mit einer Million Tokens benötigen, wird diese weiterhin von Alibaba gehostet.

• Qwen3.8-27B wurde ausgeliefert — die Bezeichnung stammt jedoch vom Anbieter. Die Gewichte der 27B sind am 14. August unter Apache 2.0 erschienen und schließen damit die On-Premise-Lücke — aber die Benchmark-Angaben stammen von Alibaba und sind nicht unabhängig reproduziert; die Quantisierungen der Community waren zum Zeitpunkt dieses Updates noch in der Auslieferung.

• Benutzerdefinierte Lizenz, nicht Apache 2.0. Die Qwen3.8-Max-Lizenz erlaubt kommerzielle Nutzung mit Namensnennung, beinhaltet jedoch zwei Größengrenzen – eine prominente Anzeige des Modellnamens bei über 100 Mio. monatlich aktiven Nutzern oder einem monatlichen Umsatz von 20 Mio. $, sowie eine separate Lizenz für MaaS/AI-Work-Assistant-Unternehmen mit einem Umsatz von über 50 Mio. $ in den letzten zwölf Monaten. Lesen Sie die Lizenz, bevor Sie die Schwellenwerte überschreiten.

• Weitschweifigkeit und Anweisungsdrift.IFBench 82,8 ist die schwächste Zahl in Alibabas eigener Tabelle, und Preview-Tester sahen wiederholt, dass das Modell den Rahmen überschritt – es fügte unangeforderte Funktionen hinzu. AAs eigene Zahlen beziffern es nun: 64 Schritte pro GDPval-AA-Aufgabe treiben die Kosten auf 1,14 $, 25 % über Kimi K3. Charmant in einer Demo, teuer, wenn die Ausgabe mit 6 $/1M abgerechnet wird, und destabilisierend, wenn man exakte Formate benötigt.

• Inhaltsrichtlinien. Wie andere in China gehostete Frontier-Modelle sind Antworten zu politisch sensiblen Themen eingeschränkt. Relevant, wenn Ihr Produkt offene Anfragen bedient.

• Denk-Token werden als Ausgabe abgerechnet. Bei aktiviertem Reasoning übersteigen die tatsächlichen Kosten die naiven Schätzungen. Messen Sie mit Reasoning, so konfiguriert, wie Sie es tatsächlich ausliefern werden.

FAQ

Ist Qwen3.8-Max jetzt verfügbar?

Ja. Es erreichte die allgemeine Verfügbarkeit am 3. August 2026, mit einer veröffentlichten Preisliste und einer API, die mit OpenAI und DashScope kompatibel ist. Der aktuelle Produktions-Snapshot — Qwen3.8-Max-0902, veröffentlicht am 2. September — ist live auf der QwenCloud-API und wird jetzt vom Standard-Endpunkt qwen3.8-max bedient. Dies ist eine Änderung gegenüber dem Vorschau-Status vom 19. Juli, als der Zugriff auf Qwen Chat, die Qwen-App und Qoders Credits-Kampagne beschränkt war.

Was ist Qwen3.8-Max-0902?

Qwen3.8-Max-0902 ist das Produktions-Refresh vom 2. September 2026 von Qwen3.8-Max: dasselbe 2,4-Billionen-Parameter-Flaggschiff mit sparse-MoE und 1-Million-Token-Kontext, weiter nachtrainiert auf Coding und Cowork, und live auf QwenClouds API zu denselben $2/$6. Qwen zufolge ist der neue Snapshot bei komplexen Enterprise- und wissenschaftlichen Aufgaben stärker – eine Herstellerangabe, die noch nicht unabhängig bewertet wurde – während er auf der Coding-Achse bereits ein unabhängiges Ergebnis vorweisen kann: Platz 1 im Code-Arena-WebDev-Ranking mit 1.691 Punkten und die Spitze seiner Kosten-Leistungs-Pareto-Grenze bei einem gemischten Preis von etwa 5 $/MToken, laut Alibabas Ankündigung der Live-Arena-Listung, bestätigt durch Qwens eigenen QwenCloud-Account.

Wie viel kostet Qwen3.8-Max?

