Qwen Cloud hat am 13. August 2026 zwei große Sparse-Mixture-of-Experts-Modelle ergänzt: DeepSeek V4 Pro und Qwen 3.8 2.4T-A95B. Beide unterstützen laut offiziellem Modell-Changelog ein Kontextfenster von bis zu einer Million Tokens und richten sich an anspruchsvolle Aufgaben in Coding, Recherche, Analyse und länger laufenden Agentenprozessen.
Die gemeinsame Kontextgrenze macht die Modelle noch nicht austauschbar. DeepSeek V4 Pro wird mit 1,6 Billionen Gesamtparametern und 49 Milliarden aktiven Parametern beschrieben. Qwen 3.8 ist die Open-Source-Version der aktuellen Qwen-Flaggschiffserie und verfügt über 2,4 Billionen Gesamtparameter sowie ungefähr 95 Milliarden aktive Parameter pro Schritt. Für die Unternehmensentscheidung zählen aber Ergebnisqualität, Tooling, Kosten und Betriebsmodell stärker als die größte Zahl im Datenblatt.
DeepSeek V4 Pro und Qwen 3.8 im Faktenvergleich
DeepSeek V4 Pro unterstützt laut Qwen Cloud Streaming, Thinking Mode, Function Calling, strukturierte Ausgaben, Websuche und Context Caching. Als Einsatzfelder nennt der Anbieter mathematisches und logisches Denken, komplexe Schlussfolgerungen, professionelle Codegenerierung und ausführliche Analyse langer Dokumente. Diese Leistungsbeschreibungen sind Anbieterangaben und ersetzen keine Evaluation mit eigenen Aufgaben.
Qwen 3.8 kombiniert seine Sparse-MoE-Architektur mit hybriden Aufmerksamkeitsmechanismen. Thinking Mode ist standardmäßig aktiviert. Qwen Cloud beschreibt Verbesserungen für Coding, Produktivität, Recherche und langfristige Agentenaufgaben. Auch diese Aussage enthält im bereitgestellten Changelog keine detaillierten Benchmarkwerte, Kosten oder Qualitätsgrenzen.
Der deutlichste strategische Unterschied ist die Offenheit von Qwen 3.8. Ein Open-Source-Modell kann mehr Optionen für Prüfung, Anpassung oder einen eigenen Betriebsweg eröffnen. Daraus folgt jedoch nicht automatisch, dass jede Nutzungslizenz, jedes Gewichtspaket oder jede Infrastrukturkonfiguration für den geplanten Einsatz passt. Diese Bedingungen müssen separat anhand aktueller Modell- und Lizenzunterlagen geprüft werden.
Welches Modell zu welchem Unternehmensbedarf passt
- DeepSeek V4 Pro zuerst testen, wenn Function Calling, strukturierte Ausgaben, Streaming und Context Caching zentrale Anforderungen sind.
- Qwen 3.8 priorisieren, wenn ein offener Modellpfad, eigene Anpassbarkeit oder ein späterer alternativer Betriebsweg strategisch wichtig ist.
- Beide Modelle vergleichen, wenn lange Codebasen, umfangreiche Forschungsunterlagen oder mehrstufige Agentenabläufe die Kernaufgabe bilden.
- Ein kleineres Modell beibehalten, wenn Aufgaben mit deutlich weniger Kontext dieselbe fachliche Qualität günstiger und schneller erreichen.
- Keines der Modelle produktiv wählen, bevor Datenstandort, Vertragsbedingungen, Kosten und Sicherheitsanforderungen geklärt sind.
Die höhere Zahl aktiver Parameter bei Qwen 3.8 kann nicht direkt in bessere Qualität, höhere Kosten oder langsamere Antworten übersetzt werden. Serving-Architektur, Quantisierung, Hardware, Caching und Anbieteroptimierung beeinflussen den realen Betrieb. Deshalb muss der Vergleich auf derselben Plattform, mit denselben Eingaben und denselben Abnahmekriterien erfolgen.
Long-Context-Pilot: Was wirklich gemessen werden muss
Ein sinnvoller Pilot beginnt mit Aufgaben, bei denen langer Kontext einen plausiblen Vorteil bietet. Beispiele sind die Analyse einer großen Codebasis, die Konsolidierung mehrerer Verträge oder Forschungsdokumente und ein Agentenprozess mit umfangreichem Zustandsverlauf. Für jede Aufgabe braucht es ein erwartetes Ergebnis und markierte Informationen, die das Modell im Kontext finden und korrekt verwenden soll.
- Aufgaben in kurze, mittlere und sehr lange Kontextklassen aufteilen.
- Faktenabdeckung, korrekte Quellzuordnung und übersehene Informationen prüfen.
- Codeänderungen mit Tests, Review und nachvollziehbarer Begründung bewerten.
- Function Calls und strukturierte Ausgaben auf Schemafehler und Wiederholungen testen.
- Latenz, Tokenverbrauch, Cache-Nutzung und Gesamtkosten pro akzeptiertem Ergebnis messen.
- Agentenläufe auf Abbrüche, Schleifen, falsche Zustände und notwendige Eingriffe untersuchen.
- Datenschutz, Geheimnisse und nicht benötigte Dokumente durch minimale Kontextauswahl begrenzen.
- Ergebnisse gegen das aktuelle Modell und einen zerlegten Workflow vergleichen.
Der Vergleich mit einem zerlegten Workflow ist wichtig. Ein einzelner Aufruf mit einer Million Tokens kann organisatorisch einfach wirken, während Retrieval, Abschnittsanalyse und gezielte Zusammenführung günstiger oder kontrollierbarer sein können. Die beste Architektur ist nicht zwingend die mit dem größten Prompt, sondern die mit dem zuverlässigsten Verhältnis aus Qualität, Kosten und Nachvollziehbarkeit.
Kosten und Risiken vor der Einführung begrenzen
Der Changelog nennt keine Preise für die beiden Modelle. Unternehmen sollten deshalb vor dem Pilot Input-, Output-, Thinking-, Such- und Cache-Kosten sowie mögliche Plattformlimits anhand der aktuellen Preisunterlagen klären. Bei langen Kontexten können bereits einzelne Tests große Verbrauchsmengen erzeugen; Budgetgrenzen und maximale Kontextgrößen gehören daher in die technische Konfiguration.
Websuche und Function Calling erweitern den Handlungsspielraum eines Modells, zugleich aber auch die Kontrollfläche. Erlaubte Werkzeuge, Domains, Datenquellen und Aktionen müssen pro Use Case definiert werden. Strukturierte Ausgaben sollten gegen ein Schema validiert und externe Aktionen erst nach fachlicher oder technischer Freigabe ausgeführt werden.
Rollout in vier kontrollierten Schritten
Schritt eins friert ein repräsentatives Evaluationsset ein. Schritt zwei testet beide Modelle mit identischer Konfiguration und ohne produktive Aktionen. Schritt drei wählt je Aufgabenklasse ein Modell und setzt Kontext-, Budget- und Werkzeuggrenzen. Schritt vier führt nur die bestandenen Workloads in den Betrieb über und hält das bisherige Modell als Rückfalloption bereit.
Die GNS-Einordnung lautet: DeepSeek V4 Pro wirkt im Changelog stärker als direkt ausgestatteter Plattformdienst mit explizitem Tooling. Qwen 3.8 bietet den strategisch interessanteren offenen Modellpfad. Welche Option besser ist, entscheidet nicht die Billionenzahl, sondern ein reproduzierbarer Test mit echten Aufgaben, vollständigen Kosten und klaren Betriebsgrenzen.