Qwen3.8-Flash-Next vs. Qwen3.8-Max: Wie nah kommt eine 6B-aktive Qwen4-Vorschau an das 2.4T-Flaggschiff heran?

Am 26. August 2026 hat das Qw​en-Team von Alibaba Qwen3.8-Flash-Next als Open Source veröffentlicht, ein multimodales Mixture-of-Experts-Modell mit 176 Milliarden Parametern, das pro Token nur etwa 6 Milliarden Parameter aktiviert und ausdrücklich als frühe Vorschau auf die Qwen4-Architektur angekündigt wird. Der Maßstab, an dem es von Anfang an gemessen wird, ist Alibabas eigenes Flaggschiff Qwen3.8-Max, die sparsame MoE mit 2,4 Billionen Parametern, die am 3. August allgemein verfügbar wurde und seitdem 2,00 $ pro Million Input-Tokens und 6,00 $ pro Million Output-Tokens berechnet. Auf dem Papier liegen die beiden bei den gespeicherten Parametern mehr als eine Größenordnung auseinander – 2,4 Billionen gegenüber rund 180 Milliarden – und bei den aktiven Parametern etwa um den Faktor sechzehn. Auf Alibabas eigenem Benchmark-Blatt liegen die Ergebnisse jedoch viel näher beieinander, als es die Größe vermuten lässt – was entweder das Beeindruckendste an der Vorschau ist oder die bisher deutlichste Erinnerung daran, dass eine Herstellertabelle nur eine Hypothese ist, bis ein unabhängiges Labor sie überprüft.

Die Kurzfassung: Dies ist kein Wettbewerb unter Gleichen, und so zu tun, als wäre es einer, ist der einzige Weg, es falsch zu machen. Qwen3.8-Max ist die Leistungsobergrenze der aktuellen Generation – unabhängig bewertet von Artificial Analysis, mit offenen Gewichten seit dem 12. August und seit drei Wochen produktionserprobt. Qwen3.8-Flash-Next ist ein einen Tag alter Architektur-Prototyp, von dem Alibaba sagt, dass die meisten Arbeitslasten nicht den Spielraum von Max benötigen, um zu laufen. Der Grund, warum der Vergleich dennoch lohnenswert ist: Bei den Benchmarks, in denen beide Modelle in Alibabas eigenen Tabellen auftauchen, liegt die Vorschau bei agentischen und Büroaufgaben innerhalb von etwa einem Punkt des Flaggschiffs – und bei zwei davon, JobBench und RealWorldQA, sogar davor. Der entscheidende Unterschied ist nicht die Qualitätslücke, die klein und unverifiziert ist. Es ist die Beleglücke: Eines dieser Modelle hat eine Bewertung durch Dritte, das andere nicht.

Was jedes Modell tatsächlich ist

Qwen3.8-Flash-Next ist der Architektur-Testlauf. Es speichert ungefähr 180 Milliarden Parameter auf dem Datenträger — einen 125B-MoE-Kern, eine 51B-N-Gramm-Einbettungstabelle, die im Host-Arbeitsspeicher statt im VRAM liegt, und einen Multi-Token-Vorhersagekopf — und leitet jeden Token durch etwa 6B davon, eine Sparsity von nahezu 95 %. Sein 512-Experten-MoE wechselt drei Gated-DeltaNet-Schichten mit einer Qwen-Sparse-Attention-Schicht pro Gruppe ab, fügt einen Gated-Residual-Stream und N-Gramm-Einbettungen hinzu und wurde mit dem Muon-Optimierer trainiert, zu Kosten, die Alibaba auf etwa ein Neuntel von Qwen3.7-Plus beziffert. Es verarbeitet Text-, Bild- und Videoeingaben, bietet einen nativen Kontext von 262.144 Token, der über YaRN auf 1M erweiterbar ist, und wurde unter der qwen-community-1.0-Lizenz auf Hugging Face und ModelScope in bf16 und FP8 veröffentlicht. Das Produktionsmodell, das den Preis auf der QwenCloud-API tragen wird — Qwen3.8-Flash, angekündigt mit einem Preis von 0,16 $ pro Million Eingabe-Token und 0,47 $ pro Million Ausgabe-Token — ist die für den Serving-Betrieb optimierte Version derselben Architektur und wurde noch nicht freigegeben.

