Alibabas KI-Abteilung Qwen hat ihr neues Spitzenmodell Qwen 3.8-Max-Preview offiziell bereitgestellt. Es kann auf Qwen Chat in der öffentlichen Modellwahl aufgerufen werden. Alibaba Cloud nennt außerdem Token Plan, Qoder und QoderWork als verfügbare Plattformen. Die Modellgewichte sind noch nicht veröffentlicht, sondern für einen späteren Zeitpunkt angekündigt. Die Veröffentlichung sorgt in Entwicklerkreisen bereits für heftige Diskussionen. Während durchgesickerte Benchmarks und erste beeindruckende Demos von einer neuen Ära offener Modelle schwärmen, zeigen sich andere Tester ernüchtert und sprechen von künstlich optimiertem „benchmaxxed Slop“. Das Modell, das hinter den Kulissen vermutlich bereits unter dem Codenamen „Kaleb“ auf der Arena-Plattform gesichtet wurde, steht damit im Zentrum einer Debatte über Schein und Sein moderner KI-Evaluationen.
Durchgesickerte Benchmarks versprechen Fable-Jagd
Die Aufregung begann mit einem exklusiven Bericht des bekannten KI-Entwicklers Max For AI, der interne Testergebnisse aus den Reihen von Alibaba teilte. Demnach soll Qwen 3.8 Max bei komplexen Coding-Aufgaben nur 12,6 Punkte hinter dem aktuellen Spitzenreiter Claude Fable 5 liegen und in praktischen „Cowork“-Agenten-Workflows das bisherige Standardmodell Claude Opus 4.8 Max um 5 Elo-Punkte übertreffen. Im Vergleich zu anderen Reasoning-Modellen wie dem kürzlich erschienenen Kimi K3 soll Qwen in diesen Tests einen Vorsprung von 8 Punkten erzielen, während das europäische Modell GLM-5.2 gar um 17,1 Punkte distanziert werde.
Laut den Leaks liefert Qwen 3.8 Max bei über 73 Prozent der Programmieraufgaben identische Ergebnisse wie Fable 5. Der Entwickler Lentils wies darauf hin, dass diese Leistung für eine bloße Preview-Version außergewöhnlich sei, da geplante Optimierungen für den finalen Release noch ausstünden. Ergänzend dazu hob der YouTube-Creator AICodeKing die rohe Intelligenz des Modells hervor, die in seinen eigenen Messungen sämtliche Opus-Modelle hinter sich gelassen habe, schränkte jedoch ein, dass das Modell bei der automatischen Werkzeugnutzung (Tool Calling) noch unter Kinderkrankheiten leide:
Zwischen Three.js-Magie und physikalischen Simulationen
Auch die visuellen Fähigkeiten des Modells stießen auf großes Interesse. Ein Tester demonstrierte auf X, wie das Modell eine 3D-Simulation einer zerknüllten Coca-Cola-Dose physikalisch plausibel rendert, um die Grenzen bei Texturen und Verformungen auszuloten:
Ein anderer Entwickler lobte die Multimodalität des Modells, das sowohl den bekannten „Muffin-Test“ - die Unterscheidung zwischen Chihuahuas und Heidelbeermuffins - als auch Farbblindheitstests fehlerfrei bestanden habe. In puncto Sehvermögen (Vision) sei Qwen ebenbürtig zu Fable 5 und Kimi K3:
Bei praktischen Code-Experimenten glänzte Qwen in einigen spektakulären Einzelfällen. Ein Entwickler berichtete, das Modell habe auf Anhieb ein spielbares, an Minecraft angelehntes Voxel-Spiel in 3D programmiert:
Ein anderer Nutzer feierte die Leistung bei der Erstellung komplexer Three.js-Szenen und erklärte, die Zeiten, in denen chinesische Modelle der westlichen Konkurrenz hinterherhinkten, seien offiziell vorbei:
Zudem wurden direkte Vergleiche im Bereich der 3D-Generierung angestellt, wie etwa das Erstellen von 3D-Objekten aus einer einfachen 2D-Skizze im Vergleich zu Kimi K3 High:
Ernüchterung in der Praxis: Der Vorwurf des „Overthinking“
Doch abseits der polierten Vorführungen mehren sich kritische Stimmen aus der Praxis. Ein bekannter Tester zeigte sich enttäuscht und erklärte, das Modell sei auf seinen Benchmarks „vollständig untergegangen“ und spiele keineswegs in einer Liga mit Fable 5 oder GPT-5.6. Die aggressive Vermarktung sei in seinen Augen irreführend:
In dieselbe Kerbe schlug ein weiterer Entwickler, der Qwen 3.8 Max als „token-hungrigen Hype“ bezeichnete, der bei realen Codierungs-Aufgaben zum Überdenken (Overthinking) neige und fehlerhaften Code produziere. Zudem scheitere das Modell an scheinbar einfachen grafischen Aufgaben wie dem Generieren sauberer SVG-Dateien, etwa der Seitenansicht eines Autos:
Auch die Hype-Aussagen bezüglich der Platzierung direkt hinter Fable 5 wurden in Frage gestellt. Bei Praxistests auf der Qwen-Chat-Webseite habe sich das Modell als extrem rechen- und tokenintensiv erwiesen, ohne die versprochene Leistung zu liefern:
Ein echter Pluspunkt bleibt jedoch die Preisgestaltung: Mit Alibabas neuem „Token Plan“ ist Qwen 3.8 Max bereits ab 18 US-Dollar pro Monat nutzbar. Verglichen mit den 100 US-Dollar, die OpenAI für seinen Coding-Agenten Codex verlangt, stellt dies eine erhebliche Preissenkung für Entwickler dar, bei der man laut Testern sehr viel Nutzung für sein Geld erhält:
Ob sich Qwen 3.8 Max in der Praxis durchsetzt, wird sich zeigen, wenn die Schwächen bei der Werkzeugsteuerung und die Neigung zu fehlerhaftem Code im realen Einsatz behoben werden. Ab sofort kann sich jeder Entwickler selbst auf der offiziellen Chat-Plattform ein Bild von der Leistungsfähigkeit machen.
🎯 Was das für die Praxis bedeutet
1. Vorsicht bei Marketingversprechen: Neue Spitzenwerte in künstlichen Benchmarks lassen sich oft nicht eins zu eins auf reale Programmier-Workflows übertragen.
2. Günstige Preise nutzen: Mit der Einführung des Token-Modells sinken die Barrieren für Entwickler, da leistungsfähigere Modelle zu einem Bruchteil der Kosten bisheriger Platzhirsche nutzbar werden.
3. Eigene Workflows testen: Unternehmen sollten die Eignung neuer chinesischer Modelle für ihre spezifischen Anwendungsfälle vorab selbst validieren, statt sich auf globale Rankings zu verlassen.
