Generierte Hero-Karte für einen Nachrichtenbeitrag über Qwen4 Max in OpenCode Go, mit der Überschrift Qwen4 Max in einem 10-$-Coding-Plan, mit Chips mit der Aufschrift 16. November 2026, 15 $ monatliches Kontingent, 2.310 Anfragen und 66.000 gecachte Token pro Anfrage, über einer Fußzeile mit OpenCode Go-Dokumentation und Alibaba Model Studio, abgerufen am 17. November 2026.
Guides & Insights

Qwen4 Max kommt zu OpenCode Go: Was das 15-Dollar-Kontingent bringt und was ein Cache-Miss kostet

Autor

jinhao.song

Veröffentlicht am

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

OpenCode hat Qwen4 Max am 16. November 2026 hinter sein Go-Abonnement gestellt, am selben Tag, an dem das Modell von der Vorschau in die allgemeine Verfügbarkeit mit nutzungsabhängiger Abrechnung überging, und die Zahl, die entscheidet, ob das ein gutes Geschäft ist, ist nicht der Eingabepreis von 1,50 $. Es sind 66.000 – die Anzahl der zwischengespeicherten Token, die OpenCode für eine typische Coding-Anfrage annimmt, wenn es ausrechnet, wie weit dein Kontingent reicht. Diese eine Annahme ist der Grund, warum ein monatliches Budget von 15 $ mit ungefähr 2.310 Anfragen bei Qwen4 Max und ungefähr 810 bei Qwen3.8-Max angegeben wird, dem Modell, das es oben in derselben Liste ersetzt, und sie ist auch der Grund, warum dieselben 15 $ auf etwa 149 Anfragen zusammenfallen können, wenn dein Harness nie einen Cache-Treffer erzielt. Alles Folgende ist Arithmetik, die du anhand von zwei von OpenCode veröffentlichten Seiten nachrechnen kannst, plus eine unabhängige Benchmark-Zeile, die besagt, dass das Modell leistungsfähig, langsam und gesprächig ist.

Was OpenCode tatsächlich veröffentlicht hat – und was nicht

Zwei Oberflächen enthalten den Eintrag, und sie stimmen in allen wesentlichen Punkten überein. Die Go-Marketingseite unter opencode.ai/go zeigt eine Zeile mit der Angabe „Qwen4 Max — Neu“: geschätzte 463 Anfragen pro fünf Stunden im 10-$-Go-Plan und 1.850 im 40-$-Go-Plus-Plan, bei einem monatlichen Nutzungskontingent von 15 $ bzw. 60 $. Die Dokumentation unter opencode.ai/docs/console/go weist demselben Modell die ID qwen4-max, den Endpunkt https://opencode.ai/inference/go/anthropic/v1/messages, das AI-SDK-Paket @ai-sdk/anthropic und eine Preisangabe von 1,50 $ für Eingabe, 4,50 $ für Ausgabe, 0,075 $ für Cache-Lesen und 1,875 $ für Cache-Schreiben pro Million Tokens zu. Ihre Nutzungstabelle führt 460 Anfragen pro fünf Stunden, 1.160 pro Woche und 2.310 pro Monat auf.

Die Lücke von drei Anfragen zwischen 463 und 460 auf den beiden Seiten ist kein Skandal; sie ist das, was passiert, wenn die eine Oberfläche aus einem Balkendiagramm und die andere aus einer Tabelle generiert wird. Nehmen Sie den niedrigeren Wert. Was mehr zählt, ist, dass die Preiszeile auf den Cent genau der Singapore-Preiskarte entspricht, ohne dass darunter ein Abonnementrabatt angewendet wird.

Drei Details in dieser Dokumentation wiegen schwerer als der Preis in der Überschrift:

• Das Modell wird über das Messages-Protokoll bereitgestellt, nicht über einen chat-completions-kompatiblen Pfad. Das ist dieselbe Route, die OpenCode für Qwen3.8-Max und Qwen3.7 Plus verwendet, und deshalb kann ein Harness, das bereits Messages spricht, ohne einen Shim auf Go zeigen.

• Der Datenschutz wird Modell für Modell aufgeführt. Qwen4 Max ist als „Training: Nicht verwendet“ und „Aufbewahrung: 0 Tage“ verzeichnet – in der Spalte für Null-Aufbewahrung, nicht in der 30-Tage-Spalte, in der Grok 4.7 und die Luna-Modelle stehen. Go blockiert standardmäßig außerdem kostenpflichtige Endpunkte, die mit Anfragedaten trainieren.