2,00 $ pro 1 Mio. Eingabe-Tokens und 6,00 $ pro 1 Mio. Ausgabe-Tokens, einheitlich über den gesamten 1-Millionen-Token-Kontext ohne Aufpreis für lange Prompts. Cache-Treffer bei Eingaben kosten 0,25 $ pro 1 Mio., explizites Cache-Erstellen 2,50 $ und Cache-Lesezugriffe 0,17 $. Denk-Tokens werden zum Ausgabesatz abgerechnet. Im Intelligence Index von Artificial Analysis liegen die gemessenen Kosten des Modells bei 1,14 $ pro Aufgabe – siehe den Preisabschnitt für die Erklärung, warum das über der reinen Token-Rechnung liegt. Der serverlose Pfad von DigitalOcean listet dieselben 2 $/6 $ mit Cache-Eingaben zu 0,20 $.

Wie viele Parameter hat Qwen3.8-Max?

2,4 Billionen insgesamt, in einer sparse Mixture-of-Experts-Konfiguration. Die Anzahl der aktiven Parameter — die Kennzahl, die tatsächlich die Serving-Kosten und die Latenz bestimmt — ist laut der offiziellen Model-Card für Qwen3.8-2.4T-A95B nun mit 95 Milliarden aktivierten Parametern bestätigt (512 Experten; 10 geroutete plus ein gemeinsamer aktiver Experte pro Token).

Sind die Qwen3.8-Max-Gewichte offen?

Ja – seit dem 12. August 2026. Qwen hat Qwen3.8-2.4T-A95B (BF16) und Qwen3.8-2.4T-A95B-FP8 auf Hugging Face veröffentlicht, jeweils mit 213 Gewichtsdateien. Die Lizenz ist eine kundenspezifische Qwen3.8-Max-Lizenz (Hugging Face führt sie als „other“), nicht Apache 2.0: Sie erlaubt die kommerzielle Nutzung mit Namensnennung und enthält zwei größenbasierte Hürden. Der offene Checkpoint ist reiner Text mit stets aktiviertem Denkmodus; die gehostete API bietet zusätzlich Vision, einen optionalen Nicht-Denk-Modus und den vollen 1M-Kontext.

Wurde Qwen3.8-Max unabhängig benchmarkt?

Ja — Stand 6. August 2026. Artificial Analysis bewertet es auf seinem Intelligence Index mit 56 bei 1,14 $ pro Aufgabe, gemessen über die offizielle API von Alibaba: ein Sprung um 10 Punkte gegenüber Qwen3.7-Max (46), gleichauf mit Claude Opus 4.8 (56) und einen Punkt hinter Kimi K3 (57). Die Benchmark-Tabelle oben stammt jedoch weiterhin nur von Alibaba und wurde nicht unabhängig reproduziert, und die allgemeine Bestenliste von LMArena weist weiterhin keinen öffentlichen Wert auf. Das Bild in der unabhängigen Arena änderte sich am 2. September: Das 0902-Update debütierte mit 1.691 Punkten auf Platz 1 der WebDev-Rangliste der Code Arena derselben Plattform — ein per Blindabstimmung ermitteltes Drittanbieter-Ergebnis, keine Tabelle von Alibaba — und die Preis-Leistungs-Frontier der Code Arena listet es mit einem Mischsatz von ~5 $/MToken als das höchstbewertete Preis-Leistungs-Modell der Rangliste. Die Stichprobenprüfung von DigitalOcean an dessen quantisierter Version (88 auf GPQA Diamond) ist die erste externe Prüfung an einem Serving-Deployment und ausdrücklich indikativ, nicht kontrolliert. Eine Warnung zur Spalte „unabhängig“: CommerceAgentBench, wo Qwen3.8-Max die Open-Weight-Modelle anführt, ist kein zweiter unabhängiger Schiedsrichter — Accio, Alibabas eigenes Team, hat ihn entwickelt und veröffentlicht.

Ist Qwen3.8-Max besser als Qwen3.7-Max?

Nach Alibabas eigenen Zahlen, erheblich – FrontierSWE 73,5 gegenüber 40,7 und DeepSWE 1.1 56,6 gegenüber 21,6 sind nahezu Verdopplungen bei schwierigen Software-Engineering-Aufgaben. Es ist auch günstiger als die 2,50 $/7,50 $ seines Vorgängers. Unabhängig davon beziffert AA den Generationssprung auf 10 Punkte auf seinem Intelligence Index (56 gegenüber 46). Beide Herstellerangaben sollten noch an Ihrer Arbeitslast verifiziert werden.

Kann ich Qwen3.8-Max selbst hosten?

