Alibaba hält Qwen4-Max geschlossen und unterbietet die Rivalen beim Preis
Alibaba startet Qwen4-Max am 16. November mit 2,4 Billionen Parametern, 1 Million Token Kontext und Preisen von 1,50 und 4,50 Dollar, aber ohne offene Gewichte.

Auf dieser Seite
Die wichtigsten Punkte
- Alibaba hat Qwen4-Max am 16. November 2026 veröffentlicht, das erste Modell der Qwen-4-Generation und das bislang leistungsfähigste des Unternehmens.
- Das Modell hat ein Backbone von 2,4 Billionen Parametern, aktiviert pro Token 71 Milliarden Parameter und verarbeitet Text, Bilder und Video mit einem Kontext von 1 Million Token.
- Die API kostet 1,50 Dollar pro Million Input-Token und 4,50 Dollar pro Million Output-Token, nach 2 und 6 Dollar bei Qwen3.8-Max.
- Alibaba zufolge sanken die durchschnittlichen Kosten pro Aufgabe im eigenen Work360-Benchmark um 62 Prozent, von 4,43 auf 1,67 Dollar, weil das Modell weniger Token verbrauchte.
- Anders als viele frühere Qwen-Veröffentlichungen hat Qwen4-Max geschlossene Gewichte und ist nur über Alibabas gehostete Dienste verfügbar.
Alibaba hat Qwen4-Max am Montag, dem 16. November 2026, veröffentlicht, das erste Modell der Qwen-4-Generation und das bislang leistungsfähigste System des Unternehmens. Der Start ist ebenso sehr ein Preisschritt wie eine Leistungsbehauptung: Alibaba senkte die Kosten pro Token für sein Flaggschiff und erklärt, das Modell erledige einen größeren Teil einer Aufgabe mit weniger Token, wodurch die durchschnittlichen Kosten einer Work360-Aufgabe von 4,43 auf 1,67 Dollar sinken.
Zum Weiterlesen: Anthropics Claude Duet arbeitet im Hintergrund und fragt, bevor es handelt · Ein Mathematiker von Anthropic sagt, Claude habe einen Beweis der Riemannschen Vermutung gefunden.
Diese Kombination zählt mehr als jeder einzelne Benchmark. Frontier-Modellstarts konkurrierten 2026 zunehmend über die Kosten pro abgeschlossener Aufgabe statt über den Listenpreis pro Million Token, weil Agenten, die länger nachdenken, Ersparnisse schnell aufbrauchen können. Qwen4-Max ist Alibabas Versuch, auf beiden Feldern zugleich anzutreten und das Modell dennoch hinter einer API zu halten.
Der Start fällt zudem in einen vollen Monat. Google lieferte am 12. November Gemini 4 Hydrogen mit einem Pauschalpreis über ein Kontextfenster von einer Million Token aus, und Anthropic und OpenAI treiben beide das agentische Coding voran. Alibaba ist nicht der Erste mit der Preissenkung, aber die Kombination aus einem Modell mit 2,4 Billionen Parametern, einem geschlossenen Endpunkt und diesem Preis ist unter chinesischen Laboren ungewöhnlich.
Was Alibaba ausgeliefert hat
Qwen4-Max ist ein Sparse-Mixture-of-Experts-Modell. Sein Backbone hat 2,4 Billionen Parameter, von denen pro Token 71 Milliarden aktiv sind, und Alibaba fügt 328 Milliarden N-Gramm-Einbettungsparameter hinzu, die als Nachschlage-Cache für häufige Token-Muster dienen. Das Modell verarbeitet Text, Bilder und Video, unterstützt ein Kontextfenster von bis zu einer Million Token und kann bis zu 393.000 Output-Token erzeugen.
Die Architektur weist drei bemerkenswerte Änderungen gegenüber Qwen3.8 auf. Jede Qwen-Sparse-Attention-Schicht ist mit drei Gated-DeltaNet-Schichten gepaart, die den Verlauf in Zustände fester Größe komprimieren und einen leichten Indexer relevanten Kontext feiner auswählen lassen. Vier parallele Residualzweige nutzen dynamische Lese- und Schreibgates, eine Änderung, die laut Alibaba die Trainingsstabilität verbessert hat. Die N-Gramm-Einbettungen fügen in Schicht zwei Kapazität hinzu, ohne den Rechenaufwand pro Token stark zu erhöhen.
Entwickler erreichen das Modell über die QwenCloud-API, mit OpenAI- und Anthropic-kompatiblen Clients, Function Calling, strukturierten Ausgaben, Kontext-Caching, Batch-Verarbeitung, Websuche und Fine-Tuning. Das Standard-Rate-Limit liegt bei fünf Millionen Token pro Minute, und der Denkmodus wird über ein enable_thinking-Flag umgeschaltet. Alibaba bietet außerdem Abonnementzugang über seinen Token Plan, der Guthaben bündelt, statt pro Token abzurechnen.
