Qwen4-Max in Claude Code: Einrichtung, Preise und Preview-Wechsel
Verbinde qwen4-max über die nutzungsabhängig abgerechnete QwenCloud-API oder Token Plan mit Claude Code. Vergleiche Tokenkosten, Cache-Erstellung und veröffentlichte Programmierergebnisse mit Qwen3.8-Max und Opus 5.5. Ersetze die Preview-ID vor der Abschaltung, unterscheide API- und Client-Limits und prüfe eine echte Repository-Aufgabe.
Inhalt

Um Qwen4-Max in Claude Code ohne Token-Plan-Abonnement zu testen, nutze die nutzungsabhängig abgerechnete API von QwenCloud und wähle ausdrücklich qwen4-max. So können Entwickler, die das Modell mit Qwen3.8-Max oder Opus 5.5 vergleichen, direkt mit einer Abrechnung nach Tokens beginnen. Wenn du bereits qwen4-max-preview verwendest, ersetze die ID vor dem Ende der Preview-Phase am 25. November 2026 um 24:00 UTC+8.
Die folgenden Angaben zu Verfügbarkeit, Limits und Preisen gelten mit Stand vom 17. November 2026.
Was ändert sich gegenüber der Preview?
Die Produktivversion vom 16. November bietet neben Token Plan auch einen Zugang mit nutzungsabhängiger Abrechnung. Die Preview war nur über Token Plan verfügbar. Verwende für das Produktivmodell qwen4-max, nicht qwen4-max-preview.
Trenne die API-Limits von den Einstellungen in Claude Code. Die Spezifikation der Produktivversion nennt ein Kontextfenster von 1,000,000 Tokens und höchstens 983,616 Eingabetokens im Reasoning-Modus. Die Ausgabe erlaubt 131,072 Tokens ohne Reasoning, also ohne zusätzliche Denkschritte, oder insgesamt 262,144 Tokens für Reasoning und endgültige Antwort.
Laut Preview-Spezifikation standen für Reasoning und Antwort gemeinsam 393,216 Tokens zur Verfügung. Das kombinierte Ausgabelimit der Produktiv-API ist damit niedriger, obwohl QwenCloud eine höhere Ausgabeeinstellung für Claude Code empfiehlt.
Die Preview-Phase endet mit Ablauf des 25. November, also am 26. November um 00:00 UTC+8. Danach soll die Preview eingestellt werden. Ersetze ausdrückliche Preview-Verweise in deiner Shell- und Client-Konfiguration, starte den Client neu und prüfe die ID des Produktivmodells. Verlasse dich nicht darauf, dass ein automatisches Modell-Upgrade in einer anderen Anwendung auch deine Claude-Code-Einstellungen umstellt.
Welchen Zugang solltest du wählen?
Wähle die Abrechnung nach Verbrauch, wenn du einen API-Test mit Kostenmessung planst oder das Modell in eine Anwendung einbindest. Token Plan eignet sich für interaktives Programmieren innerhalb des Abonnementkontingents.
| Zugang | Voraussetzungen und Abrechnung | Wann sinnvoll? |
|---|---|---|
| QwenCloud nach Verbrauch | QwenCloud-Konto, API-Schlüssel und Endpunkt derselben Region sowie aktivierte Abrechnung. Eingabe- und Ausgabetokens werden getrennt berechnet. | Direkter Kostentest mit Qwen4-Max, Anwendungsbackend oder Automatisierung. |
| QwenCloud Token Plan | QwenCloud-Abonnement über den Dienst in Singapur, eigener Token-Plan-Schlüssel und zugehöriger Endpunkt. Die Nutzung verbraucht Credits. | Interaktive Arbeit in unterstützten Programmierwerkzeugen mit einem monatlichen Kontingent. |
| OpenRouter | OpenRouter-Konto mit Guthaben und kompatibler Client; verwende qwen/qwen4-max. Beim Kauf von Credits fallen Gebühren an. | Du vergleichst bereits Anbieter über OpenRouter. |
| BetterToken für alternative Modelle | Eigenes Konto und eigener API-Schlüssel, nutzungsabhängige Modellabrechnung und die dokumentierte Claude-Code-Konfiguration. | Andere verfügbare Modelle und Zugänge vergleichen; aktuelle Modelle und Preise ansehen. |
Der reguläre Listenpreis von Token Plan Lite beträgt $6/month für 20,000 Credits, nicht für 20,000 Tokens. Die Nutzungsregeln schließen Automatisierungsskripte, Anwendungsbackends und nicht interaktive Batch-Aufrufe aus. Sind das Plan-Kontingent und die Credit Packs aufgebraucht, wechseln Anfragen nicht automatisch zur Abrechnung nach Verbrauch.
