DEV Community

Cover image for Qwen 3.8 Preisübersicht: $2 Eingabe / $6 Ausgabe für 1M Kontext
Emre Demir
Emre Demir

Posted on • Originally published at apidog.com

Qwen 3.8 Preisübersicht: $2 Eingabe / $6 Ausgabe für 1M Kontext

Alibaba veröffentlichte Qwen 3.8-Max Anfang August 2026. Mit der allgemeinen Verfügbarkeit endete die Aktion mit „10 % Vorschaupreisen“ aus dem Juli. Laut der offiziellen Preisgestaltungsseite von Model Studio kostet qwen3.8-max 2 $ pro 1 Million Eingabetoken und 6 $ pro 1 Million Ausgabetoken. Diese Preise gelten einheitlich für das gesamte Kontextfenster von bis zu 1 Million Token.

Apidog noch heute testen

Der entscheidende Punkt ist die feste Preisstufe: Ob Ihr Prompt 5.000 oder 900.000 Token umfasst, der Eingabepreis bleibt bei 2 $ pro 1 Million Token. Bei vielen Spitzenmodellen steigt der Preis, sobald eine Kontextschwelle überschritten wird.

In diesem Artikel finden Sie:

  • die Preisstruktur von Qwen 3.8-Max,
  • den Vergleich mit Qwen 3.7-Max, Kimi K3, Claude Opus 5 und GPT-5.6 Terra,
  • Cache-Kosten und Break-even-Rechnungen,
  • Hinweise zur kostenlosen Quote,
  • konkrete Kostenbeispiele,
  • einen Workflow zur Messung echter Token-Kosten.

Für den Modellüberblick lesen Sie zuerst was Qwen 3.8 ist und warum es wichtig ist.

Wichtig: Listenpreise sind nur ein Ausgangspunkt. Qwen 3.8-Max verwendet standardmäßig reasoning_effort: xhigh. Dabei erzeugte Denk-Token werden als Ausgabetoken abgerechnet. Sie sollten deshalb repräsentative Requests senden und die tatsächliche Token-Nutzung messen. Apidog zeigt die Token-Aufschlüsselung pro Antwort direkt beim Testen an.

Die GA-Preise: 2 $ Eingabe, 6 $ Ausgabe, eine Stufe

Die folgende Tabelle basiert auf der Model-Studio-Preisgestaltung, geprüft am 3. August 2026:

Element Preis pro 1 Million Token
Eingabe 2,00 $
Ausgabe, inklusive Denk-Token 6,00 $
Gecachte Eingabe bei Cache-Hit 10 % des Eingabepreises
Explizite Cache-Erstellung 125 % des Eingabepreises
Kontextstufe Eine Stufe: 0 bis 1 Million Token
Denken und Nicht-Denken Gleiche Token-Preise

Praktisch relevant sind drei Details:

  1. Keine Preisstufe für lange Prompts: Das gesamte Kontextfenster von 1 Million Token bleibt beim gleichen Tarif.
  2. Denk-Token zählen als Ausgabe: Der Preis ändert sich nicht, aber zusätzliche Denk-Token erhöhen Ihre Ausgabemenge.
  3. Maximale Ausgabe: Eine einzelne Anfrage kann höchstens 65.536 Ausgabetoken erzeugen. Bei 6 $ pro 1 Million Token entspricht das maximal rund 0,39 $ Ausgabekosten pro Request.

Die offizielle Qwen-3.8-Ankündigung beschreibt das Modell als Alibabas bisher leistungsfähigstes Modell: 2,4 Billionen Gesamtparameter, 95 Milliarden aktive Parameter, 1 Million Token Kontext und multimodale Eingabe.

Warum die Pauschalpreisgestaltung wichtig ist

Gestaffelte Kontextpreise sind üblich: Unterhalb einer Kontextgrenze gilt ein Tarif, darüber ein höherer. Lange Kontexte sind für Anbieter teurer und werden oft entsprechend bepreist.

