Eine Titelkarte mit der Überschrift „Qwen4-Max vs. Claude Opus 5.5: eine Leiter wurde erklommen“, mit drei Chips, die 43 als die einzige gemessene Einstellung für Qwen4-Max anzeigen, 59 bis hinunter zu 35 über fünf Einstellungen für Opus 5.5 und acht Punkte als den Wert, um den Opus 5.5 bei niedrigem Aufwand unter Qwen4-Max liegt, mit Bildunterschrift zu Artificial Analysis Intelligence Index v5.0.1 vom 17. November 2026.
Guides & Insights

Qwen4-Max vs. Claude Opus 5.5: Nur eine dieser Leitern wurde öffentlich erklommen

Autor

jinhao.song

Veröffentlicht am

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

Hier ist der Vergleich, den niemand anstellt. Claude Opus 5.5, allgemein verfügbar seit dem 22. September 2026, erreicht 59 auf dem Artificial Analysis Intelligence Index v5.0.1 bei seiner maximalen Aufwandsstufe und 35 bei seiner niedrigsten — eine Spanne von 24 Punkten über fünf Stufen, die A​nthropic zur Auswahl stellt. Qwen4-Max, seit dem 16. November 2026 im Verkauf, erreicht 43, und 43 ist die einzige Zahl, die existiert: Artificial Analysis hat eine Konfiguration davon gemessen, und A​libaba hat keine Aufschlüsselung nach Aufwandsstufe veröffentlicht. Vergleicht man die Flaggschiffe miteinander, erhält man eine Lücke von 16 Punkten und eine Kostenlücke von 3,1×, was genau der Artikel ist, den diese Woche alle schreiben werden. Vergleicht man die Leitern miteinander, kommt etwas Nützlicheres heraus — Opus 5.5 liegt bei niedriger Aufwandsstufe acht Punkte unter dem Standard von Qwen4-Max, und Qwen4-Max bietet drei Stufen zur Auswahl, ohne veröffentlichte Zahlen für auch nur eine davon.

Die beiden Produkte – und was jeder Anbieter tatsächlich auf die Karte gebracht hat

A two-column scoreboard comparing Qwen4-Max and Claude Opus 5.5 across six rows: index 43 from one setting against 59 at max and 35 at low; three effort levels against five; $1.50 in and $4.50 out against $4.00 and $20.00; $3.27 per task against $10.04; 1,000,000 context on both; video input yes against no. Footer notes the figures are per Artificial Analysis Intelligence Index v5.0.1 and that no independent latency is published for Qwen4-Max.

• Preis pro Million Tokens — Claude Opus 5.5 4,00 $ Eingabe / 20,00 $ Ausgabe vs. Qwen4-Max 1,50 $ Eingabe / 4,50 $ Ausgabe

• Cache — Opus 5.5 kostet beim Lesen 0,20 $ pro Million mit 95 % Rabatt; Qwen4-Max kostet beim Lesen 0,075 $ und beim Schreiben 1,875 $ für fünf Minuten oder 3,00 $ für die Stunde

• Kontextfenster — 1.000.000 Token bei Opus 5.5 vs. 1.000.000 auf dem Papier bei Qwen4-Max, davon 983.616 im Denkmodus als Eingabe nutzbar

• Maximale Ausgabe — 128.000 Tokens mit Opus 5.5 vs. 131.072 im Non-Thinking-Modus bei Qwen4-Max oder 262.144, die im Thinking-Modus zwischen Reasoning und Antwort aufgeteilt werden

• Reasoning-Steuerung — fünf Stufen (niedrig, mittel, hoch, xhigh, max) vs. drei (niedrig, hoch, xhigh), standardmäßig hoch

• Eingabemodalitäten — Text, Bild und Datei für Opus 5.5 vs. Text, Bild und Video für Qwen4-Max

• Offenheit — beide proprietär, für keines von beiden wurden Gewichte veröffentlicht

• Unabhängige Indexbewertung — 59 für Opus 5.5; 43 für Qwen4-Max

Zwei Zeilen in dieser Liste leisten mehr als der Rest. Die Reasoning-Leiter ist diejenige, auf der dieser Artikel aufbaut. Die Modalitätszeile ist diejenige, die stillschweigend einen Vergleich disqualifiziert: Qwen4-Max akzeptiert Video, Opus 5.5 nicht, sodass jeder auf Videoeingabe ausgelegte Workload hier genau einen Kandidaten hat und die Benchmarks nebensächlich sind.

A screenshot of the Artificial Analysis model page for Claude Opus 5.5, showing the Anthropic proprietary-model header, the September 2026 release date, the intelligence score panel and the list of providers serving it.

