Kann ich Qwen3.8 Max lokal ausführen?

Nein. Qwen hat keine offenen Gewichte für dieses Modell veröffentlicht und es gibt kein Hugging Face-Repository, daher ist der Zugriff nur über die API möglich.

Was kostet Qwen3.8 Max und wie groß ist sein Kontext?

Qwen berechnet $1,65 pro Million Eingabetokens und $4,95 pro Million Ausgabetokens, mit einem Kontextfenster von 256.000 Tokens.

Worin unterscheidet sich Qwen3.8 Max von kleineren Qwen3-Modellen?

Es ist Qwens erklärtes Flaggschiff, ein 2,4-Billionen-Parameter-MoE-Modell, das auf Programmierung und professionelle Arbeit abzielt und in Fähigkeiten und Preis über den kleineren und mittleren Qwen3-Versionen liegt.

Qwen3.8 Max

3372°

#llm #qwen #programmieren #logik #langer kontext #schreiben

DeepInfra öffnen

Qwen | 256.000 Token Kontext | $1,65/M Eingabe, $4,95/M Ausgabe. Qwens neuestes 2,4-Billionen-Parameter-MoE-Flaggschiffmodell, das einen umfassenden Sprung in den Bereichen Programmierung und professionelle Arbeit bietet.

Anleitungen zu diesem Modell

Wie man im Oktober 2026 ein KI-Modell auswählt: Neuigkeiten zu Closed Source und dann die Open-Weights, die sich zum Download lohnen

Offene Gewichte vs. Open Source vs. Nur API: Was du wirklich darfst

Was ist eine GGUF-Datei? Quantisierte Modelle erklärt (Q4, Q8, fp8, NF4)

Alle Anleitungen

Captain's Notizen

Geschrieben von Captain, dem Hausredakteur

Notizen vom 2026-10-13

Qwen3.8 Max ist Qwens aktuelles Flaggschiff-Textmodell, ein 2,4-Billionen-Parameter-Mixture-of-Experts-System, das für anspruchsvolle Programmier- und professionelle Aufgaben entwickelt wurde. Sein Kontextfenster von 256.000 Tokens bewältigt lange Dokumente und komplexe mehrstufige Aufgaben ohne Abschneiden. Es ist ein reines API-Modell, sodass Sie den Zugriff pro Token mieten, anstatt es selbst auszuführen.

Bekannt für

2,4-Billionen-Parameter-MoE-Architektur, die auf Programmier- und professionelle Arbeitslasten abzielt
256.000-Token-Kontextfenster für lange Dokumente und ausgedehnte Sitzungen
Qwens erklärtes Flaggschiff, positioniert über den kleineren und mittleren Veröffentlichungen
Breite professionelle Fähigkeiten in Programmierung, logischem Denken und komplexen Schreibaufgaben

Achte auf

Keine offenen Gewichte und kein Hugging Face-Repository: Sie können es nicht lokal ausführen.
Ausgabetokens kosten das Dreifache der Eingabetokens, lange generierte Antworten summieren sich schnell.
Die Preisgestaltung liegt über dem Budgetbereich; bei intensiver Nutzung ist eine Kostenschätzung vorab ratsam.

Am besten für

Agenten und Werkzeugnutzung

Prompts zum Ausprobieren

Refaktorieren Sie eine unübersichtliche Codebasis

Hier ist ein Python-Modul, das sich über zwei Jahre organisch entwickelt hat. Es mischt Geschäftslogik mit I/O, hat keine Fehlerbehandlung und verwendet globalen Zustand. Refaktorieren Sie es in saubere, testbare Funktionen mit Typ-Hinweisen und Docstrings. Erklären Sie jede strukturelle Entscheidung, die Sie treffen. [fügen Sie Ihr Modul ein]

Planen Sie ein komplexes Projekt

Ich muss eine monolithische Rails-Anwendung ohne Ausfallzeiten auf eine Microservices-Architektur migrieren. Die App hat 200.000 täglich aktive Nutzer, eine PostgreSQL-Datenbank, die alle Funktionen gemeinsam nutzen, und ein Team von sechs Entwicklern. Erstellen Sie mir einen phasenweisen Migrationsplan mit Risiken, Rückfallpunkten und Erfolgskriterien für jede Phase.

