# Qwen4-Max: API-Preise, Benchmarks und Mac-Kompatibilität

- URL: https://ai-on-mac.com/artikel/qwen4-max/
- Sprache: Deutsch (Deutschland/EU)
- Veröffentlicht: 2026-11-16
- Kategorie: Modell-News
- Englische Version: https://ai-on-mac.com/articles/qwen4-max-en/
- Herausgeber: Julian Dominic Altmann, AI on Mac / KI auf dem Mac (https://ai-on-mac.com)

> Qwen4-Max: API-Preise in Frankfurt und bei OpenRouter, Cache-Kosten, Benchmarks, eine Million Tokens Kontext und Grenzen lokaler Mac-Nutzung.

*Mit KI-Unterstützung recherchiert und redigiert. Inhaltlich verantwortlich: Julian Dominic Altmann. Faktenstand **17. November 2026**. Quellenanalyse, keine eigenen Messungen.*

Alibaba hat Qwen4-Max am 16. November 2026 als reguläres API-Modell veröffentlicht. Das Modell verarbeitet Text, Bilder und Videos, nutzt ein Kontextfenster von einer Million Tokens und besitzt laut Hersteller 2,4 Billionen Parameter, von denen pro Token 71 Milliarden aktiviert werden. Die direkte API kostet in Frankfurt im Global-Scope 1,413 US-Dollar pro Million Input-Tokens und 4,24 US-Dollar pro Million Output-Tokens. Für wiederholten, cachefähigen Input sinkt der Listenpreis auf 0,071 US-Dollar. [Alibaba-Pressemitteilung](https://www.alibabacloud.com/en/press-room/alibaba-unveils-qwen4-max) · [QwenCloud-Preise](https://docs.qwencloud.com/developer-guides/getting-started/pricing).

Für Mac-Nutzer und deutsche Entwickler sind zwei Einschränkungen wichtig. Die Gewichte von Qwen4-Max sind nicht öffentlich verfügbar. Der Frankfurter Zugang nutzt für dieses Modell den globalen Inferenz-Scope. Daraus folgt weder lokale Ausführung noch ausschließlich europäische Verarbeitung.

  ![Modellübersicht mit 2,4 Billionen Gesamtparametern und 71 Milliarden aktiven Parametern.](https://ai-on-mac.com/images/qwen4-max/architektur-de-light.svg)

*Modellübersicht mit 2,4 Billionen Gesamtparametern und 71 Milliarden aktiven Parametern.*

## Qwen4-Max: technische Daten

| Eigenschaft | Stand 17.11.2026 |
|---|---|
| Modell-ID (direkt) | `qwen4-max` |
| Modell-ID (OpenRouter) | `qwen/qwen4-max` |
| Architektur | Sparse Mixture-of-Experts (MoE) |
| Parameter | 2,4 Billionen gesamt; 71 Milliarden aktiv pro Token (Hersteller) |
| Eingabe / Ausgabe | Text, Bild, Video / Text |
| Kontextfenster | 1.000.000 Tokens |
| Maximaler Input | 983.616 mit Thinking; 991.808 ohne |
| Maximale Ausgabe ohne Thinking | 131.072 Tokens |
| Thinking und Antwort zusammen | Maximal 262.144 Tokens |
| Reasoning-Effort | `low`, `high`, `xhigh`; Standard `high` |
| Tool-Aufrufe und strukturierte Ausgabe | Ja |
| Batch-Inferenz, Fine-Tuning, eigenes Deployment | Batch nur in der Region Peking; Fine-Tuning und eigenes Deployment nicht unterstützt |
| Lokale Gewichte | Keine öffentliche Veröffentlichung gefunden |

Quellen: [Modellreferenz](https://www.alibabacloud.com/help/en/model-studio/qwen4-max), [QwenCloud-Integrationsübersicht](https://docs.qwencloud.com/developer-guides/getting-started/latest-model), [OpenRouter](https://openrouter.ai/qwen/qwen4-max/), [offizieller Modellkatalog](https://huggingface.co/Qwen). Die Grenzwerte gelten für die direkte API in den internationalen Regionen. Die maximalen Input- und Output-Werte dürfen nicht als gleichzeitig uneingeschränkt nutzbare Budgets addiert werden. Bei einem Router können weitere Grenzen gelten.

