Alibaba hat am 16. November 2026 Qwen4-Max veröffentlicht, das bislang leistungsfähigste Modell der Qwen-Familie. Das multimodale Modell verarbeitet Text, Bilder und Videos, bietet ein Kontextfenster von einer Million Tokens und richtet sich vor allem an Coding, Büroarbeit und Agenten-Aufgaben. Alibaba betont vor allem die Effizienz: Nach eigenen Tests braucht Qwen4-Max deutlich weniger Tokens als der Vorgänger. Über die API kostet es in Singapur 1,50 US-Dollar pro Million Eingabe-Tokens und 4,50 US-Dollar pro Million Ausgabe-Tokens.
Was Alibaba zu Qwen4-Max angekündigt hat
Laut der Pressemitteilung von Alibaba Cloud ist Qwen4-Max ein Mixture-of-Experts-Modell (MoE) mit insgesamt 2,4 Billionen Parametern. Pro Token sind davon nur 71 Milliarden aktiv. Das sind nach Angaben von Alibaba 25 Prozent weniger aktive Parameter als bei Qwen3.8-Max, das ebenfalls 2,4 Billionen Parameter umfasst. Die neue Qwen4-Architektur überarbeitet das MoE-Design unter anderem bei Attention, Residualverbindungen und Embeddings.
Das Modell hat native Bildverarbeitung und soll laut Alibaba besonders bei Coding, Agenten-Aufgaben und visueller Analyse stark sein. Als externe Einordnung nennt das Unternehmen Platz sechs in der Code Arena, einer öffentlichen Rangliste für Programmieraufgaben. Zudem verweist es auf gute Ergebnisse in Agents‘ Last Exam, Vals Index, JobBench und Chartography, ohne in der Mitteilung konkrete Werte für diese Tests zu nennen.
Effizienz: weniger Tokens pro Aufgabe
Die zentrale Aussage betrifft die Kosten. Auf Work360, einem hauseigenen Benchmark mit anspruchsvollen Aufgaben aus 721 Fachgebieten, schneidet Qwen4-Max laut Alibaba insgesamt besser ab als Qwen3.8-Max. Dabei verbrauche es im Reasoning-Modus „High“ 35 Prozent weniger Tokens. Die durchschnittlichen Kosten pro Aufgabe sinken nach Angaben des Unternehmens um rund 60 Prozent.
Diese Zahlen sollten mit Vorsicht gelesen werden. Work360 ist ein eigener Test von Alibaba, eine unabhängige Prüfung liegt bisher nicht vor. Für Entwickler ist die Richtung trotzdem relevant: Bei Reasoning-Modellen machen die Denk-Tokens oft einen großen Teil der Rechnung aus. Ein Modell, das für dieselbe Aufgabe weniger Tokens schreibt, kann trotz ähnlicher Preise pro Token deutlich günstiger sein. Ob das im eigenen Anwendungsfall zutrifft, lässt sich nur mit eigenen Tests klären.
Preise, Regionen und API-Zugang
Die Dokumentation in Alibaba Cloud Model Studio listet die Modell-ID qwen4-max. Die Preise gelten laut Dokumentation einheitlich für den Modus mit und ohne „Thinking“:
- Singapur (International): 1,50 US-Dollar pro Million Eingabe-Tokens, 4,50 US-Dollar pro Million Ausgabe-Tokens, dazu ein Freikontingent von einer Million Tokens für 90 Tage.
- Frankfurt, Virginia, Tokio, Hongkong (Global) und Peking: 1,413 US-Dollar für Eingabe und 4,24 US-Dollar für Ausgabe pro Million Tokens.
- Cache: Eingaben mit implizitem Cache-Treffer kosten laut Pressemitteilung 0,075 US-Dollar pro Million Tokens.
Das Kontextfenster umfasst 1.000.000 Tokens. Ohne Thinking sind bis zu 131.072 Ausgabe-Tokens möglich, Denkprozess und Antwort zusammen dürfen 262.144 Tokens erreichen. Der Thinking-Modus ist standardmäßig aktiv, der Standardwert für den Reasoning-Aufwand ist „high“; daneben gibt es „low“ und „xhigh“.
