Eine generierte Hero-Titelkarte mit der Aufschrift „Qwen4-Max vs Qwen3.8-Max-Prime“ und dem Untertitel „Die Überholspur kostet das Doppelte und kommt als Letzte ins Ziel.“ sowie zwei Panels für Preis und Durchsatz: Qwen4-Max mit „$1,50 / $4,50 pro Mio.“ und 104.940 Tokens pro Aufgabe in 32,1 Minuten, gegenüber Qwen3.8-Max-Prime mit „$3,301/$9,902 pro Mio.“ und 170.794 Tokens pro Aufgabe in 47,5 Minuten. Flache Vektorgrafik im Editorial-Stil auf weißem Hintergrund mit einem Blau-zu-Cyan-Farbverlauf und dem unten rechts eingefügten OrcaRouter-Logo.
Guides & Insights

Qwen4-Max vs. Qwen3.8-Max-Prime: Die Schnellspur kostet doppelt so viel und kommt als Letzte ins Ziel.

Autor

jinhao.song

Veröffentlicht am

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

Qwen3.8-Max-Prime existiert aus genau einem Grund: ungefähr das Doppelte zu verlangen, damit die Tokens früher ankommen. Qwen4-Max, allgemein verfügbar seit 16. November 2026, unterbietet das Modell, auf dem Prime aufbaut – 1,50 US-Dollar Eingabe und 4,50 US-Dollar Ausgabe pro Million Tokens in Singapur gegenüber 2,00 und 6,00 US-Dollar – und erledigt eine Aufgabe in etwa zwei Dritteln der Wall-Clock-Zeit. Die Gegenüberstellung, die eine Leserin oder ein Leser tatsächlich braucht, ist also nicht „neues Flaggschiff gegen altes Flaggschiff“. Sie lautet, ob die Premium-Schnellspur, die Alibaba zusätzlich zu Qwen3.8-Max verkauft, noch irgendetwas bietet, das man nicht bekommt, indem man einfach zum Standardtarif zu Qwen4-Max wechselt, und die ehrliche Antwort ist enger, als es die Seiten beider Anbieter nahelegen: Prime streamt weiterhin schneller pro Token, und es ist nicht mehr eindeutig schneller pro Aufgabe.

Es gibt eine zweite, leisere Komplikation. Seit dem 18. November erscheint die Prime model ID weder auf Alibabas Fast-mode-Dokumentationsseite noch auf ihrer Modell-Preisliste – weder in der internationalen noch in der China-Ausgabe. Die Seite wurde zuletzt am 11. Oktober 2026 aktualisiert und listet nun drei Prime-IDs, allesamt GLM oder Wan – keine Qwen-Variante. Abwesenheit ist nicht dasselbe wie Rückzug, und wir können keine von Alibaba veröffentlichte Einstellungsmitteilung finden, daher sollten Sie dies als „nicht mehr gelistet“ und nicht als „eingestellt“ behandeln. Wenn Sie jedoch in dieser Woche einen Wechsel einplanen, verschiebt sich die Frage davon, welche der beiden Sie kaufen sollten, hin zu der Frage, ob die ältere noch im Regal steht.

Eines davon ist ein Modell, das andere ist eine Serving-Lane.

Die Unterscheidung entscheidet über den gesamten Vergleich, und das Marketing trifft sie nicht.

• Qwen4-Max — ein neues Flaggschiff aus dem Qwen-Team von Alibaba, allgemeine Verfügbarkeit am 16. November 2026, tokenbasierte Abrechnung in sechs Regionen, Kontext von 1.000.000 Tokens, Eingabe von Text, Bildern und Videos mit Textausgabe, Denkmodus standardmäßig aktiviert bei reasoning_effort=high.

