Eine generierte 16:9-Titelkarte mit der Aufschrift „Qwen4-Max vs LongCat 2.5“, dem Untertitel „Zwei Flaggschiffe, die noch niemand bewertet hat, beim Preis um den Faktor zwölf auseinander“, mit drei abgerundeten Karten: 4,50 $ gegenüber 1,20 $ pro Million Ausgabe-Tokens, ein Kontext von 1.000.000 Tokens auf beiden Seiten und eine unabhängige Punktzahl: keine für beide. OrcaRouter-Logo unten rechts.
Guides & Insights

Qwen4-Max vs. LongCat 2.5: Zwei Flaggschiffe, die noch niemand bewertet hat – preislich um den Faktor zwölf auseinander

Autor

jinhao.song

Veröffentlicht am

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

Hier ist ein Vergleich mit einer ungewöhnlichen Eigenschaft: Keine der beiden Seiten hat eine Zahl. Qwen4-Max, seit dem 16. November 2026 allgemein bei Alibaba verfügbar, veröffentlicht eine Preisliste, ein Kontextfenster und eine Funktionsliste – und keinerlei Benchmark. LongCat 2.5, das Meituan am 2. November 2026 veröffentlicht hat, kommt mit einer 31-zeiligen Bewertungstabelle des Anbieters und hat weiterhin keinen unabhängigen Score – auf dem Artificial Analysis Leaderboard gibt es keinen Eintrag für LongCat 2.5, nur für seinen Vorgänger LongCat 2.0, der ebenfalls keinen Indexwert trägt. Wenn man Qwen4-Max und LongCat 2.5 also nebeneinanderstellt, ist das, was sie tatsächlich unterscheidet, nicht die Leistungsfähigkeit. Es sind 1,20 $ gegenüber 4,50 $ bei den Output-Tokens, und es ist die Frage, ob man der Tabelle eines Anbieters glaubt, wenn es die einzige Tabelle ist, die es gibt.

Das macht diese Seite zu einer anderen Art von Vergleich als die übliche Gegenüberstellung. Sie fragt nicht, welches Modell besser ist, denn das kann niemand außerhalb der beiden Labore beantworten. Sie fragt, welches Modell Sie sich leisten können kennenzulernen und was die Dokumentation der einzelnen Anbieter verbindlich zusagt und was nicht.

A generated two-column scoreboard titled 'Qwen4-Max vs LongCat 2.5 - the scoreboard', comparing $1.50 against $0.30 input, $4.50 against $1.20 output, a 1,000,000-token context against 1,048,576, 131,072 maximum output on both sides, six regions against one platform, and no independent score against no independent score, over a footer reading 'Both vendors report no independent benchmark; prices are first-party list rates.' OrcaRouter logo bottom-right.

Was Meituan am 2. November tatsächlich ausgeliefert hat

LongCat 2.5 ist ein Sparse-Mixture-of-Experts-Modell mit 1,6 Billionen Parametern, das pro Token etwa 48 Milliarden Parameter aktiviert, wodurch es eine Iteration derselben Architektur wie LongCat 2.0 und kein neues Design ist. Es ist auf eine spezifische und ungewöhnliche Weise nativ multimodal: Visuelle Signale werden durch residuale Vektorquantisierung über Merkmale eines semantisch ausgerichteten Encoders als mehrstufige diskrete Tokens kodiert, sodass Bilder und Text als ein einziges Token-Vokabular in das Backbone gelangen und nicht über einen nachträglich angebrachten Adapter. Die vom Anbieter genannten Anwendungsfälle ergeben sich daraus – das Erstellen einer Seite aus einem Screenshot, das Generieren einer 3D-Szene aus einer Beschreibung, das Produzieren eines Posters.

