Alibaba stellt Qwen4-Max mit niedrigeren API-Preisen und einem Kontextfenster von einer Million Tokens bereit

10 Min. Lesezeit
Alibaba Opens Qwen4-Max With Lower API Prices and a Million-Token Context

Ein günstigeres Flaggschiffmodell für längere Aufgaben

Alibaba hat Qwen4-Max über QwenCloud allgemein verfügbar gemacht. Das Modell bietet ein Kontextfenster von einer Million Tokens, niedrigere Preise und laut Alibaba durchschnittlich rund 58 Prozent geringere Kosten für die Erledigung von Aufgaben im Work360-Benchmark. Dem Start war eine begrenzte Vorschau vorausgegangen, die am 11. November 2026 begann.

Inhalt
  1. Ein günstigeres Flaggschiffmodell für längere Aufgaben
  2. Von der Abo-Vorschau zum breiteren Zugang
  3. Was passt in ein Kontextfenster von einer Million Tokens?
  4. Wie die Preissenkung zustande kommt
  5. Wiederholt verwendete Dokumente lassen sich günstiger verarbeiten
  6. Ein großes Modell, das nur einen kleineren Teil aktiviert
  7. Benchmarks zeigen Fortschritte und ein uneinheitliches Wettbewerbsbild
  8. Was Entwickler heute anbinden können
  9. Agenten erhalten einen Überarbeitungsschritt
  10. Die wichtigsten Punkte

Das Flaggschiffmodell basiert auf einer Mixture-of-Experts-Architektur mit einem Rückgrat aus 2,4 Billionen Parametern. Es verarbeitet Text, Bilder und Videos und gibt Text aus. Alibaba positioniert es für Programmierung, Büroarbeit, Frontend-Design und Agenten. Damit ist Software gemeint, die Werkzeuge nutzen und eine Abfolge von Schritten ausführen kann, um ein Ziel zu erreichen.

In der am 16. November aktualisierten Dokumentation zu Model Studio nennt Alibaba für den internationalen Einsatz Preise von 1,50 US-Dollar je einer Million Input-Tokens und 4,50 US-Dollar je einer Million Output-Tokens. Tokens sind kleine Informationseinheiten, die ein Modell verarbeitet. Bei Text kann ein Token einem Wort, einem Wortteil oder einem Satzzeichen entsprechen.

Alibaba zufolge benötigt Qwen4-Max bei vergleichbaren Aufgaben auch weniger Tokens als Qwen3.8-Max. Niedrigere Preise und ein geringerer Verbrauch senkten zusammen die durchschnittlichen Kosten einer Work360-Aufgabe von 26,58 auf 11,16 Renminbi. Das entspricht einer Ersparnis von 15,42 Renminbi. Eine weitere veröffentlichte Berechnung in US-Dollar kommt auf einen Rückgang von 4,43 auf 1,67 Dollar oder rund 62 Prozent. Die Renminbi-Werte ergeben die in der Ankündigung genannten rund 58 Prozent.

Für Entwickler liegt der praktische Vorteil in der Kombination: mehr Platz für Dokumente und Gesprächsverläufe, die Möglichkeit, visuelles Material einzubeziehen, und geringere Kosten pro Verarbeitungseinheit. Wie hoch die Ersparnis bei einer konkreten Anwendung ausfällt, hängt von den Anfragen, den Einstellungen für das Schlussfolgern und den generierten Antworten ab.

Anzeige

Von der Abo-Vorschau zum breiteren Zugang

Qwen4-Max wurde zunächst über Alibabas Token-Plan-Abonnement angeboten. Ein früher Zugang war außerdem über die Qwen-App, Qoder, QwenWork und QwenStudio möglich. Mit der allgemeinen Verfügbarkeit wird der Zugang über QwenCloud erweitert. Das Modell bleibt auch in Alibabas Anwendungen für Arbeit und Entwicklung verfügbar.

Die veröffentlichte Abfolge ist kurz:

  • 11. November 2026: Alibaba startete die begrenzte Vorschau. Entwickler erhielten über den Token Plan Zugang, eine frühe Nutzung war über die Anwendungen des Unternehmens möglich.
  • 16. November 2026: Alibaba aktualisierte die Dokumentation zu Model Studio um Angaben zu Funktionen, Preisen, Kontextlimits und API-Details.
  • Allgemeine Verfügbarkeit: Nach der Vorschau öffnete Alibaba den Zugang über QwenCloud; ein genaues Startdatum wurde nicht genannt.