• Qwen3.8-Max-Prime — kein Modell. Es ist Qwen3.8-Max, das 3,8-Flaggschiff mit 2,4 Billionen Parametern, das am 3. August 2026 GA erreichte und über den von Alibaba so genannten Fast-Modus (Prime-Modus, 优速模式) bereitgestellt wird. Gleiche Gewichte, gleicher Kontext, gleiche Tool-Oberfläche, gleiche Nutzungslimits. Alibabas eigene Dokumentation besagt, dass die Fähigkeiten und Einschränkungen „dieselben wie beim Originalmodell“ sind, und das Einzige, was Sie ändern, ist der model-Parameter.

Das ist wichtig, weil eine Serving-Lane anders altert als ein Modell. Prime erbt jede Fähigkeitsobergrenze der 3.8-Generation und sämtliche ihrer Token-Effizienz-Eigenschaften; hinzu kommen Durchsatzreserven auf Alibabas eigener Infrastruktur, bepreist mit einem Multiplikator. Wenn die darunterliegende Generation durch etwas Günstigeres und Token-Effizienteres ersetzt wird, behält die Lane ihre Geschwindigkeit und verliert ihren Grund.

Die Preisliste und die darin steckende Umkehrung

Dies sind Listenpreise aus Alibabas Preisliste, keine gemessenen Abrechnungen. Pro Million Tokens, Eingabe und Ausgabe:

• Qwen4-Max, Singapur — $1.50 / $4.50, einheitlich über das gesamte 1.000.000-Token-Fenster.

• Qwen4-Max, überall sonst — 1,413 $ / 4,24 $ in Peking, Hongkong, Frankfurt, Virginia und Tokio.

• Qwen3.8-Max, Singapur — $2.00 / $6.00; $1.650 / $4.951 in den globalen Regionen.

• Qwen3.8-Max-Prime — $3.301 / $9.902 auf der internationalen Karte, mit Cache-Treffern bei $0.413. Das ist genau das 2,0-Fache des Global-Tarifs der Standard-ID, keine gerundete Näherung. Wir haben diese Werte Ende September von der Tarifkarte abgelesen; es sind die letzten veröffentlichten Prime-Zahlen, die wir haben, und die Zeile steht heute nicht mehr auf der Seite.

A generated two-column scoreboard titled 'Qwen4-Max vs Qwen3.8-Max-Prime — the scoreboard'. Left column 'Qwen4-Max' reads Intelligence Index 42.9, HLE Diamond 44.9%, APEX Agents 59.1%, Terminal-Bench 4.0 48.5%, 104,940 tokens per task, $3.27 per task. Right column 'Qwen3.8-Max-Prime' reads Intelligence Index 33.7, HLE Diamond 24.0%, APEX Agents 42.4%, Terminal-Bench 4.0 38.9%, 170,794 tokens per task, $10.02 per task. Footer reads 'Scores: Artificial Analysis Intelligence Index v5.0.1. Prime mode runs Qwen3.8-Max weights, so its scores are Qwen3.8-Max's.'

• Cache-Lese-Tarif — 0,075 $ pro Million in Singapur und 0,071 $ anderswo, gegenüber 0,413 $ pro Cache-Treffer bei Prime. Weniger als ein Fünftel des Preises – bei dem Posten, den eine lange Agentenschleife am häufigsten bezahlt.

Vergleicht man den ersten und den vierten, ist die Umkehrung frappierend: Das zwei Tage alte Flaggschiff kostet beim Input etwa 43 % dessen, was die Schnellspur der vorherigen Generation kostet, und beim Output 43 %. Selbst gegenüber dem einfachen Qwen3.8-Max, das es ersetzt, ist Qwen4-Max in Singapur 25 % günstiger – und der Anbieter positioniert das als Preissenkung, was es auch ist, aber nur, wenn das neue Modell die Einsparungen nicht für mehr Tokens ausgibt. Mehr dazu unten, denn teilweise tut es das und teilweise nicht.

