
Qwen 4 vs. Qwen 3.8 Max: Was sich auf Ihrer Rechnung tatsächlich ändert, wenn Sie ein Upgrade durchführen
- 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 · 126 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 · 44 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 · 147 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 · 123 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
Der Wechsel von Qwen3.8-Max zu Qwen4-Max ist unter Flaggschiff-Upgrades ungewöhnlich, weil sich der Preis zu Ihren Gunsten entwickelt und die Leistungsfähigkeit gleichzeitig steigt. Qwen3.8-Max ist seit dem 3. August 2026 allgemein verfügbar, zu $2.00 Input und $6.00 Output pro Million Tokens bei einem Kontextfenster von einer Million Tokens. Qwen4-Max, das es am 16. November 2026 an der Spitze der Produktpalette ablöste, kostet für dasselbe Fenster $1.50 und $4.50, erzielt 43 gegenüber 34 im Artificial Analysis Intelligence Index und kostet $3.27 pro Index-Aufgabe gegenüber $10.02. Eine 25-prozentige Senkung auf beiden Seiten des Zählers, neun Indexpunkte und ein Drittel der Kosten pro abgeschlossener Aufgabe – die Art von Upgrade, die normalerweise mit einer Preiserhöhung einhergeht. Der Haken – und einen gibt es bei einer Migration innerhalb desselben Anbieters immer – ist, dass das Ausgabebudget kleiner wurde, obwohl alles andere größer wurde.
Die vier Zahlen, die sich bewegten, und die eine, die sich rückwärts bewegte
Upgrades innerhalb eines einzigen Anbieters lassen sich leichter bewerten als anbieterübergreifende Vergleiche, weil die Tokenizer-Abstammung, die API-Oberfläche und die Tool-Calling-Konventionen alle unverändert bleiben. Was sich ändert, ist eine kurze Liste, und die lässt sich an einem Nachmittag mit der eigenen Nutzung abgleichen.
• Preis — von $2.00/$6.00 auf $1.50/$4.50 pro Million Tokens, eine Senkung um 25 Prozent auf beiden Seiten
• Zwischengespeicherter Lesevorgang — von 0,25 $ auf 0,075 $ pro Million, eine Senkung um 70 Prozent
• Unabhängige Bewertung — 34 bis 43 auf demselben Index, demselben Board, beide abgelesen am 17. November 2026
• Kosten pro Indexierungsaufgabe — von 10,02 $ auf 3,27 $, eine Reduzierung um 67 Prozent
• Gemeinsames Budget für Denken und Antworten — 262.144 Token, reduziert gegenüber einem größeren Kontingent in der 3.8-Generation
• Aktive Parameter — von 95 Milliarden auf 71 Milliarden gesenkt, auf demselben 2,4-Billionen-Parameter-Backbone
• Kontext — unverändert bei 1.000.000 Tokens
• Gewichte — keines der Flaggschiffmodelle veröffentlicht welche, obwohl das Open-Weight-Geschwistermodell Qwen3.8-27B von Qwen3.8-Max dies tut
Zwei davon verdienen mehr als eine Zeile. Die Reduktion der aktiven Parameter ist die architektonische Aussage hinter allem Übrigen: Qwen4-Max aktiviert 71 Milliarden Parameter pro Token, während Qwen3.8-Max 95 Milliarden aktivierte, und Alibaba führt den Effizienzgewinn auf eine neue Architektur zurück statt auf Pruning — gegatete DeltaNet-Schichten, verschachtelt mit einem Sparse-Attention-Mechanismus, der Kontext mit Mikroblock-Granularität indexiert, vier parallele Residualzweige mit dynamischen Lese- und Schreib-Gates sowie eine kontextbasierte N-gram-Embedding-Tabelle mit 328 Milliarden Parametern, die die Kapazität erweitert, ohne den Rechenaufwand pro Token zu erhöhen.
Das gemeinsame Budget ist das, was die Leute überraschen wird. Qwen4-Max fasst sein Reasoning und seine Antwort zu einem einzigen Kontingent von 262.144 Token zusammen. Wenn Sie auf Qwen3.8-Max mit aktiviertem Thinking Ausgaben mit 150.000 Token erzeugt haben, bleiben Ihnen jetzt 112.144 Token fürs Thinking – und bei einem schwierigen Problem wird das Thinking diese auffressen. Das Scheitern sieht wie eine abgeschnittene Antwort aus, nicht wie ein Fehler – die schlechteste Art, wie eine Grenze sichtbar werden kann.
