Qwen4-Max: Im KI-Wettlauf zählt der Preis, nicht die Bestenliste
Alibabas neues Flaggschiff muss nicht jeden Benchmark gewinnen. Liegt es nah genug dran und ist deutlich günstiger, müssen US-Labore den Aufpreis erklären.
Foto: Earthranger / Wikimedia Commons (CC BY-SA 3.0)
Was, wenn der nächste große Streit um KI-Modelle nicht davon entschieden wird, wer die Bestenliste anführt, sondern wer die kleinere Rechnung schickt? Alibabas Start von Qwen4-Max am 16. November deutet in diese Richtung. Wir halten das für die richtige Frage für alle, die für Tokens zahlen.
Das wissen wir bisher. Laut Business Standard senkt das Modell nach Angaben von Alibaba die Kosten pro Aufgabe um 60 % und bringt zusätzliche Cyber-Schutzmaßnahmen mit. Diese Zahl stammt vom Unternehmen selbst, ist also bis zur Bestätigung durch unabhängige Tests als Marketing zu verstehen. Angebote wie OpenRouter nennen 1,50 US-Dollar pro Million Eingabe-Tokens und 4,50 US-Dollar pro Million Ausgabe-Tokens; andere Listen geben ein Kontextfenster von einer Million Token an. Alibaba behauptet außerdem, das Modell schlage Claude und Kimi bei Programmiertests – ebenfalls eine Herstellerangabe.
Die Signale von außen fallen bescheidener aus. Artificial Analysis vergibt an Qwen4 Max 43 Punkte im Intelligence Index, und Digg meldet einen vorläufigen sechsten Platz in Arenas Web-Dev-Ranking. Das ist stark, aber kein Durchmarsch.
„Gut genug und günstiger“ schlägt „das Beste“ öfter, als die Labore zugeben
Gerade die bescheidenen Platzierungen sind der Punkt. Ein Modell muss nicht Erster sein, um gefährlich zu werden. Liegt es nahe an der Spitze und kostet pro Aufgabe weniger, stellen Einkaufsabteilungen unbequeme Fragen. Sie wollen wissen, warum sie einen Aufpreis für einen Vorsprung zahlen, der in einer Grafik sichtbar ist, nicht aber in der eigenen Arbeitslast.
Wir würden außerdem Listenpreis und Kosten pro Aufgabe trennen. Berichten zum Start zufolge setzt Alibaba sowohl auf niedrigere Tarife als auch auf weniger verbrauchte Tokens pro Auftrag. Diese Unterscheidung ist wichtig. Billige Tokens bei einem geschwätzigen Modell sind keine Ersparnis, teure Tokens bei einem Modell, das gleich beim ersten Mal richtig liegt, können eine sein. Die 60 % sind daher die Zahl, die man prüfen sollte; wir würden auf Tests unabhängiger Dritter warten, bevor wir sie glauben.
Wechselkosten sind der eigentliche Burggraben – und sie schrumpfen
Aus der Dokumentation können wir nicht ablesen, wie Qwen4-Max lizenziert ist, und spekulieren deshalb nicht darüber. Wir können sagen, was die Angebote beschreiben: ein großes Kontextfenster, Funktionsaufrufe sowie Text- und Bildeingabe. Vor einigen Jahren wären das Schlagzeilen gewesen. Heute wirken sie wie Mindestanforderungen, und das ist unserer Ansicht nach die stille Geschichte dahinter.
Sehen die Funktionslisten bei den Anbietern ähnlich aus, verschiebt sich das Argument für den Verbleib bei einem Anbieter auf Gewohnheit und Integrationsaufwand. Gewohnheit ist ein schwacher Burggraben. Unserer Einschätzung nach sind Labore am stärksten gefährdet, die vor allem darauf setzen, die Standardwahl zu sein: Jede glaubwürdige, günstigere Alternative senkt die Kosten, etwas anderes auszuprobieren – und sei es nur, um zu verhandeln.
Was US-Labore tun sollten, statt die Bestenliste zu verteidigen
Premiumpreise können überleben, brauchen aber ein besseres Argument als ein paar Punkte in einem Programmiertest. Zuverlässigkeit, Support, Sicherheitsgarantien, Datenumgang und Werkzeuge sind echter Mehrwert. Viele Käufer, besonders in regulierten Branchen, werden wohl auch die Herkunft eines Modells abwägen, das auf chinesischer Cloud-Infrastruktur läuft. Das ist ein berechtigtes Bedenken, das wir hier nicht beziffern können.
Unbequem für US-Labore: Solche Argumente kosten Aufwand, während ein Benchmark billig zu veröffentlichen ist. Wir erwarten – und das ist eine Prognose –, dass die kommenden Monate Preissenkungen, Pakete und lautere Debatten über Vertrauen bringen. Für die Kunden wäre das gut.
Unser Fazit
Wechseln Sie nicht wegen einer Schlagzeile am Starttag. Lassen Sie Ihre eigene Arbeitslast auf Qwen4-Max laufen und messen Sie die Kosten pro abgeschlossener Aufgabe, nicht den Preis pro Million Tokens. Halten die Einsparungen, nutzen Sie sie als Verhandlungsargument gegenüber Ihrem bisherigen Anbieter. So oder so scheint die Zeit zu Ende zu gehen, in der man nur für die Spitze der Bestenliste extra zahlt.
Noch keine Themen: Eröffne das erste.
Weitere Artikel
OpenAIs Robotik-Wette: Skalierung gewinnt, doch wer erklärt die Fehler?
Robotik in allgemeine Modelle aufzulösen mag effizient sein, doch es löst auch die Spezialisten auf, die wüssten, warum ein Roboter die Flasche fallen ließ. Das wiegt schwerer als der Benchmark.
Apples Harbor könnte private KI zu etwas machen, das normale Nutzer wirklich einsetzen
Eine geleakte Mac-App verspricht einfache lokale Modelle und einen automatischen Thunderbolt-Cluster. Kommt sie wie beschrieben, geht es nicht mehr um Datenschutz, sondern um den Preis.
Fable 5.2 zeigt: Im KI-Wettlauf zählt nun das Preis-Leistungs-Verhältnis
Anthropics neues Flaggschiff ist günstiger und schneller als sein Vorgänger. Unserer Einschätzung nach verblasst der Vorsprung in Ranglisten rasch; bleiben werden Preis und Verlässlichkeit.
Rechenzentren haben ein Akzeptanzproblem – und die Stromrechnung könnte der Auslöser sein
Vom gestoppten Standort in Sydney über eine vorgeschlagene Pause in Texas bis zu Mileis Patagonien-Angebot: Der knappste KI-Rohstoff ist die Zustimmung der Bevölkerung, nicht der Chip.



