Qwen3.8-Max fürs Coding: Kosten, Benchmarks und Einrichtung
Praxisleitfaden zu Qwen3.8-Max: API-Kosten, Benchmark-Grenzen, Qwen Code, Claude Code und der Unterschied zu den offenen Gewichten.
Inhalt
Für einen gehosteten API-Aufruf lautet die Model ID qwen3.8-max. Seit dem 13. August stehen außerdem die Gewichte Qwen3.8-2.4T-A95B bereit. Diese Namen sind nicht austauschbar: Die erste ID gehört in die Modellkonfiguration eines API-Anbieters, die zweite bezeichnet das Repository für eigenes Inference.
Möchtest du das Modell ohne eigene GPU-Infrastruktur testen? Im BetterToken-Katalog kostete qwen3.8-max am 13. August $1,84 pro Million Input- und $5,52 pro Million Output-Token. Erstelle einen eigenen API Key, führe eine feste Testaufgabe aus und prüfe Model ID und Verbrauch im Workspace. Vor produktiver Nutzung solltest du den Katalog erneut öffnen.
Hosted API oder offene Gewichte
Das offizielle Qwen-Repository enthält Gewichte und Konfiguration der post-trainierten MoE-Version mit 2,4 Billionen Parametern, davon 95 Milliarden aktiv. Der native Kontext beträgt 262.144 Token und kann laut Model Card bis 1.010.000 erweitert werden.
| Variante | Zu verwendender Name | Einsatz |
|---|---|---|
| Hosted API | qwen3.8-max | Model-Feld beim API-Anbieter |
| Eigenes Inference | Qwen3.8-2.4T-A95B | Repository und Inference Engine |
| Altes Preview | qwen3.8-max-preview | Nicht für neue stabile Konfigurationen |
Die gehostete Version bietet laut Qwen zusätzlich Vision Input, Non-Thinking, eingebaute Tools und standardmäßig eine Million Kontext-Token. Ein lokaler Start hat daher nicht automatisch denselben Funktionsumfang.
Hardware und Lizenz realistisch prüfen
95 Milliarden aktive Parameter sind kein Speicherrechner. Auch Gewichte, Sharding, KV Cache, Präzision, Quantisierung und Engine-Overhead benötigen Ressourcen. Lege zuerst Engine, Kontextlänge, Durchsatz und Präzision fest und dimensioniere danach die Hardware anhand der aktuellen Engine-Dokumentation.
Die Gewichte stehen unter der eigenen Qwen3.8-Max License, nicht unter Apache 2.0. Für große kommerzielle Produkte, Model as a Service und AI Work Assistants gelten zusätzliche Bedingungen.
API-Kosten und Benchmarks
Für 200.000 Input- und 20.000 Output-Token ergibt der Beijing/Global-Tarif von CNY 12 beziehungsweise CNY 36:
0,2 × 12 + 0,02 × 36 = CNY 3,12.
Vendor-Scores wie Terminal-Bench 2.1 mit 86,6 oder SWE-bench Pro mit 67,7 hängen von Harness, Token-Budget und Timeout ab. Prüfe deshalb dieselbe Repository-Aufgabe mit identischem Commit, Tools und PASS-Kriterien.
Qwen Code und Claude Code einrichten
Erstelle in Model Studio einen Pay-as-you-go-Key in derselben Region wie der Endpoint und exportiere ihn als DASHSCOPE_API_KEY. Ein Token-Plan-Schlüssel wird in einem separaten Bereich erstellt und verwendet einen anderen Endpoint. In Qwen Code gehört der OpenAI-kompatible modelProviders-Eintrag global nach ~/.qwen/settings.json oder projektspezifisch nach .qwen/settings.json. Für Claude Code dokumentiert Model Studio einen Anthropic-kompatiblen Endpoint:
export ANTHROPIC_BASE_URL="https://dashscope-us.aliyuncs.com/apps/anthropic"
export ANTHROPIC_AUTH_TOKEN="YOUR_API_KEY"
export ANTHROPIC_MODEL="qwen3.8-max"Nutze Key und Endpoint derselben Region. Starte danach eine harmlose Leseaufgabe, prüfe einen Tool Call sowie die tatsächliche Model ID und erlaube erst dann Dateiänderungen.