Nicht in der Praxis. Der vollständige Satz der 2.4T-Gewichte umfasst etwa 4.9TB in BF16 und ungefähr 2.4TB in FP8, rund 1.2TB bei 4-Bit – gegenüber etwa 141GB pro H200 sind das acht oder mehr High-End-GPUs. Mit 95B aktiven Parametern pro Token ist der Rechenaufwand pro Token vergleichsweise moderat, aber der Speicherbedarf ist der begrenzende Faktor. Das NVFP4-Serving von DigitalOcean auf B300s ist der praktische Beweis, dass 4-Bit das Modell auf einem einzelnen Knoten unterbringen kann. Das Qwen3.8-27B – Berichten zufolge etwa 17GB VRAM – ist die realistische On-Premise-Option, und seine Gewichte wurden am 14. August 2026 unter Apache 2.0 bereitgestellt – jetzt herunterladbar statt nur ein Versprechen.

Was ist Qwen3.8-27B?

Ein viel kleineres Modell, das zusammen mit dem Flaggschiff angekündigt wurde, ist als praktischer Weg für die On-Premise-Bereitstellung positioniert. Es handelt sich um ein dichtes 27B-Modell, nativ multimodal, mit einem nativen Kontext von 262K-Tokens, der auf 1M erweiterbar ist, und es wird unter Apache 2.0 veröffentlicht. Die Modellgewichte erschienen am 14. August 2026 auf Hugging Face und ModelScope; Daniel Han von Unsloth berichtet, dass das Modell in etwa 17 GB VRAM läuft – auf einer einzigen High-End-Verbrauchergrafikkarte. Die Benchmark-Angaben stammen von Alibaba und wurden nicht unabhängig reproduziert.

Ist Qwen3.8-Max multimodal?

Ja — es akzeptiert Text-, Bild- und Videoeingaben und gibt Text zurück. Es unterstützt außerdem Denkmodus, Funktionsaufrufe, integrierte Werkzeuge und strukturierte Ausgaben. Der Checkpoint mit offenen Gewichten ist rein textbasiert; multimodale Eingaben sind ein Merkmal der gehosteten API, die der DigitalOcean-Pfad nicht enthält.

Ist Qwen3.8-Max bei DigitalOcean verfügbar?

Ja — seit dem 14. August 2026. DigitalOcean Serverless Inference liefert den Open-Weights-Checkpoint (NVFP4 auf NVIDIA HGX B300) zu 2,00 $/6,00 $ pro 1M, mit 0,20 $ für gecachten Input, einem 262K-Token-Kontext, nur Text und immer aktivem Denkmodus. Alibaba nennt DigitalOcean seinen „Day 0 Launch Partner"; die Auflistung selbst gehört DigitalOcean und ist unabhängig von dieser Aussage. Die von DigitalOcean gemessenen Werte: Prefill ~16K Token/Sek. und ~1.937 Output-Token/Sek. bei 256 gleichzeitigen Anfragen mit null Fehlern.

Kann ich Qwen3.8-Max über OrcaRouter verwenden?

Ja. Es ist live als qwen/qwen3.8-max, und der Snapshot vom 2. September unter seiner eigenen datierten ID — qwen/qwen3.8-max-0902 — zum gleichen Listenpreis von 2,00 $/6,00 $, mit 0 % Aufschlag. Routing kostet dasselbe wie der direkte Zugriff, hinter dem OpenAI-kompatiblen Endpunkt, den Sie bereits verwenden. Unsere 7-Tage-Telemetrie zeigt eine p50-Zeit bis zum ersten Token von 1,64 Sekunden.

Sollte ich den Produktionsverkehr heute darauf umstellen?

Nicht pauschal. Die Preisgestaltung und die erste unabhängige Wertung machen eine ernsthafte Evaluierung jetzt günstig und lohnenswert, aber da die Kosten pro Aufgabe 25 % höher sind als bei Kimi K3, ist der disziplinierte Schritt eine Traffic-Aufteilung gegen Ihr derzeitiges System mit identischen Prompts und einem eingerichteten Fallback – keine Migration. Der DigitalOcean-Weg fügt eine zweite verwaltete Bereitstellung hinzu, gegen die getestet werden kann, was die Evaluierung noch günstiger macht.