Lösen Sie ein schwieriges Problem logisch

Ein Unternehmen hat drei Lagerhäuser und fünf Einzelhandelsgeschäfte. Jedes Lagerhaus hat einen bekannten Lagerbestand und jedes Geschäft eine wöchentliche Bedarfsprognose. Die Transportkosten unterscheiden sich je nach Route. Erklären Sie, wie Sie dies als lineares Programmierungsproblem formulieren würden, und lösen Sie dann ein kleines konkretes Beispiel mit von Ihnen gewählten Zahlen, wobei Sie Ihre Vorgehensweise zeigen.

Vergleichen mit

Qwen3.7 Flash
Nur API-Modell
1,000,000 Token Kontext · $0.03/M Eingabe, $0.13/M Ausgabe
Qwen3.8 Max (0902)
Nur API-Modell
1,000,000 Token Kontext · $2.00/M Eingabe, $6.00/M Ausgabe
Qwen3.8 Omni Flash
Nur API-Modell
1,000,000 Token Kontext · $0.15/M Eingabe, $0.47/M Ausgabe
Qwen3.7 Plus
Nur API-Modell
1,000,000 Token Kontext · $0.32/M Eingabe, $1.28/M Ausgabe

Mehr Textmodelle von qwen

Häufig gestellte Fragen

Kann ich Qwen3.8 Max lokal ausführen?: Nein. Qwen hat keine offenen Gewichte für dieses Modell veröffentlicht und es gibt kein Hugging Face-Repository, daher ist der Zugriff nur über die API möglich.
Was kostet Qwen3.8 Max und wie groß ist sein Kontext?: Qwen berechnet $1,65 pro Million Eingabetokens und $4,95 pro Million Ausgabetokens, mit einem Kontextfenster von 256.000 Tokens.
Worin unterscheidet sich Qwen3.8 Max von kleineren Qwen3-Modellen?: Es ist Qwens erklärtes Flaggschiff, ein 2,4-Billionen-Parameter-MoE-Modell, das auf Programmierung und professionelle Arbeit abzielt und in Fähigkeiten und Preis über den kleineren und mittleren Qwen3-Versionen liegt.

Captain's Urteil
Ein ernstzunehmendes MoE-Flaggschiff für Programmierung und komplexe professionelle Arbeit, entsprechend bepreist und nur per API zugänglich – keine Gelegenheit für Gelegenheits- oder Budgetnutzer.

Der Captain schreibt diese Notizen basierend auf der Beschreibung und Model Card des Modells. Preise und Kontextgrößen sind vom Anbieter zum Zeitpunkt der Erstellung und können sich ändern.

Ranking badge

Updated Oct 22, 2026

Made this model? Show this badge on your page.

Paste it into your Hugging Face card or Civitai description.

Change colors / personalize / get code

Not this creator?

Get your own badge

Wie sich dieser Wert zusammensetzt

Dieses Modell hat noch keine Popularitätsdaten von irgendeiner Quelle, daher trägt es eine Platzhalterzahl unterhalb von 7,000°, damit die Listen vollständig bleiben. Es rangiert niemals über einem Modell mit Daten. Die Aufschlüsselung erscheint hier, sobald eine Quelle sie meldet.