Der Serving-Vertrag ist konkret. Der Kontext beträgt 1,048,576 Token Eingabe und 131,072 Token Ausgabe. Zwei Endpunkte liegen unter api.longcat.chat: ein OpenAI-kompatibler /openai/v1/chat/completions und ein Anthropic-kompatibler /anthropic/v1/messages. Claude Code, Codex, Hermes, OpenCode und Kilo Code werden als unterstützte Harnesses genannt, jeweils mit einem First-Party-Leitfaden. Die Gewichte sind nicht verfügbar; die GitHub- und Hugging-Face-Schaltflächen des Blogs tragen beide die Aufschrift „Coming soon“ ohne Datum. LongCat 2.0 wurde unter MIT veröffentlicht, daher ist die Lizenzfrage für 2.5 wirklich offen und nicht durch Präzedenzfälle beantwortet.

A screenshot of Alibaba Cloud Model Studio's 'Model releases and updates' changelog, dated 2026-11-16 and headed qwen4-max, with the 2026-11-11 qwen4-max-preview entry and later entries visible below it.

A​libabas {{1}}Qwen4-Max{{/1}} ist dagegen auf andere Weise geschlossen: Die Dokumentation weist Fine-Tuning und Modell-Deployment rundheraus als nicht unterstützt aus, was eine bestimmtere Aussage als „demnächst verfügbar“ ist. Text, Bild und Video als Eingabe; Text als Ausgabe; ein Fenster von 1.000.000 Tokens; 131.072 Tokens Ausgabe außerhalb des Denkmodus; Denken standardmäßig aktiviert mit einem Budget von 131.072 Tokens. Sechs Regionen — Singapur, Peking, Hongkong, Frankfurt, Virginia und Tokio — gegenüber LongCats einziger First-Party-Plattform.

Die Preisdifferenz – und was man dafür bekommt

• Eingabe — Qwen4-Max 1,50 $ pro 1M in Singapur und 1,413 $ anderswo, gegenüber LongCat 2.5 mit 0,30 $

• Ausgabe — Qwen4-Max 4,50 $ in Singapur und 4,24 $ anderswo, gegenüber LongCat 2.5 mit 1,20 $

• Zwischengespeicherte Eingabe — Qwen4-Max $0.075 beim Lesen nach einem fünfminütigen Schreiben für $1.875, gegenüber LongCat 2.5 $0.006 beim Lesen

• Kontext — Qwen4-Max 1.000.000 Token gegenüber LongCat 2.5 1.048.576 Token

• Maximale Ausgabe — Qwen4-Max 131,072 Token ohne Thinking, 262,144 gemeinsam mit Thinking, gegenüber LongCat 2.5 131,072 Token

• Modalität — Qwen4-Max mit Text-, Bild- und Videoeingabe gegenüber LongCat 2.5 mit Text- und Bildeingabe, mit nativer visueller Tokenisierung

• Gewichte — keiner von beiden veröffentlicht welche, aber LongCat 2.5 sagt „demnächst verfügbar“, während Qwen4-Max „nicht unterstützt“ sagt

• Regionen — Qwen4-Max sechs gegenüber LongCat 2.5 eine Plattform

• Unabhängige Bewertung — keine der beiden hat eine

Bei Output-Tokens ist das ein zwölffacher Unterschied in Singapur und ein 3,5-facher Unterschied beim Input. Rechnen Sie das an einer realen Pipeline durch: Eine Million Aufrufe pro Monat bei 2.000 Input- und 500 Output-Tokens kostet $5.250 bei Qwen4-Max Singapore und $1.200 bei LongCat 2.5. Bei zehnfachem Volumen beträgt der Unterschied $52.500 pro Monat gegenüber $12.000, was eine Personalstelle ist, kein Rundungsfehler.

A screenshot of Meituan's LongCat API Platform pricing page for LongCat 2.5, showing the vendor, the model name, input $0.30, output $1.20 and cache hit $0.006 per million tokens on a pay-as-you-go card labelled limited-time.