• Jede Antwort meldet ihre Kosten als opencode.allowance zurück, und das Kontingent wird in US-Dollar zum Listenpreis angegeben und in Zeitfenster von 20 % über fünf Stunden, 50 % über eine Woche und 100 % über einen Monat aufgeteilt.

Was OpenCode nicht veröffentlicht hat, ist, woher die Tokens kommen. Die Dokumentation erklärt, dass einige Modelle große Kontingente erhalten, weil OpenCode einen Mengenrabatt ausgehandelt oder GPU-Kapazität reserviert hat, und dass andere kleinere Kontingente erhalten, „entweder weil das Modell neu ist oder weil seine öffentliche Preisgestaltung bereits rabattiert ist“ – in diesem Fall „bekommt man trotzdem etwas mehr, als wenn man die Modellanbieter direkt bezahlen würde“. Qwen4 Max fällt in die zweite Kategorie, bei 1,50 $ und 4,50 $ – genau der Preis, den Qwen4 Max überall hat. Ob es sich dabei um eine Durchreichung des Singapur-Endpunkts oder um OpenCodes eigene Bereitstellung eines Modells mit 2,4 Billionen Parametern handelt, wird nirgends angegeben, und wer Ihnen sagt, welches von beidem es ist, rät nur.

Eine Sache sollte vorab korrigiert werden, denn die Formulierungen rund um dieses Modell waren ungenau: Qwen4 Max ist keine nicht angekündigte oder durchgesickerte Veröffentlichung. Der Launch ging mit einem Beitrag mit dem Titel „Qwen4-Max: Ihr neuer Teamkollege ist da“ einher, die Model-Studio-Dokumentation für das Modell wurde am 17. November aktualisiert, und es gibt keine Gewichte, die man prüfen könnte — Artificial Analysis führt das Modell als proprietär, und es existiert kein Repository, das man einsehen könnte. Der unauffällige Teil ist die Listung von OpenCode, einer Coding-Plattform, die den Launch von jemand anderem aufgreift, nicht einen eigenen Launch.

Headless-browser screenshot of the OpenCode Go usage-limits documentation page in English, showing the per-model token price table with a Qwen4 Max row reading $1.50 input, $4.50 output, $0.075 cached read, $1.875 cached write and a $15 monthly limit, above the Estimated requests table where Qwen4 Max reads 460 requests per five hours, 1,160 per week and 2,310 per month, and Qwen3.8 Max reads 160, 400 and 810.

Die $15 sind ein Dollar-Meter, hier ist also die Rechnung.

Ein Kontingent in Dollar ist nur im Kontext der Anfrageform aussagekräftig, die es voraussetzt, und OpenCode veröffentlicht diese Form: 420 neue Eingabe-Tokens, 66.000 gecachte Tokens und 200 Ausgabe-Tokens pro Anfrage. Vergleichen Sie diese drei Zahlen mit der Preislinie von Qwen4 Max:

• Neue Eingabe — 420 Tokens zu $1,50 pro Million ergeben $0,00063.

• Zwischengespeicherte Eingabe — 66.000 Tokens zu 0,075 $ pro Million ergeben 0,00495 $.

• Ausgabe — 200 Tokens zu 4,50 $ pro Million ergeben 0,00090 $.

Pro Anfrage — 0,00648 $, was genau 2.315 Mal in 15 $ aufgeht. Die von OpenCode veröffentlichte Schätzung von 2.310 pro Monat ist diese Zahl abgerundet.

Dieselbe Rechnung für Qwen3.8-Max, das der Go-Katalog weiterhin zu 2,00 $ Input, 6,00 $ Output und 0,25 $ für Cache-Lesen anbietet, ergibt 0,01854 $ pro Anfrage und 809 Anfragen für 15 $ — OpenCode nennt 810. Der Wechsel zu Qwen4 Max bringt also 2,9× mehr Anfragen bei identischem Kontingent, und zwei Drittel dieses Zugewinns stammen aus einer einzigen Zeile: Der Cache-Lesepreis fällt von 0,25 $ auf 0,075 $ pro Million, eine Senkung um 70 %. Der groß beworbene Input-Preis veränderte sich um 25 %. Der Cache-Preis gab den Ausschlag.