Alibaba verwendet dieses Muster auch bei anderen Modellen. Auf derselben Model-Studio-Preisgestaltungsseite sind beispielsweise qwen3-max und qwen3-coder-plus nach Kontextlänge gestaffelt.

Für Ihre Implementierung bedeutet das:

  • Eine RAG-Pipeline kann bei einzelnen Anfragen plötzlich deutlich teurer werden.
  • Ein Code-Agent kann mit wachsender Repository-Größe in eine höhere Preisstufe fallen.
  • Bei Qwen 3.8-Max bleibt die Rechnung linear: 
Kosten = Eingabetoken × Eingaberate + Ausgabetoken × Ausgaberate
Enter fullscreen mode Exit fullscreen mode

Für Dokumentanalyse, große Codebasen und Retrieval-intensive Agenten ist diese Vorhersagbarkeit oft genauso wertvoll wie der niedrige Listenpreis.

Vergleich mit Qwen 3.7-Max

  • Qwen 3.7-Max Listenpreis: 2,50 $ Eingabe / 7,50 $ Ausgabe pro 1 Million Token
  • Qwen 3.8-Max: 2,00 $ Eingabe / 6,00 $ Ausgabe pro 1 Million Token

Das entspricht einer Senkung von 20 % bei Ein- und Ausgabe.

Eine wichtige Einschränkung: Qwen 3.7-Max läuft derzeit mit einer 50-%-Aktion und kostet damit 1,25 $ Eingabe / 3,75 $ Ausgabe. Solange diese Aktion aktiv ist, kann das ältere Modell günstiger sein.

Wenn Sie weder das 1-Millionen-Token-Kontextfenster noch multimodale oder agentische Funktionen benötigen, kann Qwen 3.7-Max während der Aktion ein gutes Preis-Leistungs-Verhältnis bieten. Planen Sie Produktionskosten aber nicht dauerhaft mit Aktionspreisen.

Für günstigere Workloads bleibt Qwen 3.7-Plus mit 0,40 $ Eingabe und 1,60 $ Ausgabe das Budget-Modell; auch dort gibt es eine 20-%-Aktion.

Denk-Token: Der Kostenfaktor, den Sie messen müssen

Qwen 3.8-Max unterstützt reasoning_effort mit drei Stufen:

{
  "reasoning_effort": "xhigh"
}
Enter fullscreen mode Exit fullscreen mode

Verfügbare Werte:

  • xhigh
  • medium
  • low

Der Standard ist xhigh. In diesem Modus erzeugt das Modell interne Denk-Token, bevor es die sichtbare Antwort erstellt. Diese Token werden als Ausgabe abgerechnet:

Ausgabekosten = sichtbare Antworttoken + Denk-Token
Enter fullscreen mode Exit fullscreen mode

Bei 6 $ pro 1 Million Ausgabetoken kann das Ihre Kalkulation deutlich verändern.

Eine sichtbare Antwort mit 800 Token kann bei einer anspruchsvollen Aufgabe mehrere Tausend zusätzliche Denk-Token enthalten. Eine Schätzung nur anhand von Prompt-Länge und sichtbarem Antworttext ist deshalb unzuverlässig.

Praktische Empfehlungen

  1. Verwenden Sie medium oder low für einfache Aufgaben wie Klassifikation, Extraktion oder Formatierung.
  2. Messen Sie die tatsächliche Nutzung pro Aufgabentyp.
  3. Überwachen Sie besonders Ausgabetoken, da diese dreimal so teuer sind wie Eingabetoken.

