
Qwen4-Max vs. Step-5 Preview: Vierzehn Indexpunkte, ein halber Cent pro Punkt
- 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
Dividiert man die Kosten jedes Modells pro Aufgabe durch seine Punktzahl, liegen die beiden Seiten dieses Vergleichs innerhalb von sechs Prozent voneinander. Qwen4-Max, das Alibaba heute, am 16. November 2026, veröffentlicht hat, erreicht 43 Punkte auf dem Artificial Analysis Intelligence Index v5.0.1 bei gemessenen 3,27 US-Dollar pro Index-Aufgabe – etwa 7,6 Cent pro Indexpunkt. Step-5 Preview, StepFuns spärliches Mixture-of-Experts-Modell mit 600 Milliarden Parametern, veröffentlicht am 20. September 2026, erreicht 29 Punkte auf demselben Index bei 2,35 US-Dollar pro Aufgabe – etwa 8,1 Cent pro Punkt. Das eine Modell ist auf dem einzigen Maßstab, an dem beide gemessen wurden, um 48 % intelligenter. Das andere ist bei beiden Messgrößen günstiger – um ein Drittel bei der Eingabe und um 40 % bei der Ausgabe. Und pro Einheit gemessener Leistungsfähigkeit liegen die beiden innerhalb von sieben Prozent voneinander, wobei das brandneue Flaggschiff knapp vorn liegt.
Das ist nicht der Vergleich, den keiner der beiden Anbieter verkauft, und es ist der, der tatsächlich über eine Migration entscheidet. Er bringt außerdem eine Asymmetrie mit sich, die in keinem Launch-Post erwähnt wird: Eines dieser beiden Modelle hat eine unabhängig gemessene Ausgabegeschwindigkeit, das andere hat noch überhaupt keine gemessene Geschwindigkeit, weil es erst wenige Stunden alt ist. Im Folgenden wird Dokumentiertes von Gemessenem getrennt, die Cache-Arithmetik durchgerechnet, die die Preisdifferenz von 33 % auf etwas völlig anderes verschiebt, und am Ende stehen die zwei Achsen, bei denen die Antwort nicht knapp ist – Gewichte und Ausgabe-Obergrenze.
Was jedes einzelne ist, Stand heute
Qwen4-Max ist Alibabas Flaggschiff der vierten Generation, aufgebaut auf einem Backbone mit 2,4 Billionen Parametern, wobei pro Token 71 Milliarden Parameter aktiv sind, plus 328 Milliarden N-Gramm-Einbettungsparameter. Es akzeptiert Text, Bilder und Video und gibt Text zurück. Das dokumentierte Kontextfenster beträgt 1.000.000 Token, mit einer Eingabeobergrenze von 991.808 Token im Modus ohne Denken und 983.616 im Denkmodus – die Differenz ist der zusätzliche Spielraum fürs Reasoning. Die maximale Ausgabe beträgt 131.072 Token bei deaktiviertem Denken; bei aktiviertem Denken teilen sich Reasoning und Antwort ein Budget von 262.144 Token. Das Denken ist standardmäßig aktiviert, mit einem Budget von 131.072 Token bei einem standardmäßigen Reasoning-Aufwand von high, auswählbar zwischen low, high und xhigh. Diese Zahlen stammen aus Alibabas eigener Dokumentation, und Qwen4-Max veröffentlicht keine Gewichte, unterstützt in keiner Region Fine-Tuning und unterstützt auch in keiner Region die Modellbereitstellung.
Step-5 Preview ist StepFuns Flaggschiff für agentische Arbeit: 600 Milliarden Gesamtparameter, 27 Milliarden aktive, ein Kontextfenster von 1 Mio. Tokens sowie Text-, Bild- und Videoeingabe mit Textausgabe. Die Reasoning-Intensität ist zwischen niedrig, mittel und hoch wählbar. Die maximale Ausgabe ist mit 64.000 Tokens dokumentiert, wobei max_tokens standardmäßig unbegrenzt ist, sodass das Modell die Länge wählt. Es unterstützt Streaming, Tool Calling, JSON-Schema-Ausgabe und Prompt-Caching, und die API ist OpenAI-kompatibel.
