Alibabas Qwen3.8 Max erreicht 56 Punkte im Artificial Analysis Intelligence Index und damit 10 Punkte mehr als Qwen3.7 Max (46). Laut Artificial Analysis liegt es gleichauf mit Claude Opus 4.8, vor GLM-5.2 (51), aber hinter Kimi K3 (57), das zudem 25 Prozent günstiger arbeitet.
Im Arbeitsaufgaben-Test GDPval-AA springt Qwen um 468 Elo auf 1739 und überholt Kimi K3 (1685), nur Claude Opus 5 (1852) ist besser. Auffällig: Qwen3.8 Max benötigt dafür 64 statt 14 Arbeitsschritte pro Aufgabe, die Eingabe-Token stiegen um das 15-fache, weil im Test bei jedem Schritt der bisherige Gesprächsverlauf erneut an das Modell geschickt wird.
Bild: AADas Modell arbeitet also gründlicher, aber langsamer und teurer. Beim Preis-Leistungs-Verhältnis fällt Alibaba dadurch zurück, obwohl die Token-Preise sanken (2 statt 2,50 Dollar pro Million Eingabe-Token, 6 statt 7,50 Dollar bei der Ausgabe, Cache-Treffer 0,25 statt 0,50 Dollar). Eine Aufgabe im Intelligence Index kostet 1,14 Dollar, mehr als doppelt so viel wie bei Qwen3.7 Max (0,53). Kimi K3 kommt bei einem Punkt mehr auf 0,86 Dollar, GLM-5.2 auf 0,57 Dollar.
Gegenüber dem Vorgänger gibt es aber auch Rückschritte: AA-LCR (-2 Punkte) prüft, ob ein Modell Informationen aus sehr langen Texten korrekt zusammenzieht. AA-Omniscience (-10 Punkte) misst, ob ein Modell Wissensfragen richtig beantwortet oder ehrlich sagt, dass es die Antwort nicht kennt. Hier bleibt die Trefferquote bei rund 31 Prozent, aber die Halluzinationsrate steigt von 23 auf 40 Prozent: Qwen3.8 Max rät also häufiger, statt zu passen.
KI-News ohne Hype – von Menschen kuratiert
Mit dem THE‑DECODER‑Abo liest du werbefrei und wirst Teil unserer Community: Diskutiere im Kommentarsystem, erhalte unseren wöchentlichen KI‑Newsletter, 6× im Jahr den "KI Radar"‑Frontier‑Newsletter mit den neuesten Entwicklungen aus der Spitze der KI‑Forschung, bis zu 25 % Rabatt auf KI Pro‑Events und Zugriff auf das komplette Archiv der letzten zehn Jahre.
