Eine generierte Titelkarte mit der Aufschrift Qwen4-Max verlässt die Vorschau, mit dem Untertitel Die nutzungsbasierte Preiskarte und dem kleiner gewordenen Ausgabebudget sowie vier Chips mit der Aufschrift 1,50 $ Eingabe / 4,50 $ Ausgabe pro 1 Mio., 1.000.000-Token-Kontext, 262.144 geteiltes Budget und sechs Regionen.
Guides & Insights

Qwen4-Max verlässt die Preview: Die verbrauchsbasierte Preiskarte und das geschrumpfte Output-Budget

Autor

jinhao.song

Veröffentlicht am

Neueste Modelle · 20Alle Modelle ansehen →
Benchmarks: Artificial Analysis · täglich aktualisiert
Zurück zu allen Beiträgen

Qwen4-Max wechselte am 16. November 2026 von einer Token-Plan-Vorschau zu einem nutzungsabhängig abgerechneten Modell, und die Zahl, die man zuerst lesen sollte, ist kein Benchmark — es sind 1,50 US-Dollar Eingabe und 4,50 US-Dollar Ausgabe pro Million Token in Singapur, gegenüber 2,00 und 6,00 US-Dollar für Qwen3.8-Max. Das ist eine glatte Senkung um 25 % auf beiden Seiten der Abrechnung. Aber derselbe Wechsel, der eine echte Preisliste veröffentlichte, verringerte auch das gemeinsame Budget für Denken plus Antwort von 393.216 Token in der Vorschau auf 262.144 bei der allgemeinen Verfügbarkeit, verlagerte das Modell von einem Credit-Plan auf Abrechnung pro Token in sechs Regionen und ließ Batch-Inferenz in genau einer davon verfügbar. Wenn Sie die Vorschau betrieben und den 16. November als Formalität behandelt haben, sind die Spezifikationsdeltas der Teil, der beißen wird, nicht der Rabatt.

Was der Wechsel vom 16. November tatsächlich verändert hat

Die Preview war ein gutes Angebot – und ein eng begrenztes: nur Token-Plan-Credits, nur Singapur und eine dokumentierte Außerbetriebnahme um 24:00 Uhr am 25. November 2026 (UTC+8). Die allgemeine Verfügbarkeit ersetzt alle drei dieser Einschränkungen und fügt zwei hinzu, nach denen niemand gefragt hat. Die Modellkennung lautet jetzt schlicht qwen4-max; die Preview-Strings qwen4-max-preview und qwen4.0-max-preview sind diejenigen mit einem Ablaufdatum, eine Konfiguration, die noch auf eine von beiden verweist, tickt daher auf eine Frist zu, die in neun Tagen endet.

• Abrechnung — Abrechnung pro Token in sechs Regionen im Vergleich zu Token-Plan-Guthaben in einer Region. Das kostenlose Kontingent von 1 Million Token auf der Singapur-Karte ist 90 Tage ab Aktivierung, Modellfreigabe oder Genehmigung gültig, je nachdem, welcher Zeitpunkt später liegt.

• Regionen — Peking (chinesisches Festland), Singapur (International) sowie Frankfurt, US-Virginia, Tokio und Hongkong, alle im globalen Geltungsbereich. Die Vorschau zeigte nur Singapur.

• Gemeinsames Ausgabebudget — 262,144 Token für Denken und endgültige Antwort zusammen bei GA, gegenüber 393,216 auf der Preview-Karte. Ein Drittel des Spielraums ist weg – und zwar genau bei dem Teil, den lange Agent-Läufe am schnellsten verbrauchen.

• Ausgabe im Nicht-Denkmodus – begrenzt auf 131.072 Token, bei einer Eingabeobergrenze von 991.808 Token. Im Denkmodus sinkt die Eingabeobergrenze auf 983.616, da Reasoning und Antwort aus demselben Kontingent von 262.144 Token stammen.

• Batch-Inferenz – nur in Peking unterstützt und in den anderen fünf Regionen nicht unterstützt. Die Vorschau hatte überhaupt keinen Batch-Pfad, daher ist dies eine neue Funktion und keine Regression, aber sie ist auf eine Weise regional, die das Marketing nicht an die erste Stelle setzt.

• Protokolloberfläche — OpenAI Chat Completions, OpenAI Responses, Anthropic Messages und DashScope, alle vier, mit strukturierter Ausgabe, parallelem Tool-Calling, Präfixvervollständigung, Websuche sowie sowohl explizitem als auch implizitem Caching. Eingaben akzeptieren Text, Bild und Video; Ausgabe ist ausschließlich Text.

Die Preiskarte, so angeordnet, wie die Rechnung ankommt

Alibaba veröffentlicht zwei verschiedene Karten für dasselbe Modell, und der Unterschied ist nicht klein genug, um ihn zu ignorieren, wenn man einen Bereitstellungsumfang wählt.