Beispiel für einen weniger rechenintensiven Request:

{
  "model": "qwen3.8-max",
  "messages": [
    {
      "role": "user",
      "content": "Extrahiere Name, E-Mail-Adresse und Firma als JSON."
    }
  ],
  "reasoning_effort": "low"
}
Enter fullscreen mode Exit fullscreen mode

Kontext-Caching: 10 % bei Treffern, 125 % bei Erstellung

Wenn Ihre Anwendung denselben Prompt-Präfix wiederholt verwendet, kann Kontext-Caching die Kosten erheblich senken. Typische Kandidaten sind:

  • lange System-Prompts,
  • stabile Produktdokumentation,
  • Tool-Definitionen,
  • Sicherheitsrichtlinien,
  • große, wiederverwendete Kontextblöcke.

Die Preise:

  • Cache-Hit: 10 % des Eingabepreises → 0,20 $ statt 2,00 $ pro 1 Million Token
  • Explizite Cache-Erstellung: 125 % des Eingabepreises → 2,50 $ pro 1 Million Token

Die Break-even-Rechnung ist einfach:

  • Die Erstellung kostet einmalig 25 % mehr als eine normale Eingabe.
  • Jeder spätere Cache-Hit spart 90 % gegenüber einer normalen Eingabe.
  • Bereits bei der zweiten Nutzung amortisiert sich das Caching.

Für Agenten und Chat-Anwendungen mit großen statischen Prompt-Anteilen ist Caching daher eine der direktesten Kostenoptimierungen.

Kostenlose Quote: 1 Million Token, Singapur, 90 Tage

Model Studio bietet für qwen3.8-max eine kostenlose Quote. Beachten Sie dabei drei Einschränkungen:

  • Umfang: 1 Million Token
  • Region: nur Singapur
  • Gültigkeit: 90 Tage ab Aktivierung

Für die kostenlose Quote muss Ihr Client diesen Endpunkt verwenden:

https://dashscope-intl.aliyuncs.com/compatible-mode/v1
Enter fullscreen mode Exit fullscreen mode

Die Quote gilt nicht für Peking oder US-Virginia.

Denk-Token werden ebenfalls vom kostenlosen Kontingent abgezogen. Bei xhigh kann die Quote daher schneller verbraucht sein als erwartet.

Weitere kostenlose Optionen, einschließlich Qwen Chat, finden Sie unter wie man Qwen 3.8 kostenlos nutzt.

Preisvergleich mit anderen Modellen

Modell Eingabe pro 1 Mio. Token Ausgabe pro 1 Mio. Token Hinweise
Qwen 3.8-Max 2,00 $ 6,00 $ Pauschal bis 1 Mio. Kontext; Cache-Hit: 10 %
Qwen 3.7-Max 2,50 $ 7,50 $ Derzeit 50 % Rabatt: 1,25 $ / 3,75 $
Qwen 3.7-Plus 0,40 $ 1,60 $ Derzeit 20 % Rabatt
Kimi K3 3,00 $ 15,00 $ Cache-Hit: 0,30 $
Claude Opus 5 5,00 $ 25,00 $ —
GPT-5.6 Terra 2,00 $ 12,00 $ —

So lesen Sie die Tabelle:

  • Gegenüber Kimi K3 kostet Qwen 3.8-Max ein Drittel weniger bei der Eingabe und 60 % weniger bei der Ausgabe. Cache-Hits kosten 0,20 $ statt 0,30 $. Details zu K3 finden Sie im Kimi-K3-API-Leitfaden.
  • Gegenüber Claude Opus 5 ist Qwen 3.8-Max 60 % günstiger bei der Eingabe und 76 % günstiger bei der Ausgabe.
  • Gegenüber GPT-5.6 Terra ist die Eingabe gleich teuer, die Ausgabe bei Qwen aber nur halb so teuer.

Preis ist nicht gleich Qualität. Für die Modellauswahl sollten Sie Ihre eigenen Prompts, Tool-Aufrufe und Qualitätsanforderungen testen.

Durchgerechnete Kostenbeispiele

Die folgenden Beispiele verwenden die Listenpreise von 2 $ pro 1 Million Eingabetoken und 6 $ pro 1 Million Ausgabetoken.