Berücksichtige beim Vergleich der Gesamtausgaben auch die Aufladegebühren von OpenRouter, nicht nur die angezeigten Tokenpreise. Der API-Zugang über BetterToken ist von den Abonnements der Modellanbieter getrennt. Prüfe die Kontoaktivierung und die verfügbaren Zahlungsmethoden, bevor du einen funktionierenden Zugang ersetzt.
Die nutzungsabhängig abgerechnete API in Singapur bietet 1 Million kostenlose Tokens, getrennt von den Credits des Token Plan. Prüfe die Voraussetzungen und die Gültigkeit des kostenlosen Kontingents. Gehe nicht davon aus, dass es in deinem Konto noch verfügbar ist.
Qwen4-Max in Claude Code einrichten
Du brauchst eine installierte Claude Code CLI und einen QwenCloud-API-Schlüssel für die Abrechnung nach Verbrauch aus der Region Singapur. Wähle die Region in der Konsole, öffne API Keys und erstelle einen Schlüssel.
Prüfe zuerst ~/.claude/settings.json und die Datei .claude/settings.json im Projekt auf alte Anbietereinstellungen. Führe anschließend die folgenden Befehle in Bash aus. Sobald der erste Befehl auf eine Eingabe wartet, füge den Schlüssel ein und drücke Enter. Der Schlüssel wird weder angezeigt noch im Shell-Verlauf gespeichert.
read -rs ANTHROPIC_AUTH_TOKEN && export ANTHROPIC_AUTH_TOKEN
export ANTHROPIC_BASE_URL="https://ap-southeast-1.maas.qwencloudapi.com/apps/anthropic"
export ANTHROPIC_MODEL="qwen4-max"
export ANTHROPIC_DEFAULT_OPUS_MODEL="qwen4-max"
export CLAUDE_CODE_SUBAGENT_MODEL="qwen4-max"
export CLAUDE_CODE_MAX_CONTEXT_TOKENS="983616"
claude -p "Hello"
Diese Konfiguration nutzt den dokumentierten Anthropic-kompatiblen Endpunkt und die modellspezifischen Hinweise von QwenCloud. Das allgemeine Beispiel für die Abrechnung nach Verbrauch nennt noch qwen3.7-max. Die Werte oben wählen bewusst die Produktivversion von Qwen4-Max.
ANTHROPIC_MODEL wählt das Hauptmodell. ANTHROPIC_DEFAULT_OPUS_MODEL ordnet dem Opus-Alias in Claude Code ein Modell zu. Nur diesen Alias zu setzen, ist nicht dasselbe wie das aktive Modell auszuwählen. Die exportierten Variablen gelten für das aktuelle Terminal.
Eine Antwort bestätigt die grundlegende Authentifizierung und den Anfrageweg. Führe danach diesen Befehl in einem Repository aus, das eine README.md enthält:
claude -p "Read README.md and report the project name and any documented test command. Do not edit files."
Vergleiche die Antwort mit der Datei. Bei funktionierendem Zugriff sollte das Modell konkrete Angaben aus dem Repository liefern, ohne Dateien zu ändern. Probiere anschließend eine kleine Änderung mit einem vorhandenen Test. Eine Antwort auf eine Begrüßung belegt noch nicht, dass die Programmierwerkzeuge kompatibel sind.