Fazit

Qwen3.8-Max war zwei Wochen lang das interessanteste Modell, das niemand kaufen konnte. Zum GA-Release ist es ein grundlegend anderes Angebot: Mit pauschal 2 $/6 $ pro Million Tokens ist die Preisgestaltung aggressiv, die Cache-Preise machen iterative Agentenarbeit günstig, und der Generationssprung bei FrontierSWE und DeepSWE – wenn er sich reproduzieren lässt – macht daraus ein echtes Coding-Modell statt einer bloßen Größendemonstration. Die am 12. August unter einer echten Lizenz erschienenen offenen Gewichte machten aus dem Versprechen „Open Weights kommen“ eine Tatsache. Auch der am 14. August angekündigte, ab Tag null verfügbare DigitalOcean-Pfad – mit gemessenen Serving-Zahlen und einem Cache-Read für 0,20 $ – stärkt das Argument „günstig ausprobieren“ und gibt Teams eine verwaltete Deployment-Option eines Drittanbieters an die Hand, um sie mit Alibabas eigener API zu vergleichen. Das Qwen3.8-Max-0902-Update vom 2. September hält diese These aufrecht: dieselben 2 $/6 $ und 1M Kontext, mit mehr Post-Training für die Coding- und Kollaborationsarbeit, auf die das Modell bereits ausgelegt war. Das Update fügte zudem ein unabhängiges, auf menschlichen Präferenzen beruhendes Scoreboard für diesen Coding-Anspruch hinzu: Qwen3.8-Max-0902 debütierte mit 1.691 Punkten auf Platz 1 des WebDev-Scoreboards von Code Arena, vor Claude Opus 5 und Kimi K3. Bei einem Mischpreis von ~5 $/MToken ist es das höchstbewertete Modell an der Kosten-Leistungs-Pareto-Grenze dieses Scoreboards. Das CommerceAgentBench-Ergebnis, das Alibabas Accio-Team in derselben Woche veröffentlichte – Qwen3.8-Max führt das Feld der Open-Weights-Modelle bei einem Benchmark an, der aus realen Commerce-Workflows aufgebaut ist – verleiht dieser Kollaborations-These ein konkretes eigenes Scoreboard, wenn auch ein vom Anbieter betriebenes.

Was sich geändert hat: Sowohl der Schiedsrichter als auch die Gewichte sind gelandet – und das Urteil ist überwiegend gut, allerdings mit echten Einschränkungen. AA bewertet Qwen3.8-Max mit 56 im Intelligence Index, ein echter Generationssprung, der auf dem Niveau von Claude Opus 4.8 landet, obwohl dieselbe Scorecard Kimi K3 einen Punkt vorne zeigt, bei 25 % geringeren Kosten pro Aufgabe, und einen 10-Punkte-Rückgang bei Omniscience angesichts einer steigenden Halluzinationsrate vermerkt. Die Frage der aktiven Parameter ist geklärt – 95B aktiviert, auf der Modellkarte bestätigt – und die Lizenz ist veröffentlicht, eine eigene Lizenz statt Apache 2.0. Was sich nicht geändert hat: Alibabas eigene Benchmark-Tabelle ist immer noch nicht repliziert, die Kosten pro Aufgabe sind weiterhin hoch, weil das Modell so viele Schritte durchläuft, das auf DigitalOcean bereitgestellte offene Basismodell weicht leicht von den beworbenen Kennzahlen des Flaggschiffs ab (262K Kontext, NVFP4, GPQA-Stichprobe 88 gegenüber 92,6), und die Benchmark-Behauptungen des Qwen3.8-27B stammen vom Anbieter, obwohl seine Gewichte ausgeliefert wurden. Diese Kombination macht Qwen3.8-Max nicht zu einer schlechten Wette – zu diesem Preis ist es nahezu ein obligatorisches Experiment –, aber sie bedeutet, dass die richtige Haltung ist: aggressiv evaluieren, bewusst routen, einen Fallback behalten. Worauf es jetzt ankommt, ist, ob die agentische Schrittanzahl hinter diesen Kosten von 1,14 $ pro Aufgabe von Ihrer Workload aufgefangen werden kann, ob der Vorsprung des 0902-Builds in der Code Arena: WebDev hält, während die Stimmen eingehen, ob sich seine Verbesserungen bei Coding und Cowork auf realen Workloads reproduzieren lassen, ob der Open-Weight-Vorsprung beim CommerceAgentBench – zwei Gesamtdurchläufe auf Alibabas eigener Testumgebung – einen unabhängigen Lauf übersteht, ob die Benchmark-Behauptungen des 27B standhalten und ob der gemessene Durchsatz der DigitalOcean-Bereitstellung unter echtem Verkehr stabil bleibt – das wird entscheiden, ob „nur von Fable 5 übertroffen“ Positionierung oder Prophezeiung war.