## Was hat sich seit dem Preview geändert?

Das Preview `qwen4-max-preview` startete am 11. November 2026. Es ist ausschließlich über den Token Plan verfügbar; der reguläre Pay-as-you-go-Zugang war dort nicht vorgesehen. Das Preview endet nach Anbieterangaben am 25. November um 24 Uhr UTC+8 (25. November, 17 Uhr MEZ). Seit dem 16. November existiert daneben das Produktionsmodell `qwen4-max`, das per API und Token Plan verfügbar ist. Beide Token-Plan-Editionen unterstützen es. [Preview-Dokumentation](https://www.alibabacloud.com/help/en/model-studio/qwen4-max-preview) · [Token-Plan-Changelog](https://www.alibabacloud.com/help/en/model-studio/token-plan-product-updates).

  ![Zeitachse der Preview und Produktionsfreigabe.](https://ai-on-mac.com/images/qwen4-max/release-de-light.svg)

*Zeitachse der Preview und Produktionsfreigabe.*

## Architektur: 71 Milliarden aktiv sind nicht 71 Milliarden Speicherbedarf

Bei einem Mixture-of-Experts-Modell werden für einen Token nur bestimmte Expertenteile aktiviert. Alibaba nennt für Qwen4-Max 71 Milliarden aktive Parameter, gegenüber rund 95 Milliarden bei Qwen3.8-Max derselben Größenordnung. Der Anteil beträgt rechnerisch rund 3 % der genannten Gesamtparameter. Der Rest der Gewichte verschwindet dadurch nicht.

Die Zahl der aktiven Parameter beschreibt vor allem den Rechenpfad, nicht das Gewicht eines vollständig geladenen Checkpoints. Ein theoretisches 4-Bit-Gewichtsbudget für 2,4 Billionen Parameter beträgt:

`2.400.000.000.000 × 4 / 8 = 1.200.000.000.000 Byte = 1,2 TB`

Bei 8 Bit wären es 2,4 TB, bei 16 Bit 4,8 TB. Das sind reine mathematische Untergrenzen für die angegebene Parameterzahl, ohne Quantisierungs-Metadaten, KV-Cache, zusätzliche Embeddings, Vision-Komponenten, Runtime oder macOS. Es handelt sich nicht um eine gemessene Modellgröße. [Architekturangaben von Alibaba](https://www.alibabacloud.com/en/press-room/alibaba-unveils-qwen4-max).

## API-Preise: Frankfurt, Singapur und OpenRouter

USD pro Million abgerechneter Tokens; Standardpreise am 17. November 2026. Die Output-Rate umfasst auch abgerechnete Thinking-Tokens.

| Abrechnung | QwenCloud Frankfurt/Global | QwenCloud Singapur | OpenRouter (gelistet) |
|---|---:|---:|---:|
| Normaler Input | $1,413 | $1,50 | $1,425 |
| Output | $4,24 | $4,50 | $4,275 |
| Cache Read | $0,071 | $0,075 | $0,07125 |
| Explizites Cache Write, 5 min | $1,767 | $1,875 | $1,78125 |
| Explizites Cache Write, 1 h | $2,827 | $3,00 | nicht gelistet |

[QwenCloud-Preistabelle](https://docs.qwencloud.com/developer-guides/getting-started/pricing) · [OpenRouter-Modellseite](https://openrouter.ai/qwen/qwen4-max/). Für Hongkong, Tokio, Virginia im Global-Scope und Peking nennt QwenCloud dieselben Raten wie für Frankfurt/Global. OpenRouter führt einen einheitlichen Cache-Write-Preis und keine getrennten Werte für 5 Minuten und 1 Stunde. Gebühren, Steuern, Zahlungsaufschläge und Router-Angebote können abweichen. Die Anbieterpreise sind nicht automatisch ein Preisversprechen für jeden Account.

