
Qwen4-Max vs. Qwen4 27B: Ein 4,5-facher Preisunterschied und ein Modell, das man nicht herunterladen kann
- GoogleNEUGoogle: Gemini 4 Carbon2026-11-10$2.00 / $10.00 pro 1 Mio. Tokens · 90 tok/s
- AnthropicNEUAnthropic: Claude Fable 5.22026-11-09$8.00 / $40.00 pro 1 Mio. Tokens · 97 tok/s
- orcaNEUOrca: OrcaC2 1.02026-11-0717 tok/s
- OrcaNEUOrcaCyber: GLM 5.3 Abliterated / Uncensored2026-11-04$3.00 / $5.00 pro 1 Mio. Tokens · 87 tok/s
- OrcaNEUOrcaCyber: Hy4 Abliterated / Uncensored2026-11-04$0.80 / $1.60 pro 1 Mio. Tokens · 133 tok/s
- OrcaNEUOrcaCyber: Kimi K3.1 Pro Abliterated / Uncensored2026-11-04$4.00 / $20.00 pro 1 Mio. Tokens · 72 tok/s
- OrcaOrcaCyber: MiniMax M3.1 Flash Abliterated / Uncensored2026-10-29$0.80 / $1.60 pro 1 Mio. Tokens · 130 tok/s
- OrcaOrcaCyber: GLM 5.3 Flash Abliterated / Uncensored2026-10-27$0.80 / $1.60 pro 1 Mio. Tokens · 65 tok/s
- OrcaOrcaCyber: Qwen3.8 Flash Next Abliterated / Uncensored2026-10-26$0.80 / $1.60 pro 1 Mio. Tokens · 92 tok/s
- OrcaOrcaCyber: MiMo V2.6 Flash Abliterated / Uncensored2026-10-26$0.80 / $1.60 pro 1 Mio. Tokens · 43 tok/s
- MoonshotMoonshotAI: Kimi K3.1 Pro2026-10-2447Intelligenz
- OrcaOrcaCyber: DeepSeek V4.1 Flash Abliterated / Uncensored2026-10-23$0.80 / $1.60 pro 1 Mio. Tokens · 193 tok/s
- minimaxMiniMax: M3.1 Flash2026-10-1929Intelligenz
- OrcaOrca: OrcaCyber Ultra 1.02026-10-17$5.00 / $10.00 pro 1 Mio. Tokens · 150 tok/s
- deepseekDeepSeek: DeepSeek V4.1 Flash 10172026-10-1733Intelligenz
- DeepSeekDeepSeek: DeepSeek V4.1 Flash2026-10-1740Intelligenz
- OrcaOrca: OrcaCyber Zero 1.52026-10-10$3.00 / $7.50 pro 1 Mio. Tokens · 119 tok/s
- openaiOpenAI: GPT-6.1 Sol2026-09-2955Intelligenz
- anthropicAnthropic: Claude Sonnet 5.52026-09-2855Intelligenz
- typesafeTypeSafe: Jev 1.132026-09-24$0.04 / $0.00 pro 1 Mio. Tokens · 219 tok/s
Die interessante Frage bei Qwen4-Max ist nicht, ob es gut ist. Sie lautet, ob Sie $1,50 und $4,50 pro Million Tokens für ein Modell zahlen sollten, das in 262.144-Token-Schlucken denkt, wenn ein Geschwistermodell mit 27 Milliarden Parametern — Qwen4 27B — die meiste derselben Arbeit auf Hardware erledigen soll, die Ihnen gehört. Der Haken ist, dass Qwen4 27B noch nicht als etwas existiert, das Sie ausführen können. Alibaba zeigte es am 22. September 2026 auf der Bühne der Apsara Conference neben Qwen 4 Max, Qwen 4 Flash und Qwen 4 Plus und hat seitdem weder eine Modellkarte noch Gewichte, Kontextlänge, Preis oder Benchmark dafür veröffentlicht. Qwen4-Max dagegen ging am 16. November in die kostenpflichtige Abrechnung – mit einem Fenster von 1.000.000 Tokens und einem Artificial Analysis Intelligence Index von 43. Die nützliche Version dieses Vergleichs stellt also das Flaggschiff, das Sie aufrufen können, dem kleinen Modell gegenüber, das Sie nicht aufrufen können, und beantwortet die Frage, die tatsächlich über Budgets entscheidet: Was kauft der 4,5-fache Token-Preisunterschied, und was müsste das 27B tun, um seinen Platz zu verdienen.