• Singapur, Eingabe und Ausgabe — 1,50 $ / 4,50 $ pro Million Tokens, pauschal über das gesamte 1.000.000-Token-Fenster hinweg, ohne Staffelung bei 32K oder 128K.

• Überall sonst: Eingabe und Ausgabe — $1.413 / $4.24 pro Million Token, gleichbleibend über dasselbe Zeitfenster. Gleiches Modell, gleiche Limits, pro Token 5,8 % günstiger als Singapur.

• Cache-Schreibvorgänge, Singapur — 1,875 $ pro Million für einen 5-Minuten-Schreibvorgang, 3,00 $ für einen 1-Stunden-Schreibvorgang. Andernorts: 1,767 $ und 2,827 $.

• Cache-Lesevorgänge, Singapur — 0,075 $ pro Million. Andernorts: 0,071 $. Das entspricht 5 % des Singapur-Eingabesatzes und ist der größte einzelne Hebel bei einer Agent-Workload mit langem Kontext.

• Batch, nur in Beijing — Batch File zu $0.707 / $2.12 pro Million, Batch Chat zu $1.413 / $4.24. Nur für Batch File gilt der 50%-Batch-Rabatt; Batch Chat wird zum Echtzeittarif aufgeführt, daher ist „batch“ im Endpunktnamen keine Preisgarantie.

• Gegenüber Qwen3.8-Max, gleiche Seite — 2,00 $ / 6,00 $ in Singapur, 1,65 $ / 4,951 $ in den globalen Regionen. Qwen4-Max ist in Singapur 25 % günstiger und anderswo 14,4 % günstiger, weil die Nicht-Singapur-Karte des älteren Modells selbst rabattiert ist.

Die 14,4%-Zahl ist diejenige, die zählt, wenn Sie bereits in Frankfurt oder Virginia laufen: Der Rückgang von Generation zu Generation ist dort kleiner, als es die Schlagzeile aus Singapur vermuten lässt, und die Behauptung des Anbieters von 62 % durchschnittlichen Kosten pro Aufgabe leistet eine Menge Arbeit, die die reine Pro-Token-Karte allein nicht leistet.

A generated two-column price scoreboard for Qwen4-Max and Qwen3.8-Max: Singapore input and output $1.50 and $4.50 against $2.00 and $6.00 per 1M, Global input $1.413 against $1.65, cache read $0.075 against a listed discount, both at 1,000,000 context, shared output budget 262,144 against not published.

Ein durchgerechnetes Beispiel, damit die Cache-Zeile nicht mehr abstrakt bleibt

Nehmen Sie ein 400.000-Token-Dokumentpräfix, das in drei Durchläufen geprüft wird, mit 8.000 Ausgabe-Tokens pro Durchlauf, ohne Denkmodus, zu Singapur-Preisen. Dies ist eine Berechnung auf Grundlage der veröffentlichten Listenpreise, kein gemessener Durchlauf.

• Durchgang eins — das Präfix wird mit 1,875 $ pro Million in den Cache geschrieben, 0,75 $, plus 8.000 Ausgabetoken zu 4,50 $ pro Million, 0,036 $. Gesamt 0,786 $.

• Durchläufe zwei und drei — das Präfix wird mit 0,075 $ pro Million gelesen, 0,03 $ pro Durchlauf, zuzüglich derselben 0,036 $ für die Ausgabe. Jeweils 0,066 $.

• Drei Durchläufe mit Caching — 0,918 $. Dieselben drei Durchläufe, bei denen jedes Mal die volle Eingabe bezahlt wird — 1,908 $. Das Präfix wird zweimal gelesen für weniger als den Preis eines einzelnen frischen Durchlaufs.

• Ein vierter Durchlauf — Caching gewinnt bei jedem erneuten Lesen mit größerem Vorsprung, und genau das entspricht der Form eines langen Agent-Laufs, der einen festen System-Prompt, ein festes Tool-Schema und einen festen Dokumentensatz vor einer sich verändernden Frage konstant hält.

Der Break-even-Punkt ist nahezu sofort erreicht: Der Aufschlag für das Schreiben in den Cache gegenüber dem normalen Eingabetarif beträgt in Singapur 0,375 US-Dollar pro Million, sodass sich ein gecachtes Präfix bereits beim ersten erneuten Lesen amortisiert. Die Stelle, an der das nicht mehr funktioniert, ist ein Präfix, das sich bei jedem Turn ändert – man zahlt den Schreibaufschlag und bekommt nie etwas dafür, und das standardmäßige 5-Minuten-Schreibfenster ist so kurz, dass ein langsamer Tool-Aufruf es ablaufen lassen kann.