Drei Monate nach dem Launch hat das „Preview“ im Namen seine Bedeutung überlebt. StepFun führt es heute in der Modellübersicht weiterhin als Preview, während die BF16- und FP8-Checkpoints seit dem 15. Oktober unter der StepFun Model License 1.0 auf Hugging Face verfügbar sind. Betrachten Sie das Label als Namensgewohnheit, nicht als Warnung, dass der Endpoint Ihnen unter den Füßen weggezogen wird – aber lesen Sie es auch nicht als GA-Zusage, denn der Anbieter hat keine gegeben.
Der Preisunterschied beträgt ein Drittel; es ist die Cache-Arithmetik, die das ändert.
Bei Listenpreisen lassen sich die beiden leicht zusammenfassen: Step-5 Preview ist auf beiden Seiten des Zählers günstiger, und zwar um mehr als einen Rundungsfehler.
• Eingabe — Qwen4-Max: 1,50 $ pro Million Token in Singapur, 1,413 $ in den anderen fünf Regionen, gegenüber 1,00 $ bei Step-5 Preview
• Ausgabe — Qwen4-Max 4,50 $, im Vergleich zu Step-5 Preview 2,70 $
Cache-Lesen — Qwen4-Max 0,075 $ pro Million, ein Rabatt von 95 %, gegenüber Step-5 Preview 0,10 $, ein Rabatt von 90 %
• Cache-Schreibvorgang — Qwen4-Max 1,875 US-Dollar pro Million bei einer TTL von fünf Minuten und 3,00 US-Dollar bei einer Stunde, gegenüber Step-5 Preview nichts, weil Cache-Miss-Eingaben bei 1,00 US-Dollar bereits das Schreiben des Präfixes einschließen
• Gemischt, auf Basis des 7:2:1-Mixes von Artificial Analysis aus Cache-Treffern/Eingabe/Ausgabe – Qwen4-Max 0,80 USD pro Million gegenüber Step-5 Preview 0,54 USD
Die Cache-Schreibzeile ist diejenige, die übersprungen wird, und sie ist diejenige, die bei der richtigen Workload die Rangfolge umkehren kann. Nehmen Sie ein Dokument mit 300.000 Tokens, das in vier Durchläufen mit jeweils 3.000 Ausgabe-Tokens geprüft wird, zu Singapur-Tarifen, ohne Thinking. Bei Qwen4-Max schreibt der erste Durchlauf das Präfix für 0,5625 $ und gibt 0,0135 $ Ausgabe aus; die nächsten drei lesen es für jeweils 0,0225 $ plus zusammen 0,0405 $ Ausgabe. Insgesamt 0,684 $. Bei Step-5 Preview kostet der erste Durchlauf 0,30 $ Eingabe und 0,0081 $ Ausgabe; die nächsten drei kosten jeweils 0,03 $ plus 0,0243 $. Insgesamt 0,422 $. Step-5 Preview ist bei dieser Aufgabe 38 % günstiger.
Reduziert man es auf einen einzigen Durchlauf, öffnet sich die Lücke eher, statt sich zu schließen — 0,576 $ gegenüber 0,308 $, wobei Step-5 Preview 46 % günstiger ist —, doch der Grund ändert sich. Bei einem Durchlauf gibt es keinen Lesevorgang zu amortisieren, sodass man den Cache-Schreibaufschlag von Qwen4-Max für ein Präfix zahlt, das man nie wiederverwenden wird. Die praktische Regel: Das Caching von Qwen4-Max belohnt ein Präfix, das viele Male gelesen wird, und bestraft eines, das nur einmal gelesen wird. Der pauschale Cache-Lesepreis von 0,10 $ und der Miss-Preis inklusive Schreiben bei Step-5 Preview sind die freundlichere Struktur für Workloads, bei denen man die Trefferquote nicht vorhersagen kann.

Vierzehn Punkte – und eine Evidenzlücke, die in die entgegengesetzte Richtung verläuft.
Beide Modelle wurden durch den Intelligence Index v5.0.1 geschickt, der neun Evaluierungen umfasst: AA-Briefcase v1.1, AutomationBench-AA, Terminal-Bench 4.0, FrontierCode-AA 2.0, AA-Omniscience v1.1, GDP.pdf, HLE-Diamond, CritPt v2 und Terminal-Bench-Science 0.1. Keine der Modellseiten veröffentlicht separate Punktzahlen je Reasoning-Aufwand, daher sind dies Einzelwerte bei der Einstellung, die Artificial Analysis verwendet hat.
