MarkTechPost zeichnet Qwen-Chronik über dreieinhalb Jahre nach: von 7B bis zu den berichteten 2,4 Billionen offenen Gewichten
Laut einem Chronik-Artikel von MarkTechPost vom 4. Oktober 2026 entwickelte sich Alis Qwen vom invite-basierten Test im April 2023 zu einem berichteten offenen Gewichtsmodell mit 2,4 Billionen Parametern; die Lizenz wandelte sich schrittweise von „kostenlos kommerziell nutzbar unter 100 Mio. monatlich aktiven Nutzern“ zu Apache 2.0 in mehreren Größen, und es entstanden MoE-Sparsifizierung, hybride lineare Attention sowie parallele offene und geschlossene Produktlinien.
Was sich geändert hat
Laut dem am 4. Oktober 2026 von MarkTechPost veröffentlichten Artikel „The Story of Qwen“ zeichnet Autor Asif Razzaq chronologisch die dreieinhalbjährige Veröffentlichungsgeschichte der Qwen-Reihe von Alibaba nach: Am 7. April 2023 öffnete Alibaba Cloud „Tongyi Qianwen“ per Einladungscode für Unternehmenskunden zum Test; am 3. August desselben Jahres wurden Qwen-7B und Qwen-7B-Chat quelloffen veröffentlicht, deren Lizenz kostenlose kommerzielle Nutzung unter 100 Mio. monatlich aktiven Nutzern vorsah; 2024 folgten dicht gedrängt drei Generationen Qwen1.5, Qwen2 und Qwen2.5, wobei Qwen2 außer 72B die meisten Größen auf Apache 2.0 umstellte; 2025 führte Qwen3 „hybrides Denken“ ein, das Flaggschiff Qwen3-235B-A22B nutzte durchgängig Apache 2.0, anschließend kombinierte Qwen3-Next-80B-A3B Gated DeltaNet lineare Attention mit gated Attention im Verhältnis 3:1; 2026 berichtete MarkTechPost, Alibaba habe innerhalb eines halben Jahres mehrere Generationen wie Qwen3.5, Qwen3.6 und Qwen3.7 vorangetrieben und ein berichtetes offenes Gewichtsmodell mit 2,4 Billionen Parametern veröffentlicht. Der Artikel dokumentiert zudem Personalwechsel im Team und die organisatorische Neuaufstellung, mit der Alibaba sein KI-Geschäft in eine neue Gruppe integrierte. Der Haupttext bricht im Absatz zu Qwen3.7 ab, sodass Details späterer Knotenpunkte nicht sichtbar sind; diese Analyse stützt sich daher nur auf den sichtbaren Inhalt.
Auswirkungen für Entwickler
Die unmittelbare Auswirkung auf Entwickler zeigt sich zuerst an Lizenzgrenzen: Der Bericht zeigt, dass frühe Qwen-7B-Modelle eigene Bedingungen mit kostenloser kommerzieller Nutzung unter 100 Mio. monatlich aktiven Nutzern verwendeten, während ab Qwen2 mehrere Größen auf Apache 2.0 umstellten. Offene Gewichte und eine Open-Source-Lizenz sind zwei verschiedene Dinge: Herunterladbare Gewichte bedeuten weder Apache 2.0 noch bedingungslose kommerzielle Nutzung, Weiterverbreitung oder Nutzung zum Training abgeleiteter Modelle; maßgeblich ist die Lizenzdatei des jeweiligen Modell-Repositorys, und die Beschreibung in diesem Bericht ersetzt nicht den Lizenztext. Zweitens die Aufspaltung der Bereitstellungsformen: Dem Bericht zufolge werden ab Qwen3-Max-Preview manche Flaggschiffe nur noch per API angeboten, Qwen3.6-Plus ist ein geschlossen gehostetes Modell, sodass auf der Engineering-Seite zwei Pfade entstehen: selbst hostbare offene Gewichte und nur per API nutzbare gehostete Flaggschiffe. Drittens verändern sich Architektur- und Kostenannahmen: Der Bericht nennt Trainingskosten von Qwen3-Next-80B-A3B von etwa 10 % von Qwen3-32B und einen zehnfachen Inferenz-Durchsatz bei über 32K Token; solche Zahlen stammen aus Modellkarten und Herstellerangaben, sind nicht unabhängig reproduziert und taugen nur als Auswahlannahme, nicht als Zusage. Viertens sind die Kontextangaben uneinheitlich: Der Bericht erwähnt 32K je Größe bei Qwen1.5, 128K bei einigen Qwen2-Instruct-Modellen, 262K nativ beim 2507-Update von Qwen3-235B und 1 Mio. Token bei der gehosteten Qwen3.5-Plus-Version; eine Vermischung führt zu abweichendem tatsächlichem Abschneideverhalten und unterschiedlicher Abrechnung. Schließlich sind die Personal- und Organisationsänderungen im Bericht selbst keine technischen Änderungen, sie deuten aber darauf hin, dass sich Versionsrhythmus und verantwortliche Träger ändern können; langfristige Projekte sollten die Kompatibilitätskosten von Versionssprüngen innerhalb derselben Reihe in ihr Budget einbeziehen.