Das Fünf-Stunden-Fenster ist die Einschränkung, an die Sie tatsächlich stoßen werden. Bei 20 % des monatlichen Kontingents kann ein rollierender Fünf-Stunden-Block im Go-Tarif 3 US-Dollar für Qwen4 Max ausgeben – 463 Anfragen bei der modellierten Form, was grob einem harten Nachmittag voller Agent-Turns entspricht, wenn Sie nicht aufpassen. Go Plus hebt das auf 12 US-Dollar und 1.850 Anfragen an. Go Teams legt das Kontingent jedes Mitglieds auf 20 US-Dollar pro Monat fest – mehr als die 15 US-Dollar von Go und weniger als die 60 US-Dollar von Plus – bei 20 US-Dollar pro Mitglied.

Generated single-column card titled The $15 allowance at Qwen4 Max list price, with rows reading Go plan: $10 per month, Monthly allowance: $15, Cached read: $0.075 per 1M, Fresh input: $1.50 per 1M, Warm request: $0.00648, Cold request: $0.10, and Requests for $15: 2,315 warm versus 149 cold.

Woher 66.000 gecachte Tokens kommen – und warum das die ganze Geschichte ist

Sechsundsechzigtausend gecachte Token sind keine willkürliche runde Zahl: Es ist ein plausibler Präfix für einen Coding-Agenten, der bei jeder Runde einen System-Prompt, Tool-Definitionen und ein mäßig großes Dateiset sendet, und es ist der Grund, warum die modellierte Anfrage überhaupt günstig ist. Bei $0.075 pro Million kostet dieser Präfix von 66.000 Token weniger als einen halben Cent. Beim Tarif für neue Eingaben von $1.50 würde er $0.099 kosten – zwanzigmal mehr und mehr als fünfzehnmal so viel wie der gesamte Rest der Anfrage.

Rechnen Sie das einmal zu Ende. Eine Anfrage, deren Präfix den Cache verfehlt, kostet $0,1005 statt $0,00648; für dieselben $15 erhalten Sie also etwa 149 Anfragen statt 2.315. Ansonsten muss sich an Ihrer Nutzung nichts ändern, damit das Kontingent um 94 % sinkt; das Präfix muss lediglich aufhören, wiederverwendbar zu sein. Die drei Wege, auf denen das passiert, sind banal: ein System-Prompt mit einem Zeitstempel oder einer sich ändernden Werkzeugliste darin, ein Harness, der seinen Kontext zwischen den Turns umsortiert, oder eine Sitzung, die die frühesten Nachrichten immer wieder neu schreibt, sodass sich das cachefähige Präfix nie stabilisiert.

Es gibt eine zweite, leisere Kostenposition. OpenCode berechnet zwischengespeicherte Schreibvorgänge mit $1.875 pro Million, was 25 % über dem frischen Eingabepreis liegt – man zahlt einen Aufpreis, um ein Präfix aufzubauen, das später zu einem 95-prozentigen Rabatt gelesen wird. Das Schreiben dieses 66,000-Token-Präfixes kostet $0.124, etwa das Neunzehnfache einer warmen Anfrage. Eine Sitzung, die ihren Cache immer wieder ungültig macht, zahlt den Schreibvorgang wiederholt und sammelt den Rabatt nie ein.

Das ist der Grund, warum es sich lohnt, das Kontingent zu verstehen, statt es nur zu beobachten. Bei einem Modell mit einer solchen Preisgestaltung ist die Cache-Trefferquote keine Optimierung, die man später nachholt; sie ist der Unterschied zwischen zwei sehr unterschiedlichen Abonnements.

Was du aufgibst, gemessen

Die unabhängige Rangliste ist jetzt vollständig, und sie fällt weniger schmeichelhaft aus als die Preiskarte. Artificial Analysis bewertet Qwen4 Max mit 43 auf seinem Intelligence Index – über dem angegebenen Median von 41, auf Platz 38 von 81 Modellen in der Rangliste – bei gemessenen Kosten von 3,27 US-Dollar pro Index-Aufgabe. Das Leistungs-Panel, das bei der ersten Listung des Modells noch leer war, enthält jetzt echte Zahlen: 54 Token pro Sekunde Ausgabe, 159 Sekunden bis zum ersten Antwort-Token und 32,1 Minuten zur Bewältigung einer Intelligence-Index-Aufgabe gegenüber einem Median von 13,3 Minuten. In der eigenen Rangliste des Trackers ist das Platz 75 von 79 bei der Zeit bis zum ersten Antwort-Token.

• Fähigkeit — 43 im Intelligence Index, 38. von 81, 3,27 $ pro gemessener Aufgabe.

