Zum Hauptinhalt springen

Qwen4-Max: Funktionen, Benchmarks, Preise und Zugang

Alibabas neues Flaggschiff liefert ein 2,4 Billionen Parameter-Backbone, native Vision und ein 1M-Token-Kontextfenster für $1,50 pro Million Eingabetokens – und unterbietet alle westlichen Flaggschiffe beim Preis.
Matt Crabtree
Matt Crabtree

Erstelle dein kostenloses Konto

Üben und Lernpfad deinen Fortschritt.

Weiter mit GoogleWenn du fortfährst, akzeptierst du unsere Nutzungsbedingungen, unsere Datenschutzrichtlinie und dass deine Daten in den USA gespeichert werden.

Alibabas Qwen-Team hat Qwen4-Max am 16. November 2026 veröffentlicht, und der erste Blick gilt dem Preis: $1,50 pro 1 Million Eingabetokens und $4,50 pro 1 Million Ausgabetokens auf QwenCloud.

Zum Vergleich: In den Übersichten derselben Woche stehen GPT-6 Astra mit $10 für Input und $50 für Output sowie Claude Fable 5.2 mit $8 und $40.

Qwen4-Max ist das erste Modell auf der neuen Qwen4-Architektur, mit einem 2,4 Billionen Parameter-Backbone, 71B aktivierten Parametern pro Token, zusätzlichen 328B N-Gramm-Embedding-Parametern, nativer Vision und einem Kontextfenster von 1 Million Tokens.

Alibaba positioniert es als Agentenmodell für lange Abläufe statt als reines Chat-Modell. Der Großteil des Launch-Materials zeigt mehrstündige autonome Runs in Engineering, Finanzen, Recht und Wirkstoffforschung.

In diesem Artikel gehe ich auf alles Neue bei Qwen4-Max ein: Architektur, Kernfunktionen, Benchmark-Zahlen (inklusive Abweichungen zwischen unabhängigen Resultaten und Alibabas eigenen), Effort-Modi, Preise und Zugang.

Zum Wettkampf-Umfeld findest du unseren Vergleich von GPT-6 Astra und Claude Opus 5.5 sowie unser Tutorial zum Bau selbstverbessernder Agenten mit Harness².

TL;DR

  • Qwen4-Max ist Alibabas neues Flaggschiff auf einer frischen Qwen4-Architektur mit nativer Vision und einem Kontextfenster von 1M Tokens.
  • Die Stärken liegen bei langlaufender Agentenarbeit und professionellen Deliverables, wo es Claude Opus 5.5 in mehreren der von Alibaba berichteten Runs schlägt.
  • Terminal-Coding ist die Schwachstelle: Es liegt deutlich hinter Kimi K3.1, Opus 5.5 und beiden GPT-6-Modellen. Auch bei Diagramm- und Videoverständnis hinkt es den drei US-Modellen hinterher.
  • Der Preis ist das stärkste Argument. Es unterbietet alle westlichen Flaggschiffe in den aktuellen Preisübersichten bei Input und Output, auch wenn niedrigere Tokenpreise nicht automatisch niedrigere Kosten pro Aufgabe bedeuten.
  • Zahlen mit Vorsicht lesen: Die Launch-Grafik ist herstellerkompiliert. Unabhängige Runs sind inzwischen verfügbar und gemischter: Artificial Analysis listet es auf Platz neun, Vals auf Platz 11; Tester nennen es langsam und weitschweifig. Vals' eigener Terminal-Bench-Lauf bestätigt allerdings Alibabas Zahl.
  • Keine offenen Gewichte für Max. Kleinere Qwen4-Modelle sollen später Open Source erscheinen.

Was ist Qwen4-Max?

Qwen4-Max ist Alibabas geschlossenes Flaggschiff-Modell und die erste Veröffentlichung der Qwen4-Serie, als Nachfolger von Qwen3.8-Max.

Es ist ein sparsames Mixture-of-Experts-Modell, bei dem pro Token nur ein Teil der Parameter aktiv ist. Von den 2,4 Billionen Backbone-Parametern sind 71B pro Token aktiv; dazu kommen 328B N-Gramm-Embeddings als nachschlagetabellenbasierte Kapazität mit geringem Rechenaufwand. Es akzeptiert Text, Bilder und Videos als Input und erzeugt Text als Output.