Qwen3.8-Max ist das fertige Produkt dieser Generation. Es ist ein spärliches MoE mit 2,4 T Parametern auf der Architektur der aktuellen Generation – Gated DeltaNet plus gated Attention, 512 Experten mit 10 gerouteten und einem gemeinsamen, 95 Milliarden aktivierte Parameter pro Token laut offiziellem Modellblatt. Es ist multimodal über die API, bietet einen 1M-Token-Kontext pauschal für 2 $/6 $ ohne Aufpreis für lange Prompts, und seine offenen Gewichte, Qwen3.8-2.4T-A95B, erschienen am 12. August unter einer individuellen Lizenz, die nicht Apache ist. Es ist das Modell, das Artificial Analysis mit einem Intelligenzindex von 58 und einem Codierungsindex von 71,8 bewertet hat – die stärkste unabhängige Karte, die ein Modell der Qw​en-3.8-Familie vorweisen kann.

• Gesamtparameter — Qwen3.8-Flash-Next: 125B MoE + 51B N-gram (~180B gespeichert). Qwen3.8-Max: 2.4T MoE.

• Aktiv pro Token — Qwen3.8-Flash-Next: ~6B (unter 5%). Qwen3.8-Max: ~95B (~4%).

• Architektur — Qwen3.8-Flash-Next: Qwen4-Vorschau (QSA + GDN, gated residual, N-gram, Muon). Qwen3.8-Max: Qwen-3.5-Generation (GDN + gated attention).

• Kontext — Qwen3.8-Flash-Next: 262K nativ / 1M über YaRN. Qwen3.8-Max: 1M über die API / 262K nativ auf den offenen Gewichten.

• Preis — Qwen3.8-Flash-Next: 0,16 $ / 0,47 $ pro 1M (angekündigt, API noch nicht verfügbar). Qwen3.8-Max: 2,00 $ / 6,00 $ pro 1M, pauschal.

• Offene Gewichte — Qwen3.8-Flash-Next: qwen-community-1.0, 26. August, Single-Node-fähig. Qwen3.8-Max: Qwen3.8-2.4T-A95B, individuelle Lizenz, Multi-Node-fähig.

• Unabhängiger Score — Qwen3.8-Flash-Next: noch keiner. Qwen3.8-Max: AA Intelligence Index 58, Coding Index 71.8.

Das obige Scoreboard reduziert den Vergleich auf die sieben relevanten Zeilen, und die Quellen-Fußzeile trägt die Hauptlast: Jede Flash-Next-Zahl stammt von Alibaba selbst und wurde nicht reproduziert, während die Max-Spalte auf Artificial Analysis sowie Alibabas veröffentlichter Tabelle basiert. Liest man es so, sind die Spalten kein Wettrennen mehr, sondern eine Aussage über die Beweislage.

Das Benchmark-Blatt, ehrlich gelesen

In den gemeinsamen Zeilen von Alibabas eigenen Tabellen ist der Abstand weitaus geringer, als es der vierzigfache Parameterunterschied vermuten ließe. Bei CoWorkBench (agentische Büroarbeit) erreicht die Vorschau 73,9 gegenüber 74,8 von Max; bei AndroidWorld 84,5 gegenüber 85,3; bei Agents' Last Exam 51,2 gegenüber 52,4 — jeweils ein Punkt oder weniger. Bei JobBench sind die 55,7 der Vorschau und bei RealWorldQA ihre 88,5 die besten verifizierten Ergebnisse auf dem Blatt, noch vor Max. Die Vergrößerung des Abstands zeigt sich im visionslastigen Block — LVBench, ERQA, MathVision, Vision2Web —, wo Max mit etwa vier bis sechs Punkten führt. Bei den wichtigsten Agenten-Kennzahlen erzielt Qwen3.8-Flash-Next 62,5 bei SWE-bench Pro und 58,7 bei DeepSWE, in Sichtweite des Flaggschiffs bei Aufgaben, deren Ausführung zwölfmal so viel kostet.