Warum die Kosten pro Aufgabe um zwei Drittel sanken, während der Token-Preis um ein Viertel fiel
Die Token-Preise erklären ein Viertel der Einsparung. Die anderen zwei Drittel stammen daher, dass das Modell weniger Arbeit verrichtet, um dieselbe Antwort zu erreichen, und dies ist der Teil der Markteinführung, der am schwersten zu verifizieren und für den Business Case am wichtigsten ist.
Alibabas eigene Zahlen: In seiner Work360-Suite sinkt der Token-Verbrauch bei xhigh-Reasoning-Aufwand um etwa 24 Prozent und bei high um 35 Prozent; bei Terminal-Bench 4.0 um 48 und 49 Prozent. Die durchschnittlichen Kosten pro Aufgabe in Work360 fallen von 4,43 $ auf 1,67 $, eine Senkung um 62 Prozent. Das sind Herstellerangaben, vom Hersteller gemessen, im Vergleich zum vorherigen Modell des Herstellers, ohne unabhängige Reproduktion – und sie sind ein richtungsweisender Hinweis darauf, dass die Effizienzbehauptung nicht bloß eine als Effizienz getarnte Preissenkung ist.
Die unabhängige Bestätigung ist enger gefasst, stimmt aber überein. Artificial Analysis misst 10,02 $ pro Index-Aufgabe für Qwen3.8-Max und 3,27 $ für Qwen4-Max. Niemand außer Alibaba hat 4,43 $ oder 1,67 $ veröffentlicht; die 10,02 $ und 3,27 $ sind die Rechnung von jemand anderem auf der Arbeitslast von jemand anderem, und sie weisen in dieselbe Richtung.
Beziffern Sie Ihre eigene Arbeit. Eine Pipeline, die täglich 5.000 Aufgaben mit 30.000 Eingabe- und 4.000 Ausgabe-Tokens ohne Caching zu den veröffentlichten US-Dollar-Preisen ausführt: Qwen3.8-Max berechnet 50 $ für Eingabe und 120 $ für Ausgabe pro Tag, Summe 170 $. Qwen4-Max berechnet 37,50 $ und 90 $ — 127,50 $. Das spart vor dem Caching etwa 1.275 $ pro Monat und deutlich mehr, wenn ein stabiler Präfix Ihnen erlaubt, den Cache-Lesevorgang zu 0,075 $ statt zu 0,25 $ zu nutzen.
Die Effizienzgeschichte hat eine zweite Hälfte, die niemand zitiert.
Günstigere Tokens pro Aufgabe sind nur die Hälfte eines Business Case. Die andere Hälfte ist die verstrichene Zeit, und hier ist das Bild unklarer als die Preistabelle.
Artificial Analysis misst Qwen3.8-Max mit 59 Ausgabe-Tokens pro Sekunde und 48 Minuten pro Index-Aufgabe – langsam, und wenn Sie langfristig angelegte agentische Arbeit ausführen, ist diese Zahl diejenige, die Ihr nächtliches Zeitfenster bestimmt. Qwen4-Max veröffentlicht überhaupt keine Ausgabegeschwindigkeit und kein Timing pro Aufgabe. Bei einigen Benchmarks verbraucht es ungefähr die Hälfte der Tokens, was bei gleichem Durchsatz ungefähr die halbe reale Laufzeit bedeuten würde, aber niemand hat den Durchsatz veröffentlicht.
Die ehrliche Einordnung des Upgrades lautet also: Sie zahlen definitiv weniger pro Token, mit ziemlicher Sicherheit weniger pro Aufgabe und sind wahrscheinlich schneller fertig. Nur das erste dieser drei ist eine Tatsache, die Sie heute in einen Vertrag aufnehmen können. Das zweite wird durch eine unabhängige Messung gestützt. Das dritte ist eine Schlussfolgerung.