Die Architektur markiert die größte Abkehr von der Vorgängergeneration und erklärt später auch die Kostenseite. Drei Bausteine haben sich geändert:

  • Hybride Attention (GDN + QSA): Für jede Sparse-Attention-Schicht verdichten drei Gated-DeltaNet-Schichten früheren Kontext zu einem Speicher fester Größe. Die Sparse-Schicht wählt dann nur die relevanten Kontextteile aus, was ein 1M-Token-Fenster bezahlbar hält.
  • Gated Residual: Jede Schicht hat vier parallele Pfade, und Gates steuern die Flüsse dazwischen. Alibaba schreibt dem stabilem Training zu.
  • N-Gramm-Embedding: Lookups für häufige lokale Tokenmuster, die mit wenig zusätzlichem Compute Kapazität hinzufügen.

Alibaba berichtet, dass der 2,4T-Trainingslauf keine Loss-Spikes zeigte, also keine plötzlichen Sprünge als Zeichen instabilen Trainings.

Das Basismodell, Qwen4-Max-Base, erzielte zudem die niedrigsten Bits pro Byte der fünf geprüften Checkpoints über Knowledge, Code, QA und STEM. Bits pro Byte messen die Vorhersagegüte eines Modells für Text – je niedriger, desto besser.

Das Ergebnis lag 5 bis 13% unter Qwen3.8-Max-Base, bei gleichzeitig 25% weniger aktivierten Parametern. Das sind Inhouse-Tests; zudem hatten zwei der verglichenen Checkpoints Zusatztraining, die Gegenüberstellung ist also nicht streng gleichartig.

Die Schlagzahl bei den Fähigkeiten liefert Work360, Alibabas eigener Benchmark über 721 professionelle Felder: Qwen4-Max erzielte 52,69 gegenüber 47,74 für Qwen3.8-Max.

Qwen4 Max

Qwen4-Max: Zentrale Funktionen

Der Launch dreht sich darum, was am Ende eines langen Runs geliefert wird – weniger um einzelne Antworten. Entsprechend betreffen die Funktionen vor allem Laufdauer, Tools und Ausgabeformate.

Ein Kontextfenster mit 1 Million Tokens und nativer Vision

Qwen4-Max akzeptiert Text, Bilder und Video in einem 1M-Token-Kontextfenster, mit maximal 991K Tokens Input, oder 983K bei aktiviertem Thinking.

Thinking ist standardmäßig an, und bis zu 262K Tokens an Reasoning werden auf das Output-Budget angerechnet.

Die Output-Grenze ist uneinheitlich dokumentiert.

Die QwenCloud-Modellseite nennt 393K maximale Ausgabe in beiden Modi, während die API-Dokumentation 131.072 Tokens ohne Thinking und 262.144 Tokens für Thinking plus finale Antwort ausweist. Prüfe, welche Zahl für deinen Endpoint gilt, bevor du max_tokens setzt.

Die Vision-Pipeline ist nativ statt aufgesetzt – das ermöglicht die klinische Demo: Laut Alibaba prüft das Modell in einem Gespräch eine Akte mit Dutzenden Laborberichten, über 10.000 chinesischen Schriftzeichen an Verlaufsnotizen und 1.433 Original-Bildern, sortiert sie in sechs Bildserien und schickt dann Subagenten los, um Hunderte Slices zu lesen.

Alibaba sagt, der Bildbefund stimmte mit der Diagnose der behandelnden Ärztin überein, und die vier Handlungsempfehlungen deckten sich Punkt für Punkt mit den Tagesanordnungen.

Lange Jobs übergeben – und unterwegs nachsteuern

Live Delivery ist für mich das spannendste Feature, weil es das Kernproblem langer Agentenläufe adressiert.

Statt nach Stunden festzustellen, dass der Agent in Minute drei das Briefing missverstanden hat, liefert er früh eine nutzbare Erstversion aus und verbessert sie dann über Releases, während du ihn umsteuerst.

Alibaba hat das Qwen-Live-Delivery-Plugin unter Apache-2.0 open-sourced, damit du es installieren statt neu bauen musst – zum Launch in Version 0.1.0 und zunächst nur für Codex CLI, auf Linux und macOS mit Node.js 22+.

Support für andere Agenten-Harnesses steht auf der To-do-Liste.

Klar ist: Kontinuierliche Auslieferung von Teilständen ist eher ein Harness-Muster als eine Modellfähigkeit – deshalb zählt das offene Plugin mehr als der Marketingname.

Prüfbare Deliverables, nicht nur Antworten

Im Finance-Demo entstehen Excel-Arbeitsmappen und editierbare PowerPoint-Decks mit zwei Nachverfolgbarkeiten: Hyperlinks in Zellen zurück zur Originalquelle und eine 1:1-Abbildung zwischen PowerPoint-Charts und der zugrunde liegenden Arbeitsmappe.