Drei Standardeinstellungen, die über die Rechnung entscheiden, bevor Ihr Prompt es tut

Qwen4-Max wird mit aktiviertem und auf hoch eingestelltem Reasoning ausgeliefert. Das ist ein vernünftiger Standard für ein Flaggschiff und ein teurer für einen Klassifikator.

• Effort ist standardmäßig high – reasoning_effort akzeptiert low, high und xhigh; wird es weggelassen, erhalten Sie high. thinking_budget ist ebenfalls standardmäßig 131,072 und max_completion_tokens im Thinking-Modus 262,144. Eine Anfrage, die nichts festlegt, hat mehr Ausgabebudget reserviert, als die meisten Jobs verbrauchen werden.

• Es gibt keine mittlere Stufe — Chat Completions und DashScope bilden minimal auf low, medium auf high und max auf xhigh ab. Auf dem Anthropic Messages-Pfad heißt der Parameter output_config.effort und bildet genauso ab. medium anzufordern kostet so viel wie high.

• preserve_thinking ist standardmäßig true — vorheriges Reasoning wird bei Multi-Turn-Aufrufen in den Kontext übernommen. Dadurch wird die Eingabeseite jedes Folgeaufrufs aufgebläht und gleichzeitig die Wahrscheinlichkeit erhöht, dass das Präfix weiterhin mit dem Cache übereinstimmt. In einer langen Agent-Schleife heben sich die beiden Effekte teilweise auf; in einem kurzen Chat tun sie das nicht, und du zahlst dafür, Gedanken erneut zu lesen, die du nie verwenden wirst.

Die Sampling-Standardwerte sind für Thinking 1,0 / 0,95 / 20 und für Non-Thinking 0,7 / 0,8 / 20 bei Temperatur, top_p und top_k, wobei presence_penalty außerhalb des Thinking-Modus bei 1,5 liegt. Die Temperatur explizit festzulegen, ohne den Effort zu ändern, verändert die Form der Ausgabe, aber nicht die Abrechnung.

Was laut Anbieter besser geworden ist – und was niemand überprüft hat

Jede Zahl in diesem Abschnitt stammt von Alibaba selbst und wurde außerhalb des Labors nicht reproduziert. Stand 16. November gibt es keinen unabhängigen Indexeintrag für Qwen4-Max, daher sollte der Vergleich als Behauptung und nicht als Messung betrachtet werden.

• Work360 — 52,69 gegenüber 47,74 für Qwen3.8-Max, gemessen an einer Taxonomie, die der Anbieter selbst aufgebaut hat: 26 Tier-1-Domänen, 182 Tier-2, 721 Tier-3.

• Token-Effizienz — rund 24 % weniger Tokens bei xhigh-Aufwand und 35 % bei high auf Work360; rund 48 % und 49 % auf Terminal-Bench 4.0. Das ist die Behauptung, die sich mit der Preissenkung potenziert, und sie ist diejenige, die Sie zuerst an Ihren eigenen Traces testen sollten, denn Token-Einsparungen sind von der Workload abhängig.

• Durchschnittliche Kosten pro Aufgabe — 4,43 $ bis 1,67 $ bei Work360, eine Reduzierung um 62 %. Diese Zahl multipliziert eine Preissenkung mit einer Token-Einsparungsbehauptung; keiner der beiden Faktoren ist unabhängig verifiziert.

• Qualität des Basismodells – 5 % bis 13 % weniger Bits pro Byte als Qwen3.8-Max-Base bei 25 % weniger aktivierten Parametern, intern gemessen über Wissen, Code, QA und MINT. Der Anbieter merkt an, dass zwei der verglichenen Checkpoints nachtrainiert sind, was die Einordnung als Basismodell schwächt.

• Sicheres Codieren — Die letzte Pass-Rate von Secure Code Bench auf Funktionsebene ist von 22,0 % auf 31,8 % gestiegen, und der Anteil des Codes, der gleichzeitig auf Funktions-, Datei- und Repository-Ebene sicher ist, stieg von 8 % auf 14,7 %.

Die Architektur hinter der Effizienzbehauptung ist ein spärliches Mixture-of-Experts-Backbone mit 2,4 Billionen Parametern, bei dem pro Token 71 Milliarden Parameter aktiviert werden, plus weitere 328 Milliarden an N-Gramm-Embedding-Parametern, die nachgeschlagen statt multipliziert werden. Drei Gated-DeltaNet-Schichten komprimieren die Historie in einen Zustand fester Größe für jede Qwen-Sparse-Attention-Schicht, die Kontext in Mikroblock-Granularität über einen leichtgewichtigen Indexer auswählt, und vier parallele Residualzweige mit dynamischen Lese- und Schreibgates stabilisieren den tiefen Stack. Es ist eine plausible Darstellung, warum die Kosten für langen Kontext sinken. Es bleibt eine Darstellung.