Entwickler sprechen das Modell über die Kennung qwen4-max an. Model Studio nennt außerdem ein kostenloses Kontingent von einer Million Tokens, das 90 Tage ab Aktivierung, Modellfreigabe oder Anwendungszulassung gilt, je nachdem, was zuletzt erfolgt.

Was passt in ein Kontextfenster von einer Million Tokens?

Das Kontextfenster von Qwen4-Max bezeichnet den verfügbaren Platz für Informationen, die in eine Anfrage einfließen. Ein größeres Fenster ermöglicht es einer Anwendung, mehr Dokumente, Code oder Gesprächsverlauf in dieselbe Aufgabe einzubeziehen, statt alles in kleinere Anfragen aufzuteilen.

Alibaba gibt maximale Eingabelängen von 991.808 Tokens im Modus ohne Schlussfolgern und 983.616 Tokens im Schlussfolgerungsmodus an. Die beiden Modi verarbeiten Aufgaben unterschiedlich: Im Schlussfolgerungsmodus steht dem Modell ein Budget für das Schlussfolgern zur Verfügung, bevor es seine Antwort ausgibt.

Laut Dokumentation beträgt die maximale Ausgabe im Modus ohne Schlussfolgern 131.072 Tokens. Für Schlussfolgern und abschließende Antwort zusammen gilt ein Limit von 262.144 Tokens. In einer veröffentlichten Ankündigung wird eine höhere maximale Ausgabelänge von rund 393.000 Tokens genannt. Die aktuelle Servicedokumentation von Alibaba enthält die Betriebsgrenzwerte, an denen Entwickler ihre Konfiguration ausrichten können.

Text-, Bild- und Videoeingaben erweitern die Arten von Material, die eine Anwendung übermitteln kann. Eine Arbeitsanfrage könnte beispielsweise schriftliche Anweisungen mit Screenshots oder Videos verbinden. Als Ausgabeformat ist laut Dokumentation Text vorgesehen, darunter Code und strukturierte Daten.

Anzeige

Wie die Preissenkung zustande kommt

Die internationalen API-Preise sinken gegenüber den für Qwen3.8-Max genannten Sätzen von 2 US-Dollar je einer Million Input-Tokens und 6 US-Dollar je einer Million Output-Tokens auf 1,50 beziehungsweise 4,50 US-Dollar. Beide Preise werden damit um 25 Prozent gesenkt. In der Dokumentation nennt Alibaba für den globalen Einsatz außerdem gesonderte Preise von 1,413 US-Dollar für Eingaben und 4,24 US-Dollar für Ausgaben je einer Million Tokens.

Eine Anfrage mit 100.000 Input-Tokens und einer Ausgabe von 10.000 Tokens würde zu den internationalen Preisen 0,195 US-Dollar kosten, bevor mögliche Einsparungen durch Caching oder andere anfallende Gebühren berücksichtigt werden. Bei den früheren Preisen von 2 und 6 US-Dollar wären für dieselben Mengen 0,26 US-Dollar fällig. Diese Berechnung hält den Verbrauch konstant und zeigt so allein die Wirkung der Preisänderung.

Die von Alibaba geltend gemachten höheren Einsparungen pro Aufgabe hängen auch mit dem geringeren Tokenverbrauch zusammen. Bei Work360 sank der gemeldete Verbrauch im Schlussfolgerungsmodus Xhigh um rund 24 Prozent und bei High um 35 Prozent. Bei Terminal-Bench 4.0 lagen die gemeldeten Rückgänge bei rund 48 beziehungsweise 49 Prozent.

Auch das Schlussfolgern wird berechnet: Laut Preistabelle umfassen die Gebühren für Ausgaben sowohl die Gedankenkette als auch die Antwort. Eine Anwendung, die umfangreiches Schlussfolgern anfordert, kann daher mehr kosten als eine, die eine kurze Antwort verlangt, selbst wenn die Nutzer eine ähnlich knappe endgültige Antwort sehen.

Wiederholt verwendete Dokumente lassen sich günstiger verarbeiten

Qwen4-Max unterstützt explizites und implizites Caching. Dabei kann ein Dienst bereits verarbeitete Eingaben erneut verwenden, etwa eine Standardanweisung, eine Werkzeugbeschreibung oder ein Referenzdokument, statt für dasselbe Material jedes Mal den regulären Eingabepreis zu berechnen.