  ![Vergleich der Input-, Output- und Cache-Read-Preise.](https://ai-on-mac.com/images/qwen4-max/preise-de-light.svg)

*Vergleich der Input-, Output- und Cache-Read-Preise.*

### Was kostet ein Coding-Agent tatsächlich?

Bei einem Agenten sind große Teile des Systemprompts, der Tool-Definitionen und des Repository-Kontexts häufig wiederholt vorhanden. Für die Kosten zählt die Summe aller abgerechneten Tokens über sämtliche Aufrufe, nicht die Länge eines einzelnen Prompts. Bei einem OpenRouter-Preis von $1,425 Input, $0,07125 Cache Read und $4,275 Output und ohne berechnetes explizites Cache Write gilt:

`Kosten = I × (1 − h) × 1,425 + I × h × 0,07125 + O × 4,275`

I und O werden in Millionen Tokens angegeben; h ist der Anteil der Input-Tokens mit Cache-Hit.

| Monatliches Szenario (Input / Output) | Kein Cache-Hit | 90 % Cache-Hit |
|---|---:|---:|
| Gelegentlich: 1 Mio. / 0,2 Mio. | $2,28 | $1,06 |
| Regelmäßig: 20 Mio. / 4 Mio. | $45,60 | $21,23 |
| Intensiver Agent: 100 Mio. / 10 Mio. | $185,25 | $63,41 |

Eigene Modellrechnung; die Output-Menge enthält Thinking und Antwort. Rundung auf zwei Dezimalstellen. Keine Steuern, Cache-Writes, externen Tool-Kosten oder zusätzlichen Wiederholungen enthalten. Der 90-%-Fall ist eine Szenarioannahme, keine prognostizierte Trefferquote.

  ![Kosten für 100 Millionen Input- und 10 Millionen Output-Tokens bei unterschiedlichen Cache-Trefferquoten, berechnet mit OpenRouter-Listenpreisen.](https://ai-on-mac.com/images/qwen4-max/cache-de-light.svg)

*Kosten für 100 Millionen Input- und 10 Millionen Output-Tokens bei unterschiedlichen Cache-Trefferquoten, berechnet mit OpenRouter-Listenpreisen.*

Bei 100 Mio. Input-Tokens und 90 % Cache-Hit kostet der Input $20,66; ohne Cache wären es $142,50. Der Gesamtpreis sinkt im Beispiel nur von $185,25 auf $63,41 (rund 65,8 %), weil der Output weiterhin $42,75 kostet. Besonders ausführliche Reasoning-Aufrufe können den Vorteil günstiger Cache-Tokens teilweise aufzehren.

Explizites Caching unterstützt bei Qwen4-Max TTLs von fünf Minuten und einer Stunde. Der Cache ist kein kostenloser Speicher. Ein Write wird mit einer eigenen Rate berechnet. OpenRouter listet dafür $1,78125 pro Million Tokens. Das Schreiben eines Präfixes von 1 Mio. Tokens und ein anschließender Cache-Read kosten damit $1,85, zwei normale Inputs kosten $2,85. Günstiger wird der Write erst mit weiteren Cache-Reads. Im Global-Scope von QwenCloud kostet ein 5-Minuten-Write $1,767, ein 1-Stunden-Write $2,827 und ein Read $0,071. [Cache-Dokumentation](https://www.alibabacloud.com/help/en/model-studio/explicit-cache-qwen4) · [Preise](https://docs.qwencloud.com/developer-guides/getting-started/pricing).

## Benchmarks: gute Teilergebnisse, kein Gesamtsieger

Alibaba berichtet für Qwen4-Max Platz sechs in Code Arena und rund 35 % geringeren Token-Verbrauch im eigenen Work360-Test bei hoher Reasoning-Einstellung. Der durchschnittliche Aufgabenpreis sei dabei um rund 60 % gegenüber Qwen3.8-Max gesunken. Das sind Herstellerangaben, keine unabhängigen Messungen auf einem eigenen Workflow. [Pressemitteilung](https://www.alibabacloud.com/en/press-room/alibaba-unveils-qwen4-max).

