NachrichtenAktienAlibaba stellt Qwen4-Max vor und beansprucht die Führung beim Coding-Benchmark gegen Claude Opus 5.5

Alibaba stellt Qwen4-Max vor und beansprucht die Führung beim Coding-Benchmark gegen Claude Opus 5.5

Autor: CryptoBriefing·

Wichtige Erkenntnisse

  • •Qwen4-Max ging am 16. November 2026 als Top-Modell von Alibabas Qwen4-Serie an den Start und basiert auf einer Sparse-Mixture-of-Experts-Architektur mit einem 2,4-Billionen-Parameter-Rückgrat.
  • •Alibaba meldet einen Score von 75,7 beim DeepSWE-v1.1-Coding-Benchmark, vor Claude Opus 5.5 und auf Augenhöhe mit Kimi K3.1 Pro, doch unabhängige Rankings ordnen das Modell hinter Konkurrenten wie Kimi ein, während sie seine günstigen Kosten pro Aufgabe anerkennen.
  • •Das Modell verwendet etwa 50 % weniger Tokens als sein Vorgänger Qwen3.8-Max, und die durchschnittlichen Kosten pro Aufgabe sanken um mehr als 60 %, gestützt durch Preise von 1,50 $ pro Million Input-Tokens und 4,50 $ pro Million Output-Tokens sowie rund 3,27 $ Kosten pro Aufgabe.
  • •Qwen4-Max ist multimodal für Text, Bilder und Video, unterstützt Kontextfenster von bis zu 1 Million Tokens und ist mit den OpenAI- und Anthropic-Protokollen kompatibel, um Entwicklern auf konkurrierenden Plattformen den Wechsel zu erleichtern.
  • •Alibaba plant, kleinere Open-Weight-Modelle der Qwen4-Serie zu veröffentlichen, während das Flaggschiff geschlossen bleibt, und positioniert das Modell für dokumentenintensive Branchen wie Gesundheitswesen, Finanzen und Recht.
Alibaba stellt Qwen4-Max vor und beansprucht die Führung beim Coding-Benchmark gegen Claude Opus 5.5

Alibaba hat ein neues KI-Flaggschiff, Qwen4-Max, vorgestellt und mit kühnen Behauptungen zur Coding-Leistung untermauert. Das Unternehmen sagte, das Modell übertreffe Anthropics Claude Opus 5.5 und liefere wettbewerbsfähige Ergebnisse gegen Moonshot AIs Kimi K3.1 Pro bei Coding-Benchmarks, wobei unabhängige Rankings ein gemischteres Bild zeichnen.

Was Alibaba tatsächlich ausgeliefert hat

Qwen4-Max ging am 16. November 2026 als Top-Modell der neuen Qwen4-Serie an den Start. Es läuft auf einer Sparse-Mixture-of-Experts-Architektur mit einem 2,4-Billionen-Parameter-Rückgrat.

Diese Architektur verdient eine kurze Erklärung. Man stelle sich ein Krankenhaus mit Hunderten von Spezialisten vor, bei dem jeder Patient nur die wenigen Ärzte sieht, die für seinen Fall relevant sind. Ein Mixture-of-Experts-Modell funktioniert genauso: Es leitet jede Anfrage an einen Teil seiner internen „Experten“ weiter, statt alle 2,4 Billionen Parameter gleichzeitig zu aktivieren. Das Ergebnis ist ein sehr großes Modell, das nicht bei jeder Aufgabe die volle Rechenrechnung bezahlen muss.

Das Modell ist multimodal, was bedeutet, dass es Text, Bilder und Video verarbeitet. Es unterstützt außerdem ein Kontextfenster von bis zu 1 Million Tokens. Das Kontextfenster fungiert in etwa als Kurzzeitgedächtnis des Modells, sodass ein größeres Fenster die Bearbeitung langer Dokumente oder großer Codebasen in einer einzigen Sitzung ermöglicht.

Entwickler können über eine API auf QwenCloud auf Qwen4-Max zugreifen. Alibaba hat es zudem mit den Protokollen von OpenAI und Anthropic kompatibel gemacht. Für Teams, die bereits auf diese Ökosysteme setzen, wird der Wechsel weniger zu einer Neuprogrammierung als zu einer Konfigurationsänderung.