Laut Dokumentation unterstützt explizites Caching die Schnittstellen OpenAI Chat Completions, OpenAI Responses und Anthropic Messages. Als Cache-Laufzeiten sind fünf Minuten und eine Stunde angegeben. Der gemeldete Preis für das Lesen impliziter Cache-Einträge beträgt 0,075 US-Dollar je einer Million Tokens. Zuvor waren es 0,25 US-Dollar, eine Senkung um 70 Prozent.

Die wiederholte Nutzung ist für Agenten wichtig, weil sie über mehrere Schritte hinweg auf dieselben Anweisungen und Dokumente zurückgreifen können. Ein niedrigerer Tokenpreis, weniger generierte Tokens und die Wiederverwendung gemeinsamer Eingaben können alle zu den Kosten für die Erledigung einer Aufgabe beitragen. Wie stark sie ins Gewicht fallen, hängt davon ab, wie oft eine Anwendung Informationen wiederholt und wie viel Arbeit das Modell ausführt.

Anzeige

Ein großes Modell, das nur einen kleineren Teil aktiviert

Die für Qwen4-Max genannten 2,4 Billionen Parameter des Rückgrats beschreiben die numerischen Einstellungen, die das Modell beim Training gelernt hat. Bei der Mixture-of-Experts-Architektur ist ein Teil dieser Kapazität auf spezialisierte Komponenten verteilt. Für die Verarbeitung jedes Tokens wird eine Auswahl davon aktiviert.

Den Architekturangaben zufolge sind pro Token 71 Milliarden Parameter aktiv, also rund drei Prozent des 2,4 Billionen Parameter umfassenden Rückgrats. Zusätzlich beschreiben sie weitere 328 Milliarden Parameter für N-Gramm-Embeddings, die Repräsentationen kurzer, lokaler Tokenmuster speichern.

Alibabas Architektur kombiniert Qwen Sparse Attention mit Gated-DeltaNet-Schichten. Vereinfacht gesagt verdichten einige Schichten frühere Informationen zu einem kompakten Zustand, während ein Indexierungsmechanismus relevante Teile des längeren Kontexts auswählt. Dadurch soll der nötige Rechenaufwand für lange Sequenzen sinken.

Gated Residuals bieten vier parallele Informationswege, deren Lesen und Schreiben durch Gates gesteuert wird. Alibaba berichtet von stabilem Training ohne plötzliche Verlustspitzen. Das Basismodell habe bei der Kennzahl Bits pro Byte 5 bis 13 Prozent niedrigere Werte erreicht als Qwen3.8-Max-Base und dabei 25 Prozent weniger Parameter aktiviert. Bits pro Byte misst die Effizienz der Vorhersagen während der Evaluierung. Ein niedrigerer Wert bedeutet, dass das Modell den Testtext effizienter vorhersagt.

Benchmarks zeigen Fortschritte und ein uneinheitliches Wettbewerbsbild

In Alibabas Vergleichstabelle liegt Qwen4-Max bei vier von 16 Benchmarks vorn. Den größten ausgewiesenen Vorsprung erzielt das Modell bei HLAB-Vals-1.1, einer Evaluierung juristischer Agenten. Dort erreicht es 21,3 Punkte, gegenüber 11,7 für Kimi K3.1 und 9,2 für Claude Opus 5.5.

Auch bei Agents' Last Exam v1.1 mit 46,7 Punkten, BioMysteryBench mit 85,0 und DeepSWE v1.1 mit 75,7 liegt das Modell in der Tabelle vorn. Bei den beiden letztgenannten Benchmarks sind die Abstände allerdings gering: GPT-6.1 Sol erreicht bei BioMysteryBench 84,4 Punkte, während Kimi K3.1 bei DeepSWE auf 75,5 kommt.

Alibabas Ergebnis bei Work360 steigt von 47,74 für Qwen3.8-Max auf 52,69 für Qwen4-Max, ein Zuwachs um 4,95 Punkte. Work360 umfasst 26 übergeordnete Domänen und 721 spezialisierte Fachgebiete. Damit verknüpft das Unternehmen seine Aussagen zu Leistung und Kosten mit einer breiten Sammlung von Arbeitsaufgaben.

Bei anderen Ergebnissen fallen die Abstände zu Konkurrenten größer aus. Qwen4-Max erreicht bei ProgramBench 31,5 Punkte, gegenüber 65,0 für Claude Opus 5.5, und bei Chartography 54,2, gegenüber 71,1 für GPT-6 Astra. Claude Opus 5.5 liegt bei sieben der 16 dargestellten Tests vorn. In den Vergleichen zum Start kombiniert Alibaba eigene Ergebnisse mit einigen Werten aus externen Bestenlisten; eine unabhängige Überprüfung erfolgte zum Start nicht.

