Eine Titelkarte mit der Überschrift „Qwen4-Max: die Zahlen, die nicht reisen“, mit drei Chips, die 983.616 Eingabe-Tokens im Denkmodus, 131.072 Antwort-Tokens und 262.144 zwischen Denken und Antwort geteilte Tokens anzeigen, versehen mit einer Bildunterschrift, die auf die Modellkarte von Alibaba Cloud Model Studio vom 16. November 2026 verweist.
Guides & Insights

Qwen4-Max wurde innerhalb eines Tages anderswo gelistet. Das Thinking-Budget ist der Teil, der sich nicht portieren lässt.

Autor

jinhao.song

Veröffentlicht am

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

Qwen4-Max wurde am 16. November 2026 allgemein verfügbar, und binnen Stunden bewarb eine zweite Plattform es ab Tag eins – 1-Million-Token-Kontext, native Text-, Bild- und Videoeingabe, ausgerichtet auf Programmierung, Büroarbeit und langlaufende Agent-Ausführungen. Das ist die übliche Form eines Closed-Model-Starts im Jahr 2026: A​libaba veröffentlicht für Qwen4-Max keinen Checkpoint, sodass jeder außerhalb seiner sechs Deployment-Regionen das Modell nur über eine Plattform erreichen kann, die es von A​libaba mietet. Nicht üblich – oder zumindest nicht diskutiert – ist, wie viel von der Betriebsanleitung des Modells bei dieser Weitergabe verloren geht. Die Preiskarte wird sauber übertragen. Die prominente Kontextzahl wird sauber übertragen. Die Rechnung, die entscheidet, ob Ihre Anfrage hineinpasst oder eine Kürzung zurückliefert, wird überhaupt nicht übertragen.

Was ein Day-zero-Listing tatsächlich verrät

Zwei Dinge, keines davon betrifft Benchmarks. Erstens, dass das Modell für Forschung und Agentenarbeit vermarktet wird und nicht für Chat — der Day-Zero-Text stellt langfristige Agentenläufe voran und führt Video als Eingabemodalität auf, was eine Beschreibung der Arbeitslast ist, auf die die Plattform es ausrichten will, nicht eine Wiedergabe von A​libabas eigener Schlagzeile. Zweitens, dass Qwen4-Max mietbar, aber nicht portabel ist: Es gibt keinen Download, also bietet jeder Endpunkt, der es anbietet, A​libabas Deployment an, und jede Drittseite, die es beschreibt, ist eine Zusammenfassung von A​libabas Dokumentation. Zusammenfassungen von Spezifikationstabellen sind die Stelle, an der Integrationsfehler geboren werden.

Die Preisliste ist der einfache Teil und sollte einmal genannt werden. In Singapur listet Alibaba Qwen4-Max mit $1.50 pro Million Eingabe-Tokens und $4.50 pro Million Ausgabe-Tokens, wobei gecachte Eingabe $0.075 kostet und Cache-Schreibvorgänge $1.875 für das Fünf-Minuten-Fenster bzw. $3.00 für die Stunde. Die globalen Deployment-Bereiche – Beijing, Hong Kong, Frankfurt, Japan und US Virginia – liegen etwas niedriger bei $1.413 für die Eingabe, $4.24 für die Ausgabe und $0.071 für einen Cache-Lesevorgang. Es gibt eine einzige Preisstufe bis zum Kontextlimit: keinen Langkontext-Zuschlag, keinen Batch-Rabatt, nach dem man suchen müsste, denn Batch-Inferenz wird für dieses Modell überhaupt nicht angeboten.

A two-column scoreboard contrasting a third-party listing with Alibaba's model card: the listing gives 1M context, 1M output, three effort levels and no batch figure, while the model card gives 1,000,000 context, 983,616 input in thinking mode, 131,072 output non-thinking, 262,144 shared, and effort levels low, high and xhigh, sourced to Alibaba Cloud Model Studio documentation updated 16 November 2026.

