Qwen 3.8 Max ist da: Benchmarks, Preise und erste Reaktionen
Alibaba hat Qwen 3.8 Max freigegeben. Das Modell soll in die Nähe der Spitzenmodelle kommen und weniger kosten als die Konkurrenz. Benchmarks, Preise und Reaktionen im Überblick.
Alibaba hat Qwen 3.8 Max für die breite Öffentlichkeit freigegeben. Seit dem 3. August 2026 läuft das Modell weltweit über die Cloud-API des Konzerns. Parallel startet die Plattform QwenWork in die öffentliche Beta.
Ganz neu ist das Modell allerdings nicht. Alibaba hat es bereits am 19. Juli auf der World AI Conference in Shanghai vorgestellt. Nutzbar war es seither aber nur im Abo und in den hauseigenen Coding-Tools.
Der Anspruch ist selbstbewusst: Nur Claude Fable 5 sei besser, schreibt das Qwen-Team auf X. Damit reklamiert Alibaba den zweiten Platz insgesamt und die Spitze unter den chinesischen Modellen. Und die Börse reagiert auf diese Nachricht. In Hongkong ist die Aktie des Konzerns am Montag um mehr als 6 Prozent gestiegen.
Qwen 3.8 Max ist das bislang größte Modell des Konzerns. Es nutzt eine Mixture-of-Experts-Architektur mit 2,4 Billionen Parametern. Wie viele davon pro Anfrage aktiv sind, verrät Alibaba allerdings nicht. Medienberichte nennen rund 95 Milliarden, ohne dass der Hersteller das bestätigt hätte.
Das Kontextfenster fasst 991.000 Token bei einer Ausgabegrenze von 131.000. Das Modell verarbeitet neben Text auch Bilder und Videos. Die Spanne reicht dabei laut Alibaba von langen Dokumenten bis zu Fernsehserien und Live-Streams.
Für viele Entwickler ist aber vor allem die Roadmap nach der Veröffentlichung interessant. In der kommenden Woche will Alibaba Qwen 3.8 Max als Open Weights veröffentlichen. Es ist auch eine kleinere Variante namens Qwen3.8-27B für den Betrieb auf eigener Hardware angekündigt. Der Konzern kehrt damit zu offenen Spitzenmodellen zurück, nachdem mehrere Flaggschiffe zuletzt proprietär blieben.
Mit dem Launch nennt Alibaba erstmals API-Preise. Eine Million Input-Token kostet 2 Dollar, eine Million Output-Token 6 Dollar. Wiederholte Eingaben aus dem Cache berechnet Alibaba mit 0,25 Dollar je Million Token. Das ist exakt das Preisniveau von Grok 4.5 und ein Bruchteil dessen, was die westlichen Spitzenmodelle kosten.
| Modell | Input | Output |
|---|---|---|
| Qwen 3.8 Max | 2 Dollar | 6 Dollar |
| Grok 4.5 | 2 Dollar | 6 Dollar |
| Claude Opus 4.8 | 5 Dollar | 25 Dollar |
| GPT-5.6 Sol | 5 Dollar | 30 Dollar |
| Claude Fable 5 | 10 Dollar | 50 Dollar |
Während der Preview-Phase lief der Zugang über den Token Plan, ein Abo-Modell in drei Stufen zwischen 39 und 499 Yuan im Monat. Eine Besonderheit ist der Nachttarif des Plans: Zwischen 22 und 8 Uhr chinesischer Zeit fallen die Kosten um 80 Prozent. Die neue API ist kompatibel zu den Schnittstellen von OpenAI, sodass sich bestehende Anwendungen ohne großen Umbau umstellen lassen.