Zwei Preiskarten, von denen eine Zahlen enthält
Beginne mit dem, was schriftlich festgehalten ist. Alles in diesem Abschnitt ist eine veröffentlichte Angabe; nichts wird daraus abgeleitet.
• Qwen4-Max, Singapur — 1,50 $ pro Million Eingabe-Tokens, 4,50 $ Ausgabe, pauschal über das gesamte 1.000.000-Token-Fenster. Cache-Lesevorgänge 0,075 $ pro Million, Schreibvorgänge mit fünf Minuten 1,875 $, Schreibvorgänge mit einer Stunde 3,00 $.
• Qwen4-Max, andere Regionen — 1,413 $ und 4,24 $ in Frankfurt, Virginia, Tokio, Hongkong und Peking, ein Rabatt von 5,8 % auf die Singapur-Karte bei identischen Limits.
• {{1}}Qwen4-Max{{/1}}, unabhängig — {{2}}AA Index 43{{/2}} bei {{3}}3,27 ${{/3}} an vom Evaluator abgerechneten Kosten pro Index-Aufgabe, durchschnittlich {{4}}0,80 ${{/4}} pro Million, {{5}}127 Mio.{{/5}} Ausgabe-Tokens über den gesamten Lauf.
• Qwen4 27B — kein Preis. Nicht „noch nicht angekündigt“; vielmehr gibt es nirgends eine Zeile, weil es kein Modell gibt, an das sich eine knüpfen ließe.
Das, was einem kleinen Qwen, das man heute ausführen kann, am nächsten kommt, ist Qwen3.8-27B, das dichte multimodale Modell unter Apache-2.0 aus der vorherigen Generation. Alibaba listet es auf seiner eigenen API mit 0,50 $ und 3,00 $ pro Million; wir hosten die Gewichte selbst und verlangen 0,33 $ und 2,40 $, weil bei offenen Gewichten keine Anbieterkosten pro Token anfallen, die weitergegeben werden müssten. Artificial Analysis bewertet es auf demselben Index mit 20 — dreiundzwanzig Punkte unter Qwen4-Max, was das ganze Argument in einer einzigen Zahl zusammenfasst.
Das ehrliche Verhältnis wird also nicht an einem Phantom gemessen. Es beträgt das 4,5-Fache beim Input und das 1,9-Fache beim Output, wenn man Qwen4-Max mit dem letzten 27B vergleicht, das tatsächlich ausgeliefert wurde — und dreiundzwanzig Indexpunkte Leistungsfähigkeit für den Unterschied. Ob das ein gutes Geschäft ist, hängt ganz davon ab, wofür Ihr Workload seine Tokens ausgibt, was eine Frage Ihrer Traces und nicht die eines der beiden Anbieter ist.

Was ein 27B-Modell bietet, das ein Flaggschiff mit 2,4 Billionen Parametern nicht kann
Drei Dinge – und keines davon ist Qualität.
Das erste ist eine feste Rechnung. Ein gehostetes Flaggschiffmodell ist eine variable Kostenposition, die mit dem Traffic und damit skaliert, wie ausführlich das Modell an diesem Tag zu sein geruht; ein offenes 27B-Modell auf eigener Hardware ist eine Kapitalkostenposition und ein Abschreibungsplan. Bei 0,33 $ und 2,40 $ pro Million gibt ein Team, das 3.000 $ im Monat für das Flaggschiff ausgibt, für dasselbe Tokenvolumen etwa 700 $ für das kleine Modell aus – und in dem Moment, in dem sich dieses Volumen verdoppelt, bewegt sich eine dieser Zahlen, und die andere nicht.
Zweitens die Latenz, die Sie selbst steuern. Ein dichtes 27B-Modell auf einem einzelnen Knoten antwortet in einer Form, die Sie vorhersagen können, denn dahinter steht keine Warteschlange, und es gibt kein langfristiges Denkbudget, das Sie nicht angefordert haben. Qwen4-Max verwendet standardmäßig reasoning_effort: high mit einem Denkbudget von 131.072 Token, und eine Anfrage, die nichts festlegt, hat mehr Ausgabespielraum reserviert, als die meisten Jobs nutzen werden. Diese Voreinstellung ist richtig für ein Flaggschiff und falsch für einen Klassifikator, einen Router oder die tausend kleinen Entscheidungen, die ein Agent zwischen den interessanten trifft.