Das ist speziell für Scheduling-Entscheidungen relevant. Wenn Ihre 48-minütige Indexierungsaufgabe bei 59 Tokens pro Sekunde bereits an der Grenze dessen liegt, was über Nacht hineinpasst, brauchen Sie vor der Migration einen Pilotlauf mit Ihren eigenen Prompts – nicht weil Qwen4-Max wahrscheinlich langsamer ist, sondern weil ein gemeinsames Denkbudget von 262.144 Tokens den Verlauf eines langen Laufs auf eine Weise verändert, die ein Benchmark-Durchschnitt nicht erkennen lässt.
Was sich nicht verändert hat – und warum das hier die beste Nachricht ist
Das Kontextfenster umfasst weiterhin dieselbe Million Token. Die Modalitätsoberfläche ist dieselbe – Text, Bild und Video als Eingabe, Text als Ausgabe. Die API-Oberfläche ist dieselbe, wobei das Denken über enable_thinking oder über reasoning.effort in der Responses API gesteuert wird und das Modell in Alibabas Regionen in OpenAI-kompatiblen, Anthropic-kompatiblen und nativen Formaten bereitgestellt wird.
Für alle, die bereits Qwen3.8-Max nutzen, macht Folgendes das Upgrade günstig: Die Migration ist eine Änderung der Modellkennung, kein Rewrite. Keine Umstrukturierung der Prompts, kein Tool-Calling-Schema, das neu verhandelt werden müsste, keine Änderung am Kontextmanagement. Die beiden Dinge, die Sie erneut testen müssen, sind genau die, auf die die Zahlen hinweisen – das Ausgabebudget beim Thinking und Ihre jeweiligen latenzkritischen Pfade.
Das bedeutet auch, dass das sinnvolle Muster Shadow-Traffic statt eines Umschaltens ist: Senden Sie einen Teil der Produktionsanfragen an beide, vergleichen Sie die Ausgaben und Token-Zahlen und lassen Sie das gemeinsame 262.144-Token-Budget sich an den langen Fällen zeigen, bevor es sich vor einem Kunden zeigt.

Sollten Sie den Snapshot 0902 behalten?
Qwen3.8-Max verfügt über einen datierten Snapshot, qwen3.8-max-0902, der auf den 2. September 2026 festgelegt ist und dieselben Fähigkeiten und dieselbe Preisgestaltung wie das Basismodell aufweist. Snapshots existieren für die Reproduzierbarkeit, und das Argument, einen beizubehalten, ist genau dann am stärksten, wenn man im Begriff ist, das zugrunde liegende Modell zu ändern.
Wenn du eine Evaluationssuite hast, der du vertraust, führe sie gegen den Snapshot aus, bevor du den Alias außer Betrieb nimmst. Der Snapshot ist deine Kontrollgruppe; der Alias war konstruktionsbedingt nie stabil, und Qwen4-Max ist ein anderes Modell, kein Versions-Update desselben Modells. Zwei Details solltest du in diesem Lauf prüfen: ob deine Langausgabe-Fälle das kleinere gemeinsame Budget überstehen und ob sich deine Kosten pro Aufgabe tatsächlich um den Betrag verschoben haben, den die Preistabelle vorhersagt. Wenn nicht, hält die Token-Effizienz-Behauptung für deine Workload nicht, und das Argument für die Migration schrumpft auf die reine Preissenkung – immer noch lohnenswert, aber ein Viertel statt zwei Drittel.
Eine weitere Option, die der Flaggschiff-Vergleich gern übersieht: Qwen3.8-27B ist Open-Weight unter Apache-2.0 und selbst hostbar, und wir stellen es als qwen/qwen3.8-27b bereit. Für Arbeitslasten mit hohem Volumen und geringer Komplexität ist die Rechnung völlig anders als bei beiden Flaggschiffen, und „von 3.8-Max auf Qwen4-Max aufrüsten“ ist nicht der einzige mögliche Schritt. Wenn es bei Ihrer Arbeitslast um Klassifikation, Extraktion oder Kurztextgenerierung geht, kann ein dichtes 27B-Modell, das Sie selbst betreiben können, beide bei den Stückkosten schlagen — und es ist die einzige Option in dieser Familie, die Sie auf eine Version festlegen und prüfen können.
Die Migration, in der Reihenfolge
Erstellen Sie zunächst eine Bestandsaufnahme Ihrer Ausgaben. Jeder Pfad, der mit aktiviertem Denken mehr als etwa 120.000 Ausgabetokens anfordert, ist unter dem gemeinsamen Budget von 262.144 gefährdet. Das ist ein grep Ihrer Aufrufstellen, kein Benchmark.