• Index — Qwen4-Max 43, in seiner Klasse auf Platz 38 von 81, gegenüber Step-5 Preview 29, unter den großen Open-Weight-Modellen auf Platz 10 von 29. Die Klassenmediane unterscheiden sich (41 und 23), weshalb diese Ränge nicht miteinander vergleichbar sind, obwohl die Punktzahlen es sind
• Kosten pro Indexaufgabe — 3,27 $ gegenüber 2,35 $
• Kosten pro Indexpunkt — 7,6 Cent gegenüber 8,1 Cent, sodass das pro Aufgabe teurere Modell pro Einheit an Fähigkeit das günstigere ist
• Ausgabegeschwindigkeit — Step-5 Preview 124 Token pro Sekunde, im Vergleich zu keiner veröffentlichten Angabe für Qwen4-Max. Artificial Analysis führt seine Zeit pro Aufgabe als unbekannt und seine Anbieterseite nennt überhaupt keine Anbieter-Benchmarks.
• Zeit bis zum ersten Antwort-Token — Step-5 Preview 23,53 Sekunden, gegenüber keinen veröffentlichten Angaben für Qwen4-Max
• Zeit pro Indexierungsaufgabe — Step-5 Preview 15,2 Minuten gegenüber dem Klassenmedian von 13,3 Minuten; für Qwen4-Max liegt kein Wert vor
• Ausführlichkeit — Qwen4-Max gab über den Index hinweg 127 Millionen Ausgabe-Tokens aus, gegenüber einem Median von 78,6 Millionen, im Vergleich zu Step-5 Preview mit 129 Millionen gegenüber einem Median von 104 Millionen. Beide sind ausführlich; Qwen4-Max ist ausführlich im Vergleich zu einer schlankeren Peer-Gruppe
Die 23,53 Sekunden bis zum ersten Token sind die Zahl, die jeden beunruhigen sollte, der einen interaktiven Einsatz von Step-5 Preview plant. Das ist kein Netzwerkartefakt: Es sind die Kosten, die ein Modell mit 600 Milliarden Parametern und standardmäßig aktiviertem Denken verursacht, bevor die Antwort beginnt. Die Reasoning-Standardwerte von Qwen4-Max – Denken aktiviert, ein Budget von 131.072 Token, Effort auf hoch gesetzt – weisen in dieselbe Richtung, und solange es niemand misst, gibt es keine ehrliche Möglichkeit zu sagen, welches langsamer ist. Das sind die praktischen Kosten eines Kaufs am Tag des Marktstarts: Man bekommt einen Score und eine Preisliste, aber keinen Latenzwert.
Alibabas eigenes Evaluierungsmaterial ist eine separate Angelegenheit und sollte als vom Anbieter berichtet und nicht reproduziert gelesen werden. Bei Work360, seinem internen Benchmark, der 26 übergeordnete Branchendomänen umfasst, meldet der Anbieter 52,69 für Qwen4-Max gegenüber 47,74 für Qwen3.8-Max. Außerdem berichtet es, dass die durchschnittlichen Kosten pro Work360-Aufgabe von 4,43 $ auf 1,67 $ sinken, eine Reduzierung um 62 %, und dass der Token-Verbrauch bei xhigh effort um etwa 24 % und bei high effort um 35 % in diesem Benchmark sinkt, mit Reduzierungen um 48 % bzw. 49 % bei Terminal-Bench 4.0. Dabei handelt es sich um Aussagen über Qwen4-Max im Vergleich zu seinem Vorgänger. Sie sagen nichts über Step-5 Preview aus, und keine davon wurde unabhängig überprüft.

Gewichte: Dieses hier ist nicht knapp.
Step-5 Preview ist ab heute herunterladbar. Das Repository von Hugging Face enthält BF16- und FP8-Safetensors unter der StepFun Model License 1.0 – einer Lizenz im Apache-2.0-Stil mit Namensnennungspflicht und einer Bedingung für die kommerzielle Nutzung – sowie das Chat-Template, drei quantisierte Varianten und Deployment-Rezepte: FP8 auf vier B300s oder acht H200s unter vLLM, FP8 auf derselben Hardware unter SGLang, BF16 auf acht B300s oder sechzehn H200s. Etwa 1.600 Downloads im letzten Monat.