Wie die Leiter von Opus 5.5 aussieht, wenn man sie hinaufsteigt

Anthropics Effort-Einstellung ist weniger ein Qualitätsregler als vielmehr ein Budgetregler, und Artificial Analysis hat alle fünf Stufen durchprobiert. Alles Folgende sind unabhängige Messungen, veröffentlicht auf der Seite des Modells:

• Max. Aufwand — Index 59, 24,6 Minuten pro Index-Aufgabe, 352,34 Sekunden bis zum ersten Antwort-Token, gemessen bei 10,04 $ pro Aufgabe

• xhigh — Index 57, 15,8 Minuten pro Aufgabe, 65,52 Sekunden bis zum ersten Token

• Hoch — Index 52, 9,3 Minuten pro Aufgabe, 21,64 Sekunden bis zum ersten Token

• Mittel — Index 48, 6,8 Minuten pro Aufgabe, 12,46 Sekunden bis zum ersten Token

Niedrig — Index 35, 3,0 Minuten pro Aufgabe, 4,80 Sekunden bis zum ersten Token

Die Form ist der interessante Teil. Zwischen high und max kaufen Sie sieben Indexpunkte für 15,3 zusätzliche Minuten pro Aufgabe und ein erstes Token, das fast sechs Minuten zu spät eintrifft. Zwischen medium und high kaufen Sie vier Punkte für 2,5 Minuten. Zwischen low und medium kaufen Sie dreizehn Punkte – das steilste Segment auf der Leiter und dasjenige, an dem ein Team, das sparen will, am ehesten kürzt. Wenn Ihr Plan „Opus 5.5 günstig betreiben“ lautet, landet dieser Plan bei low, und low kommt auf eine 35: acht Punkte unter der einzigen veröffentlichten Konfiguration von Qwen4-Max, für ein Modell, dessen eigener Anbieter es als die Frontier-Option positioniert.

Das ist kein Argument gegen Anthropics Leiter. Eine 35 bei drei Minuten und vier Sekunden bis zum ersten Token ist ein wirklich anderes Produkt als eine 59 bei sechs Minuten bis zum ersten Token, und beide sind nützlich. Es ist ein Argument dagegen, „Claude Opus 5.5“ und „Qwen4-Max“ als zwei Punkte auf einem Diagramm zu behandeln. Sie sind zwei Bereiche, und nur einer von ihnen wurde kartiert.

Die 3,1×-Zahl – und warum sie geringer ausfällt, als die Preisdifferenz vermuten lässt

Der Kostenvergleich auf den ersten Blick ist einfach: Bei 4,00 $ und 20,00 $ pro Million gegenüber 1,50 $ und 4,50 $ berechnet Opus 5.5 das 2,67× so viel für Eingaben und das 4,44× so viel für Ausgaben. Die gemessene Abrechnung fällt enger aus. Artificial Analysis setzt Opus 5.5 bei 10,04 $ pro Intelligence-Index-Aufgabe an gegenüber 3,27 $ für Qwen4-Max — 3,07×, nicht 4,44×.

Der Grund ist es wert, verstanden zu werden, denn er überdauert jeden Modell-Launch: Opus 5.5 ist das wortreichere der beiden Modelle und erzeugt während des Index-Laufs 218 Millionen Ausgabe-Tokens gegenüber 127 Millionen bei Qwen4-Max, und trotzdem verkleinert es die Lücke, statt sie zu vergrößern. Was die Distanz schließt, ist Caching. Opus 5.5 liest gecachte Eingaben zu 0,20 $ pro Million, wobei ein Rabatt von 95 % angewendet wird; Qwen4-Max liest zu 0,075 $, ein günstigerer Satz bei einem Modell, das anteilig mehr seiner Rechnung für frische Eingaben ausgibt. Die Preisliste und die Rechnung sind unterschiedliche Dokumente, und die Rechnung ist diejenige, die besagt, dass die Lücke zwischen diesen beiden Modellen etwa ein Drittel und nicht etwa die Hälfte beträgt.

Das wirkt sich je nach Arbeitslast in beide Richtungen aus. Wenn Ihre Prompts lang, stabil und cachebar sind – eine Codebasis, eine Dokumentensammlung, ein System-Prompt im Umfang von Zehntausenden Tokens –, ist die Cache-Ökonomie von Opus 5.5 besser, als der Listenpreis vermuten lässt. Wenn Ihre Prompts kurz und jedes Mal anders sind, erreichen Sie den Cache nie, und die 4,44× Ausgabedifferenz ist das, was Sie tatsächlich zahlen.

Die Zeile, in der Qwen4-Max die einzige Option ist, und die Zeile, in der es das einzige Wagnis ist.