A screenshot of the Alibaba Cloud Model Studio page for qwen4-max, captured 16 November 2026 with an English interface, showing the qwen4-max heading, a 11-16 changelog entry, the model description, and the documentation sidebar including Model inference pricing and Batch inference.

Es ausprobieren, ohne einen Produktionspfad darauf zu verlegen

Das Unangenehme an diesem Launch ist, dass das Modell wirklich neu ist, die Benchmarks nicht auditiert sind und die Preisliste attraktiv genug ist, dass jemand es diese Woche in Produktion haben will. Diese drei Fakten sprechen für eine Staging-Strategie statt für eine Migration.

Qwen4-Max ist über Alibabas eigene Model-Studio-API und mehrere Drittanbieter-Plattformen erreichbar; im OrcaRouter-Katalog ist es Stand 16. November nicht enthalten. Qwen3.8-Max ist es hingegen, und zwar zu 2,00 $ Input und 6,00 $ Output pro Million Tokens in Singapur — der Listenpreis des Anbieters, mit 0 % Aufschlag durchgereicht, sodass die 25 % Abstand zu Qwen4-Max eine echte Lücke sind und keine Routing-Marge. Das macht den ehrlichen Test günstig: Lassen Sie den etablierten Anbieter auf dem Schlüssel, den Sie bereits haben, schicken Sie einen Schattenanteil des Traffics über den Anbieter an das neue Modell und vergleichen Sie die Kosten pro abgeschlossener Aufgabe statt die Kosten pro Token. Die eigene Darstellung des Anbieters — 4,43 $ auf 1,67 $ — ist eine Kosten-pro-Aufgabe-Zahl, und die Kosten pro Aufgabe sind der einzige Vergleich, bei dem eine Token-Effizienz-Behauptung und eine Preissenkung auf derselben Achse landen.

Für Teams, die bereits über OrcaRouter routen, besteht die Wechselhürde, die diese Art der Evaluierung normalerweise blockiert, in einem zweiten Vertrag und einem zweiten SDK. Eine API für über 200 Modelle, automatisches Failover über Anbieter hinweg und eine Routing-DSL, die mehrere Modelle zu einem einzigen Aufruf zusammensetzt, bedeuten, dass der Mischbetrieb – der Incumbent übernimmt das Volumen, der Kandidat einen Teil – eine Konfigurationsänderung statt einer Integration ist. Für ein unerprobtes Modell ist das der Unterschied zwischen einem zweiwöchigen und einem zweitägigen Nachweis, und Failover ist das, was verhindert, dass der Nachweis zu einem Ausfall wird, wenn der Kandidat einen schlechten Nachmittag hat.

A screenshot of the OrcaRouter model page for qwen/qwen3.8-max, captured 16 November 2026 with an English interface, showing the model name, the qwen/qwen3.8-max identifier, text, image and video input capabilities, a 1,000,000-token context, and a pricing panel.

Was vor dem 25. November zu tun ist

Wenn Sie die Vorschauversion verwenden, ist die Frist keine weiche: qwen4-max-preview ist für die Außerbetriebnahme um 24:00 am 25. November 2026 UTC+8 dokumentiert, und die GA-Kennung ist qwen4-max mit anderen Limits. Migrieren Sie die Zeichenfolge und prüfen Sie dann zwei Dinge erneut, die keinen Fehler auslösen, wenn sie falsch sind – jeder Code, der ein gemeinsames Budget von 393.216 Tokens annahm, hat jetzt 262.144, und jeder Job, der sich auf Token-Plan-Guthaben verließ, wird jetzt pro Token abgerechnet.

Wenn Sie abwägen, ob Sie übernehmen sollen, ist das Argument fürs Abwarten dünner als noch vor einer Woche, denn die verbrauchsabhängige Karte und die Cache-Preise sind jetzt veröffentlicht, und der Preis liegt in jeder Region tatsächlich unter dem der vorherigen Generation. Was für Vorsicht spricht, sind das gemeinsame Ausgabebudget, der auf Peking beschränkte Batch-Pfad und eine Benchmark-Suite, die der Anbieter selbst geschrieben hat. Fahren Sie den Shadow-Slice, bepreisen Sie ihn pro abgeschlossener Aufgabe, und lassen Sie die nächsten zwei Wochen Ihrer eigenen Traces entscheiden – diese Evidenz wird mehr wert sein als eine 52,69 auf einer Taxonomie, die keiner von uns prüfen kann.

Noch etwas kommt hinzu, das die Rechnung erneut verändert: Alibaba sagt, dass die kleineren Qwen4-Modelle auf derselben Linie als Open Source veröffentlicht werden, was historisch bedeutet, dass sich die Preisuntergrenze für diese Stufe innerhalb eines Quartals verschiebt. Jede Bindung, die Sie zu heutigen Konditionen eingehen, sollte eine Bindung sein, von der Sie sich lösen können.