Die Cache-Zeile ist diejenige, die sich summiert. Eine lange Agentenschleife mit festem System-Prompt und Tool-Schema liest ihr Präfix bei jedem Turn erneut, sodass der Cache-Lese-Tarif – nicht der nominale Eingabetarif – die Grenzkosten des fünfzigsten Turns bestimmt. Bei 0,075 $ gegenüber 0,413 $ liest Qwen4-Max ein gecachtes Präfix für etwa ein Fünftel dessen erneut, was Prime berechnet – eine Lücke, die 2,4-mal größer ist als die 2,3× bei frischem Input, und diejenige, die entscheidet, ob ein Dokument-Durchlauf über 400.000 Token überhaupt bezahlbar ist.

Was Prime tatsächlich kauft: Tokens pro Sekunde, nicht Aufgaben pro Stunde

Die Seite zu Alibabas Fast-Modus benennt den Vorteil klar: TPS wird auf das 1,5- bis 2-Fache im Vergleich zur Standard-API erhöht, ausgerichtet auf KI-Coding-Assistenten, mehrstufiges Agenten-Reasoning und Echtzeit-Konversation. Sie beschreibt außerdem eine ungewöhnliche Drosselungsregel: Wenn man das Ratenlimit erreicht, wird man nicht gedrosselt, sofern die Plattform noch freie Kapazität hat – der tatsächlich verfügbare Durchsatz fällt also nicht unter das angegebene Limit. Das ist eine Untergrenze, keine Obergrenze, und bei einem interaktiven Coding-Assistenten zählt der Tail mehr als der Mittelwert.

Die Zahl wurde nie unabhängig gemessen. Gemessen wurde der Standard-Build von Qwen3.8-Max: Artificial Analysis verzeichnet 60,0 Ausgabe-Tokens pro Sekunde auf Alibabas eigener API, bei 3,6 Sekunden bis zum ersten Token. Qwen4-Max verzeichnet auf derselben Rangliste 54,5 Tokens pro Sekunde und 6,9 Sekunden bis zum ersten Token. Wenn Prime also wirklich das obere Ende seines angegebenen Bereichs liefert, streamt es mit ungefähr 120 Tokens pro Sekunde – mehr als doppelt so viel wie Qwen4-Max – und sein erstes Token kommt früher an.

Dann lesen Sie die andere Hälfte derselben Tabelle, und der Vorteil kehrt sich um:

• Ausgabetokens pro Index-Aufgabe — Qwen4-Max 104.940 vs. Qwen3.8-Max 170.794. Das neue Modell verbraucht 38,6 % weniger Tokens, um dieselbe Evaluierungs-Suite zu absolvieren, bei gleicher xhigh-Aufwandsstufe auf beiden Seiten.

• Reale Zeit pro Aufgabe — 32,1 Minuten gegenüber 47,5 Minuten. Qwen4-Max ist ein Drittel früher fertig, obwohl es langsamer streamt.

• Kosten pro Aufgabe – 3,27 $ vs. 10,02 $, zu veröffentlichten Listenpreisen. Multipliziert man diese 10,02 $ mit Primes pauschalem 2,0×-Aufschlag, landet dieselbe Aufgabe bei fast 20 $.

Die letzte Zahl ist Arithmetik auf der Preisliste, keine Messung — Artificial Analysis hat die Standard-ID gemessen, nicht die Prime-Spur, und niemand hat einen Prime-Modus-Benchmark veröffentlicht, den wir finden können. Formuliere es als Schätzung. Aber die Richtung ist unstrittig: Wenn man 2,0× pro Token für eine Spur zahlt, die dieselben Token ausgibt, zahlt man 2,0× für die Aufgabe. Prime macht jedes Token schneller und jeden Auftrag teurer; Qwen4-Max macht jedes Token langsamer und jeden Auftrag billiger und kürzer.

Bei einer Chat-Oberfläche, bei der ein Mensch zusieht, wie Zeichen erscheinen, ist dieser Unterschied real – und Prime gewinnt ihn nach wie vor. Für einen Agenten, der zwölf Aufrufe nacheinander ausführt und dir am Ende die Rechnung stellt, ist die Tokenzahl die Wanduhr.