Alibaba sagt, Qwen4 ruft 90 MCP-Tools im Investment-Research-Setup auf – von Marktdaten, Finanzkennzahlen, Zinsen und Dividenden über A-Shares, Hongkong- und US-Aktien, Anleihen, Fonds und Derivate – und gleicht gegen öffentliche Meldungen ab.

Diese Tool-Zahl beschreibt das Setup generell. Separat demonstriert Alibaba den Workflow an einem CSI-300-Derivatefall.

Das Rechtsbeispiel ist noch beeindruckender.

Aus 198 inkonsistent benannten Arbeitspapieren, die in Batches geliefert wurden, benannte und sortierte Qwen4-Max sie inhaltlich in 14 Ordner, erstellte ein Arbeitspapier-Register, glich öffentliche Unternehmens- und Justizregister ab und produzierte einen 86-seitigen Bericht über 12 Prüfbereiche und 14 konkrete Rechtsfragen, jede Schlussfolgerung mit Verweis auf ein Arbeitspapier.

Professionelle Tools End-to-End bedienen

Qwen4-Max bedient Blender, Unity, Unreal Engine und Godot direkt – von Geometriemodellierung, Materialsetup, Beleuchtung und Gameplay-Logik bis zum HUD-Design –, führt das Resultat aus und passt über visuelles Feedback Kameratracking und Trefferreaktionen an.

Eines der Demos ist ein installierbares Android-Rennspiel, gebaut in Unity 6.

Der Fertigungs-Case bringt eine Zahl, ist aber ein Unternehmens-Showcase statt einer unabhängigen Messung.

Bei SANF und Pacific Union erstellte das Modell 3D-Produktionslinienmodelle aus 2D-Layouts, simulierte Taktzeiten, führte PLC-Virtual-Commissioning durch und plante Zerspanungsbahnen – die manuelle Programmierung für ein Werkstück sank von etwa 475 Minuten auf 24 Minuten.

Operations Research und Cloud-Scheduling

Alibaba setzte Qwen4-Max auf eigene Alibaba-Cloud-Scheduling-Probleme an: Das Modell erzeugte Algorithmuskandidaten, prüfte Machbarkeit und Zielfunktionswerte mit MindOpt (Alibabas Solver) und iterierte den Code.

Berichtet wurden 10,42% geringere Kosten beim Scheduling von Data-Annotation-Modelaufrufen gegenüber der Referenz, 4,62% längere Whole-Machine-Leerlaufzeiten bei der Online-GPU-Allokation und mehr als 14,61-fach schnellere Erreichung des Optimums beim Offline-CPU-Rescheduling.

Das sind interne Zahlen auf internen Workloads – lies sie als Demonstration von OR-Tooling, nicht als übertragbaren Benchmark.

Autonome Forschungsschleifen mit physischem Ergebnis

In einem durchgehenden 48-Stunden-Agentenlauf auf Deep Principles Mira-Plattform konstruierte Qwen4 einen Kandidatenraum von 2,7 Millionen Molekülen, filterte, führte Ab-initio-Berechnungen und retrosynthetische Analysen durch und steuerte anschließend ein automatisiertes Nasslabor durch Synthese, Reinigung und Tests.

Nach vier Iterationen aus Design, Synthese und Active Learning entstand eine physische Probe eines neuen Kühlmittel-Moleküls.

Auf DP Technologys PharmMaster-Plattform, Ziel NLRP3-Inflammasom, tätigte es 454 Toolaufrufe, lief 3.239 rechnerische Evaluierungen und entwarf 24 Kandidatenmoleküle.

Berechnungen der relativen freien Bindungsenergie ergaben für den finalen Kandidaten eine nominelle Affinität von etwa dem 3,6-Fachen der patentbasierten Referenz – laut DP-Experten ein Fall für Nasslabor-Validierung.

Standard-API-Bausteine: Function Calling, Websuche und strukturierte Outputs

Auf QwenCloud unterstützt Qwen4-Max Function Calling, strukturierte JSON-Ausgaben, Prefix Completion via Partial Mode, implizites und explizites Kontext-Caching, Batch-Aufrufe, Websuche und Fine-Tuning. Die Rate-Limits liegen bei 5.000.000 Tokens pro Minute.

Wie schlägt sich Qwen4-Max in Benchmarks?