Was das zusätzliche Geld kauft, ist – gemessen an den veröffentlichten Angaben – keine Leistungsfähigkeit. Es kauft regionale Bereitstellung – Frankfurt, Virginia und Tokio sind für ein europäisches oder amerikanisches Unternehmen mit einer Datenresidenzpflicht enorm wichtig, und Meituans einzige Plattform bietet sie nicht. Es kauft einen Video-Eingabepfad, den LongCat nicht dokumentiert. Und es kauft die operative Verlässlichkeit eines Anbieters, der seit Jahren Frontier-Modelle an Unternehmen verkauft – im Gegensatz zu einer Plattform, deren eigene Preisseite ihre Zahlen als zeitlich begrenzt beschreibt und mit dem Satz endet: „Preise können sich ändern".

Der letzte Punkt wiegt schwer. Die Preisliste von LongCat verrät, dass sie nicht die maßgebliche Quelle für ihre eigenen Zahlen ist. Die heute Morgen veröffentlichte Preisliste von Qwen4-Max tut das nicht.

Eine Lieferantentabelle lesen, wenn sie die einzige Tabelle ist

Meituans Release-Seite enthält 31 Evaluierungszeilen, und das erste Interessante daran ist die Vergleichsgruppe: GPT-5.5, GPT-5.6 Sol, Claude-Opus-4.8 und Claude-Opus-5. O​penAIs GPT-6.1 Sol, allgemein verfügbar seit dem 29. September, ist nicht in der Tabelle. Ebenso wenig Claude Opus 5.5, das Modell, auf das der opus-Alias in Claude Code verweist. Die Gegner wurden ausgewählt.

Das zweite Interessante ist der Zusammenfassungssatz, den die Ankündigung verwendet: dass die Werte von LongCat 2.5 „zwischen Claude-Opus-4.8 und Claude-Opus-5“ lägen. Auf dem neuesten Harness in derselben Tabelle liegt es 15 Punkte unter Opus 5. Beide Aussagen stammen von derselben Seite. Das ist kein Schlag gegen das Modell – ein 1.6T-Sparse-Modell, das Ende-zu-Ende auf inländischen chinesischen Beschleunigern trainiert und mit $1.20 Ausgabe angeboten wird, ist eine echte Leistung –, aber es ist ein Grund, die Tabelle als ausgewählte Teilmenge statt als Bewertungstafel zu lesen.

Das Problem von Qwen4-Max ist genau umgekehrt. Es gibt überhaupt keine Tabelle. Die Dokumentation von A​libaba legt die Mechanismen mit ungewöhnlicher Präzision fest – Standardtemperatur 1,0 mit Thinking und 0,7 ohne, top-p 0,95 und 0,8, top-k 20, ein Thinking-Budget von 131.072 Tokens, separate Eingabeobergrenzen von 991.808 Tokens im Nicht-Thinking-Modus und 983.616 im Thinking-Modus, sechs Regionen mit ihren Deployment-Scopes – und sagt überhaupt nichts über die Qualität. Im Modellindex von Artificial Analysis existiert kein Qwen4-Eintrag, und die URL pro Modell liefert einen 404.

Die Entscheidung zwischen einer Tabelle, bei der Sie Abstriche machen müssen, und gar keiner Tabelle ist also knapper, als es scheint. Beide Modelle erfordern Ihre eigene Bewertung vor dem Produktivbetrieb. Der Unterschied ist, dass Meituan Ihnen eine Ausgangshypothese und Alibaba Ihnen eine Spezifikation gegeben hat.

Die Arbeitslastverteilung, die dies tatsächlich entscheidet

Drei Muster – und die Antwort fällt für jedes anders aus.

• Hochvolumige Textgenerierung — LongCat 2.5 gewinnt bei der Arithmetik so entscheidend, dass der fehlende Benchmark kaum ins Gewicht fällt. Bei 3,5× bis 12× günstigerem Preis kann es bei der Qualität um einen spürbaren Abstand verlieren und trotzdem bei den Kosten pro erledigter Aufgabe gewinnen. Führe hundert eigene Prompts aus und prüfe es.