Benchmarks und das Kleingedruckte

Beim DeepSWE-v1.1-Coding-Benchmark erzielte Qwen4-Max einen Score von 75,7. Laut den mit dem Launch veröffentlichten Forschungsergebnissen lag das Ergebnis vor Claude Opus 5.5 und zeigte wettbewerbsfähige Resultate gegenüber Kimi K3.1 Pro.

Unabhängige Rankings sind weniger großzügig. Sie ordnen Qwen4-Max hinter Konkurrenten wie Kimi ein, heben aber gleichzeitig seine günstigen Kosten pro Aufgabe hervor. Diese Diskrepanz ist ein wiederkehrendes Merkmal von KI-Modell-Launches: Vendor-Benchmark-Suiten und Drittanbieter-Rankings stützen sich oft auf unterschiedliche Evaluierungen, sodass Käufer in der Regel across Scoreboards triangulieren müssen, statt einer einzelnen Zahl zu vertrauen.

Wo Alibaba seinen stärksten Fall macht, ist die Effizienz. Qwen4-Max verwendet etwa 50 % weniger Tokens als sein Vorgänger Qwen3.8-Max, und die durchschnittlichen Kosten pro Aufgabe sanken um mehr als 60 % gegenüber dem früheren Modell. Tokens sind die Textabschnitte, die ein Modell liest und schreibt, und sie sind auch die Grundlage, über die die meisten KI-Anbieter ihre Kunden abrechnen — weniger Tokens pro Aufgabe bedeuten eine kleinere Rechnung für dieselbe Arbeit.

Preise, die zum Unterbieten gebaut sind

Alibaba hat die Preise für Qwen4-Max auf 1,50 $ pro Million Input-Tokens und 4,50 $ pro Million Output-Tokens festgelegt, womit es als kosteneffiziente Option innerhalb des Flaggschiff-Tiers von KI-Modellen positioniert ist. Die Forschungsergebnisse beziffern die Kosten pro Aufgabe auf rund 3,27 $, niedriger als bei Wettbewerbern.

Der Zugang begann nicht am Launch-Tag. Eine Token-Plan-Vorschau öffnete am 11. November 2026 und läuft bis zum 25. November, womit Teams ein definiertes Zeitfenster haben, das Modell an ihren eigenen Workloads zu testen. Alibaba plant außerdem, kleinere Open-Weight-Modelle der Qwen4-Serie zu veröffentlichen, während das Flaggschiff Qwen4-Max geschlossen bleibt.

Hintergrund: Ein überfülltes Rennen

Alibabas Argumentation vermeidet das reine Fähigkeiten-Wettrüsten. Stattdessen betont das Unternehmen Effizienz und praktischen Nutzen und zielt auf professionelle Produktivität und Coding-Aufgaben. Das Modell richtet sich an Branchen wie Gesundheitswesen, Finanzen und Recht, in denen Workflows dokumentenlastig sind und Kostenkontrolle eine echte Einschränkung darstellt.

Was das bedeutet

Für Unternehmen, die KI einkaufen, ist die wichtigste Zahl hier möglicherweise nicht die 75,7. Es ist die Kombination aus geringerem Token-Verbrauch und niedrigeren Preisen pro Token. Diese beiden Einsparungen addieren sich, weshalb Alibaba auf Aufgabenkosten verweisen kann, die gegenüber seinem eigenen Vorgängermodell um mehr als 60 % gesunken sind.

Die Kompatibilität mit den OpenAI- und Anthropic-Protokollen senkt zudem die Kosten für den Ausprobieren von Qwen4-Max für Entwickler, die bereits in konkurrierende Plattformen investiert haben.

Dennoch verdient die Lücke zwischen Alibabas Benchmark-Behauptungen und unabhängigen Rankings Aufmerksamkeit. Unternehmen, die das Modell evaluieren, sollten Drittanbieter-Ergebnisse neben den Zahlen des Anbieters abwägen, insbesondere bei Coding-Arbeiten, bei denen die Leistung je nach Aufgabe variiert. Die Tatsache, dass unabhängige Rankings die Kosten pro Aufgabe weiterhin anerkennen, deutet darauf hin, dass die Effizienzgeschichte besser hält als die Krone der absoluten Leistung.

Die Open-Weight-Strategie ist der andere Faden, den man im Auge behalten sollte. Die offene Veröffentlichung kleinerer Qwen4-Modelle könnte Alibabas Entwicklerbasis vergrößern, während das geschlossene Flaggschiff seinen wertvollsten Asset schützt.