Qwen4-Max ist stark bei langlaufender Agentenarbeit und schwach bei Terminal-Coding und visueller Verarbeitung – die Lücke ist groß genug, um deine Adoptionsentscheidung zu prägen.

Alibaba vergleicht es mit Qwen3.8-Max-0902, Claude Opus 5.5, GPT-6.1 Sol, GPT-6 Astra und Kimi K3.1 (Moonshots Kimi-K3.1-Pro).

Langhorizont und agentische Arbeit

Heraus ragt Agents' Last Exam v1.1: Qwen4-Max erzielt 46,7 gegenüber 43,4 für Claude Opus 5.5, 42,6 für GPT-6.1 Sol und 27,9 für Qwen3.8-Max.

Ein Sprung um 18,8 Punkte in einer Generation auf einem Long-Horizon-Benchmark ist das eine Ergebnis, auf das ich zeigen würde.

Qwen4 Max Benchmarks

Alle folgenden Werte stammen aus Alibabas Launch-Grafik und sind somit herstellerkompiliert – lies sie als herstellerberichtet, auch wenn sich einige Zeilen auf Drittleaderboards beziehen. Der Bestwert pro Zeile ist fett markiert.

BenchmarkWas gemessen wirdQwen4-MaxQwen3.8-Max-0902Opus 5.5GPT-6.1 SolGPT-6 AstraKimi K3.1
Agents' Last Exam v1.1Wertschöpfende Langläufer-Aufgaben46.727.943.442.643.4n/a
AA-Briefcase v1.1 (Elo)Agentische Wissensarbeit168616051801155515691674
APEX-Agents v1.1Professional-Services-Aufgaben72.163.373.560.064.765.5
AutomationBench-AAAgentische SaaS-Workflows72.556.269.564.968.573.3
HLAB-Vals-1.1Juristische Agentenarbeit21.315.49.26.37.111.7
JobBenchBerufliche Aufgaben68.565.375.466.266.161.2
AgentArena (Nettoverbesserung)Real-World-Agentenaufgaben7.5n/a18.211.813.93.9

Das Muster ist ungleichmäßig. Qwen4-Max gewinnt den Legal-Agent-Benchmark deutlich, fast doppelt so hoch wie das nächstbeste Modell (21,3 gegenüber 11,7 bei Kimi K3.1), landet zweitplatziert auf AA-Briefcase, APEX-Agents, AutomationBench-AA und JobBench und nahe dem Ende bei AgentArena, wo Opus 5.5 mit 18,2 mehr als doppelt so hoch liegt wie 7,5.

Wenn deine Agenten dokumentlastige professionelle Arbeit leisten, sieht das gut aus; wenn sie Live-Tools in offenen Umgebungen bedienen, eher nicht.

Coding und Terminal-Aufgaben

Beim Coding wäre ich vorsichtig. Qwen4-Max erzielt 48,5 auf Terminal-Bench 4.0 – hinter Kimi K3.1 mit 67,2, Opus 5,5 mit 59,6, GPT-6 Astra mit 59,1 und GPT-6.1 Sol mit 56,1. Damit Platz fünf von sechs, obwohl es sich gegenüber Qwen3.8-Max (38,9) fast 10 Punkte verbessert.

BenchmarkWas gemessen wirdQwen4-MaxQwen3.8-Max-0902Opus 5.5GPT-6.1 SolGPT-6 AstraKimi K3.1
DeepSWE v1.1Agentisches Coding75.769.374.275.274.175.5
CodeArena (Elo)Webentwicklung175016761816174217631686
Terminal-Bench 4.0Agentisches Terminal-Coding48.538.959.656.159.167.2
ProgramBenchBlack-Box-Software-Replikation31.528.065.052.555.025.0

ProgramBench ist unschön: 31,5 gegenüber 65,0 für Opus 5.5 – weniger als die Hälfte. Bei DeepSWE liegen fünf Modelle innerhalb von 1,6 Punkten, das werte ich eher als Rauschen statt als Sieg, auch wenn Qwen4-Max nominell vorne liegt.

Ein Vorbehalt zur Terminal-Bench-Zeile.

Als wir GPT-6 Astra und Claude Opus 5.5 verglichen, lagen die veröffentlichten Zahlen bei 66,4% für Opus 5.5 und 57,9% für Astra auf Terminal-Bench 4.0 – gegenüber 59,6 und 59,1 in Alibabas Grafik.

Unterschiedliche Harnesses erzeugen unterschiedliche Zahlen auf demselben Benchmark – ein guter Grund, 5-Punkte-Abstände nicht zu überinterpretieren. Qwen4-Max' eigener Wert wirkt solide: Vals hat unabhängig 48,48% gemessen.