Alibaba hat zum Start eine eigene Benchmark-Tabelle veröffentlicht. Der Zweikampf mit Claude Fable 5, den das Unternehmen selbst ausgerufen hat, geht darin - je nach Disziplin - unterschiedlich aus.
| Benchmark | Qwen 3.8 Max | Claude Fable 5 |
|---|---|---|
| Terminal-Bench 2.1 | 86,6 % | 84,6 % |
| SWE-bench Pro | 67,7 % | 80,0 % |
| FrontierSWE | 73,5 % | 88,8 % |
Alle Werte laut Alibaba (Stand: 3. August 2026). Für Terminal-Bench 2.1 nennt Alibaba außerdem 88,8 % für GPT-5.6 Sol im Modus "max" und 84,6 % für Claude Opus 4.8.
Bei den Terminal-Aufgaben liegt Qwen 3.8 Max vorn. Bei den schweren Software-Aufgaben von SWE-bench Pro und FrontierSWE bleibt dagegen ein deutlicher Abstand zu Fable 5. Daneben meldet Alibaba unter anderem 92,6 Prozent beim Wissenstest GPQA Diamond und 86,1 Prozent beim Agenten-Benchmark OSWorld-Verified.
Unabhängige Zahlen sind noch rar. Auf der Vergleichsplattform Arena.AI ist Qwen 3.8 Max das bestplatzierte chinesische Textmodell. Davor liegen nur Claude Fable 5 und drei Opus-Varianten von Anthropic. In der Bild-Wertung steht es auf Platz zwei hinter einer Fable-5-Variante. Beim Test StackPerf von Trilogy AI lag Qwen mit 80 Punkten knapp hinter Kimi K3 mit 83, wobei dieser Test nur aus einer einzigen Aufgabe besteht.
Der Entwickler Thomas Wiegold hat das Modell mit seinen vier Standard-Tasks getestet, von der Firmen-Website bis zur Poker-Simulation in Go. Sein Fazit besteht aus fünf Wörtern: "very good and very slow". Die Poker-Simulation ist im ersten Anlauf gelungen. Das haben in seinen Tests bisher nur Claude Fable 5 und Grok 4.5 geschafft.
Zugleich war Qwen 3.8 Max in jedem Durchlauf das langsamste Modell, das Wiegold je getestet hat. Allein die Simulation dauerte 80 Minuten. Für schnelles, iteratives Arbeiten bleibt er deshalb bei Grok 4.5.
In den Entwickler-Foren kommt vor allem die angekündigte Öffnung gut an. Auf Hacker News gilt das Wettrennen der chinesischen Labore um Open Weights als Gewinn für alle. Viele lesen den Launch als direkte Antwort auf Kimi K3 von Moonshot AI, das wenige Tage vor der Qwen-Preview erschienen ist. Auf Reddit dominiert eine praktischere Frage: Welche Hardware soll 2,4 Billionen Parameter überhaupt stemmen? Entsprechend groß ist die Hoffnung auf die angekündigte kleine 27B-Variante.
Die meisten Benchmark-Ergebnisse stammen von Alibaba selbst. Auf Hacker News zweifelt eine kleinere Gruppe die Einordnung "Platz zwei hinter Fable 5" deshalb grundsätzlich an und hält Qwen für einen Benchmark-Spezialisten, dessen Stärke in Tests größer ist als im Alltag. (Benchmaxing)
Einen konkreten Schönheitsfehler hat MarkTechPost in der Hersteller-Tabelle gefunden. In der Multimodal-Wertung vergleicht Alibaba das neue Modell mit Qwen 3.7 Plus statt mit dem stärkeren Qwen 3.7 Max. Der Fortschritt zur Vorgängergeneration wirkt dadurch größer, als er ist.
Auch beim Preis lohnt ein zweiter Blick. Qwen-Modelle erzeugen für dieselbe Aufgabe oft mehr Output-Token als die Konkurrenz. Der günstige Token-Preis sagt deshalb nur wenig über die Kosten pro erledigter Aufgabe. Wiegold weist zudem auf eingebaute Leitplanken bei politisch heiklen Themen hin, die sich an den Vorgaben der chinesischen Führung orientieren - ein Punkt, der Redaktionen und regulierte Branchen unmittelbar betrifft.