• Visuelle Arbeit mit Screenshots und screenshot-nahen Eingaben – LongCats native visuelle Tokenisierung ist der Grund, warum es das Modell gibt, und sie ist die einzige Behauptung in seiner Veröffentlichung, die architektonisch statt werblich ist. Qwen4-Max akzeptiert auch Video; wenn Ihre Eingabe also Video statt Standbilder ist, ist es das einzige der beiden, das die Anfrage annimmt.

• Reguliertes oder latenzsensitives Deployment — Qwen4-Max' sechs Regionen gegenüber einer Plattform sind keine Preis-, sondern eine Eignungsfrage. Wenn Ihre Daten in Frankfurt oder Virginia bleiben müssen, ist der zwölffache Preisunterschied irrelevant, weil die günstigere Option Sie überhaupt nicht bedienen kann.

Beide Optionen offen halten

OrcaRouter leitet derzeit weder LongCat 2.5 noch Qwen4-Max weiter; beide sind über die eigenen APIs ihrer Anbieter erreichbar, mit den oben aufgeführten Preislisten. Die Modelle, gegen die dieser Vergleich auf unserer Seite laufen sollte, sind diejenigen, die bereits im Katalog unter demselben Schlüssel stehen — GLM-5.3 zu 1,40 $ und 4,40 $ pro Million, Qwen3.8-Max zu 2,00 $ und 6,00 $, Kimi K3.1 Pro zu 2,00 $ und 10,00 $ —, weil ein Dreier-Test eines unbewerteten Modells gegen ein bepreistes und vermessenes der günstigste Weg ist, herauszufinden, ob das neue Modell überhaupt seinen Listenpreis wert ist.

Die Routing-Schicht ist es, die diesen Test günstig macht. Eine Policy kann eine Stichprobe des Live-Traffics parallel an LongCat 2.5 und an ein bekanntes Modell senden, die Ausgaben mit welchem Judge auch immer du vertraust vergleichen und erst dann entscheiden, ob das Volumen verschoben wird. Automatisches Failover ist wichtiger als üblich bei zwei so neuen Modellen: Keines hat eine ausreichend lange Erfolgsbilanz, um eine Abhängigkeit von einem einzigen Anbieter zu rechtfertigen, und eine Fallback-Kette kostet nichts, solange der primäre Pfad gesund ist.

Das ehrliche Urteil

Wenn Ihre Arbeit aus Texten und Bildern in großem Umfang besteht, ist LongCat 2.5 das interessantere Modell auf dieser Seite, und sein zwölffacher Vorteil beim Ausgabepreis ist die einzige harte Zahl, die Ihnen einer der beiden Anbieter genannt hat. Wenn Ihre Arbeit Videoeingabe, regionale Bereitstellung oder einen Anbieter mit nachweislicher Erfolgsbilanz im Enterprise-Umfeld erfordert, ist Qwen4-Max das Modell, das die Anforderung erfüllt, und der Preis ist das, was diese Erfüllung kostet.

Keines der beiden Modelle liefert dir einen Grund, die Evaluierung zu überspringen. Zwei Flaggschiffe ohne Bewertung, mit zwei Wochen Abstand veröffentlicht und preislich um den Faktor zehn auseinander, sind genau die Situation, in der ein Nachmittag mit deinem eigenen Traffic mehr wert ist als jede Vergleichstabelle im Internet – einschließlich dieser hier. Worauf du auf beiden Seiten achten musst, ist dasselbe: eine Modellkarte statt eines Changelog-Eintrags. Parameter, Kontext, Preis und eine API-Kennung in einem einzigen Dokument sind das Signal, dass ein Modell fertig ist. Die Gewichte-Schaltfläche von LongCat 2.5 sagt noch immer „in Kürze verfügbar“, und auf der Seite von Qwen4-Max ist noch immer eine Lücke, wo die Benchmark-Tabelle stehen würde.

In diesem Artikel verglichen1

Aus diesem Artikel erkannt · Benchmarks: Artificial Analysis · täglich aktualisiert