Drei Zahlen, die nicht mit dem Modell mitwandern

„1M context“ ist die Zahl, die in jedem Listing steht. Alibabas Modellseite, zuletzt am Starttag aktualisiert, ist konkreter – und die Kluft zwischen der Marketingzahl und den tatsächlich maßgeblichen Zahlen ist der Punkt, an dem Integrationen brechen:

• Kontextlänge — 1.000.000 Token, eine Obergrenze für die gesamte Anfrage und kein Budget, das du für die Ausgabe aufwenden kannst

• Maximale Eingabe, Nicht-Denken — 991.808 Token, weil 8.192 des Fensters für die Antwort zurückgehalten werden

• Maximale Eingabe, Denken — 983.616 Tokens, weitere 8.192 für den Reasoning-Block zurückgehalten

• Maximale Ausgabe, ohne Nachdenken — 131.072 Token

• Kombiniertes Denken plus Antwort, Denkmodus — 262.144 Token, gemeinsam genutzt zwischen dem Denkverlauf und der sichtbaren Antwort

• Standardmäßiges Denkbudget – 131,072 Tokens, wobei reasoning_effort standardmäßig auf high gesetzt wird, wenn keiner der beiden Parameter festgelegt ist

Die fünfte Zeile ist die, die beißt. Ein Team, das einen Job an einer dokumentierten Ausgabeobergrenze von 262,144 Tokens bemisst und ihn dann im Denkmodus ausführt, wird erleben, dass die sichtbare Antwort bei einer Länge stoppt, die nichts damit zu tun hat, wie viel das Modell noch zu sagen hatte, weil die Reasoning-Spur aus demselben Pool geschöpft hat. Die Zahl 131,072 ist die sichere Ausgabenzahl. Die Zahl 262,144 ist ein gemeinsames Budget, und der Unterschied zwischen diesen beiden Lesarten ist der Unterschied zwischen einer funktionierenden Pipeline und einem wöchentlichen Vorfall.

Es gibt einen kleinen Trost: Das erklärt auch eine Diskrepanz, die Ihnen in Spezifikationslisten von Drittanbietern auffallen wird, die ein Kontextfenster von 984k angeben. Das ist kein anderes Modell und kein Downgrade. Es ist die Eingabeobergrenze im Thinking-Modus, gerundet 983.616, und es ist die ehrliche Zahl, an der Sie sich bei der Dimensionierung orientieren sollten, wenn Sie das Modell mit aktiviertem Reasoning aufrufen – was der Standard ist.

Das Effort-Remapping ist der Punkt, an dem ein OpenAI-förmiger Client eine Ebene verliert.

Qwen4-Max bietet drei Reasoning-Stufen, nicht fünf: low, high und xhigh, standardmäßig high. Ruft man es über einen OpenAI-kompatiblen Client auf, wird ein Effort-String außerhalb des gültigen Bereichs eher umgebogen als abgelehnt — die Tabelle von A​libaba ordnet minimal low, medium high und max xhigh zu. Über das A​nthropic-Messages-Format wird medium zu high und max zu xhigh.

Beide Zuordnungen sind vertretbar, und beide sind still. Eine Pipeline, die auf ein Modell mit fünf Stufen abgestimmt ist und hier medium anfordert, erhält Reasoning mit hohem Aufwand: mehr Tokens, mehr Latenz, mehr Kosten – und keinen Fehler, der Ihnen sagt, dass es passiert ist. Eine Pipeline, die max anfordert und die Spitze einer fünfstufigen Leiter erwartet, bekommt xhigh – was zufällig die Spitze dieser hier ist –, sodass die Ausgabe richtig aussieht und nur die Rechnung widerspricht. Die Lösung ist eine Zeile pro Route: Legen Sie die Stufe, die Sie tatsächlich gemessen haben, in der Terminologie des Anbieters fest und prüfen Sie sie in der Staging-Umgebung. Alles, was einen nicht zugeordneten Effort-String unverändert an ein Modell mit einer kürzeren Leiter durchreicht, wird abdriften – und zwar in die Richtung, mehr Geld auszugeben.

A screenshot of the Alibaba Cloud Model Studio documentation page for qwen4-max, showing the Model Studio navigation, the breadcrumb Home Page > Models > Get Started, and the qwen4-max (Latest Model) heading with the start of its specification tables.

Was die Launch-Zahlen sagen – und was nicht.

Die Launch-Bewertung von Alibaba – vom Anbieter berichtet und nicht unabhängig reproduziert – führt Qwen4-Max mit 52,69 in seinem Work360-Benchmark auf, gegenüber 47,74 für Qwen3.8-Max, wobei die durchschnittlichen Kosten pro Aufgabe von 4,43 $ auf 1,67 $ fallen und der Verbrauch an Ausgabe-Tokens bei der Einstellung xhigh um 24 % und bei high um 35 % zurückgeht. Auf Terminal-Bench 4.0 meldet der Anbieter bei denselben beiden Einstellungen 48 % bzw. 49 % weniger Ausgabe-Tokens, und die Pass-Raten auf Funktionsebene in seinem Secure-Coding-Benchmark steigen von 22,0 % auf 31,8 %. Das ist die Argumentation des Anbieters für die Architektur: ein spärliches Mixture-of-Experts mit 2,4 Billionen Parametern, das pro Token 71 Milliarden Parameter aktiviert, plus 328 Milliarden N-Gramm-Embedding-Parameter, mit drei Gated-DeltaNet-Schichten pro Sparse-Attention-Schicht.