Reasoning, Wissenschaft und Multimodal

Qwen4-Max erzielt 51,7 auf Humanity's Last Exam – hinter Opus 5.5 mit 59,8 und GPT-6.1 Sol mit 54,0, knapp vor Kimi K3.1 mit 51,1. Es führt auf BioMysteryBench-1.1 mit 85,0 und verbessert sich stark auf HealthBench Professional, von 39,6 auf 60,0 – beide GPT-6-Modelle liegen dort aber weiterhin höher.

BenchmarkWas gemessen wirdQwen4-MaxQwen3.8-Max-0902Opus 5.5GPT-6.1 SolGPT-6 AstraKimi K3.1
Humanity's Last ExamFächerübergreifendes Reasoning51.743.959.854.053.651.1
BioMysteryBench-1.1Bioinformatik-Forschung85.084.181.984.478.980.6
HealthBench ProfessionalKlinisches Reasoning60.039.659.965.166.057.2
ChartographyVerständnis visueller Diagramme54.242.066.367.871.150.0
Video-IndexVideoverständnis68.163.274.873.876.763.2

Die Vision-Zeilen sind der schwächste Teil der Grafik.

Bei Chartography erzielte Qwen4-Max 54,2, ein Sprung von 42,0 bei Qwen3.8-Max – aber 12 bis 17 Punkte hinter Opus 5.5, GPT-6.1 Sol und GPT-6 Astra und nur vor Kimi K3.1. Video-Index zeigt dasselbe: 68,1 gegenüber 73,8 bis 76,7 bei den drei US-Modellen. Native Vision funktioniert, ist aber kein Vorsprung.

Tokeneffizienz und Kosten pro Aufgabe

Das beeinflusst ein Produktionsbudget am stärksten.

Auf Work360 verbrauchte Qwen4-Max bei Xhigh etwa 24% weniger Tokens und bei High rund 35% weniger als Qwen3.8-Max; auf Terminal-Bench 4.0 waren es rund 48% bzw. 49% weniger.

Zusammen mit niedrigeren API-Preisen sank laut Alibaba die durchschnittliche Work360-Aufgabe von $4,43 auf $1,67 – minus 62%.

Bei höherem Score und rund 38% der Kosten pro Aufgabe ist das aussagekräftiger als die meisten Einzelbenchmarks, aber zwei Vorbehalte: Work360 ist Alibabas eigener Benchmark, und die Reduktion ist größer als allein durch Token- und Preisnachlass erklärbar: ca. 35% weniger Tokens bei 25% niedrigerem Preis ergäben etwa 51%, Alibabas Yuan-Angaben ergeben 58%. Die Lücke ist nicht erklärt.

Unabhängige Kosten pro Aufgabe sind gegen einen Rivalen weniger eindeutig. Auf Artificial Analysis kostet eine Aufgabe im Schnitt $3,27 für Qwen4-Max, $10,04 für Opus 5.5 – aber nur $1,27 für GPT-6.1 Sol.

Auf Vals kostet ein Test $9,33 für Qwen4-Max, $24,77 für Opus 5.5 und $3,61 für Sol; Sol scored zudem leicht höher (63,94% gegenüber 63,20%).

Kimi K3.1 ist für viele die realistische Alternative im offenen Ökosystem. Es schlägt Qwen4-Max bei Terminal-Bench 4.0 (67,2 vs. 48,5) und AutomationBench-AA (73,3 vs. 72,5), während Qwen4-Max bei APEX-Agents v1.1 (72,1 vs. 65,5), HLAB-Vals-1.1 (21,3 vs. 11,7) und JobBench (68,5 vs. 61,2) führt. Nimm Kimi für Terminalarbeit, Qwen4-Max für professionelle Dokument-Workflows.

Was unabhängige Tests zeigen

Die Launch-Grafik ist herstellerkompiliert.

Einige Zeilen zitieren Drittleaderboards: LM Arena für CodeArena und AgentArena, Artificial Analysis für AA-Briefcase und AutomationBench-AA, das Mercor-Board für APEX-Agents v1.1 und den Vals Index für HLAB-Vals-1.1; Agents' Last Exam wird bei den Autorinnen und Autoren zitiert.

Alibaba lief JobBench selbst. Reproduktionen der agentischen Resultate habe ich nicht gefunden – daher diese Siege vorerst als vorläufig werten.