Nun das Etikett, das auf jede Zahl oben zutrifft: Alles davon ist von Alibaba gemeldet, aus Alibabas eigener Testumgebung, im Fall der Vorschau einen Tag alt und für beide Modelle nicht repliziert. Das bedeutet auf jeder Seite etwas anderes. Die Qualitätstabelle von Qwen3.8-Max wird vom Anbieter beansprucht, aber sein Intelligence Index 58 und Coding Index 71.8 sind Drittanbieter-Messungen über Alibabas API — das Modell wurde wochenlang unabhängiger Prüfung ausgesetzt und hält stand. Qwen3.8-Flash-Next hat noch keinerlei unabhängigen Score. Die ehrliche Lesart der Nähe ist nicht „die Vorschau ist im Grunde so gut wie das Flaggschiff“, sondern „Alibaba sagt, die Vorschau liege höchstens einen Punkt vom Flaggschiff entfernt, und niemand außerhalb des Labors habe es bestätigt“. Der Abstand zwischen diesen beiden Sätzen ist der gesamte Unterschied darin, wie viel Risiko jedes Modell trägt.

Der Preisunterschied ist der springende Punkt.

Rechnen Sie zuerst, denn das ist der Teil, der sich nicht bewegt. Bei 0,16 $/0,47 $ schlägt eine Million Input-Tokens plus eine Million Output-Tokens auf der Produktions-Flash-API mit 0,63 $ zu Buche; derselbe Aufruf auf Qwen3.8-Max kostet 8,00 $ — also etwa 12,7-mal mehr, auf beiden Seiten der Rechnung. Alibaba gibt an, dass die Architektur zu etwa einem Neuntel der Kosten von Qwen3.7-Plus trainiert wird, was der strukturelle Grund dafür ist, dass der Preis dort liegen kann, und mit 0,16 $ unterbietet die Produktions-Flash sogar DeepSeek-V4-Flash um etwa zwei Drittel. Bei Hochvolumen-Workloads, agentischen Workloads oder Workloads mit langem Kontext ist eine Preiskluft von 12,7× der Unterschied zwischen einem profitablen Produkt und einer Subvention — und genau deshalb wird der Vergleich überhaupt angestellt.

Hier beweist eine Routing-Schicht ihren Wert auf beiden Seiten der Bilanz, und die Fakten verdienen eine präzise Darstellung. Qwen3.8-Max ist heute auf OrcaRouter zum Listenpreis des Anbieters mit null Aufschlag live — dieselben 2,00 $/6,00 $, die Sie direkt beim Anbieter zahlen würden, hinter dem OpenAI-kompatiblen Endpoint, den Sie bereits nutzen. Qwen3.8-Flash-Next ist noch auf keiner API verfügbar: Bis das produktive Qwen3.8-Flash auf QwenCloud eröffnet wird, sind die offenen Gewichte der einzige Weg — selbst gehostet. Wenn diese API dann eröffnet wird, bedeutet dieselbe Durchleitung mit 0 % Aufschlag, dass der Preis von 0,16 $/0,47 $ noch am selben Tag auf unserer Seite erscheint — eine Preissenkung, die in einer Konfiguration live ist, nicht eine Zeile in einer Pressemitteilung — und beide Modelle liegen hinter einem einzigen Schlüssel mit automatischem Failover zwischen ihnen. Sie verdrahten die Integration nicht neu, um eine Architektur zu testen, die erst einen Tag alt ist; Sie ändern eine Routing-Regel.