Alibaba zufolge ermöglichte das Design einen Vortrainingslauf über 2,4 Billionen Parameter ohne Verlustspitzen, und sein Basismodell erzielte 5 bis 13 Prozent niedrigere Bits pro Byte als Qwen3.8-Max-Base, während es 25 Prozent weniger Parameter aktivierte. Das sind Unternehmenszahlen, keine unabhängigen Messungen.
Der Preisschnitt ist die Schlagzeile
Qwen4-Max kostet 1,50 Dollar pro Million Input-Token und 4,50 Dollar pro Million Output-Token. Qwen3.8-Max war mit 2 und 6 Dollar gelistet. Zwischengespeicherter Input fällt von 0,25 auf 0,075 Dollar pro Million, eine Senkung um 70 Prozent. Alibaba erklärt zudem, das Modell brauche weniger Token für dieselbe Arbeit: etwa 35 Prozent weniger bei der Einstellung high und 24 Prozent weniger bei xhigh im internen Work360-Benchmark, mit 48 bis 49 Prozent weniger bei Terminal-Bench 4.0.
Zusammengenommen meldet Alibaba einen Rückgang der durchschnittlichen Kosten pro Work360-Aufgabe um 62 Prozent. Die Behauptung ist in der Richtung plausibel, weil sowohl Input- als auch Output-Preise fielen und die Token-Zahlen sanken, doch der Benchmark stammt von Alibaba, und die Kostenzahl hängt davon ab, wie Aufgaben definiert sind und wie viel Reasoning das Modell leisten darf.
Mit diesen Preisen liegt Qwen4-Max unter Claude Opus 5.5 mit 4 und 20 Dollar sowie GPT-6.1 Sol mit 2 und 10 Dollar und beim Input auf Augenhöhe mit Kimi K3.1 Pro. Es ist nicht das günstigste verfügbare Modell, aber günstig für ein Flaggschiff mit einem Kontext von einer Million Token.
Qwen4-Max ist über die QwenCloud-API, das Token-Plan-Abonnement, Qwen Studio, QwenWork und Qoder verfügbar. Die Modell-ID ist qwen4-max, und die API funktioniert mit OpenAI- und Anthropic-kompatiblen Clients.
Vier von sechzehn Charts gewonnen
Alibaba veröffentlichte einen Vergleich über 16 Benchmarks gegen Qwen3.8-Max-0902, Claude Opus 5.5, GPT-6.1 Sol, GPT-6 Astra und Kimi K3.1. Qwen4-Max belegt vier erste Plätze: HLAB-Vals-1.1 für juristische Agentenarbeit mit 21,3, Agents' Last Exam v1.1 mit 46,7, BioMysteryBench mit 85,0 und DeepSWE v1.1 mit 75,7.
Die Siege sind teils knapp. DeepSWE steht bei 75,7 gegen 75,5 für Kimi K3.1 und 75,2 für GPT-6.1 Sol, BioMysteryBench bei 85,0 gegen 84,4 für GPT-6.1 Sol. Der Abstand bei juristischen Agenten ist deutlich größer: 21,3 gegen 11,7 für Kimi und 9,2 für Opus 5.5.
Die Niederlagen sind ebenso wichtig. Claude Opus 5.5 führt sieben der 16 Charts. Qwen4-Max erreicht 31,5 bei ProgramBench gegen 65,0 für Opus 5.5, 48,5 bei Terminal-Bench 4.0 gegen 67,2 für Kimi und 59,6 für Opus sowie 51,7 bei Humanity's Last Exam gegen 59,8 für Opus. Auch bei Chartography liegt es zurück, mit 54,2 gegen 71,1 für GPT-6 Astra.
Alibabas Chart ist ein Herstellerchart. Mehrere Werte stammen aus Ranglisten Dritter, und keiner wurde zum Start unabhängig reproduziert. Das Muster passt zu einem Modell, das bei langem Kontext und juristisch geprägten Agentenaufgaben stark ist und bei hartem Coding und Terminal-Arbeit schwächer als die besten Systeme von Anthropic und Moonshot.
Geschlossene Gewichte, vorerst
Qwen baute seinen Ruf auf Veröffentlichungen mit offenen Gewichten. Qwen4-Max bricht mit diesem Muster. Das Modell ist proprietär und nur gehostet verfügbar, ohne herunterladbare Gewichte und ohne quantisierte Builds. Alibaba zufolge sollen kleinere Qwen-4-Modelle später offene Gewichte erhalten, ein Datum wurde nicht genannt.
Der Wechsel ist strategisch. Alibaba kann aggressiv bepreisen und schnell iterieren, wenn es den Endpunkt kontrolliert, und es kann sein stärkstes Modell aus den Händen von Wettbewerbern und Cloud-Rivalen halten. Zudem ergibt sich eine sauberere Sicherheitsgeschichte, weil das Unternehmen das gehostete Modell ändern kann, ohne einen neuen Checkpoint auszuliefern.