Unabhängige Leaderboards zeichnen inzwischen ein breiteres Bild – und ein weniger schmeichelhaftes.

  • Artificial Analysis gibt Qwen4-Max 43 auf dem Intelligence Index, Platz neun, hinter Claude Fable 5.2, Gemini 4 Carbon, Opus 5.5, GPT-6 Astra, GPT-6.1 Sol und Kimi K3.1.
  • Vals listet es auf Platz 11 von 38 mit 63,20% – das beste getestete chinesische Modell – und bestätigt den Terminal-Bench-Wert unabhängig.
  • Auf Code Arena WebDev liegt es auf Rang sechs, noch als vorläufig markiert mit kleiner Stimmenzahl.
  • Finance ist die stärkste unabhängige Disziplin: Platz acht von 41 auf Vals' Finance-Index und dem Finance-Agent-Benchmark; Legal ist schwächer: Platz 17 von 39 auf dem Vals Legal Index – was neben der HLAB-Vals-Führung merkwürdig wirkt.

Langsamkeit und Weitschweifigkeit sind die konstanten Kritikpunkte. Vals maß etwa 1 Stunde 4 Minuten pro Test – langsamer als alle außer Opus 5.5 und Sonnet 5.5 unter den Top 11 – und Artificial Analysis zählte 127 Millionen Ausgabetokens auf seinem Index gegenüber 78,6 Millionen Median.

Anekdotische Hands-on-Berichte sind gemischt und widersprechen sich teils: genannt werden Overthinking bei einfachen Aufgaben und lange Laufzeiten bei langen Prompts; jemand stufte es unter Qwen3.8-Max ein, eine andere Person meldete einen agentischen Task in ca. 30 Minuten gegenüber ca. 70 Minuten bei MiniMax M3.1 Flash.

Welche Qwen4-Max-Stufe solltest du nutzen?

Qwen4-Max kommt als ein Modell mit Thinking-Flag und benannten Effort-Levels. Du wählst also, wie viel Reasoning du bezahlst, nicht welches Checkpoint du nutzt. Thinking ist standardmäßig an, auf High.

„Standardmodus“ heißt daher: enable_thinking auf false setzen. Die Input-Kapazität sinkt mit Thinking leicht von 991K auf 983K, und Reasoning (bis 262K Tokens) geht aufs Output-Budget.

Weil Thinking-Tokens darauf angerechnet werden, kann ein auf die sichtbare Antwort dimensioniertes max_tokens diese abschneiden; in der Preview limitierte max_tokens Thinking und Antwort gemeinsam – geh davon aus, bis du es getestet hast.

Die dokumentierten Output-Obergrenzen weichen ab zwischen API-Doku (131.072 ohne Thinking, 262.144 mit) und Modellseite (393K in beiden Modi), wie oben erwähnt.

Effort ist der zweite Regler.

Alibaba berichtet Work360- und Terminal-Bench-4.0-Ergebnisse für Xhigh und High, und die Token-Ersparnis gegenüber Qwen3.8-Max war bei Work360 auf High größer (35% vs. 24%) und bei Terminal-Bench in etwa gleich. Da Reasoning-Tokens zum Output-Tarif von $4,50/M abgerechnet werden, ist das Effort-Setting der größte Hebel auf deine Rechnung.

High ist zudem Qwen4-Max' Standard, während Qwen3.8-Max standardmäßig xhigh nutzte. Ein Vergleich mit Default-Settings mischt also den Modellwechsel und die Effort-Änderung. Setze Effort explizit, wenn du A/B-testest.

AnwendungsfallSettingWarum
Mehrstündige agentische Runs mit ToolaufrufenThinking, HighBeste Tokeneffizienz gegenüber der Vorgängergeneration auf Work360
Lange Dokumentprüfung über 100+ DateienThinking, Xhigh262K Reasoning-Budget plus 1M Kontextfenster
Strukturierte Extraktion in JSONThinking ausStrukturierte Outputs werden unterstützt, Thinking aus spart Reasoning-Overhead
Hochvolumige Batch-KlassifikationThinking aus plus BatchCaching senkt Input auf $0,075 pro Million Tokens
Hartes Terminal-CodingAnderes Modell erwägen48,5 auf Terminal-Bench 4.0 liegt hinter Kimi K3.1, Opus 5.5 und beiden GPT-6-Modellen

Qwen4-Max: Preise und Verfügbarkeit

QwenCloud listet Qwen4-Max mit $1,50 pro 1 Million Eingabetokens und $4,50 pro 1 Million Ausgabetokens international, mit gecachtem Input bei $0,075 pro Million. Explizites Cache-Anlegen kostet $1,875 pro Million für das 5-Minuten-Fenster und $3,00 pro Million für das 1-Stunden-Fenster; explizite Cache-Reads liegen bei $0,075 pro Million.