Der dritte Punkt ist die Lizenz. Gewichte unter Apache-2.0 bedeuten, dass das Modell quantisiert, feinabgestimmt, in ein von Ihnen ausgeliefertes Produkt eingebettet und in einer Rechtsordnung betrieben werden kann, in der die API nicht verfügbar ist. Qwen4-Max ist proprietär, wird aus sechs Regionen bereitgestellt und liefert nur Text – keine Gewichte, kein Fine-Tuning, keine On-Premises-Bereitstellung. Alibabas Dokumentation besagt, dass Fine-Tuning und Modellbereitstellung dafür nirgends unterstützt werden.
Was ein 27B-Modell nicht bieten kann, ist genau das, wofür Qwen4-Max gebaut wurde. Das 2,4-Billionen-Parameter-Backbone mit 71 Milliarden aktiven Parametern, die 328 Milliarden N-Gramm-Embedding-Parameter, die Gated-DeltaNet-Schichten, die den Verlauf für jede Qwen-Sparse-Attention-Schicht in einen festen Zustand komprimieren – nichts davon lässt sich auf ein dichtes 27B-Modell übertragen, und das 1.000.000-Token-Fenster ebenso wenig. Die eigene Darstellung des Anbieters zur Familie ist, dass kleinere Modelle „für das optimiert sind, was kleine Modelle am besten können“, was eine elegante Art ist zu sagen, dass sie nicht dasselbe Produkt sind.
Das Einzige, was Alibaba über Qwen4 27B gesagt hat – und was es wert ist
Im Veröffentlichungsbeitrag zu Qwen4-Max vom 16. November lautet der Schlussabsatz: „Und Max ist nur der erste Blick auf Qwen4. Kleinere Modelle der Familie werden als Open Source verfügbar gemacht, auf derselben Entwicklungslinie aufgebaut und mit derselben Generation von Techniken trainiert, darauf abgestimmt, worin kleine Modelle am besten sind.“
Das ist die neueste und konkreteste Aussage, die es zur 27B-Stufe gibt, und sie ist genau so viel wert, wie sie besagt – was weniger ist, als es den Anschein hat. „Open Source zu werden“ ist eine Zusage auf eine Lizenz, kein Datum. „Dieselbe Abstammungslinie“ ist eine Aussage über die architektonische Herkunft, nicht über einen veröffentlichten Checkpoint. Und der Satz nennt 27B überhaupt nicht; der Name der Stufe stammt aus der Ankündigung auf der Bühne im September, wo Qwens LLM-Leiter vier Modelle zeigte und nur sagte, die Familie werde bald kommen. Zwischen den beiden Aussagen liegt eine Lücke von zwei Monaten: vier Stufen wurden versprochen, eine geliefert, und die mit offenen Gewichten – historisch die Stufe, die als erste mit herunterladbaren Gewichten erscheint – fehlt weiterhin.
Was diese Seite veralten lassen würde, lässt sich an drei Stellen prüfen, und alle drei sind die Stellen, die jede Qwen-Veröffentlichung angekündigt haben. Ein Repository in der Qwen-Organisation auf Hugging Face mit einem Qwen4-Namen; die neuesten Modell-Repositories der Organisation sind heute alle Qwen3.8, zuletzt aktualisiert Anfang November. Eine Modellkarte auf qwen.ai, die die Stufe mit einer Kontextlänge und einer Lizenz nennt. Oder eine Preiszeile für ein gehostetes 27B-Modell, die Ihnen verraten würde, was Alibaba für diese Stufe hält, bevor die Gewichte erscheinen. Bis sich eine dieser Stellen ändert, ist jede Parameteranzahl, jedes Kontextfenster oder jeder Score, den Sie für Qwen4 27B lesen, eine Extrapolation aus Qwen3.8-27B und sollte als solche gekennzeichnet werden.
Ausgearbeitetes Beispiel: dieselbe Agentenschleife auf beiden Karten
Nehmen wir einen Support-Automatisierungsagenten: 40.000-Token-Systemprompt und Tool-Schema, eine 6.000-Token-Konversation, acht Tool-Aufrufe pro Ticket, 900 Ausgabe-Tokens pro Aufruf, kein Thinking-Modus, 20.000 Tickets pro Monat. Cache das Präfix. Das ist Arithmetik auf veröffentlichten Listenpreisen.
