Alibabas Qwen3.8-Max bringt 2,4 Billionen Parameter und unterbietet westliche Konkurrenz beim Preis

Alibaba hat Qwen3.8-Max veröffentlicht, ein Mixture-of-Experts-Modell mit 2,4 Billionen Parametern, das laut Unternehmen das leistungsfähigste seiner Qwen-Familie ist. Der Launch trieb die Hongkong-Aktien von Alibaba um bis zu 7 Prozent nach oben, die in den USA gelisteten Aktien legten rund 4,5 Prozent zu – Anleger reagierten damit auf ein Modell, das westliche Frontier-Labs beim Preis unterbietet und gleichzeitig konkurrenzfähige Benchmark-Ergebnisse liefert.

Was die Zahlen tatsächlich zeigen

Qwen3.8-Max basiert auf einer Mixture-of-Experts-Architektur, das heißt: Nur ein Bruchteil der insgesamt 2,4 Billionen Parameter wird bei einer einzelnen Anfrage aktiviert. Die genaue Zahl der aktivierten Parameter hat Alibaba nicht bekannt gegeben – ein Muster, das bei chinesischen Labs mittlerweile üblich ist. Das Modell verarbeitet Text, Bild und Video als Input und liefert Text als Output. Das Kontextfenster unterstützt rund 991.000 Token Input und 131.000 Token Output – genug, um eine komplette Codebase oder ein langes Rechtsdokument in einem einzigen Durchlauf zu verarbeiten.

Im Terminal-Bench 2.1, einem Benchmark für reale Coding- und Agentic-Task-Performance, erreicht Qwen3.8-Max 86,6 Punkte und liegt damit vor Anthropics Claude Opus 4.8 mit 84,6 – bleibt aber hinter OpenAIs GPT-5.6 Sol mit 88,8 zurück. Deutlicher sind die Fortschritte beim DeepSWE 1.1, einem Benchmark für agentische Softwareentwicklung: Hier sprang das Modell im Vergleich zum Vorgänger von 21,6 auf 56,6 Punkte – mehr als eine Verdopplung. Auch multimodal ist die Leistung stark: 86,1 im OSWorld-Verified und 92,1 im OmniDocBench 1.5, einem Benchmark für Dokumentverständnis.

Der Preis als Argument

Alibaba vermarktet die gehostete API über DashScope zu 2,00 US-Dollar pro Million Input-Token und 6,00 US-Dollar pro Million Output-Token. Gecachte Input-Token kosten nur 0,25 US-Dollar pro Million – rund achtmal günstiger als frischer Input. Damit liegt die Preisgestaltung deutlich unter dem, was US-Frontier-Labs üblicherweise für vergleichbar leistungsfähige Modelle verlangen. Das setzt ein Muster fort, bei dem chinesische KI-Labors aggressiv über den Preis konkurrieren, auch wenn sie bei rohen Benchmark-Werten leicht hinterherhinken.

Realitätscheck bei der Bereitstellung

Der vollständige Checkpoint mit 2,4 Billionen Parametern benötigt Multi-Node-Rechenzentrumsinfrastruktur – ein echtes Self-Hosted-Deployment ist damit nur für die größten KI-Infrastrukturbetreiber realistisch. Für Teams, die das Modell auf Standard-GPU-Hardware betreiben wollen, bietet Alibaba mit Qwen3.8-27B ein kleineres, dichtes Modell aus derselben Familie als realistische On-Premise-Option an. Open Weights sowohl für das 2,4T-Flaggschiff als auch für das 27B-Modell wurden für die Woche nach der Ankündigung versprochen.

Einordnung in den größeren Wettbewerb

Auf dem Crowdsourced-Leaderboard Arena.AI wurde Qwen3.8-Max sofort das bestplatzierte chinesische Modell für Textaufgaben, liegt aber weiterhin hinter mehreren Anthropic-Angeboten, darunter Claude Fable 5. Bei Vision-Aufgaben belegt es global den zweiten Platz – nur hinter einer Variante von Fable 5. Ein bemerkenswertes Ergebnis für ein Modell, dessen Trainings- und Inferenzkosten laut Berichten nur einen Bruchteil dessen betragen, was vergleichbare westliche Modelle im Betrieb kosten.

Wie MarkTechPost berichtet, erscheint der Release nur wenige Wochen nachdem das konkurrierende chinesische Labor Moonshot AI sein Open-Weight-Modell Kimi K3 veröffentlicht hat – ein Zeichen dafür, wie stark sich der Wettbewerbszyklus zwischen chinesischen KI-Labors im Jahr 2026 verdichtet hat.