Diese Sätze unterbieten alle westlichen Flaggschiffe in den aktuellen Preisübersichten: GPT-6 Astra mit $10 für Input und $50 für Output (bis 272K Prompt-Tokens), Claude Fable 5.2 mit $8 und $40, Gemini 4 Carbon mit $2 und $10 bis 30. November (danach $4 und $20) und Grok 4.7 mit $2 und $6 (unter 200K Kontext).

Das sind die Top-Tiers; die Modelle, gegen die Alibaba benchmarkt, sind günstiger: Claude Opus 5.5 mit $4 und $20 sowie GPT-6.1 Sol und Kimi K3.1 mit $2 und $10. Gegen Astra liegt Qwen4-Max beim Output bei etwa einem Zehntel; gegenüber Opus 5.5 bei rund 22% und gegenüber Sol und Kimi bei rund 45%.

Es gibt ein Freikontingent von 1 Million Tokens auf QwenCloud, verfügbar in der Region Singapur für etwa 90 Tage, und die Rate-Limits sind mit 5.000.000 Tokens pro Minute veröffentlicht.

Alibaba bietet außerdem einen Token-Plan statt reinem Pay-as-you-go an. Drittreports nennen persönliche Stufen: Lite $6/Monat für 20.000 Credits, Essential $10/Monat für 45.000, Standard $18/Monat für 80.000 und Pro $43/Monat für 200.000, plus rabattierte Einstiegspreise von $3 und $5 für die beiden günstigsten Stufen bis 30. November.

Der Personal-Plan ist ein Angebot in Singapur und war in der Preview auf interaktive Coding- und Agent-Tools statt Produktions-Backends beschränkt – prüfe die aktuellen Bedingungen, bevor du darauf aufbaust.

Ein Wort zur Timeline, da frühe Berichte uneins waren, ob es schon einen öffentlichen Per-Token-Preis gibt.

Alibaba öffnete qwen4-max-preview am 11. November, zunächst nur im Token-Plan, ohne Per-Token-Preis und mit einem Sunset am 25. November. Pay-as-you-go kam mit dem General Release am 16. November unter der Modell-ID qwen4-max, und die $1,50/$4,50 sind die internationalen Listenpreise zu diesem Datum.

Offene Gewichte für Max wurden nicht angekündigt; kleinere Qwen4-Modelle sollen später Open Source erscheinen.

Wie erhältst du Zugang zu Qwen4-Max?

Die API-Modell-ID ist qwen4-max, ausgeliefert über QwenCloud wahlweise im Token-Plan oder per Standard-API, mit OpenAI- und Anthropic-kompatiblen Endpunkten. Abseits der API ist das Modell in QwenStudio (der Qwen-Chat-Oberfläche), QwenWork und dem Coding-Produkt Qoder verfügbar, das Alibaba parallel zum Modell mitentwickelt hat.

Hier ist der Minimalaufruf mit dem OpenAI-Python-Client gegen den kompatiblen Chat-Completions-Endpunkt. Thinking ist standardmäßig an, der Schalter enable_thinking ist nur der Vollständigkeit halber gesetzt; stelle ihn auf False, um Thinking auszuschalten.

import os
from openai import OpenAI

client = OpenAI(
    api_key=os.getenv("DASHSCOPE_API_KEY"),
    base_url="https://ap-southeast-1.maas.qwencloudapi.com/compatible-mode/v1",
)

response = client.chat.completions.create(
    model="qwen4-max",
    messages=[
        {"role": "user", "content": "Summarize the revenue drivers in this quarterly report."}
    ],
    extra_body={"enable_thinking": True},  # on by default; False turns thinking off
)

print(response.choices[0].message.content)

Wenn du Live Delivery ausprobieren willst, findest du das Plugin auf GitHub als Qwen-Live-Delivery-Plugin. Da es aktuell auf Codex CLI zielt, musst du für andere Harnesses seine MCP-Delivery-Tools und Hooks selbst verdrahten. Die allgemeinen Muster hinter Function Calling und Agent-Harnesses zeigt unser Harness²-Tutorial – inklusive Einbindung in OpenCode und Ergebnisbewertung.

Fazit

Qwen4-Max ist vor allem ein Preisargument – weniger ein Fähigkeitsargument.

