Was Qwen4-Max Preview in vier Praxistests kann
Alibaba hat Qwen4-Max Preview zum Testen freigegeben. Der Entwickler Gnana Prasath ließ das neue KI-Modell und seinen Vorgänger Qwen3.8-Max dasselbe Rechenprogramm schreiben. Beide Programme bestanden die ersten 20 Tests. Qwen4-Max lieferte den Code in weniger als drei Minuten, der Vorgänger brauchte in diesem Versuch rund 17 Minuten.
Update vom 18. November 2026: Alibaba hat am 16. November Qwen4-Max als reguläre Version veröffentlicht. Die Modellkennung lautet qwen4-max; laut Anbieter ist sie über QwenCloud per API und Token Plan verfügbar. Die hier beschriebenen Versuche beziehen sich auf die frühere Vorschau qwen4-max-preview. Ihre Ergebnisse lassen sich nicht automatisch auf die reguläre Version übertragen. Wer wechseln möchte, sollte dieselben Aufgaben erneut prüfen und vorher klären, welche Daten an den Dienst gehen und wo sie verarbeitet werden. Mitteilung von Alibaba zur regulären Version.
Wie kommt man an Qwen4-Max Preview?
Alibaba hat die Vorschau am 11. November 2026 geöffnet. Die Modellkennung lautet qwen4-max-preview. Laut Model Studio verarbeitet sie Text, Bilder und Videos, kann Werkzeuge aufrufen und Antworten in einem vorgegebenen Datenformat ausgeben. Das angegebene Kontextfenster umfasst eine Million Tokens. Wie zuverlässig das Modell einen einzelnen Wert in einer langen Akte findet, ist damit noch offen. Technische Angaben von Alibaba.
Für den API-Zugang zur Vorschau verlangt Alibaba seinen Token Plan. Die internationale Anleitung nennt einen Endpunkt in Singapur. Die Vorschau endet laut Anbieter am 25. November 2026 um 17 Uhr deutscher Zeit. Anschließend soll diese Modellversion außer Betrieb gehen. Am 15. November gab es im offiziellen Verzeichnis von Qwen keine Modelldateien für Qwen4-Max zum Herunterladen. Wer das Modell mit Ollama auf dem eigenen Rechner ausprobieren möchte, muss darauf noch warten. Offizielles Qwen-Modellverzeichnis.
Was vier unabhängige Tester tatsächlich ausprobiert haben
1. Wie zuverlässig war das Rechenprogramm?
Prasath prüfte unter anderem, ob der erzeugte Python-Code Klammern und Potenzen richtig auswertete. Für den Ausdruck -2² musste das Programm zum Beispiel -4 liefern. Bei einer ungültigen Eingabe sollte es einen Fehler melden. Welche Aufgaben er zur Kontrolle verwenden würde, verriet er den Modellen vorher nicht.
Nach den ersten 20 bestandenen Tests probierte er 20 schwierigere Fälle aus. Beide Programme bestanden 19 davon. An 200 ineinander verschachtelten Klammern scheiterten beide. Die Wartezeiten hat Prasath in der Chat-App gemessen, deren Auslastung schwanken kann. Zum Testbericht von Gnana Prasath.
2. Wie gut plant Qwen die Beladung eines Lkw?
Ein Entwickler verglich Qwen4-Max und DeepSeek V4.1 Flash anhand von 56 Logistikaufgaben. Für die Ladeplanung sollten die Modelle Sendungen auf möglichst wenige Lkw verteilen. Dabei mussten sie Gewicht und Platz im Fahrzeug berücksichtigen und beachten, welche Sendungen zusammen transportiert werden durften. Bei einer zweiten Art von Aufgabe sollten sie aus Beispielen ableiten, wie ein Frachtpreis berechnet wird, und die Regel auf neue Sendungen anwenden.
Pro Aufgabe hatte jedes Modell zwei Versuche. Bei Qwen waren 64 von 112 Versuchen erfolgreich, bei DeepSeek 61. Qwen fand häufiger die richtige Preisregel, DeepSeek häufiger einen passenden Ladeplan. Für einen Betrieb mit festen Abfahrtszeiten ist auch die Wartezeit interessant. Bei Qwen endeten 16 Versuche am Zeitlimit von 25 Minuten, bei DeepSeek vier. Versuchsaufbau und Ergebnisse des Entwicklers.