Die einzige am 17. November verfügbare externe Auswertung stammt von Artificial Analysis; sie bewertet Qwen4-Max mit 43 auf dem Intelligence Index v5.0.1 und stuft es auf Platz 38 von 81 Modellen in diesem Index ein. Außerdem misst sie 3,27 US-Dollar Rechenaufwand pro Index-Aufgabe, getragen von 127 Millionen Ausgabe-Tokens über den Lauf gegenüber einem Median von 78,6 Millionen, und sie verzeichnet für das Modell überhaupt keine Geschwindigkeitsmessung – weder Zeit pro Aufgabe noch Ausgaberate. Eine 43 neben der Anbieterbehauptung, die Frontier zu übertreffen, ist die Spannung, um die es in der Berichterstattung des nächsten Monats gehen wird. Es ist außerdem die einzige Zahl in diesem Artikel, die nicht von Alibaba stammt.

A screenshot of the OrcaRouter model page for qwen/qwen3.8-max, showing the 1M-token context badge, text, image and video input, and the pricing panel for the model Qwen4-Max replaces.

Wenn du es diese Woche verkünden würdest

OrcaRouter routet Qwen4-Max nicht, und das sollte man klar sagen, statt etwas anderes anzudeuten. Der Katalog führt Qwen3.8-Max – das Modell, das Qwen4-Max ersetzt – zu 2,00 $ Eingabe und 6,00 $ Ausgabe pro Million mit dem Listenpreis des Anbieters zu 0 % Aufschlag durchgereicht, zusammen mit Claude Opus 5.5, GPT-6.1 Sol, Grok 4.5 und T​encent HY4 Preview. Die Qwen4-Generation ist noch nicht enthalten.

Die ehrliche Regelung für ein Team, das Qwen4-Max heute evaluiert, ist daher ein direkter A​libaba-Schlüssel für das neue Modell plus eine Routing-Schicht für alles, worauf Sie zurückfallen würden. Das ist weniger unangenehm, als es klingt, denn was ein neues Modell teuer in der Einführung macht, ist nicht der Tokenpreis — es ist die Tatsache, dass ein Versuch einen zweiten Vertrag, ein zweites SDK und einen zweiten Satz Retry-Semantik bedeutet, die auf einem Produktionspfad sitzen. Der etablierte Anbieter hinter einem Endpunkt mit automatischem Failover über Anbieter hinweg ermöglicht es, das Qwen4-Max-Experiment neben einem bereits funktionierenden Pfad laufen zu lassen und den Vergleich mit Ihrem eigenen Traffic statt mit dem Benchmark von A​libaba anzustellen. Wenn das Modell tatsächlich in den Katalog aufgenommen wird, wird der Preis, den Sie sehen, der des Anbieters selbst sein, live an dem Tag, an dem er sich ändert, denn das ist es, was Pass-through bedeutet: Die Global card zu $1.413 und $4.24 würde als $1.413 und $4.24 erscheinen, nicht mit der Marge eines Wiederverkäufers.

Was zu sehen

Der Startbeitrag von Alibaba endet mit einer Zeile, die wichtiger ist als jeder darin enthaltene Benchmark: Max ist nur ein erster Einblick in Qwen4, und kleinere Modelle der Familie werden als Open Source erscheinen. Das ist ein Versprechen für die Stufe darunter, nicht für diese, und es ändert nichts an der Tatsache, dass Qwen4-Max selbst ein Modell ist, das man von einem einzigen Anbieter mietet und von Plattformen, die es vom selben Anbieter mieten. In diesem Markt ist die Dokumentation das Differenzierungsmerkmal des Produkts, und die Dokumentation sagt 983,616 Eingabe und 131,072 Ausgabe – nicht eine Million von irgendetwas.

Zwei Daten gehören in einen Kalender. Die Abschaltung der Preview-Identifikatoren am 25. November, für alle, deren Konfiguration noch qwen4-max-preview lautet. Und was Alibaba als Nächstes zum Thinking-Budget veröffentlicht, denn ein gemeinsam genutzter 262.144-Token-Pool bei einem Modell, das als 1M-Kontext vermarktet wird, ist die Zahl, die am wahrscheinlichsten überarbeitet wird, sobald echte Agent-Workloads darauf stoßen.