Praktisch für bestehende Projekte: Das Modell ist über die OpenAI-Schnittstellen Chat Completions und Responses, über die Anthropic-Messages-API und über DashScope erreichbar. Unterstützt werden Streaming, paralleles Tool-Calling, Function Calling, Websuche, strukturierte Ausgaben per JSON Schema sowie explizites und implizites Caching. Für explizites Caching nennt die Dokumentation Laufzeiten von fünf Minuten und einer Stunde. Batch-Inferenz, Fine-Tuning und eigene Deployments sind laut Dokumentation nicht verfügbar.
Neben der API steht Qwen4-Max auf QwenCloud über einen „Token Plan“ sowie in Alibabas Anwendungen QwenWork und QwenStudio bereit. Die Gewichte des großen Modells sind nicht offen. Kleinere Modelle der Qwen4-Reihe sollen laut Alibaba „bald“ als Open-Weight-Modelle erscheinen; einen Termin nennt das Unternehmen nicht.
Anwendungsbeispiele aus der Mitteilung
Alibaba beschreibt mehrere Einsatzszenarien, die jeweils aus eigenen Tests oder Vorführungen stammen. In der Cloud-Ressourcenplanung soll das Modell in einem geschlossenen Kreislauf eigene Abläufe optimieren. Dabei seien die Kosten für Modellaufrufe bei der Datenannotation im Schnitt um 9 Prozent gesunken, und die Neuplanung von Offline-CPU-Aufgaben sei mehr als 14-mal schneller gewesen.
In einer Vorführung aus der Automobilfertigung habe Qwen4-Max die manuelle Programmierzeit für ein Werkstück von rund 475 auf 24 Minuten verkürzt. In der Forschung habe ein 48-stündiger Agentenlauf über vier Iterationen ein experimentell bestätigtes Kühlmittel-Molekül für Chips gefunden. In einem Experiment zur Alzheimer-Forschung führte das Modell laut Alibaba 454 Tool-Aufrufe und 3.239 Metrik-Auswertungen aus, um 24 Kandidatenmoleküle zu entwerfen und zu optimieren. Unabhängig überprüft sind diese Beispiele nicht.
Sicherheit und Datenschutz
Zur Sicherheit schreibt Alibaba, das Training für Software-Engineering habe Prüfungen auf Sicherheitsprobleme wie Injection, Speicherfehler und fehlerhafte Zugriffskontrolle enthalten. Bei Cybersicherheit seien Trainingsdaten nach Absicht gefiltert worden: Material zum Finden und Beheben von Schwachstellen sei geblieben, Inhalte für Angriffe seien entfernt worden. Hinzu kommen eigene Datensätze gegen Missbrauch in den Bereichen chemischer, biologischer, radiologischer und nuklearer Risiken.
Für Unternehmen in Europa ist die Frage der Datenverarbeitung wichtig. Die Dokumentation unterscheidet bei den Regionen zwischen den Bereitstellungsarten „Global“, „International“ und „Chinese mainland“. Wer personenbezogene oder vertrauliche Daten verarbeiten will, sollte vor dem Einsatz klären, was die gewählte Region und Bereitstellungsart für Speicherung und Verarbeitung bedeutet, und die Vertragsbedingungen prüfen.
Einordnung für Entwickler
Qwen4-Max kommt in eine Phase, in der Anbieter vor allem über Preis und Effizienz für Agenten konkurrieren. Google hat mit Gemini 4 Hydrogen kürzlich ein schnelles Modell für Agenten vorgestellt, und rund um Agenten-Plattformen fließt viel Geld, wie die Series C von LangChain zeigt. Qwen-Modelle sind zudem schon in anderen Produkten im Einsatz, etwa bei Apple Intelligence in China.
Wer Qwen4-Max testen will, kann dank der OpenAI- und Anthropic-kompatiblen Schnittstellen oft nur Basis-URL, API-Schlüssel und Modell-ID austauschen. Sinnvoll ist ein Vergleich mit echten Aufgaben aus dem eigenen Projekt, bei dem nicht nur die Qualität, sondern auch die Zahl der Ausgabe- und Denk-Tokens gemessen wird. Erst daraus ergeben sich die tatsächlichen Kosten pro Aufgabe.




