Modelle

Qwen4-Max: 2,4 Billionen Parameter und 62 Prozent weniger Kosten pro Aufgabe

Alibaba hat Qwen4-Max vorgestellt, ein Modell mit 2,4 Billionen Parametern, von denen pro Token nur ein Bruchteil gerechnet wird. Die wichtigste Zahl steht nicht in den Benchmarks, sondern auf der Rechnung.

Anna WeberAnna Weber
Beliebtheit: 1,650
Ein dichtes Raster aus Expertenkacheln mit sechs leuchtenden Knoten, durch das ein langes Band läuft

Alibaba hat Qwen4-Max vorgestellt, ein Modell mit 2,4 Billionen Parametern, von denen pro Token nur ein Bruchteil gerechnet wird. Die wichtigste Zahl steht nicht in den Benchmarks, sondern auf der Rechnung.

Was Alibaba mit Qwen4-Max vorstellt

Alibaba hat das Modell am 16. November 2026 vorgestellt, und der Termin verrät schon die Richtung: Es geht nicht um einen neuen Spitzenwert, sondern um den Preis, zu dem ein Agent eine Aufgabe erledigt. Qwen4-Max läuft über Alibaba Cloud. Die API kostet 1,50 Dollar pro Million Input-Token und 4,50 Dollar pro Million Output-Token, für Cache-Treffer werden 0,075 Dollar fällig.

Das Modell ist ein mixture-of-experts mit 2,4 Billionen Parametern insgesamt und 71 Milliarden, die pro Token aktiv werden. Es nimmt Bilder nativ entgegen und verarbeitet bis zu einer Million Token Kontext, und offene Gewichte gibt es nicht: Qwen4-Max ist proprietär und nur über die Cloud erhältlich.

Mixture-of-experts: warum nur ein Bruchteil der Parameter rechnet

Der Name beschreibt ein Verfahren, das viele Modelle teilen. Statt für jedes Token das gesamte Netzwerk zu durchlaufen, schickt der Router die Berechnung an wenige spezialisierte Teilnetze, die Experten und jeweils auf bestimmte Muster spezialisiert sind. Bei Qwen4-Max sind das 71 Milliarden der 2,4 Billionen Parameter. Der Rest bleibt liegen.

Das Modell ist damit nicht kleiner, es rechnet weniger. Für den Betreiber zählt das doppelt: Die Qualität soll von der Größe profitieren, die Kosten pro Token aber von der Sparsamkeit, und genau dieser Tausch ist die These der Ankündigung. Ob er aufgeht, entscheidet sich nicht an der Parameterzahl, sondern an der Rechnung am Ende eines Arbeitstags.

Der 1M-token context und die Architektur dahinter

Ein 1M-token context bedeutet, dass ein Modell einen sehr langen Text in einem Durchgang verarbeitet, ohne ihn vorher in Häppchen zu zerlegen. Alibaba beschreibt drei Kunstgriffe, die das bezahlbar machen sollen. Eine N-gram-Einbettung mit 328 Milliarden Parametern wirkt als Zwischenspeicher für häufige Token-Folgen, während die Residualverbindungen über vier parallele, gated Kanäle statt über den sonst üblichen einen laufen.

Die Aufmerksamkeit ist hybrid. Drei Schichten komprimieren den bisherigen Kontext, eine vierte wählt aus, was davon wichtig ist. Gated DeltaNet senkt laut Alibaba den Hardwarebedarf bei langen Eingaben, QSA überspringt Daten, die der Prompt nicht braucht, und wer solche Architekturbeschreibungen liest, sollte den Hersteller als Quelle mitdenken: Die Zahlen stammen aus dem Haus, das das Modell verkauft.

Work360: Alibaba rechnet den Preis pro Aufgabe

Work360 ist ein interner Benchmark von Alibaba mit 721 Feldern aus industrieller Arbeit. Er misst keine Multiple-Choice-Fragen, sondern Aufgaben, wie sie in Konstruktion, Fertigung und Verwaltung anfallen. Auf diesem Maßstab sinken die durchschnittlichen Kosten pro Aufgabe von 4,43 auf 1,67 Dollar, eine Senkung um 62 Prozent, während der Punktwert von 47,74 auf 52,69 steigt.

Das ist der Kern der Ankündigung. Ein günstigeres Token hilft wenig, wenn ein Agent für dieselbe Aufgabe mehr Schritte braucht, und Alibaba zufolge fällt der Tokenverbrauch auf einem internen Benchmark für Wissensarbeit um 35 Prozent sowie auf Terminal-Bench 4.0 um etwa 49 Prozent. Beides sind Firmenangaben. Eine unabhängige Nachmessung liegt nicht vor.

Das Preisbild bei Qwen4-Max im Vergleich

Die unabhängige Seite ist Artificial Analysis. Dort kommt Qwen4-Max auf 43 Punkte im Intelligence Index, neun mehr als Qwen3.8-Max und drei weniger als Kimi K3.1 Pro mit 46. Bei den Kosten pro Aufgabe stehen 3,27 Dollar gegen 10,02 Dollar für den Vorgänger und 3,68 Dollar für Kimi.

Kennzahl

Qwen4-Max

Vergleich

Intelligence Index

43

Kimi K3.1 Pro 46

Kosten pro Aufgabe

3,27 Dollar

Qwen3.8-Max 10,02 Dollar

Work360, Kosten pro Aufgabe

1,67 Dollar

Qwen3.8-Max 4,43 Dollar

Terminal-Bench 4.0

48 Prozent

Kimi K3.1 Pro 67 Prozent

FrontierCode 2.0

26 Prozent

Tencent Hy4 31 Prozent

Die Tabelle zeigt zwei verschiedene Rechnungen. Der Index misst Fähigkeit, die Kostenspalte misst den Aufwand. Wer nur die eine Zahl liest, zieht den falschen Schluss. Lohnt sich das Modell also für Aufgaben, bei denen der Agent ohnehin viele Schritte braucht?

