Gleiche Familie, gleiche zwei Wochen, gegensätzliche Hardware-Rechnung

Am 3. August kündigte Alibaba Qwen3.8-Max an: 2,4 Billionen Parameter insgesamt, rund 95 Milliarden aktiv pro Anfrage, und das Versprechen, dass offene Gewichte innerhalb einer Woche folgen würden. An dieser Stelle wurde diese Ankündigung damals eingeordnet und berechnet, was der eigene Betrieb tatsächlich kosten würde: rund 2,4 Terabyte Speicher, um das vollständige Modell bei 8-Bit-Präzision zu halten, mehr als ein einzelner Acht-GPU-H200-Knoten bietet, mitten in einem branchenweiten Speicherengpass, der die Bauteilpreise bereits nach oben trieb.

Elf Tage später als das ursprüngliche Ein-Wochen-Versprechen, am 14. August, kamen die offenen Gewichte für Qwen3.8-Max, zusammen mit etwas, das die frühere Ankündigung nicht erwähnt hatte: Qwen3.8-27B, ein dichtes Modell mit 27,78 Milliarden Parametern, gebaut genau für den Einsatzfall, den die Max-Variante ausschliesst, eine einzelne Verbraucher-GPU.

Was die Benchmarks tatsächlich zeigen

Alibabas eigene Modellkarte vergleicht Qwen3.8-27B mit Qwen3.6-27B, seinem direkten Vorgänger bei derselben Parameterzahl, was der ehrliche Vergleich ist, um den Generationsfortschritt zu beurteilen, statt Größen zu vergleichen. Terminal-Bench 2.1, das prüft, ob ein Modell reale Kommandozeilenaufgaben erledigen kann, stieg von 63,4 auf 73,0. DeepSWE 1.1, ein Software-Engineering-Benchmark, mehr als verdreifachte sich von 13,3 auf 42,2. OSWorld-Verified, das die Erledigung von Aufgaben in einer echten Desktop-Umgebung bewertet, stieg von 63,9 auf 84,3. JobBench, das professionelle Aufgabenerfüllung statt Coding-Rätsel bewertet, stieg von 21,8 auf 33,4, ein Sprung von rund 50 Prozent.

Keine dieser Zahlen macht ein Modell mit 27 Milliarden Parametern gleichwertig zur Max-Variante mit 2,4 Billionen Parametern, die am selben Tag erschien. Sie bedeuten aber, dass ein Modell, das klein genug für eine einzelne GPU ist, jetzt Aufgaben erledigt, für die vor einem Jahr ein deutlich grösseres Modell nötig war, und das ist die eigentliche Geschichte: Die Schwelle dafür, was als genuinely nützliches lokales Modell zählt, sinkt beim Hardwarebedarf weiter, während die Benchmark-Werte weiter steigen.

Warum das die Selbsthosting-Entscheidung in zwei Teile spaltet

Vor zwei Wochen war die ehrliche Antwort auf die Frage eines EU- oder UK-Besitzers, ob man Qwen selbst hosten sollte, ein klares Nein, außer das Unternehmen betrieb bereits Multi-GPU-Serverinfrastruktur, weil der Speicherbedarf des Flaggschiffmodells alles Kleinere ausschloss. Diese Antwort hat sich für die Max-Variante nicht geändert. Sie hat sich für die 27B-Variante vollständig geändert, die mit Speicherreserve auf eine einzelne Gaming-GPU passt, dieselbe Hardwareklasse, die ein mittelgroßes Engineering-Team möglicherweise bereits für andere Zwecke besitzt.

Die praktische Konseqünz: Selbsthosting ist nicht mehr eine Entscheidung, die ein Unternehmen einmal trifft. Es ist jetzt eine Entscheidung pro Workload, pro Modellgrösse, innerhalb derselben Familie. Ein Team, das Frontier-Klasse-Reasoning über große Dokumentmengen braucht, braucht weiterhin die Max-Variante und das Multi-GPU-Budget dazu. Ein Team, das einen fähigen Coding- oder Aufgaben-Assistenten für interne Werkzeuge braucht, kann die 27B-Variante jetzt möglicherweise auf bereits vorhandener Hardware betreiben, zu einem Bruchteil der Kosten eines API-Abonnements bei gleicher Nutzung.

Was vor dem erneuten Verwerfen von Selbsthosting zu prüfen ist

Wenn Ihr Team eine Selbsthosting-Bewertung nach der Ankündigung vom 3. August ad acta gelegt hat, weil die Speicherrechnung nicht aufging, lohnt es sich, sie speziell mit der 27B-Variante neu durchzurechnen, nicht mit der Max-Variante. Prüfen Sie drei Dinge: ob Ihr tatsächlicher Workload Max-Klasse-Reasoning braucht oder von einem Modell mit 27 Milliarden Parametern gut bedient wäre, was eine einzelne leistungsfähige GPU im Vergleich zu einem Jahr API-Ausgaben bei Ihrer aktüllen Nutzung kostet, und ob Ihre Anforderungen an den Datenstandort der eigentliche Grund fürs Selbsthosting sind, wobei die Hardwarekosten dann dem Compliance-Nutzen nachgeordnet sind. Die beiden Zahlen, 2,4 Terabyte und eine GPU, beschreiben dieselbe Qwen-Veröffentlichung. Welche für Sie gilt, hängt vollständig davon ab, welche Größe Sie tatsächlich brauchen.

Weiterlesen: Alibaba verschwieg die Zahl, die Ihre Kosten bestimmt  |  Ein Telefon, hinter jeder Grenze eine andere KI