Beispiel 1: Agentensitzung mit 50.000 Token

Ein Agentenlauf nutzt:

  • 38.000 Eingabetoken für Anweisungen, Tool-Schemata und Tool-Ergebnisse
  • 12.000 Ausgabetoken

Berechnung:

Eingabe: 38.000 × 2 $ / 1.000.000 = 0,076 $
Ausgabe: 12.000 × 6 $ / 1.000.000 = 0,072 $
Gesamt: 0,148 $
Enter fullscreen mode Exit fullscreen mode

Die Sitzung kostet also rund 0,15 $.

Wenn zusätzlich 8.000 Denk-Token entstehen:

Ausgabe gesamt: 12.000 + 8.000 = 20.000 Token
Ausgabe: 20.000 × 6 $ / 1.000.000 = 0,12 $
Eingabe: 0,076 $
Gesamt: 0,196 $
Enter fullscreen mode Exit fullscreen mode

Dann kostet derselbe Lauf rund 0,20 $. Das sind etwa 33 % mehr allein durch Denk-Token.

Beispiel 2: Dokumentanalyse mit 800.000 Token Kontext

Sie senden 800.000 Token Dokumentkontext und erhalten eine strukturierte Zusammenfassung mit 5.000 Token.

Eingabe: 800.000 × 2 $ / 1.000.000 = 1,60 $
Ausgabe: 5.000 × 6 $ / 1.000.000 = 0,03 $
Gesamt: 1,63 $
Enter fullscreen mode Exit fullscreen mode

Der Lauf kostet rund 1,63 $.

Die feste Kontextstufe ist hier entscheidend: Die 800.000 Token werden nicht in eine teurere Preisklasse verschoben.

Beispiel 3: Gecachter System-Prompt mit 100.000 Token

Ihre Anwendung sendet täglich 50 Requests. Jeder Request enthält:

  • 100.000 Token System-Prompt,
  • Produktdokumentation,
  • Tool-Definitionen.

Ohne Caching:

100.000 × 2 $ / 1.000.000 = 0,20 $ pro Request
0,20 $ × 50 = 10,00 $ pro Tag
Enter fullscreen mode Exit fullscreen mode

Mit explizitem Caching:

Cache-Erstellung:
100.000 × 2,50 $ / 1.000.000 = 0,25 $

49 Cache-Hits:
100.000 × 0,20 $ / 1.000.000 = 0,02 $ pro Hit
0,02 $ × 49 = 0,98 $

Gesamt: 0,25 $ + 0,98 $ = 1,23 $ pro Tag
Enter fullscreen mode Exit fullscreen mode

Das senkt die täglichen Präfixkosten von 10,00 $ auf etwa 1,23 $ — eine Ersparnis von rund 88 %.

Kosten mit echter Nutzung messen

Die Beispiele oben beruhen auf angenommenen Token-Zahlen. In der Praxis unterscheiden sich Token-Mengen je nach:

  • Prompt-Struktur,
  • Tool-Aufrufen,
  • Dokumentlänge,
  • Ausgabeformat,
  • reasoning_effort,
  • Anzahl der Agentenschritte.

Verlassen Sie sich deshalb nicht nur auf Schätzungen.

Empfohlener Workflow

  1. Richten Sie Ihren API-Schlüssel und den regionalen Endpunkt ein.
  2. Nutzen Sie den Qwen-3.8-API-Leitfaden für die regionalen Basis-URLs sowie OpenAI- und Anthropic-kompatible Protokolle.
  3. Definieren Sie für jeden Aufgabentyp 10 repräsentative Requests.
  4. Senden Sie jeden Request mit low, medium und xhigh.
  5. Lesen Sie das usage-Objekt jeder Antwort aus.
  6. Berechnen Sie Durchschnittswerte für Eingabe-, Ausgabe- und Denk-Token.
  7. Multiplizieren Sie diese Werte mit 2 $ beziehungsweise 6 $ pro 1 Million Token.