Integration und Bewertung
Das Folgende ist eine empfehlende Analyse, keine belegte Tatsache. Die erste Entscheidung betrifft Lizenz und Vertriebsweg: Trifft der Bericht zu, können innerhalb derselben Familie verschiedene Größen unter eigenen Bedingungen bzw. Apache 2.0 stehen; vor der Selbsthosting-Wahl sollte daher für jeden Ziel-Checkpoint die Lizenzdatei einzeln geprüft werden, statt die Reihe pauschal zu beurteilen. Auslöser ist, dass das Modell in ein externes Produkt eingebettet, Gewichte weiterverbreitet oder zum Training abgeleiteter Modelle genutzt werden sollen; bei rein internen Experimenten sind die Lizenzunterschiede deutlich weniger einschränkend. Überprüfbares Kriterium: für jeden Kandidaten-Checkpoint Lizenzname sowie kommerzielle Nutzungs- und Weiterverbreitungsbedingungen bestätigen und das Prüfdatum festhalten. Die zweite Entscheidung betrifft die Wahl zwischen dense und MoE: Der Bericht nennt Qwen3.5-397B-A17B mit 397 Mrd. Gesamtparametern und 17 Mrd. aktivierten, Qwen3.5-35B-A3B mit kleinerer Aktivierungsgröße, und Qwen behauptet, Letzteres übertreffe in manchen Leistungen das frühere Qwen3-235B-A22B-2507. Erforderlich ist eine Auswahl nach VRAM und Durchsatz statt nach Gesamtparametern: auf der Zielhardware den durch die aktivierten Parameter bestimmten tatsächlichen Speicherbedarf, die Latenz einzelner Anfragen und den Durchsatz messen. Auslöser ist hohe Nebenläufigkeit oder begrenzter Speicher, wo sparse Modelle rentabler sein können; bei hohen Anforderungen an die Stabilität langer Inferenzketten kann die Vorhersagbarkeit dichter Modelle wichtiger sein. Überprüfbares Kriterium ist der Vergleich von p95-Latenz und Kosten pro tausend Token auf derselben realen Anfragemenge, nicht nur das Betrachten von Benchmark-Werten. Die dritte Entscheidung betrifft langen Kontext: Im Bericht bestehen Angaben wie 32K, 128K, 262K und 1M nebeneinander; ob langer Kontext aktiviert wird, sollte zuerst klären, ob es sich um eine native Modellfähigkeit oder eine Konfiguration der gehosteten Version handelt. Auslöser ist die Verarbeitung langer Dokumente oder mehrstufiger Agenten-Trajektorien; überprüfbares Kriterium sind Retrieval-Genauigkeit und Abschneidepunkttests nahe der Zielgrenze.
Grenzen und offene Fragen
Der diesem Text zugrunde liegende Originalartikel bricht im Absatz zu Qwen3.7 ab; Name, Lizenz und Veröffentlichungszeitpunkt des offenen Gewichtsmodells mit 2,4 Billionen Parametern und späterer Knotenpunkte sind im sichtbaren Text unvollständig. Daher sind alle Aussagen zu diesem Modell Angaben von MarkTechPost und nicht unabhängig überprüft. Die im Bericht genannten Versionen haben im aktuellen KimiSeek-Katalog keinen exakt passenden Eintrag; KimiSeek listet derzeit Qwen3.8 Max, Qwen3.8 Flash, Qwen3.8 27B, Qwen3.8 2.4T A95B, Qwen3.7 Max, Qwen3.7 Plus, Qwen3.6 Plus sowie zwei Bildmodelle, die nicht dieselben Kennungen sind wie die konkreten Checkpoints Qwen3.5, Qwen3.6 und Qwen3.7 aus dem Bericht; Katalogeinträge dürfen nicht als Verfügbarkeitsnachweis für die berichteten Versionen gelten. Die im Bericht erwähnte API-Verfügbarkeit bezieht sich auf das Angebot seitens des Herstellers. Die Leistungs- und Kostenzahlen im Bericht (etwa Trainingskostenverhältnis, Durchsatzvielfache, Benchmark-Vergleiche) stammen vom Hersteller oder aus zweiter Hand und entbehren reproduzierbarer Evaluationsbedingungen; sie sollten nicht die einzige Grundlage für Beschaffungs- oder Migrationsentscheidungen sein. Die Lizenzbeschreibungen sind aus der Chronik übernommen und können von den offiziellen Bedingungen der jeweiligen Modell-Repositorys abweichen; maßgeblich sind die Original-Lizenzdateien. Preise und Abrechnung ändern sich mit der Zeit; es gilt die Preisseite der jeweiligen Plattform. Ob die Personal- und Organisationsänderungen die langfristige Wartung und den Versionsrhythmus beeinflussen, lässt sich aus dieser Quelle derzeit nicht beurteilen.