Videoeingabe ist eine harte Trennlinie. Qwen4-Max verarbeitet Text, Bilder und Video; Opus 5.5 verarbeitet Text, Bilder und Dateien. Geht es bei der Aufgabe um Frames – Materialsichtung, Bildschirmaufzeichnungen, alles mit einer Zeitachse –, fällt der Vergleich auf einen einzigen Kandidaten zusammen und der 16-Punkte-Abstand im Index spielt keine Rolle mehr.

Bei der Geschwindigkeit ist es umgekehrt, und das ist die ehrliche Lücke im Datenblatt von Qwen4-Max. Artificial Analysis führt für das Modell weder Zeit pro Aufgabe noch Ausgaberate noch Time to First Token auf. A​libaba veröffentlicht in seinen Unterlagen zum Marktstart Durchsatzangaben – bis zu 50 % weniger Token als sein Vorgänger bei manchen Workloads –, aber Tokenzahl ist nicht Latenz, und die Token-Effizienz eines Anbieters sagt nichts darüber aus, wie lange eine Anfrage in einer Warteschlange liegt. Für Opus 5.5 lässt sich jede Stufe kapazitätsplanen. Für Qwen4-Max lässt sich die Token-Rechnung kapazitätsplanen und alles andere nur raten. Ein Team, das eines der beiden Modelle hinter eine interaktive Oberfläche stellt, braucht die zweite Kennzahl, und nur ein Anbieter hat sie geliefert.

A screenshot of the OrcaRouter model page for anthropic/claude-opus-5.5, showing the flagship badge, the 1M-token context line, the 128K maximum output and the start of the pricing panel.

Wie man den Vergleich ausführt, ohne ihn zweimal auszuführen

Der Grund, warum dieser Vergleich meist anhand einer Preisliste statt anhand des Traffics entschieden wird, ist die technische Anbindung. Ein zweites Modell zu testen bedeutet einen zweiten Vertrag, ein zweites SDK und einen zweiten Satz Retry- und Timeout-Semantik auf einem Pfad, der bereits funktioniert – also lesen Teams den Preis, wählen eines aus und machen weiter.

Das sind die Kosten, die OrcaRouter beseitigen soll, und bei genau diesem Paar beseitigt es sie ungleichmäßig – auf eine Weise, bei der sich Präzision lohnt. OrcaRouter routet Claude Opus 5.5 zu 4,00 $ Input und 20,00 $ Output – der Listenpreis des Anbieters mit 0 % Aufschlag durchgereicht – über denselben Schlüssel und denselben OpenAI-kompatiblen Endpoint wie GPT-6.1 Sol, Grok 4.5, Qwen3.8-Max und T​encent HY4 Preview. Qwen4-Max wird nicht geroutet; der Katalog hat die Qwen4-Generation noch nicht aufgenommen. Das Leiter-Experiment – Opus 5.5 mit fünf Effort-Stufen gegen Ihren eigenen Traffic – ist also eine Konfigurationsänderung, und die Qwen4-Max-Seite des Vergleichs ist ein direkter A​libaba-Schlüssel, bis der Katalog nachzieht.

Die nützliche Konsequenz ist Failover. Wenn Sie Qwen4-Max tatsächlich in der Produktion testen, können Sie es als eine Route neben einem etablierten Anbieter behalten, der fünf gemessene Stufen hat und automatisches Failover über Anbieter hinweg, statt als Ersatz für einen Pfad, für den Sie keinen Fallback haben. Ein Modell mit einem veröffentlichten Indexwert und ohne veröffentlichte Latenz ist genau die Art von Sache, die man hinter einem Sicherheitsnetz laufen lässt statt anstelle eines solchen.

Was würde die Antwort ändern

Zwei Veröffentlichungen, von denen noch keine existiert. Die erste ist ein Artificial-Analysis-Lauf von Qwen4-Max mit low und xhigh, sodass das Modell eine gemessene Spanne statt eines einzelnen Punkts hat — ab diesem Punkt wird daraus ein echter Vergleich Leiter gegen Leiter, und die 43 ist nicht mehr tragend. Die zweite ist überhaupt irgendeine unabhängige Latenzzahl für Qwen4-Max. Bis beide vorliegen, ist die vertretbare Lesart eng: Opus 5.5 ist die Wahl, wenn man eine Stufe braucht, die man benennen und messen kann, und Qwen4-Max ist die Wahl, wenn man Videoeingabe oder die günstigsten frischen Eingabe-Token in diesem Paar braucht und die Unsicherheit bei allem anderen verkraften kann.

Nicht vertretbar ist die Abkürzung, die beide Anbieter bevorzugen würden – ein Flaggschiff mit einem Flaggschiff zu vergleichen, dabei zu ignorieren, dass eines von ihnen vier Einstellungen mehr hat, und den daraus resultierenden Abstand von 16 Punkten als Urteil zu bezeichnen.