Zweitens messen Sie Ihren eigenen Tokenverbrauch pro Aufgabe bei beiden Modellen über eine repräsentative Woche. Die veröffentlichten Effizienzwerte liegen je nach Benchmark und Aufwand zwischen 24 und 49 Prozent – eine breite Spanne, breit genug, dass Ihr eigener Wert außerhalb davon liegen könnte.
Drittens: Messen Sie Ihren p95-Wert. Qwen4-Max hat keinen veröffentlichten Durchsatz, daher wird Ihre erste Latenzzahl die erste Latenzzahl sein, die jemand außerhalb von Alibaba hat.
Viertens: Legen Sie die Open-Weight-Stufe fest. Wenn ein Teil des Volumens auf qwen/qwen3.8-27b verlagert werden kann, muss die Flaggschiff-Migration nur noch die schwierigen Fälle tragen, und die kombinierten Kosten sinken stärker, als es beide Einzelmodell-Pläne vermuten lassen.
Beide Flaggschiffe hinter einem einzigen Endpoint zu betreiben, ist die aufwandsarme Variante davon: qwen/qwen3.8-max bleibt bei $2.00/$6.00 und eine Qwen4-Max-Anfrage ist eine Routing-Regel statt eines neuen Vertrags, sodass du den Traffic schrittweise verlagern und sofort zurückwechseln kannst, sobald das gemeinsame Budget knapp wird. Klar gesagt: Qwen4-Max selbst gehört nicht zu den 215 Kennungen, die wir derzeit bedienen – das upgradete Modell läuft über Alibabas eigene API –, was du heute von uns bekommst, sind also die etablierten Modelle, zum Listenpreis ohne Aufschläge.
Das Urteil, das ungewöhnlich ist
Migrieren Sie, es sei denn, Sie erzeugen sehr lange Ausgaben. Ein Upgrade beim selben Anbieter, das den Preis um ein Viertel senkt, den Cache-Preis um 70 Prozent senkt und neun Indexpunkte hinzufügt, kommt einem kostenlosen Mittagessen nahe, und die aufgabenbezogenen Belege – vom Anbieter und von einem unabhängigen Gremium – besagen beide, dass die tatsächliche Ersparnis größer ist, als der Token-Preis vermuten lässt.
Die Ausnahme ist eng und spezifisch: Workloads, deren Ausgabe bei aktiviertem Thinking regelmäßig etwa 120.000 Tokens überschreitet. Für diese ist das gemeinsame Budget von 262.144 Tokens eine als Effizienzgewinn getarnte Fähigkeitsregression, und die richtige Vorgehensweise besteht darin, bei der 3.8-Generation zu bleiben oder die Anfrage aufzuteilen.
Worauf man als Nächstes achten sollte, ist die Zahl, die fehlt, und nicht die, die veröffentlicht werden. Ein Modell, das pro Aufgabe zwei Drittel günstiger ist und keinen gemessenen Durchsatz hat, ist eine starke Wette mit einem nicht quantifizierten Risiko, und die erste unabhängige Zeitmessung von Qwen4-Max wird diesen Streit eher entscheiden als jede weitere Benchmark-Punktzahl.

Der Teil dieser Familie, den Sie selbst betreiben können
Ein Vorteil eines Upgrades beim selben Anbieter, den es bei keinem der beiden Flaggschiffe gibt: Die Ebene darunter ist offen und portabel. Qwen3.8-27B kommt unter Apache-2.0 mit Text-, Bild- und Videoeingabe sowie einem 262.144-Token-Fenster, und wir stellen es als qwen/qwen3.8-27b bereit – auf unserer eigenen Infrastruktur, zum Listenpreis ohne Aufschlag und auf eine Weise versionfest pinbar, wie es bei keinem der beiden Flaggschiffe möglich ist. Für eine Migration, deren Hauptrisiko ein gemeinsam genutztes Ausgabebudget ist, das man nicht prüfen kann, ist eine versionierte Open-Weight-Rückfalloption aus derselben Familie die günstigste Versicherung, die es gibt.

In diesem Artikel verglichen1
Aus diesem Artikel erkannt · Benchmarks: Artificial Analysis · täglich aktualisiert