Wo Qwen4-Max gegen Kimi K3.1 Pro verliert

Terminal-Bench 4.0 prüft Aufgaben in der Kommandozeile, also genau das, was ein Agent im Alltag tun soll. Dort steht Qwen4-Max bei 48 Prozent, Kimi K3.1 Pro bei 67. Das ist keine knappe Differenz, sondern eine Führung von 19 Punkten für den Wettbewerber.

Bei FrontierCode 2.0 liegt Qwen4-Max bei 26 Prozent, gleichauf mit Kimi und hinter Tencent Hy4 mit 31 Prozent. Auf Humanity's Last Exam verbessert sich das Modell um 21 Punkte auf 45 Prozent, bleibt aber hinter Opus 5.5 und den GPT-Modellen. Bei HealthBench Professional liegt es hinter den GPT-Modellen und knapp vor Opus 5.5. Ein günstiger Agent, der die Aufgabe nicht zu Ende bringt, spart nichts.

Live Delivery: was Alibaba-Kunden damit tatsächlich machen

Live Delivery soll das Problem der langen Agentenläufe lösen. Statt am Ende ein fertiges Ergebnis zu liefern, gibt das System früh eine brauchbare erste Fassung zurück, die der Nutzer noch steuern kann. Alibaba hat das Qwen-Live-Delivery-Plugin offengelegt, damit Kunden den Ablauf anpassen können.

Zwei Partner nennt das Unternehmen. SANF und Pacific Union haben die manuelle Programmierung für ein Werkstück von etwa 475 Minuten auf 24 Minuten reduziert. In einem Finanzprojekt ruft ein Agent 90 MCP-Tools auf und liefert Excel- und PowerPoint-Dateien, deren Zahlen nachvollziehbar bleiben. Das sind Kundenberichte aus der Ankündigung, keine Prüfberichte.

Was Qwen4-Max für Käufer in Deutschland bedeutet

Wer das Modell über Alibaba Cloud einkauft, sollte zwei Dinge klären. Erstens die Region: Wo die Inferenz läuft, entscheidet darüber, welche Datenschutzanforderungen gelten, und ein Modell mit einer Million Token Kontext verarbeitet oft Dokumente, die das Haus nicht verlassen sollen. Zweitens die Abrechnung: Der Preis pro Token sagt wenig, wenn ein Agent viele Schleifen dreht. Die Kosten pro Aufgabe sind die Größe, die im Budget auftaucht.

Für mittelständische Ingenieurbüros ist der Work360-Ansatz interessant, weil er Aufgaben aus Fertigung und Konstruktion abbildet und nicht nur Coding. Ob die 721 Felder den eigenen Alltag treffen, lässt sich jedoch nur mit eigenen Testfällen prüfen.

Was bei Qwen4-Max offen bleibt

Alibaba verspricht kleinere Modelle auf Basis derselben Technik als offene Gewichte, ausgeliefert sind sie nicht. Die Kostenvorteile beruhen bislang auf Firmenangaben und einer Auswertung von Artificial Analysis. Und der günstigste Preis pro Aufgabe nützt nur dem, dessen Agent die Aufgabe auch abschließt.

Für die nächste Ausschreibung zählt deshalb nicht die Parameterzahl. Es zählt die Frage, ob das Modell bei den Aufgaben, die im Haus anfallen, weniger Schritte braucht als die Alternative.

Diesen Artikel teilen

Quellen

Ähnliche KI-News

Ein Terminalfenster mit einer steigenden Belohnungskurve und einem 27B-Schild daneben
Modelle

DaisyRose-27B verdoppelt den Terminal-Bench-Wert von Qwen3.8-27B in 18 Tagen

RadixArk hat 18 Tage und rund 1.200 Aufgaben in ein offenes Modell gesteckt. Danach war es auf jedem Benchmark der eigenen Tabelle besser als die Vorlage.

Beliebtheit: 1,330
Ein Laptop-Umriss mit drei gestapelten Schichtfolien, die in einem Pfeilkreislauf durch das Gerät laufen
Modelle

Inkling 2 Mini rechnet dreimal durch dieselben Schichten und passt auf einen Laptop

Thinking Machines Lab lässt die zwölf mittleren Schichten seines neuen Modells dreimal pro Token laufen. Das ist der ganze Trick, und er entscheidet, ob 26,4 Milliarden Parameter auf einen Laptop passen.

Beliebtheit: 1,710
Eine lange türkisfarbene Audiowellenform mit einem einzelnen orangen Akzentbalken auf dunklem Feld
Modelle

Rumble-2-Flash von Reson8: 60-mal kleiner und fast gleich gut am Telefon

Reson8 hat am 18. November 2026 ein Spracherkennungsmodell veröffentlicht, das 60-mal kleiner ist als der Vergleichsriese von Nvidia. Auf echten Kundenanrufen trennen die beiden 0,08 Prozentpunkte.

Beliebtheit: 560
Drei neonfarbene Ringe um einen kleinen leuchtenden Kern auf tiefblauem Feld
Modelle

Gemini 4 Neon ersetzt Argon: 3 Dollar je Million Tokens und zwei Namen weniger

Google hat am 18. November 2026 Gemini 4 Neon vorgestellt. Die spürbarste Änderung betrifft nicht die Benchmark-Tabelle, sondern die Auswahlliste in der App, in der zwei bekannte Modellnamen fehlen.

Beliebtheit: 1,500