Einen vorhandenen Token Plan verwenden
Behalte die Modelleinstellungen für qwen4-max bei, ersetze aber sowohl den Schlüssel als auch den Endpunkt durch die Werte für Token Plan:
read -rs ANTHROPIC_AUTH_TOKEN && export ANTHROPIC_AUTH_TOKEN
export ANTHROPIC_BASE_URL="https://token-plan.maas.qwencloudapi.com/apps/anthropic"
claude
Füge deinen Token-Plan-Schlüssel ein, nicht den Schlüssel für die Abrechnung nach Verbrauch. Prüfe den Repository-Zugriff interaktiv in Claude Code. Verwende für unbeaufsichtigte Automatisierung den Zugang mit nutzungsabhängiger Abrechnung.
Abgeschnittene Antworten und fehlgeschlagene Anfragen
Werden lange Antworten abgeschnitten, empfiehlt QwenCloud, die Preview-Einstellung 64000 durch diesen Wert zu ersetzen:
export CLAUDE_CODE_MAX_OUTPUT_TOKENS="131072"
Starte eine neue Claude-Code-Sitzung aus diesem Terminal. Das ist die von QwenCloud empfohlene Client-Einstellung, keine Zusage, dass die CLI 131,072 Tokens zurückgibt. Die aktuelle Claude-Code-Dokumentation begrenzt die Ausgabe bei nicht erkannten Modell-IDs auf 128000 Tokens. Höhere Einstellungen werden auf dieses Limit reduziert. Keiner dieser Werte gibt das kombinierte API-Kontingent von 262,144 Tokens für Reasoning und Antwort frei. Teile ein großes Arbeitsergebnis auf mehrere Anfragen auf, wenn nur noch das Client-Limit im Weg steht.
Prüfe bei Authentifizierungsfehlern zuerst den Schlüsseltyp und die Region, statt wiederholt neue Schlüssel anzulegen. Nach den Regionsregeln von QwenCloud müssen API-Schlüssel und Endpunkt zur selben Region gehören.
Unterscheide bei Token-Plan-Fehlern mithilfe der offiziellen Fehlerhilfe zwischen 429 insufficient_quota und 429 Requests rate limit exceeded. Ist das Kontingent aufgebraucht, warte auf die Zurücksetzung oder kaufe ein Credit Pack. Bei einem Ratenlimit reduziere dagegen die Anfragefrequenz oder die Zahl gleichzeitiger Aufrufe. Wiederhole nach der Korrektur zunächst eine kleine interaktive Anfrage.
Behalte bei wiederkehrenden Kontextfehlern die ausdrückliche Einstellung 983616 bei. Prüfe wie Claude Code das Kontextfenster hinter einem Gateway behandelt, bevor du Limits erhöhst.
Tokenkosten berechnen, bevor du Aufgabenkosten vergleichst
Nutze für diese Konfiguration die Preise für Singapur. Kombiniere nicht den Preis einer anderen Region mit dem Endpunkt in Singapur.
Die folgende Schätzung setzt für jedes Modell dieselben 100,000 nicht gecachten Eingabetokens und 10,000 abgerechneten Ausgabetokens einschließlich Reasoning an. Sie betrachtet nur die Tokenkosten des Modells. Cache, kostenpflichtige gehostete Werkzeuge, Aufladegebühren und Steuern sind nicht enthalten.
| Modell und Direktzugang | Eingabe pro 1M Tokens | Ausgabe pro 1M Tokens | Geschätzte Tokenkosten |
|---|---|---|---|
| Qwen4-Max, Singapur | $1.50 | $4.50 | $0.195 |
| Qwen3.8-Max, Singapur | $2.00 | $6.00 | $0.260 |
| Claude Opus 5.5, Standard-API | $4.00 | $20.00 | $0.600 |
Für Qwen4-Max lautet die Rechnung 0.1 × $1.50 + 0.01 × $4.50 = $0.195. Das sind hypothetische Gebühren, keine gemessenen Kosten für dieselbe abgeschlossene Programmieraufgabe. Modelle können unterschiedlich viele Tokens für Reasoning, Kontext und Wiederholungen verbrauchen. QwenCloud dokumentiert die Standardwerte reasoning_effort=high und thinking_budget=131072. Dieses Budget ist eine Obergrenze, nicht der tatsächlich abgerechnete Verbrauch.