Glossar: die hier verwendeten Begriffe

Heat-Score: Eine Zahl dafür, wie viel ein Modell gerade genutzt und gewollt wird, von 0° bis 9.999°. Jede Liste auf dieser Seite, die „heißeste“ sagt, ist danach sortiert und nach nichts anderem.
Grundwert: Die 7.000°, mit denen jedes Modell mit echten Daten startet. Die Skala reicht von 0° bis 9.999°; der Bereich unter dem Grundwert ist für Platzhalter reserviert (Modelle ohne Daten), damit ein Modell mit Daten immer über einem ohne steht. Der Grundwert ist für alle gleich und entscheidet nichts; die Grade darüber sind die Messung.
Download-Äquivalente: Alles, was der Score als Download zählt, zusammengefasst: Downloads selbst, jeder Torrent-Seeder als 1.000, jedes AI Horde-Bild und jeder Lauf auf einer Generierungsseite als eins.
Logarithmische Skala: Gezählt in Zehnerschritten, nicht einzeln: Der Sprung von 1.000 auf 10.000 Downloads bringt genauso viele Grade wie von 10.000 auf 100.000. So verdrängen Riesen nicht alles andere.
Likes: Daumen hoch und Likes von allen Quellen, jeweils halb so viel wert wie ein Download auf der Log-Skala.
Verbreitungsrate: Wie viele Downloads ein Modell gerade pro Tag bekommt, aus dem Unterschied zwischen zwei Messungen einer Quelle. Ein Viertel der Gewichtung des Download-Begriffs.
Gemessen und geschätzt: Gemessen bedeutet, dass es zwei Messwerte einer Quelle gibt und der Unterschied echt ist. Geschätzt heißt, es ist nur die heutige Gesamtsumme bekannt und die Vergangenheit wird über die Lebensdauer des Modells verteilt; die Seite sagt, welche Variante angezeigt wird.
Seeder: Jemand, der eine Kopie der Gewichte online hält, damit andere sie über einen Torrent herunterladen können, oder ein gehosteter Spiegel, der dasselbe macht. Jeder davon zählt als 1.000 Downloads.
AI Horde: Ein Freiwilligennetzwerk, das kostenlos Bilder auf gespendeten Computern generiert. Die Anzahl der Bilder, die es mit einem Modell erstellt hat, ist öffentlich und jedes zählt als ein Download.
Generierungsseiten: Seiten, die eigene Kopien eines Modells hosten und Leute damit generieren lassen, wie PixAI, SeaArt und Yodayo. Ihre Downloads zählen wie bei Civitai und jeder Generierungslauf als ein Download.
OpenRouter Tokens: Ein Textmodell, das über eine API bereitgestellt wird, wie Claude oder GPT, hat keine Gewichte zum Herunterladen, daher wird seine Nutzung in Tokens gemessen: die Textstücke, die es über OpenRouter gelesen und geschrieben hat, einem Gateway, das viele Apps nutzen, in den letzten 30 Tagen. Je 10,000,000 Tokens zählen als ein Download. Quelle: OpenRouter (openrouter.ai/rankings), CC BY 4.0.
Vollständiges Modell (Checkpoint): Die Gewichte selbst, die Datei, die eigenständig generiert. Sie bekommt einen Bonus, weil Add-ons davon abhängen.
LoRA und Embedding: Kleine Zusatzdateien, die die Gewichte von jemand anderem in Richtung eines Stils, Charakters oder Konzepts lenken. Sie können nicht alleine laufen.
Familie und Gewichte: Die Basis, auf der ein Modell aufgebaut ist, wie SD 1.5, SDXL, Flux oder Wan. Jedes Modell erbt das Veröffentlichungsdatum der Gewichte seiner Familie.
Alter: Abzüge je nachdem, wie lange die Gewichte der Familie schon draußen sind: 150° pro Jahr, bis zu 750°. Alte Downloads, die Jahre zum Ansammeln hatten, bleiben oben in der Liste eingefroren.
Familien-Boost: Ein kleiner, begrenzter Schub für LoRAs einer Familie, die diese Seite gerade vorantreibt, immer in der Aufschlüsselung aufgeführt.
Stand-in-Wert: Eine stabile Zahl unter der Mindestgrenze, die einem Modell gegeben wird, über das noch keine Quelle berichtet hat, damit die Listen vollständig bleiben. Sie rangiert nie über einem Modell mit Daten.
Neu! (Schonfrist): Ein Modell, das weniger als 7 Tage alt ist, zeigt Neu! statt einer Punktzahl und nimmt keinen Platz in den Rankings ein. Seine Punktzahl wird ab dem ersten Tag berechnet, aber ein Modell, das einen Tag alt ist, wächst schneller als alles andere, daher wäre ohne die Wartezeit das #1 Modell der Woche immer das, das gestern herauskam, statt das, das sich eine Woche gehalten hat.
Trend: Wie das Wachstum eines Modells über einen Zeitraum im Vergleich zum typischen Wachstum eines Modells im gleichen Zeitraum ist. Schneller als üblich bedeutet Anstieg, langsamer bedeutet Rückgang.
Typisches Modell: Die Mitte des Katalogs: Die Hälfte der Modelle mit einer Zahl wuchs schneller im Zeitraum, die andere Hälfte langsamer.

Wie man installiert

Wie man Ollama installiert und eine lokale KI betreibt (Windows, Mac, Linux)

Ähnliche Modelle

KI-Modelle für Bild-, Video- und Texterzeugung

Qwen3.8 Max ist ein Textmodell für die Familie Text / LLM und wird auf ModelTrends.ai gelistet, einem reinen Lesekatalog für Open-Source-KI-Modelle für Bild, Video und Text. Vergleiche es mit anderen Text / LLM-Modellen und prüfe den Hitzewert, um den Trend zu sehen.

Weitere Text / LLM-Modelle llm qwen programmieren logik langer kontext schreiben agenten

Nach Modellfamilie stöbern