Es gewinnt dort, wo viele Dokumente gelesen und ein Deliverable erstellt werden, verliert dort, wo Terminal, Diagramm oder Video im Spiel sind – und das alles zu etwa einem Zehntel des Output-Preises von GPT-6 Astra.

Würde ich wechseln? Für dokumentlastige Agenten-Pipelines mit Kostendruck pro Aufgabe lohnt sich ein ernsthafter Test – aber keine blinde Migration.

Der Rückgang von $4,43 auf $1,67 pro Work360-Aufgabe ist Alibabas eigene Zahl, und unabhängige Runs sind gemischter: GPT-6.1 Sol war pro Aufgabe günstiger und scorete auf Vals leicht höher, und Qwen4-Max ist langsam und weitschweifig. Für hartes Coding würde ich bei Opus 5.5 oder Kimi K3.1 bleiben; Vals' unabhängiger Terminal-Bench-Lauf bestätigt diese Schwäche.

Wenn du wirklich sattelfest im Bauen mit solchen Modellen werden willst, starte mit unserem AI Fundamentals Skill Track.

FAQs

Worin unterscheidet sich Qwen4-Max von Qwen3.8-Max?
Qwen4-Max ist das erste Modell auf der neuen Qwen4-Architektur – mit einem 2,4 Billionen Parameter-Backbone, 71B aktivierten Parametern pro Token und nativer Vision. Es erzielte 52,69 auf Alibabas Work360-Benchmark gegenüber 47,74 bei Qwen3.8-Max und sprang bei Agents' Last Exam v1.1 von 27,9 auf 46,7. Zudem verbraucht es je nach Aufgabe etwa 24% bis 49% weniger Tokens und senkt so die durchschnittlichen Work360-Kosten pro Aufgabe von $4,43 auf $1,67.
Was kostet Qwen4-Max pro Million Tokens?
QwenCloud listet Qwen4-Max mit $1,50 pro 1 Million Eingabetokens und $4,50 pro 1 Million Ausgabetokens; gecachter Input und explizite Cache-Reads kosten $0,075 pro Million. Explizites Cache-Anlegen kostet $1,875 pro Million (5-Minuten-Fenster) bzw. $3,00 pro Million (1-Stunden-Fenster). Es gibt ein Freikontingent von 1 Million Tokens, und Alibaba bietet Token-Plan-Abos ab etwa $6 pro Monat.
Wo erhalte ich Zugriff auf Qwen4-Max?
Qwen4-Max ist auf QwenCloud über den Token-Plan oder die API zugänglich – nutze die Modell-ID qwen4-max am OpenAI-kompatiblen Endpoint. Außerdem läuft es in QwenStudio (Qwen Chat), QwenWork und im Coding-Produkt Qoder. In manchen Drittunterlagen wird eine Preview-ID qwen4-max-preview erwähnt.
Ist Qwen4-Max Open Source?
Nein. Qwen4-Max ist Closed-Weight, und Alibaba hat keine offenen Gewichte oder eine öffentliche Model Card angekündigt. Kleinere Modelle der Qwen4-Familie sollen später als Open Source erscheinen – basierend auf derselben Linie und denselben Trainingstechniken.
Ist Qwen4-Max gut fürs Programmieren?
Es ist bei agentischem Coding konkurrenzfähig, aber schwach am Terminal. Qwen4-Max erzielt 75,7 auf DeepSWE v1.1 – etwa auf Augenhöhe mit Claude Opus 5.5 (74,2) und GPT-6.1 Sol (75,2) –, aber nur 48,5 auf Terminal-Bench 4.0 gegenüber 67,2 bei Kimi K3.1 und 31,5 auf ProgramBench gegenüber 65,0 bei Opus 5.5. Für harte Terminal- und Software-Replikationsaufgaben sind andere Modelle stärker.
Was ist Live Delivery in Qwen4-Max?
Live Delivery ist Qwen4-Max' Ansatz für lange Agentenjobs: Statt erst am Ende zu liefern, verschickt der Agent früh eine nutzbare Erstversion und verbessert sie über Releases, während du ihn unterwegs umsteuerst. Alibaba hat das Qwen-Live-Delivery-Plugin auf GitHub open-sourced, damit du das Muster nicht selbst bauen musst.
Matt Crabtree

Autor

Matt Crabtree

Autorin und Redakteurin im Bereich der Bildungstechnologie. Engagiert bei der Erforschung von Datentrends und begeistert davon, Data Science zu lernen.

Themen

Ähnlich