Die Kompetenzlücke – gemessen statt behauptet

Alibabas Launch-Material für Qwen4-Max nennt Token-Effizienz-Verbesserungen von rund 24 % bei xhigh-Aufwand und 35 % bei high im internen Work360-Benchmark sowie einen Rückgang der durchschnittlichen Kosten pro Aufgabe um 62 %. Diese Angaben stammen vom Anbieter und wurden nicht reproduziert. Das unabhängige Board zeichnet ein konsistentes, aber weniger dramatisches Bild – und auf dieses sollte man bei der Planung setzen.

Auf dem Artificial Analysis Intelligence Index v5.0.1, unter dem beide Modelle mit derselben Effort-Einstellung bewertet werden:

• Index — Qwen4-Max 42,9 (die Website rundet es auf 43) vs. Qwen3.8-Max bei 33,7. Eine Generationslücke von neun Punkten, und dieselbe Rangliste führt die 3.8-Zeile als veraltet, abgelöst durch Qwen4-Max.

• Humanity's Last Exam, Diamond — 44,9 % vs. 24,0 %. Dies ist die größte einzelne Abweichung in der Zeile und diejenige, die am stärksten verändert, was Sie delegieren können.

• APEX Agents — 59,1 % vs. 42,4 %. Die agentische Aufgabenerledigung steigt um fast siebzehn Punkte – das ist der Unterschied zwischen einem Workflow, den man beaufsichtigt, und einem, den man im Nachhinein prüft.

• Terminal-Bench 4.0 — 48,5 % gegenüber 38,9 %. Ein echter Zugewinn und lesenswert im Vergleich zu den 88,8 %, die der 3.8-Build auf dem älteren Terminal-Bench 2.1 verzeichnet, auf dem Qwen4-Max nicht bewertet wurde. Vergleichen Sie nicht über diese beiden Versionen hinweg.

• FrontierCode 2.0 — 26,5 % vs. 23,4 %. Die kleinste Lücke auf der Übersicht. Wenn Ihr Workload aus der Codegenerierung gegen ein Repository besteht, beträgt der Sprung zwischen den Generationen drei Punkte, nicht neun, und Primes Durchsatz könnte für Sie weiterhin wichtiger sein als der Index.

• Allwissenheit — 27,7 gegenüber 10,5, bei Halluzinationsraten von 28,4 % und 27,1 %. Qwen4-Max weiß deutlich mehr und fabuliert etwa im gleichen Maße. Diese beiden Tatsachen zusammen sind der Grund, warum es bei offenen Forschungsfragen sicherer und bei allem, was sich nicht überprüfen lässt, nicht sicherer ist.

Zwei Lücken fallen in die andere Richtung aus, und beide betreffen die Frage, was sich festnageln lässt. Qwen3.8-Max hat einen datierten Snapshot, qwen3.8-max-0902, der weiterhin zum selben Preis auf der Preisliste steht, sodass Sie das Verhalten über ein Release hinweg einfrieren können. Qwen4-Max hat keine Snapshot-ID, kein Fine-Tuning und kein dediziertes Deployment – Alibabas Seite kennzeichnet beides als nicht unterstützt. Wenn Ihre Compliance-Argumentation von einem Modell abhängt, das sich nicht unter Ihnen weg bewegen kann, ist die ältere Generation die einzige der beiden, die das bietet, und Prime erbt denselben datierten Build.