Artificial Analysis listet Qwen4-Max am Veröffentlichungstag mit 43 Punkten im Intelligence Index v5.0.1 und gewichteten Kosten von $3,27 pro Aufgabe. Dieser Index kombiniert unterschiedliche Tests, unter anderem für Coding, automatisierte Arbeitsabläufe und Wissensaufgaben. Der Wert ist nicht mit Work360-Punkten gleichzusetzen. [Artificial Analysis](https://artificialanalysis.ai/models/qwen4-max).

Ein unabhängiges Drei-Aufgaben-Pilotexperiment von Kingy AI meldete, dass ein Qwen-first-Workflow mit Eskalation zu Opus und Opus allein jeweils zwei Aufgaben bestanden. Die geroutete Variante war in diesem kleinen Pilot teurer und langsamer. Spring Prompt hat Qwen4-Max am 16. November mit fünf eigenen Business-Tests geprüft. Die Folienbewertung lag mit 1.585 auf Platz 1 von 32 Modellen, keine der sechs getesteten Folien war dabei sofort präsentierbar. Bei Produktbeschreibungen erreichte das Modell 39,3 Prozent sofort veröffentlichungsfähiger Texte bei faktischem Briefing (Platz 19 von 32) und 8,9 Prozent bei Verkaufsbriefing (Platz 21 von 32). Das spricht gegen eine pauschale Empfehlung allein auf Basis günstiger Tokenpreise. [Kingy AI](https://kingy.ai/blog/qwen4-max-vs-claude-opus-5-5/) · [Spring Prompt](https://springprompt.com/blog/qwen4-max-review).

Für eigene Vergleiche zählt **Kosten pro bestandener Aufgabe**. Der Testplan sollte dieselben Repository-Commits, Aufgaben, Tools, Laufzeitbudgets und Abnahmekriterien verwenden. Getrennt zu erfassen sind bestandene Tests, Gesamtkosten einschließlich Thinking, Wiederholungen, Laufzeit und manuelle Eingriffe.

## Qwen4-Max für Hermes, Claude Code und andere Coding-Agenten

Die direkte API unterstützt OpenAI Chat Completions, OpenAI Responses, Anthropic Messages und DashScope. Ein kompatibles Protokoll bedeutet nicht, dass jede Client-Funktion identisch unterstützt wird. Insbesondere Tool-Aufrufe, Streaming, Reasoning-Parameter und Caching müssen im jeweiligen Client geprüft werden. [Chat Completions](https://www.alibabacloud.com/help/en/model-studio/qwen-api-via-openai-chat-completions) · [Responses](https://www.alibabacloud.com/help/en/model-studio/qwen-api-via-openai-responses) · [Anthropic Messages](https://www.alibabacloud.com/help/en/model-studio/anthropic-api-messages).

Beispiel für einen textbasierten Test mit dem OpenAI-Python-SDK und direktem QwenCloud-Zugang in Frankfurt (Global). API-Key im selben Regionskonto erzeugen und als Umgebungsvariable `DASHSCOPE_API_KEY` setzen.

```python

from openai import OpenAI

client = OpenAI(
    api_key=os.environ["DASHSCOPE_API_KEY"],
    base_url="https://eu-central-1.maas.qwencloudapi.com/compatible-mode/v1",
)

response = client.chat.completions.create(
    model="qwen4-max",
    messages=[{"role": "user", "content": "Explain this code review checklist."}],
    extra_body={"reasoning_effort": "low"},
    max_tokens=1024,
)
print(response.choices[0].message.content)
print(response.usage)
```

Das Beispiel folgt der dokumentierten API, wurde für diesen Artikel nicht live ausgeführt. Der Endpunkt ist nicht als EU-only zu verstehen. [Offizieller Quickstart](https://docs.qwencloud.com/developer-guides/getting-started/latest-model) · [Regionsdokumentation](https://docs.qwencloud.com/developer-guides/getting-started/regions).