• Qwen4-Max, Singapur, ohne Cache — 46.000 Eingabe-Token pro Aufruf zu 1,50 $ pro Million sind 0,069 $; acht Aufrufe sind 0,552 $ pro Ticket. Ausgabe bei 900 Token und 4,50 $ pro Million sind 0,00405 $ pro Aufruf, 0,0324 $ pro Ticket. 0,584 $ pro Ticket, 11.690 $ pro Monat.
• Qwen4-Max mit gecachtem Präfix – der 40.000-Token-Prefix wird einmalig zu $1.875 pro Million geschrieben und bei den nächsten sieben Aufrufen zu $0.075 gelesen. Pro Ticket kostet der Prefix $0.075 für das Schreiben plus $0.021 für sieben Lesezugriffe; die beweglichen 6.000 Tokens kosten über acht Aufrufe hinweg $0.072. Die Eingabe kommt auf $0.168, die Ausgabe bleibt bei $0.0324. $0.20 pro Ticket, $4,010 im Monat – und der Cache hat für die Rechnung mehr bewirkt als jeder Modellwechsel.
• Qwen3.8-27B zu unserem Self-Hosting-Tarif – 46.000 Eingabe-Tokens pro Aufruf bei $0,33 pro Million sind $0,0152; acht Aufrufe $0,121. Ausgabe bei 900 Tokens und $2,40 pro Million sind $0,00216 pro Aufruf, $0,0173 pro Ticket. $0,139 pro Ticket, $2.780 pro Monat.
Zwei Dinge stechen hervor. Das Caching des Präfixes auf dem Flaggschiff-Modell spart 66 % und bringt es auf das 1,4-Fache des ungecachten Preises des kleinen Modells — der Abstand zwischen den Stufen ist kleiner als der zwischen der Nutzung und der Nichtnutzung des Caches. Und der Vorteil des kleinen Modells ist real, aber bei diesem Token-Volumen nicht transformativ: etwa 1.200 US-Dollar pro Monat bei 20.000 Tickets. Transformativ wird es bei zehnfachem Volumen oder wenn die Arbeit einfach genug ist, dass ein 20-Index-Modell ausreicht, was bei Tool-Call-Routing und Klassifizierung normalerweise der Fall ist.
Wo das Flaggschiff nicht optional ist
Es gibt eine Kategorie von Arbeit, in der die 27B-Stufe kein günstigerer Ersatz ist, sondern von vornherein nicht in Frage kommt, und Klarheit darüber ist der Unterschied zwischen einem nützlichen Vergleich und einer Verkaufsseite.
• Arbeit mit langem Kontext über 256.000 Token — Qwen3.8-27B endet bei 262.144; Qwen4-Max unterstützt 1.000.000, mit einer Eingabeobergrenze von 991.808 Token im Nicht-Denken-Modus. Eine Vertragsprüfung mit 400.000 Token passt überhaupt nicht in das kleine Modell.
• Agentenläufe mit langem Horizont — Alibabas agentische Behauptungen zu Qwen4-Max sind ein 48-stündiger autonomer Materialentdeckungslauf auf einer Nasslaborplattform und eine juristische Due-Diligence-Prüfung von 198 Arbeitspapieren, die einen 86-seitigen Bericht hervorbringt. Was man auch immer von Anbieterdemonstrationen halten mag: Sie beschreiben eine Aufgabenklasse, die ein 20-Index-Modell nicht angeht.
• Videoeingabe in voller Länge — Qwen4-Max verarbeitet Video mit einem 1M-Fenster; die 27B-Familie verarbeitet Video mit 262K. Die Rechnung mit Frames pro Sekunde Material ist gnadenlos.
• Sicheres Programmieren — Alibaba meldet, dass die Passraten auf Funktionsebene im Last Secure Code Bench zwischen den Generationen auf der Max-Stufe von 22,0 % auf 31,8 % steigen und dass Code, der gleichzeitig auf Funktions-, Datei- und Repository-Ebene sicher ist, von 8 % auf 14,7 % steigt. Das sind Herstellerangaben und nicht reproduziert, aber es ist die Art von Zahl, nach der eine Sicherheitsüberprüfung fragt und die die Modellkarte eines kleinen Modells nicht enthält.
Das Muster ist, dass das Flaggschiff seinen Preis bei den Aufgaben rechtfertigt, die lang, multimodal oder teuer sind, wenn man sie falsch macht – und nicht bei den Aufgaben, die zahlreich sind. Die meisten Produktionssysteme enthalten beide Arten, weshalb die Antwort auf die Frage „welches“ meist „beide, geroutet“ lautet.