Die Verfügbarkeitsfrage, die niemand eingepreist hat

Hier ist der Teil, der diesen Vergleich dringlich statt akademisch macht. Rufen Sie heute die Seite „Fast mode“ auf, finden Sie drei unterstützte IDs – glm-5.3-prime, glm-5.2-fast-preview und wan3.0-video-prime – in Peking und Singapur. Kein Qwen-Modell ist aufgeführt, in keiner der beiden Regionen. Prüfen Sie die Modell-Preisliste in der internationalen oder der China-Ausgabe, und es gibt keine Zeile qwen3.8-max-prime; die Qwen-Einträge reichen von qwen4-max, qwen3.8-max, qwen3.8-max-0902 und weiter die 3.7-Linie hinab. Und es gibt nirgends ein qwen4-max-prime – das neue Flaggschiff hat überhaupt keine Fast-Lane-Variante.

Wir können von außen nicht sagen, ob Alibaba die Qwen Prime ID eingestellt, sie auf eine regionale Produktseite verschoben hat, die wir nicht gefunden haben, oder sie während einer Umstrukturierung einfach aus einer Dokumentationstabelle gestrichen hat. Was wir sagen können, ist enger gefasst und dennoch nützlich: Wer in dieser Woche einen latenzempfindlichen Build auf Qwen3.8-Max-Prime plant, sollte bestätigen, dass die ID im eigenen Workspace noch aufgelöst wird, bevor er darauf aufbaut, denn die öffentliche Dokumentation verspricht sie nicht mehr. Das ist ein anderes Risikoprofil als im September, als die ID auf der Preisliste neben der Standard-ID stand.

Es ordnet auch die Entscheidung neu ein. Wenn Prime auf Ihrem Konto noch verfügbar ist, entscheiden Sie sich zwischen einem schnellen Weg auf einem älteren, schwächeren, teureren Modell und einem langsameren Weg auf einem neueren, günstigeren, stärkeren. Ist es nicht verfügbar, wurde die Entscheidung bereits für Sie getroffen, und die einzige verbleibende Frage ist, wie lange Sie weiterhin $2.00/$6.00 für die standard 3.8 ID statt $1.50/$4.50 zahlen.

A screenshot of Alibaba Cloud's Fast mode documentation page, captured 18 November 2026 in English, showing the supported model table with glm-5.2-fast-preview and the other GLM and Wan Prime IDs listed for Beijing and Singapore, and no Qwen row anywhere on the page.

Wer sollte was auswählen?

• Interaktiver Coding-Assistent, ein Mensch schaut dem Stream zu — wenn Prime auf deinem Workspace noch zum Ergebnis kommt und die UX in Zeichen pro Sekunde gemessen wird, dann ist der 2×-Durchsatz das Produkt. Qwen4-Max mit 54,5 Token pro Sekunde ist nicht langsam, aber es ist keine schnelle Spur, und sein erstes Token nach 6,9 Sekunden dauert fast doppelt so lange wie beim Standard-3.8-Build.

• Agentische Pipelines, Batch-Evaluierung, Dokumentdurchläufe — Qwen4-Max, ohne viel Diskussion. Weniger Tokens pro Aufgabe, weniger Minuten pro Aufgabe, ein Drittel der Kosten pro Aufgabe und eine Cache-Read-Rate, die bei langen Präfixen mehr als fünfmal günstiger ist als die von Prime.

• Workloads, die gepinnt werden müssen — qwen3.8-max-0902, der datierte 3.8-Snapshot, zu Standardtarifen. Weder Prime noch Qwen4-Max bietet Ihnen einen eingefrorenen Checkpoint.

• Codegenerierung gegen ein großes Repository — die knappste Entscheidung auf dem Tableau. Drei Indexpunkte Verbesserung bei FrontierCode 2.0 sind womöglich nicht den Verlust einer Throughput-Lane wert, die Sie bereits instrumentiert haben, zumal wenn Ihr Agent und nicht das Modell der Engpass ist.

• Wer noch nicht migriert hat — führen Sie die index-suite-Arithmetik auf Ihren eigenen Traces durch, bevor Sie sich festlegen. Die von Artificial Analysis gemessene Token-Reduktion von 38,6 % ist ein Durchschnitt über eine gemischte Evaluation; Ihre Workload könnte besser oder überhaupt nicht komprimieren.