• Leistung — 54 Ausgabe-Tokens pro Sekunde, 159 Sekunden bis zum ersten Antwort-Token, 32,1 Minuten pro Indexierungsaufgabe gegenüber einem Median von 13,3 Minuten, Rang 75 von 79 bei der Zeit bis zum ersten Antwort-Token.

• Ausführlichkeit — 127 Millionen Ausgabe-Tokens, um den Indexlauf abzuschließen, gegenüber einem Median von 78,6 Millionen, Rang 65 von 80 auf der eigenen Ausführlichkeitsskala des Trackers.

• Kontext — 984k Tokens laut Messung des Trackers, gegenüber dem dokumentierten Fenster von 1.000.000 Tokens mit einer Obergrenze von 991.808 Input-Tokens im Non-Thinking-Modus.

Bei einer interaktiven Coding-Schleife ist die Kennzahl zum {{1}}ersten Antwort-Token{{/1}} die, die wirklich schmerzt. Reasoning-Modelle liefern nichts, bis das Denken endet, daher sind {{2}}159 Sekunden{{/2}} die Zeitspanne zwischen dem Drücken der Eingabetaste und dem Erscheinen des ersten Zeichens einer Antwort, und ein langes Denkbudget verschiebt diese Zahl eher, als dass es sie beseitigt. Bei Batch-Arbeit – eine Warteschlange von Refactorings, ein nächtlicher Durchlauf – ist sie irrelevant, und die {{4}}Leistung-pro-Dollar{{/4}}-Rate von {{3}}3,27 ${{/3}} pro Aufgabe ist respektabel gegenüber Frontier-Modellen, die ein Vielfaches davon berechnen.

Die Ausführlichkeitskennzahl verdient einen eigenen Satz, denn sie ist diejenige, die mit einem Dollar-Kontingent zusammenspielt. Ein Modell, das 127 Millionen Tokens erzeugt, während der Median 78,6 Millionen erzeugt, verbraucht für dieselbe Aufgabenmenge rund 60 % mehr Ausgabe-Tokens, und bei Qwen4 Max sind die Ausgabe-Tokens die teuerste Position der Anfrage bei 4,50 US-Dollar pro Million. Ihr Kontingent von 15 $ ist in Dollar ausgewiesen, daher geht einem redseligen Modell bei gleichem Preis pro Token schlicht früher das Budget aus.

Headless-browser screenshot of the Artificial Analysis model page for Qwen4 Max in English, showing the Alibaba vendor label, Released November 2026, a Proprietary model tag, an Intelligence Index of 43 ranked 38 of 81, and a stats row reading 43, 38 of 81, $3.27, $1,129.59 and 32.1 min, beside summary cards for Intelligence Index 43 at 35K tokens to complete, Cost to Run Index $3.27, Output Tokens Used 35M and Total Response Time 32.1 min.

Der Aufwandsregler ist bei diesem Modell nicht optional.

Die eigene Dokumentation von Qwen4 Max setzt reasoning_effort auf high und thinking_budget auf 131.072, wenn man beide weglässt, und sie bildet das Fünf-Werte-Vokabular, das die meisten SDKs verwenden, auf drei tatsächliche Einstellungen ab: minimal wird zu low, medium wird zu high und max wird zu xhigh. Über das Messages-Protokoll, also den Weg, den OpenCode bereitstellt, heißt der Regler output_config.effort mit denselben drei Werten.

Daraus folgen zwei Konsequenzen. Erstens: Wenn man „medium“ als Aufwandsstufe anfordert, bekommt man keine mittlere Einstellung – man bekommt „high“, den Standard. Wenn man möchte, dass das Modell weniger denkt, muss man „low“ anfordern. Zweitens wird die Ausgabeobergrenze gemeinsam mit dem Denken genutzt: 262.144 Token für die Gedankenkette plus Antwort im Denkmodus, 131.072 Token Antwort bei ausgeschaltetem Denken, gegenüber einer Eingabeobergrenze von 983.616 Token bei eingeschaltetem Denken. Ein Agent, der max_completion_tokens auf 262.144 festlegt und xhigh wählt, hat beschlossen, sein Kontingent für Reasoning-Token auszugeben, bevor er eine Zeile Code geschrieben hat.