Den gemischten Zustand auf einem Schlüssel ausführen
OrcaRouter führt die Qwen3.8-Familie — Qwen3.8-Max, Qwen3.8-Flash und Qwen3.8-27B — über einen einzigen OpenAI-kompatiblen Endpoint zum Listenpreis des Anbieters ohne Aufschlag (0 %), und das 27B ist das Modell, das wir auf unserer eigenen Infrastruktur aus den Apache-2.0-Gewichten betreiben, weshalb es $0,33 bzw. $2,40 kostet statt $0,50 bzw. $3,00 bei Alibaba. Qwen4-Max führt es nicht: Dieses Modell ist über Alibabas eigene Model-Studio-API und mehrere Drittanbieter-Plattformen erreichbar und steht mit Stand 16. November nicht im Katalog.
Was das heute möglich macht, ist das Routing-Muster, für das dieser Vergleich plädiert, ohne auf das 27B zu warten. Eine API für mehr als 200 Modelle bedeutet, dass die Entscheidung über die Stufe keine Beschaffungsentscheidung mehr ist: Eine Anfrage, die in 256K passt und routinemäßig aussieht, geht an qwen/qwen3.8-27b; eine Anfrage, die lang, multimodal oder als hochriskant markiert ist, geht an ein Frontier-Modell mit demselben Schlüssel; die Routing-DSL drückt diese Aufteilung als Regel aus statt als Verzweigung in Ihrem Anwendungscode. Automatisches Failover bedeutet, dass die günstige Stufe das Volumen tragen kann, ohne zu einem Single Point of Failure zu werden, wenn sie einen schlechten Nachmittag hat, und eine Preissenkung eines beliebigen Anbieters landet am selben Tag auf Ihrem Schlüssel, weil der Listenpreis durchgereicht statt aufgeschlagen wird.
Modellfusion ist die dritte Option in diesem Werkzeugkasten und diejenige, die am schlechtesten auf dieses spezielle Paar passt – ein Gremium von Modellen, die gemeinsam antworten, kostet mehr als jedes für sich allein, und der Grund, sie zu nutzen, ist Uneinigkeit bei schwierigen Fragen, nicht Volumen. Gut zu wissen, dass es sie gibt; nicht lohnenswert, sie bei einem Support-Ticket-Router einzusetzen.

Was zu tun ist, bevor die Gewichte landen
Wenn dein Grund, auf Qwen4 27B zu warten, der ist, dass du ein kleines offenes Modell willst, das du selbst betreiben kannst, dann kostet dich das Warten nicht viel: Qwen3.8-27B steht unter Apache-2.0, hat ein 256K-Fenster, verarbeitet Text, Bilder und Video und erzielt 90,3 auf LiveCodeBench v6 und 89,2 auf GPQA Diamond nach Qwens eigenen Angaben — Herstellerzahlen, und starke für diese Größe. Fang damit an, miss, was ein 20-Index-Modell mit deiner Erfolgsquote bei Aufgaben macht, und du weißt, bevor der Qwen4-Checkpoint eintrifft, ob diese Stufe überhaupt zu deiner Workload passt.
Wenn der Grund die Kosten sind, cachen Sie zuerst das Präfix. Das oben durchgerechnete Beispiel zeigt eine Ersparnis von 66 % beim Flaggschiffmodell durch einen einzigen Anfrageparameter – größer als der Abstand zwischen dem Flaggschiffmodell und dem kleinen Modell auf derselben ungecachten Basis. Teams suchen routinemäßig nach einem günstigeren Modell, wenn der teure Teil ihrer Rechnung ein Präfix ist, das sie zum Vollpreis erneut lesen.
Und wenn Ihr Grund die Leistungsfähigkeit ist, wird kein 27B-Modell als Ersatz dienen. Die dreiundzwanzig Indexpunkte zwischen Qwen3.8-27B und Qwen4-Max sind der Unterschied zwischen einem Modell, das Routinearbeit gut erledigt, und einem, das die langen, multimodalen, hochriskanten Aufgaben in Angriff nimmt — und Alibabas eigene Roadmap-Formulierungen besagen, dass die kleinen Modelle für das optimiert werden, was kleine Modelle am besten können, was ein Versprechen von Effizienz statt von Gleichwertigkeit ist. Legen Sie die Routing-Aufteilung jetzt fest, auf den Tiers, die es gibt, und am Tag, an dem ein Qwen4 27B auf Hugging Face erscheint, ist es ein Katalogeintrag und eine Regeländerung statt einer Migration.