Qwen4-Max hat keinen Checkpoint und keinen Weg dorthin. In der Dokumentation von Alibaba ist Fine-Tuning in jeder Region als nicht unterstützt gekennzeichnet und Model Deployment in jeder Region als nicht unterstützt – das ist eine stärkere Aussage als „die Gewichte sind noch nicht veröffentlicht“: Es bedeutet, dass der Anbieter Ihnen überhaupt nicht erlauben wird, dieses Modell selbst über seine Plattform auszuführen. Wenn Ihre Anforderung ein Modell ist, das Sie quantisieren, feinabstimmen, in einer Air-Gap-Umgebung betreiben oder auf einen bestimmten Build festlegen können, endet der Vergleich hier – und er endet zugunsten von StepFun.
Es ändert auch, was „offen“ einem bringt. Die Lizenz von Step-5 Preview erlaubt kommerzielle Nutzung unter Bedingungen, daher gehört eine rechtliche Prüfung zu den Einführungskosten, und die Deployment-Rezepte gehen von einem Knoten mit vier bis sechzehn GPUs aus — dies ist kein Modell, das man auf einer Workstation ausführt. Aber es ist ein Modell, dessen Verhalten einem nicht durch ein stilles Anbieter-Update unter den Füßen weggeändert werden kann, und für alle, die ein reguliertes oder langlebiges System bauen, ist das mehr wert als vierzehn Indexpunkte.
Die Ausgabeobergrenze und ein Dokumentationskonflikt, den man kennen sollte
Das ist der am wenigsten glamouröse Unterschied und derjenige, der einer bestimmten Workload am ehesten zum Verhängnis wird. Qwen4-Max bietet 131.072 Ausgabe-Tokens bei deaktiviertem Thinking und ein gemeinsames Budget von 262.144 Tokens bei aktiviertem Thinking. Die API-Dokumentation von Step-5 Preview gibt eine maximale Ausgabe von 64.000 Tokens an. Die Hugging-Face-Model-Card von Step-5 Preview besagt, dass die Ausgabe bis zu den vollen 1 Mio. Tokens reichen kann, wobei Eingabe und Ausgabe auf dasselbe Limit angerechnet werden.
Diese beiden Aussagen stammen vom selben Anbieter und liegen weniger als einen Monat auseinander, und keine von beiden ist als veraltet gekennzeichnet. Wenn Sie eine Aufgabe mit langer Ausgabe planen – einen vollständigen Bericht, einen großen Patch, ein generiertes Dokument –, lesen Sie die API-Dokumentation statt der Karte und testen Sie die Obergrenze, bevor Sie Ihre Architektur darauf auslegen. Die Zahl 64.000 passt zu der Zeit von 15,2 Minuten pro Indexierungsaufgabe; die Zahl 1 Mio. würde etwas ganz anderes bedeuten.
Noch eine Asymmetrie, die es wert ist, hervorgehoben zu werden: Beide Modelle akzeptieren Videoeingaben, aber nur StepFun veröffentlicht die operativen Details. Bis zu 60 Bilder pro Anfrage in niedriger oder hoher Detailstufe, Video als URL, Base64 oder stepfile://-Referenz, MP4 unter 128 MB, wobei Clips unter fünf Minuten empfohlen werden. Alibaba dokumentiert die Videoeingabe für Qwen4-Max, ohne vergleichbare Grenzwerte auf der Modellseite zu veröffentlichen. Wenn Video für Ihren Workload zentral statt nur beiläufig ist, ist dieser Unterschied in der Dokumentationsqualität selbst ein Signal dafür, welcher Anbieter zuvor gefragt wurde.
Wer sollte diese Woche welche auswählen?
Wählen Sie Qwen4-Max, wenn die Obergrenze wichtiger ist als die Rechnung: schwieriges Reasoning, langfristige agentische Arbeit oder alles, bei dem 43 gegen 29 in einem Index mit neun Evaluierungen den Unterschied zwischen einer Aufgabe ausmacht, die abgeschlossen wird, und einer, die es nicht wird. Nehmen Sie dafür zwei Risiken in Kauf. Das erste ist, dass Sie am ersten Tag kaufen, ohne unabhängigen Latenzwert und ohne Drittanbieter-Reproduktion der Work360-Behauptungen des Anbieters. Das zweite ist der Cache-Schreibzuschlag, der Single-Pass-Langkontext-Arbeit still mit 1,875 US-Dollar pro Million geschriebener Token belastet.