Die Auswahl in einen einzigen Endpoint einbinden

Weder Qwen4-Max noch Qwen3.8-Max-Prime steht heute im Katalog von OrcaRouter — wir haben beide Modellseiten geprüft, und beide liefern nichts, und dieser Beitrag wird nichts anderes suggerieren. Was es gibt, ist das Modell, auf dem dieser ganze Vergleich aufbaut: qwen/qwen3.8-max und seinen datierten Snapshot qwen/qwen3.8-max-0902, angeboten zum Listenpreis des Anbieters mit 0 % Aufschlag, was heute 2,00 $ für Eingaben und 6,00 $ für Ausgaben pro Million Token bedeutet. Die eigene Seite von OrcaRouter für diese ID meldet eine p50-Zeit bis zum ersten Token von 4,34 Sekunden und eine p95 von 10,00 Sekunden über die vergangene Woche — unsere Messung, auf unserem Traffic, nicht die des Anbieters.

Das ist für die Entscheidung in einer bestimmten Hinsicht relevant. Alibaba hat den Preis für Qwen4-Max zwischen der Preview am 11. November und der GA am 16. zweimal überarbeitet, und die Global-Karte liegt bereits 5,8 % unter der Singapore-Karte. Was auch immer Sie bauen, der Tarif wird sich unter Ihnen bewegen. Ein Pass-through-Gateway bedeutet, dass eine Preissenkung des Anbieters noch am selben Tag auf Ihrer Rechnung landet und nicht erst bei der nächsten Vertragsverlängerung, und ein Schlüssel deckt beide Generationen ab, sodass die Migration von qwen3.8-max zu qwen4-max nur eine Modellzeichenfolge ist und keine zweite Integration. Solange Qwen4-Max hier nicht routbar ist, ist das nützliche Muster das langweilige: Behalten Sie die Standard-3.8-ID auf dem Schlüssel, den Sie bereits haben, evaluieren Sie Qwen4-Max direkt gegen Alibaba, während sich die kommerziellen Bedingungen klären, und lassen Sie automatisches Failover die Lücke in beide Richtungen abdecken.

Was würde dieses Urteil ändern?

Drei Dinge, und jedes davon ist in den nächsten paar Wochen überprüfbar. Eine Qwen4-Max-Prime-Variante würde die Schnellspur auf der aktuellen Generation wiederherstellen und daraus wieder einen Durchsatz-gegen-Durchsatz-Vergleich machen, zu 2× des Tarifs von $1.50/$4.50. Eine unabhängige Messung im Prime-Modus würde die 1.5–2×-Behauptung des Anbieters durch etwas ersetzen, das man in einen Kapazitätsplan aufnehmen kann – niemand hat eine veröffentlicht, und bis jemand das tut, ist der Multiplikator ein Versprechen. Und eine Snapshot-ID für Qwen4-Max würde das einzige verbleibende echte Argument dafür beseitigen, auf der 3.8-Linie zu bleiben, das derzeit weder der Preis noch die Leistungsfähigkeit noch die Geschwindigkeit bei einer vollständigen Aufgabe ist, sondern die Möglichkeit, einen Checkpoint einzufrieren.

Für alle anderen ist die Antwort durch die Arithmetik bereits besiegelt: Die Schnellspur kostet mehr pro Token, mehr pro Aufgabe und mehr pro erneutem Lesen aus dem Cache als das Modell, das sie ersetzt hat, und sie leistet weniger. Das ist ein seltsamer Zustand für eine Premium-Stufe, und genau das passiert, wenn eine Serving-Lane die Generation überlebt, gegen die sie bepreist wurde.

A screenshot of the Artificial Analysis page for Qwen4 Max, captured 18 November 2026, showing an Intelligence Index of 43 and a Cost per Intelligence Index task of $3.27 alongside the surrounding comparison charts.

In diesem Artikel verglichen1

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