Anzeige

Was Entwickler heute anbinden können

Alibaba unterstützt die APIs OpenAI Chat Completions, OpenAI Responses, Anthropic Messages und DashScope. Die Kompatibilität mit diesen Schnittstellen bietet Entwicklern vertraute Möglichkeiten, Anfragen zu senden und Ergebnisse zu empfangen. Anwendungen müssen für das neue Modell dennoch konfiguriert und getestet werden.

Zu den dokumentierten Funktionen zählen Streaming, Websuche, parallele Werkzeugaufrufe und strukturierte Ausgaben als JSON-Objekte oder nach JSON Schema. Beim Streaming wird eine Antwort während ihrer Generierung ausgegeben. Parallele Werkzeugaufrufe ermöglichen es dem Modell, mehrere Vorgänge gleichzeitig anzufordern. Strukturierte Ausgaben erleichtern es Software, Informationen in einem vorhersehbaren Format zu erhalten.

Der Schlussfolgerungsmodus ist standardmäßig aktiviert. Der Schlussfolgerungsaufwand steht auf High, das Budget für das Schlussfolgern auf 131.072 Tokens. Unterstützt werden die Stufen Low, High und Xhigh. Entwickler können diese Einstellungen an Aufgaben mit unterschiedlichen Anforderungen an Geschwindigkeit, Kosten und Schlussfolgerungsfähigkeit anpassen.

In Alibabas offizieller Funktionstabelle sind Batch-Inferenz, Feinabstimmung und Modellbereitstellung als nicht unterstützt aufgeführt. Diese Servicespezifikationen sind enger gefasst als eine veröffentlichte Beschreibung zum Start, in der Stapelverarbeitung und Feinabstimmung als unterstützte Funktionen genannt werden. Die globalen Limits liegen bei 30.000 Aufrufen und fünf Millionen Input- und Output-Tokens pro Minute. Jeder der beiden Grenzwerte kann den Datenverkehr beschränken.

Agenten erhalten einen Überarbeitungsschritt

Alibaba hat außerdem ein Plugin veröffentlicht, mit dem Agenten eine erste Arbeitsfassung vorlegen und sie auf Rückmeldungen der Nutzer hin überarbeiten können. Damit kommt in einen Ablauf, der eine Aufgabe sonst womöglich in einem einzigen Durchgang erledigen soll, eine zusätzliche Prüfphase.

Nutzer können ein erstes Ergebnis beurteilen und den Agenten anschließend um Änderungen bitten. Bei Büroarbeit, Programmierung und Design bietet das einen konkreten Ansatzpunkt, um die Richtung zu korrigieren, statt das Ende einer längeren Abfolge von Aktionen abwarten zu müssen.

Qwen4-Max selbst ist proprietär und über gehostete Dienste verfügbar. Modellgewichte zum Herunterladen und Ausführen auf der eigenen Hardware von Kunden gibt es nicht. Alibaba plant, kleinere Qwen4-Modelle als Open Source zu veröffentlichen. Das Flaggschiff ist vorerst über die Cloud- und Anwendungsangebote des Unternehmens zugänglich.

Die wichtigsten Punkte

  • Qwen4-Max ist nach einer am 11. November 2026 gestarteten Vorschau über QwenCloud allgemein verfügbar.
  • Das Modell verarbeitet Text, Bilder und Videos und unterstützt ein Kontextfenster von einer Million Tokens.
  • Die internationalen API-Preise betragen 1,50 US-Dollar je einer Million Input-Tokens und 4,50 US-Dollar je einer Million Output-Tokens. Sie liegen 25 Prozent unter den für das Vorgängermodell gemeldeten Preisen.
  • Alibaba zufolge sanken die durchschnittlichen Kosten einer Work360-Aufgabe von 26,58 auf 11,16 Renminbi, also um rund 58 Prozent.
  • In der offiziellen Dokumentation ist für Ausgaben ohne Schlussfolgern ein Maximum von 131.072 Tokens angegeben. Für Schlussfolgern und Antwort zusammen gilt ein Limit von 262.144 Tokens.
  • In Alibabas Tabelle liegt das Modell bei vier von 16 Benchmarks vorn, während es bei einigen Programmier- und visuellen Aufgaben schwächere Ergebnisse erzielt.
  • Das Flaggschiff bleibt ein gehostetes proprietäres Modell. Kleinere Qwen4-Modelle sollen als Open Source veröffentlicht werden.
Diesen Artikel teilen

Das könnte Ihnen auch gefallen