Die Kostenformel:

Kosten pro Request =
(Eingabetoken × 2 $ / 1.000.000) +
(Ausgabetoken × 6 $ / 1.000.000)
Enter fullscreen mode Exit fullscreen mode

Speichern Sie in Apidog die regionalen Basis-URLs als Umgebungen. So können Sie denselben Request gegen mehrere Regionen, reasoning_effort-Stufen oder Modelle ausführen und die Token-Nutzung direkt vergleichen.

Sie können denselben Prompt auch gegen qwen3.7-max oder Kimi K3 testen, um Kosten und Ergebnisse für Ihren konkreten Workload zu vergleichen. Laden Sie Apidog kostenlos herunter, um reale Kosten pro Aufgabe zu messen.

Fazit

Qwen 3.8-Max kombiniert einen Listenpreis von 2 $ Eingabe und 6 $ Ausgabe pro 1 Million Token mit einer ungewöhnlich einfachen Preisstruktur: Der Tarif bleibt bis zu einem Kontext von 1 Million Token gleich.

Das ist besonders attraktiv für:

  • lange Dokumentanalysen,
  • RAG-Pipelines,
  • Code-Agenten,
  • Anwendungen mit wiederverwendbaren Prompt-Präfixen,
  • ausgabelastige Workloads.

Beachten Sie aber zwei Punkte:

  1. reasoning_effort: xhigh kann durch Denk-Token die Ausgabekosten deutlich erhöhen.
  2. Aktionen für Qwen 3.7-Max und die kostenlose Quote in Singapur sind zeitlich begrenzt.

Messen Sie reale Token-Nutzung, wählen Sie reasoning_effort bewusst und verwenden Sie Caching für stabile Prompt-Anteile. Dann bleibt die Kostenplanung nachvollziehbar.

Häufig gestellte Fragen

Kostet Qwen 3.8 mehr für lange Prompts?

Nein. Die offizielle Preisgestaltung listet eine einzelne Stufe von 0 bis 1 Million Token. Ein Prompt mit 900.000 Token wird daher zum gleichen Eingabepreis von 2 $ pro 1 Million Token abgerechnet wie ein kurzer Prompt.

Das unterscheidet sich von gestaffelten Modellen, einschließlich einiger Modelle in der Model-Studio-Modellliste, bei denen die Preise mit der Kontextlänge steigen.

Kosten Denk-Token bei Qwen 3.8 zusätzlich?

Es gibt keinen separaten Denk-Tarif. Denk- und Nicht-Denk-Modi verwenden dieselben Preise von 2 $ für Eingabe und 6 $ für Ausgabe pro 1 Million Token.

Denk-Token zählen jedoch als Ausgabetoken. Da reasoning_effort standardmäßig auf xhigh gesetzt ist, können rechenintensive Anfragen deutlich mehr kosten, als die sichtbare Antwort vermuten lässt.

Für einfache Aufgaben sollten Sie medium oder low verwenden und das usage-Objekt jeder Antwort prüfen.

Gibt es eine kostenlose Möglichkeit, Qwen 3.8 auszuprobieren?

Ja. Model Studio bietet eine kostenlose Quote von 1 Million Token für 90 Tage am Endpunkt der Region Singapur. Qwen Chat bietet außerdem kostenlosen Zugriff im Browser.

Alle Optionen und Einschränkungen finden Sie unter wie man Qwen 3.8 kostenlos nutzt.

Ist der alte „10 % Vorschaupreis“ noch verfügbar?

Nein. Das war eine Aktion aus der Vorschauphase im Juli 2026. Mit der allgemeinen Verfügbarkeit wurde sie durch die Standard-Preisliste von 2 $ Eingabe und 6 $ Ausgabe pro 1 Million Token ersetzt.

Verwenden Sie die Model-Studio-Preisgestaltungsseite als aktuelle Quelle der Wahrheit.

Top comments (0)