Zum ersten Test gehören nicht sensible Repositories, ein begrenztes Tokenbudget und eine isolierte Testumgebung. JSON-Schema-Ausgaben müssen validiert, Tool-Aktionen autorisiert und Ergebnisse unabhängig von der Modellantwort überprüft werden. [Structured Output](https://docs.qwencloud.com/developer-guides/text-generation/structured-output) · [Function Calling](https://docs.qwencloud.com/developer-guides/tool-calling/function-calling) · [MCP](https://docs.qwencloud.com/developer-guides/tool-calling/mcp).

## Datenschutz: Was Frankfurt wirklich bedeutet

QwenCloud unterscheidet die Region, in der Anfragen entgegengenommen und Daten gespeichert werden, von dem Service-Deployment-Scope, der die Inferenzstandorte festlegt. Für Qwen4-Max ist Frankfurt als Global-Scope dokumentiert. Dieser Scope kann Inferenzknoten in verschiedenen Ländern einschließlich Festlandchina nutzen. Ein EU-Scope ist eine separate Option für unterstützte Modelle. OpenRouter markiert Qwen4-Max außerdem zum Prüfzeitpunkt als nicht verfügbar für EU-In-Region-Routing. [QwenCloud-Regionen](https://docs.qwencloud.com/developer-guides/getting-started/regions) · [OpenRouter](https://openrouter.ai/qwen/qwen4-max/).

  ![Frankfurt als Region und Global-Scope als separate Inferenzentscheidung.](https://ai-on-mac.com/images/qwen4-max/routing-de-light.svg)

*Frankfurt als Region und Global-Scope als separate Inferenzentscheidung.*

Wer vertraglich oder organisatorisch eine ausschließlich europäische Verarbeitung benötigt, sollte Qwen4-Max nicht allein aufgrund einer deutschen API-Region freigeben. Zu prüfen sind tatsächlicher Scope, Auftragsverarbeitung, Transfers, Subdienstleister, Aufbewahrung und Tool-Anbindungen. Das ist keine Rechtsberatung und keine pauschale Aussage über die DSGVO-Konformität des Anbieters. [QwenCloud-Sicherheitsdokumentation](https://docs.qwencloud.com/developer-guides/security-compliance/data-security).

## Kann Qwen4-Max lokal auf einem Mac laufen?

Nein. Für die vollständige lokale Ausführung fehlen die öffentlich zugänglichen Qwen4-Max-Gewichte. Alibaba hat kleinere Open-Weight-Modelle der Qwen4-Familie angekündigt, ohne hier einen verbindlichen Veröffentlichungstermin zu nennen. Im offiziellen [Hugging-Face-Katalog](https://huggingface.co/Qwen) und [GitHub-Profil](https://github.com/QwenLM) waren bei der Recherche weiterhin frühere öffentliche Modelle sichtbar. Artificial Analysis führt Qwen4-Max als proprietär.

Auch ein hypothetischer 4-Bit-Checkpoint mit der genannten Parameterzahl würde bereits bei den reinen Gewichten etwa 1,2 TB benötigen. Ein Mac mit 32 GB kann den API-Client ausführen, die Modellgewichte aber nicht lokal betreiben. Wer lokal arbeiten möchte, sollte aktuell veröffentlichte kleinere Modelle wie Qwen3.8-27B in Betracht ziehen und den tatsächlichen Speicherbedarf aus Gewichten, KV-Cache und Runtime berechnen.

[Zum Mac-LLM-RAM-Rechner](https://ai-on-mac.com/hardware/matchmaker/) · [Unified-Memory-Guide](https://ai-on-mac.com/artikel/unified-memory-mac/) · [Ollama auf dem Mac mini](https://ai-on-mac.com/artikel/ollama-mac-mini-m4-einrichten/)

## Häufige Fragen

**Ist Qwen4-Max kostenlos?** Nein, der reguläre API-Zugang wird nach Nutzung abgerechnet. QwenCloud nennt für Singapur eine separate kostenlose Quote von einer Million Tokens, sofern der Account die Voraussetzungen erfüllt. Der Token Plan ist ein separates Abrechnungsmodell. [Free Quota](https://docs.qwencloud.com/resources/free-quota).