Wählen Sie {{1}}Step-5 Preview{{/1}}, wenn Sie das Modell selbst betreiben möchten, wenn Sie eine gemessene {{2}}124 Tokens pro Sekunde{{/2}} und eine {{3}}23,53 Sekunden lange Wartezeit bis zum ersten Token{{/3}} benötigen, mit der Sie planen können, oder wenn Ihre Arbeitslast auf eine Weise cache-intensiv ist, die Sie nicht vorhersehen können. Akzeptieren Sie, dass Sie {{4}}29 Indexpunkte{{/4}} kaufen, dass das erste Token langsam ankommt und dass die Ausgabegrenze vom Anbieter auf zwei unterschiedliche Arten dokumentiert wird.
Die dritte Option ist diese Woche für die meisten Teams die ehrliche: keines von beiden, ausschließlich. Der Abstand zwischen diesen beiden Modellen pro Einheit gemessener Leistungsfähigkeit beträgt 6 %, was deutlich innerhalb der Fehlermarge einer einzelnen Indexversion liegt, und beide wurden nur einmal von einem einzigen Harness evaluiert. Ein Team, das sich aufgrund eines Starttag-Scores für eines von beiden entscheidet, legt sich auf eine Zahl fest, die noch nicht reproduziert wurde.
Beide ohne einen zweiten Vertrag betreiben
Keines der beiden Modelle ist heute im OrcaRouter-Katalog – 215 Modellkennungen, heute Morgen geprüft, ohne Qwen4-Eintrag und ohne StepFun-Textmodell darunter. Beide sind über die APIs ihrer jeweiligen Anbieter erreichbar: Alibabas sechs Regionen für Qwen4-Max, StepFuns OpenAI-kompatibler Endpunkt unter api.stepfun.ai/v1 für Step-5 Preview. Etwas anderes zu behaupten, wäre die Art von Aussage, die schon innerhalb einer Woche schlecht altert.
Worauf wir routen, ist das Modell, das Qwen4-Max ersetzt.Qwen3.8-Max ist in unserem Katalog als qwen/qwen3.8-max zu Alibabas eigenem Listenpreis von 2,00 $ für Input und 6,00 $ für Output pro Million Tokens, ohne Aufschlag weitergegeben, zusammen mit 214 weiteren Identifikatoren auf einer einzigen OpenAI-kompatiblen Base-URL. Das ist in diesem Vergleich aus genau einem Grund wichtig: Ein Modell vom Launch-Tag ist das denkbar schlechteste, worauf man einen Produktionspfad setzen kann, und die vernünftige Haltung ist, die bewährte Generation auf der Route zu belassen, während man das neue gegen den eigenen Traffic misst. Die Routing-DSL drückt das als Policy statt als Codeänderung aus — die schwierigen, reasoning-intensiven Aufrufe an das neue Modell schicken, die Volumenarbeit auf dem günstigeren bewährten lassen und automatisches Failover den Fall abfangen lassen, in dem ein brandneuer Endpoint unter Last nachlässt, die man nicht vorhergesehen hat.
Durchgereichte Preisgestaltung bedeutet auch, dass die Arithmetik in diesem Artikel ehrlich bleibt. Wenn Alibaba einen Tarif senkt – wie heute geschehen, indem Qwen4-Max von den 2,00 $ und 6,00 $ von Qwen3.8-Max auf 1,50 $ und 4,50 $ gebracht wurde –, dann spiegelt ein Katalog, der die Listenpreise des Anbieters durchreicht, das noch am selben Tag wider und nicht erst bei der nächsten Vertragsverlängerung. Das ist kein Argument dafür, uns statt der eigenen API des jeweiligen Anbieters zu wählen. Es spricht dafür, nichts zu unterschreiben, das einen Preis festschreibt, von dem Sie nicht gesehen haben, dass er einen Monat lang hält.

Der Vergleich, den Leser in zwei Wochen sehen wollen, ist nicht der in dieser Schlagzeile. Es sind die Latenz von Qwen4-Max und die stabile Veröffentlichung von Step-5 Preview, beide gemessen von jemandem, der nicht der Anbieter ist, an Workloads, die Menschen tatsächlich ausführen. Bis dahin ist die verteidigbare Position eng und unspektakulär: eine 48-prozentige Fähigkeitslücke, eine 33-prozentige Preislücke, eine 6-prozentige Lücke pro Fähigkeitseinheit und eine Reihe von Entscheidungen — Gewichte, Ausgabedeckel, Cache-Struktur —, die kein Indexwert erfasst und die diese Launch-Woche überdauern werden.