Vorschau-Architektur versus bewährtes Produkt

Es gibt einen Unterschied mit längerem Horizont, der jeden einzelnen Benchmark übertrifft. Qwen3.8-Flash-Next basiert auf der Architektur, von der Alibaba sagt, dass Qwen4 sie verwenden wird — Sparse Attention, Gated DeltaNet, Gated Residual, N-Gram-Embeddings, Muon — früh als offene Gewichte veröffentlicht, damit das Ökosystem sie testen kann, bevor das teure Modell darauf aufbaut. Nach Alibabas Messungen erreicht dieser Stack bei 1M-Token-Kontext bis zu 7,6× schnelleres Prefill und 4,9× schnelleres Decode als volle Attention (vom Anbieter berichtet), was der technische Grund dafür ist, dass ein Modell mit 6B aktiven Parametern ein 1M-Token-Fenster überhaupt bezahlbar halten kann. Qwen3.8-Max ist das ausgereifte Produkt der aktuellen Generation, und genau das ist seine Stärke: die bekannte Größe, das Modell, dessen Serving-Verhalten und Fehlermodi Teams bereits kartiert haben.

Für ein Produktionssystem schneidet die Gabelung in beide Richtungen. Max ist heute die sichere Wahl – unabhängig bewertet, drei Wochen Produktionsexposition, ein etablierter Preis. Flash-Next ist die Richtung, auf die Alibaba die nächste Generation setzt, zu einem Preis, der die Familie neu bepreist. Es jetzt zu wählen bedeutet, auf eine Architektur zu setzen, die die Community noch prüft; es zu ignorieren bedeutet, darauf zu wetten, dass die günstigere Architektur das Flaggschiff nicht in sechs Monaten überholt. Keine dieser Wetten muss alles-oder-nichts sein – was der praktische Sinn davon ist, beide von einem Endpunkt aus erreichbar zu halten.

Die beiden obigen Screenshots sind die öffentlichen Oberflächen der jeweiligen Veröffentlichung: die OrcaRouter-Listung, in der {{1}}Qwen3.8-Max{{/1}} heute zum Listenpreis aufrufbar ist, und Alibabas {{2}}Qw​en Studio{{/2}}-Ankündigung für die Veröffentlichung der offenen Gewichte von Qwen3.8-Flash-Next.

Die Entscheidung

Wählen Sie Qwen3.8-Max, wenn Sie heute die Leistungsobergrenze der Generation benötigen — langfristige Agentenarbeit, das stärkste unabhängige Bewertungsergebnis in der Familie und ein Modell, das seit Wochen statt Stunden in Produktion ist. Bei pauschal $2/$6 pro Million Tokens ist es für ein Spitzenmodell günstig, und es ist das einzige der beiden mit Daten, die Sie nicht auf Treu und Glauben angenommen haben.

Wählen Sie Qwen3.8-Flash-Next, wenn Ihre Arbeitslast ein hohes Volumen aufweist und preissensibel ist — Agenten-Loops, Batch-Büroautomatisierung, Langkontext-Durchläufe, bei denen eine 12,7-fache Preisdifferenz den Unterschied zwischen Gewinnschwelle und Marge ausmacht — und Sie keine Bedenken haben, eine einen Tag alte Architektur auf dem Datenblatt eines Anbieters zu betreiben oder Open-Weights-Modelle selbst zu hosten, während die API noch aussteht.

Für alle, die dazwischenliegen, ist die vernünftige Haltung beides: Qwen3.8-Max jetzt auf einem Schlüssel, Qwen3.8-Flash-Next nur eine Routing-Regel entfernt, sobald die API geöffnet wird, und Failover, damit das einen Tag alte Modell keinen Produktionspfad lahmlegen kann, während Sie entscheiden. Die offene Frage ist die ehrliche: Kann ein Modell, das 6 Milliarden seiner Parameter aktiviert, diese Benchmark-Zahlen unter unabhängiger Replikation halten, oder werden die Vision-Lücke und das einen Tag alte Datenblatt zur eigentlichen Geschichte? Die nächsten Wochen werden es beantworten, und der Vergleich ist einen erneuten Blick wert, sobald eine unabhängige Bewertung für die Vorschau vorliegt.