Die praktische Einstellung für eine interaktive Coding-Session in einem Abo mit nutzungsabhängiger Abrechnung ist low für Änderungen und kleine Refactorings, high für die Turns, in denen das Modell mehrere Dateien gleichzeitig im Blick behalten muss, und xhigh nur für die Aufgaben, die man sonst an eine Person übergeben würde. Das ist eine Einschätzung zu deinem Budget, keine Benchmark-Behauptung – niemand hat eine Kostenkurve pro Effort-Level für dieses Modell veröffentlicht, und die Token-Reduktionszahlen des Anbieters sind Anbieterzahlen.

Es ausprobieren, ohne deinen Stack zu bewegen

OrcaRouter leitet Qwen4 Max derzeit nicht weiter. Das sollte man klar sagen, statt es nur anzudeuten: Der Katalog enthält 215 Modelle, und eine Anfrage mit einer qwen4-Kennung gibt not-found zurück; wer also das neue Flaggschiff über einen OrcaRouter-Schlüssel will, wartet. Was der Katalog jedoch enthält, ist qwen/qwen3.8-max zu 2,00 $ für Input und 6,00 $ für Output pro Million sowie 0,25 $ pro Cache-Read — dieselben Preise, die sowohl OpenCode als auch die First-Party-API des Modells veröffentlichen — durchgereicht bei 0 % Aufschlag, sodass eine Preissenkung des Anbieters am selben Tag bei uns ankommt, an dem sie bei ihm ankommt.

Das macht den sinnvollen Test günstig statt kostenlos. Wenn Sie Qwen4 Max gegen das abwägen, was Sie bereits betreiben, lautet die zuerst zu beantwortende Frage nicht „Ist 43 ein gutes Ergebnis?“, sondern „Hält mein Harness ein Präfix von 66.000 Tokens warm?“ – und das können Sie noch heute mit Qwen3.8-Max im selben Konto zu Tarifen beantworten, die Sie bereits kennen, bevor Sie für die Antwort ein Abonnement abschließen.automatischem Failover, und ein nicht erprobtes Modell wird zu einer Routing-Entscheidung statt zu einer Migration: Schicken Sie die Arbeit an das neue Modell, behalten Sie das alte als Fallback und lassen Sie die Fehlerquote entscheiden.

Wer sollte jetzt handeln, und wer sollte warten?

Wenn Sie bereits für OpenCode Go bezahlen, kostet Sie der Wechsel nichts zum Ausprobieren, und das Kontingent ist der Grund, es gezielt statt beiläufig auszuprobieren. Qwen4 Max mehr als verdoppelt die Anfragen, die Ihre 15 $ im selben Tarif im Vergleich zu Qwen3.8-Max ermöglichen, aber es tut dies über eine Cache-Annahme, die Ihr Harness erst erfüllen muss, bei einem Modell, das messbar langsam bis zum ersten Token und bei Standardaufwand messbar wortreich ist. Beginnen Sie mit niedrigem Aufwand, beobachten Sie das Feld opencode.allowance in den ersten zwanzig Antworten und vergleichen Sie die Verbrauchsrate damit, was diese Sitzungen mit dem Modell gekostet hätten, das Sie bereits verwendet haben. Wenn die Verbrauchsrate Sie überrascht, liegt die Ursache fast sicher in Ihrem Präfix, nicht in der Preiskarte.

Wenn Sie nicht auf Go sind, ändert dieses Angebot nichts an Ihren Optionen – Qwen4 Max ist über die First-Party-API in sechs Regionen verfügbar, für 1,50 $ und 4,50 $ in Singapur und für 1,413 $ und 4,24 $ in den Global-Regionen, und ein Abonnement, das es zum Listenpreis weiterverkauft, ist eine Annehmlichkeit, kein Rabatt. Und wenn Ihre Arbeit latenzempfindlich und interaktiv ist, dann ist die ehrliche Einschätzung der unabhängigen Zahlen, dass dies ein Modell ist, für das man Arbeit in die Warteschlange stellt, und nicht eines, bei dem man sitzt und zusieht.

Was als Nächstes zu beobachten ist, ist nicht ein weiterer Benchmark. Es ist die Frage, ob OpenCodes 15-US-Dollar-Kontingent für Qwen4 Max den Kontakt mit der realen Nutzung übersteht: In der Dokumentation heißt es, die Limits „können sich ändern, während wir aus der frühen Nutzung und dem Feedback lernen“ – der Satz, den Plattformen schreiben, bevor sie eine Zahl ändern. Ein so neues Modell, so streng abgerechnet, mit einem so kleinen Kontingent, ist die wahrscheinlichste Zeile auf dieser Seite, die zuerst überarbeitet wird.

In diesem Artikel verglichen1

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