Cache-Erstellung einrechnen, nicht nur Cache-Lesezugriffe
Cache-Lesezugriffe für Qwen4-Max kosten in Singapur $0.075 pro 1M Tokens, sowohl bei impliziten als auch bei expliziten Cache-Treffern. Einen expliziten Cache zu erstellen kostet $1.875 pro 1M Tokens bei 5 Minuten Laufzeit oder $3.00 bei 1 Stunde.
Rechne mit Tokenmengen in Millionen:
cost_USD = 1.50U + 0.075R + 1.875W5 + 3.00W60 + 4.50O
Dabei steht U für nicht gecachte Eingabe und R für aus dem Cache gelesene Eingabe. W5 und W60 sind die Cache-Schreibmengen für die jeweilige Laufzeit. Zähle jedes Eingabetoken nur in einer Kategorie. O umfasst Reasoning und endgültige Antwort.
Ein vollständiges Beispiel besteht aus zwei Anfragen mit jeweils einem unveränderten Präfix von 100,000 Tokens, 5,000 neuen Eingabetokens und 2,000 Ausgabetokens. Die erste Anfrage schreibt das Präfix in den Cache. Die zweite erzielt einen Treffer in diesem Cache mit 5 Minuten Laufzeit.
Die geschätzten Gesamtkosten betragen 0.010 × $1.50 + 0.100 × $0.075 + 0.100 × $1.875 + 0.004 × $4.50 = $0.228. Ohne Cache kosten dieselben Tokenmengen 0.210 × $1.50 + 0.004 × $4.50 = $0.333.
Dieses Beispiel setzt einen erfolgreichen Cache-Treffer voraus. Prüfe die tatsächlichen Lese- und Schreibmengen anhand der Cache-Nutzungsfelder des Anbieters. Untersuche bei wiederholten Programmiersitzungen auch den zusätzlichen Tokenverbrauch der Hintergrundagenten in Claude Code, bevor du sämtliche Gebühren der Hauptantwort zurechnest.
Ist Qwen4-Max beim Programmieren die bessere Wahl als Opus 5.5?
Beginne mit Qwen4-Max bei einer klar begrenzten Repository-Aufgabe, für die die Kosten wichtig sind. Behalte Opus 5.5 für schwierige Terminalaufgaben als Vergleich bei, bis eigene Abnahmetests den Wechsel rechtfertigen.
Mit Stand vom 17. November zeigt die Vals-AI-Rangliste für Terminal-Bench 4.0 folgende Werte:
| Veröffentlichter Modelleintrag | Ergebnis mit Mini-SWE-agent | Kosten pro Test |
|---|---|---|
| Qwen 4 Max | 48.48% | $3.90 |
| Qwen 3.8 Max 0902 | 38.89% | $12.15 |
| Claude Opus 5.5 | 65.15% | $12.04 |
Daraus lässt sich weniger ableiten als ein allgemeiner „Opus-Ersatz“. Qwen4-Max übertrifft den datierten Qwen3.8-Max-Eintrag, liegt bei diesen Terminalaufgaben aber hinter Opus. Die Kosten pro Test entsprechen nicht den Kosten für eine erfolgreich abgenommene Codeänderung.
Das sind veröffentlichte Agentenläufe, keine Claude-Code-Tests mit gleichem Reasoning-Aufwand. Vals hat Qwen4-Max mit xhigh bewertet; auf der Opus-Seite steht max. Der Bericht zur Einführung von Opus legte zudem offen, dass Ersatzmodelle als Fallback verwendet wurden. Behandle die aktuelle Tabelle deshalb nicht als kontrollierten Vergleich ohne Rückgriff auf andere Modelle. Lies nach, wie Reasoning-Aufwand und Fallbacks Vergleiche von Coding-Agenten beeinflussen, bevor du den Abstand auf eigene Aufgaben überträgst.
Begrenze deinen ersten Versuch auf 30 Minuten. Wähle eine kleine Aufgabe mit bekanntem Abnahmetest, halte den Ausgangszustand des Repositorys und die Anweisungen gleich und erfasse alle Kosten einschließlich Wiederholungen. Setze Qwen4-Max für diese Aufgabenart ein, wenn es dieselben Abnahmekriterien zu akzeptablen Gesamtkosten erfüllt. Bleibe bei Opus, wenn zusätzliche Versuche oder Korrekturen den Tokenpreisvorteil aufheben.