**Kann Qwen4-Max Bilder generieren?** Die Modellreferenz dokumentiert Text, Bilder und Videos als Eingabe und Text als Ausgabe. Bildgenerierung ist damit nicht als native Ausgabemodalität belegt. [Vision-API](https://docs.qwencloud.com/developer-guides/multimodal/vision).

**Ist Qwen4-Max besser als Claude oder GPT?** Das hängt von der Aufgabe, dem Reasoning-Budget und der Testmethodik ab. Die zum Start verfügbaren unabhängigen Tests zeigen kein einheitliches Gesamtbild.

**Kann ich Qwen4-Max über OpenRouter verwenden?** Ja, unter `qwen/qwen4-max`. Preise, Provider und unterstützte Parameter vor produktivem Einsatz prüfen.

## Entscheidung

Qwen4-Max lohnt sich vor allem für API-Nutzer mit großen, wiederkehrenden Eingaben. Wer eine zuverlässige lokale oder EU-only-Lösung braucht, sollte auf Modelle mit öffentlichen Gewichten beziehungsweise explizit bestätigtem EU-Scope ausweichen. Für Coding-Agenten empfiehlt sich zuerst ein eigener Abnahmetest gegen den bisherigen Anbieter.

[Finde ein lokal ausführbares Modell für deinen Mac](https://ai-on-mac.com/hardware/matchmaker/).

*Methodik: Quellenabgleich am 17. November 2026; Herstellerwerte, externe Evaluationen und eigene Modellrechnungen sind getrennt. Keine eigenen API-Messungen oder Produkttests. Korrekturen und redaktionelle Methodik: [KI-Transparenz](https://ai-on-mac.com/ki-transparenz/).*

[Qwen3.8-Max im Preis- und Benchmarkvergleich](https://ai-on-mac.com/artikel/qwen3-8-max-pricing-benchmarks-mac/) · [Qwen3.8-27B für lokale Workflows](https://ai-on-mac.com/artikel/qwen3-8-27b/)

## Quellen

1. https://www.alibabacloud.com/en/press-room/alibaba-unveils-qwen4-max
2. https://docs.qwencloud.com/developer-guides/getting-started/pricing
3. https://www.alibabacloud.com/help/en/model-studio/qwen4-max
4. https://docs.qwencloud.com/developer-guides/getting-started/latest-model
5. https://openrouter.ai/qwen/qwen4-max/
6. https://huggingface.co/Qwen
7. https://www.alibabacloud.com/help/en/model-studio/qwen4-max-preview
8. https://www.alibabacloud.com/help/en/model-studio/token-plan-product-updates
9. https://www.alibabacloud.com/help/en/model-studio/explicit-cache-qwen4
10. https://artificialanalysis.ai/models/qwen4-max
11. https://kingy.ai/blog/qwen4-max-vs-claude-opus-5-5/
12. https://springprompt.com/blog/qwen4-max-review
13. https://www.alibabacloud.com/help/en/model-studio/qwen-api-via-openai-chat-completions
14. https://www.alibabacloud.com/help/en/model-studio/qwen-api-via-openai-responses
15. https://www.alibabacloud.com/help/en/model-studio/anthropic-api-messages
16. https://docs.qwencloud.com/developer-guides/getting-started/regions
17. https://docs.qwencloud.com/developer-guides/text-generation/structured-output
18. https://docs.qwencloud.com/developer-guides/tool-calling/function-calling
19. https://docs.qwencloud.com/developer-guides/tool-calling/mcp
20. https://docs.qwencloud.com/developer-guides/security-compliance/data-security
21. https://github.com/QwenLM
22. https://docs.qwencloud.com/resources/free-quota
23. https://docs.qwencloud.com/developer-guides/multimodal/vision