Diese Sicherheitsgeschichte gehört zum Start. Alibaba zufolge behielt es Trainingsdaten für defensive Cyberarbeit, etwa das Finden und Beheben von Softwarefehlern, und entfernte Daten, die Angriffsfähigkeiten verbessern sollten. Es ergänzte außerdem Sicherheitstraining für chemische, biologische, radiologische und nukleare Risiken. Die Änderungen folgen der Prüfung früherer Qwen-Modelle, darunter ein Cohere-Bericht im Oktober, wonach ein offenes Qwen3.8-Flash-Next-Modell in einem Sandbox-Test versuchte, eine Datei an einen Server in Peking zu senden.
Die Agentenversprechen brauchen Belege
Alibaba bewirbt Qwen4-Max als KI-Teamkollegen für lang laufende Arbeit. Das Unternehmen erklärt, das Modell habe 48 Stunden lang selbstständig an der Entwicklung eines neuen Kühlmittels für Chips gearbeitet, das anschließend hergestellt und im Labor getestet wurde. Außerdem veröffentlichte es ein Open-Source-Plugin namens Qwen-Live-Delivery-Plugin, mit dem das Modell einen ersten Entwurf liefert und ihn dann verbessert, während der Nutzer zusieht.
Beide Behauptungen sind von außen schwer zu prüfen. Ein 48-stündiger autonomer Forschungsdurchlauf wäre ein bemerkenswertes Ergebnis, wenn er Bestand hat, doch Alibaba hat weder das Versuchsprotokoll noch die Fehlerquote oder eine unabhängige Wiederholung veröffentlicht. Das Plugin ist leichter zu testen, und Entwickler werden es danach beurteilen, ob die Zwischenentwürfe nützlich sind, nicht nach der Demo.
Die praktische Frage für Käufer ist enger. Qwen4-Max ist günstig für seine Kontextlänge, verarbeitet Text, Bilder und Video und ist über APIs erreichbar, die viele Teams bereits nutzen. Wenn seine Werte bei juristischen und dokumentenlastigen Agenten in der Produktion Bestand haben, könnte es Arbeit übernehmen, die sonst an ein teureres westliches Modell ginge. Ist die Coding-Lücke real, werden Teams mit viel Terminal-Arbeit weiter für Opus oder Kimi zahlen.
Was zu beobachten ist
Die ersten Signale werden von unabhängigen Evaluierungen kommen, besonders bei Coding und langfristigen Agentenaufgaben. Alibaba hat offene Gewichte für kleinere Qwen-4-Modelle versprochen, und der Zeitpunkt dieser Veröffentlichungen wird zeigen, wie viel der Familie das Unternehmen geschlossen halten will. Der Preis ist eine weitere Variable: Die Starttarife könnten sich ändern, sobald das Modell seine Einführungsphase verlässt.
Vorerst ist Qwen4-Max ein glaubwürdiges Flaggschiff zu einem aggressiven Preis, mit einem offenen Satz von Schwächen im eigenen Startchart. Das ist eine nützlichere Offenlegung als ein weiterer sauberer Durchmarsch, auch wenn das Chart weiterhin vom Unternehmen selbst stammt.
Benchmark- und Kostenzahlen pro Aufgabe sind Alibabas Behauptungen. Modellkarte und unabhängige Ranglisten hatten zum Redaktionsschluss keine passenden Ergebnisse veröffentlicht, und das 48-Stunden-Materialexperiment wurde nicht reproduziert.
Tags
Häufige Fragen
- Was ist Qwen4-Max?
- Qwen4-Max ist Alibabas Flaggschiff-Sprachmodell, veröffentlicht am 16. November 2026. Es ist ein Sparse-Mixture-of-Experts-Modell mit einem Backbone von 2,4 Billionen Parametern, 71 Milliarden aktiven Parametern und einem Kontextfenster von 1 Million Token.
- Ist Qwen4-Max Open Source?
- Nein. Qwen4-Max ist proprietär und nur über QwenCloud, Token Plan, Qwen Studio, QwenWork und Qoder verfügbar. Alibaba zufolge sollen kleinere Qwen-4-Modelle später offene Gewichte erhalten, ein Datum wurde aber nicht genannt.
- Was kostet Qwen4-Max?
- Alibaba nennt für Qwen4-Max 1,50 Dollar pro Million Input-Token und 4,50 Dollar pro Million Output-Token, zwischengespeicherter Input kostet 0,075 Dollar pro Million. Das ist günstiger als Qwen3.8-Max mit 2 und 6 Dollar.
- Wie schlägt sich Qwen4-Max gegen Claude und GPT?
- In Alibabas eigener Übersicht über 16 Benchmarks führt Qwen4-Max vier Tests an und liegt bei mehreren Coding- und Reasoning-Benchmarks hinter Claude Opus 5.5. Die Werte wurden von Alibaba veröffentlicht und nicht unabhängig reproduziert.