3. Kann Qwen eine interaktive 3D-Webseite programmieren?
Michael Leung bat Qwen4-Max, eine Webseite mit einem drehbaren 3D-Modell der Arche Noah zu programmieren. Besucher sollten Regen und Wellengang selbst einstellen können. Die Regler funktionierten im Test. Wenn Leung den Regen verstärkte, änderte sich auch das Geräusch.
Beim Blick auf Bug und Heck fiel ein Fehler im 3D-Modell auf. Die beiden Seiten des Schiffsrumpfs trafen dort nicht aufeinander. Sie können das Schiff in Leungs Demo im Browser selbst drehen. Sein Testbericht zeigt die offene Stelle in einer Nahaufnahme.
4. Wann hört ein KI-Agent auf, seinen Code zu überarbeiten?
Der chinesische Tester 花叔 gab Qwen4-Max eine Programmieraufgabe mit mehreren Schritten. Am Bildschirm sollten umfallende Dominosteine eine Kugel anstoßen, die eine spiralförmige Bahn hinunterrollt und eine Wippe auslöst. Der Agent durfte die Simulation selbstständig überarbeiten.
Der Tester zählte 229 Arbeitsrunden in mehr als anderthalb Stunden. Währenddessen gab er keine weitere Anweisung. Der Lauf endete, als sein Testguthaben aufgebraucht war. Wer einen Agenten selbstständig an einem Programm arbeiten lässt, kann vorab festlegen, welcher Funktionstest zum Abschluss genügt und wann der Versuch aus Zeit- oder Kostengründen endet. Originalbericht mit Aufzeichnungen der Versuche.
Ein kleiner Test für den eigenen Betrieb
Mit diesem fiktiven Dispositionsfall kann ein Team in wenigen Minuten prüfen, ob eine plausible Antwort die Regeln einhält. Ein Fahrzeug darf 1.000 Kilogramm laden. Sendung A wiegt 600 Kilogramm, B wiegt 450 und C wiegt 390. B und C dürfen aus betrieblichen Gründen nicht gemeinsam fahren. Jede Sendung muss genau einmal mit. Lassen Sie das Modell möglichst wenige Fahrzeuge einplanen und für jedes die Sendungen, das Gesamtgewicht und die geprüften Regeln ausgeben.
Die Kontrolllösung passt auf einen Zettel. A und C wiegen zusammen 990 Kilogramm. B fährt separat. A und B wären zu schwer, B und C sind ausgeschlossen. Ändern Sie anschließend nur das Gewicht von C auf 410 Kilogramm. Jetzt werden drei Fahrzeuge benötigt. Wer beide Varianten mehrmals testet, kann Regelverletzungen, Laufzeit und nötige Korrekturen festhalten. Über echte Dispositionsdaten oder das Buchen von Fahrzeugen muss das Team dafür noch gar nicht entscheiden.
Mein Vorschlag für die Preview ist ein begrenzter Versuch mit künstlichen Daten, unabhängig prüfbaren Ergebnissen und einem festen Zeitbudget. Wer ein lokales System beschaffen möchte, braucht verfügbare Gewichte und einen Test auf der geplanten Hardware. Einen Einstieg bietet der Leitfaden für lokale KI mit Ollama. Wer aktuell die vorige Generation einsetzt, findet hier die Einordnung zu Qwen 3.8.
Quellen und Verfügbarkeit geprüft am 15. November 2026. Die vier beschriebenen Versuche stammen von den jeweils verlinkten Testern.
Welche Aufgabe eignet sich für Ihren ersten Modellvergleich?
Wenn Sie eine konkrete Büroaufgabe im Blick haben, können wir in der KI-Beratung gemeinsam festlegen, woran Ihr Team ein brauchbares Ergebnis erkennt und welche Daten es dafür verwenden kann.
KI-generiertes Symbolbild. Keine Aufnahme eines realen Ereignisses.
Von Niklas Entenmann





Ein Kommentar
Die Kommentare sind geschlossen.