Alibabas Qwen-Modelle fordern OpenAI und Google heraus

Die Platzierung ist Teil einer breiteren Offensive des Qwen-Sprachlabors. Zuvor hatten bereits Fun-Realtime-ASR und Fun-Realtime-AudioChat Spitzenplätze auf derselben Plattform erobert. Qwen2.5-Omni-7B führt zudem die VoiceBench-Avg-Rangliste mit einem Wert von 0,741 an .

Bemerkenswert: Alibabas Sprachmodelle übertreffen westliche Konkurrenten wie OpenAI und xAI bei Dialekt- und Akzent-Benchmarks, insbesondere bei komplexen chinesischen Dialekten – eine Fähigkeit, die für den chinesischen Markt enorm wichtig ist .

Bereits im März 2026 veröffentlichte Alibaba Qwen3.5-Omni-Plus, das 215 State-of-the-Art-Ergebnisse bei Audio- und audiovisuellen Verständnisaufgaben meldete. In unabhängigen Audio-Benchmarks übertraf es Googles Gemini 3.1 Pro bei allgemeinem Audioverständnis, Reasoning und Übersetzung, erreichte aber bei umfassendem audiovisuellem Verständnis nur Gleichstand . Eine detaillierte technische Analyse bestätigt die Audio-Erfolge – etwa eine Wortfehlerrate von 6,55 % beim Fleurs-ASR-Benchmark gegenüber 7,32 % bei Gemini –, verweist aber auf einen Rückstand von rund 12 Punkten beim agentischen OmniGAIA-Benchmark .

Coding: Qwen3.7-Max stößt in die Code-Arena-Top-5 vor

Alibaba brachte Qwen3.7-Max am 19. Mai 2026 auf den Markt. Innerhalb einer Woche erschien das Modell auf Platz 4 der Code Arena WebDev-Rangliste mit einem Elo von 1.541 – nur einen Punkt hinter Claude Opus 4.6 Thinking und vor sämtlichen Modellen von OpenAI und Google . Im React-Coding-Track stieg es auf Platz 3 mit 1.536 Elo, geschlagen nur von zwei Claude-Opus-Varianten . Einige Quellen berichten von einem kurzzeitigen Aufstieg auf Platz 2 in bestimmten Code-Arena-Unterkategorien .

Anthropics Claude-Opus-Linie belegte die Plätze eins bis drei im WebDev-Bereich. Damit ist Alibaba das einzige Labor außerhalb von Anthropic – und das einzige nicht-US-amerikanische –, das in die Coding-Top-5 vordringen konnte . Das Modell liegt bei agentischen Webentwicklungsaufgaben, die reale menschliche Präferenzen bei mehrschrittigen Coding-Workflows bewerten, vor GPT-5.5, Gemini 3.5 Flash und GLM-5.1 .

Auch auf anderen Coding- und Reasoning-Benchmarks erzielen Qwen-Modelle wettbewerbsfähige Ergebnisse:

• LiveBench: Qwen3 235B A22B erreichte 80,4 % – Platz 3 hinter OpenAIs o4 Mini High (87,3 %) und DeepSeeks R1 0528 (84,4 %) .
• MMLU-Pro / GPQA-AA: Qwen3.5 397B A17B erzielte 87,8 % bei MMLU-Pro und einen GPQA-AA-Elo von 1.495, den höchsten Wert unter chinesischen Modellen .

Das allgemeine Arena-Bild: eng beieinander an der Spitze

Der Stanford AI Index 2026 zeigt in seiner Arena-Elo-Momentaufnahme vom März 2026, wie dicht die führenden Labs beieinander liegen :

Alibaba liegt auf Platz 5, etwa 50–55 Punkte hinter dem Spitzenreiter. Das ist nah genug, dass die Autoren des Berichts den Wettbewerbsdruck als verschoben beschreiben – weg von reiner Leistungsfähigkeit, hin zu Kosten, Zuverlässigkeit und domänenspezifischer Performance .

Was das für den US-chinesischen KI-Wettbewerb bedeutet

Die Benchmark-Ergebnisse fallen in ein Jahr, in dem der Leistungsabstand zwischen den besten US- und chinesischen KI-Modellen nahezu verschwunden ist. Der Stanford AI Index 2026 beziffert den Rückgang von 17,5–31,6 Prozentpunkten im Mai 2023 auf nur noch 2,7 % im März 2026. Beide Länder „tauschen ständig die Plätze an der Spitze der Benchmarks“ – eine scharfe Abkehr von der US-Dominanz, die die KI-Welt bis 2024 prägte .

Dies geschah, obwohl die USA etwa 23-mal mehr in private KI-Investitionen stecken: 285,9 Milliarden Dollar gegenüber 12,4 Milliarden Dollar im jüngsten erfassten Zeitraum .

Analysten führen mehrere Faktoren für das Aufholen an:

• Chinesische Open-Source-Ökosysteme: Modelle wie Qwen und DeepSeeks R-Serie ziehen große Entwicklergemeinschaften an, die produktive Werkzeuge darauf aufbauen. Einige Strategen argumentieren, China könne dank günstigerer Energie, aggressiver Investitionen und einer Welle von Open-Source-Innovation zum „großen Gewinner“ bei der KI-Einführung werden .
• Hardware-Unabhängigkeit: DeepSeeks Fähigkeit, auf einheimischen Huawei-Chips zu laufen, signalisiert eine Entkopplung von US-kontrollierter Rechenleistung. Das könnte die Wirkung der Chip-Exportkontrollen Washingtons abschwächen .
• Domänenspezialisierung: Alibabas Stärke bei Stimme und Dialekten sowie Anthropics anhaltende Coding-Dominanz zeigen, dass es bei Spitzenfähigkeiten zunehmend um spezialisierte Exzellenz geht, nicht um einen einzelnen Allzweckgewinner .

Es gibt jedoch auch abweichende Einschätzungen: Eine Brookings-Analyse von 2026 argumentiert, dass amerikanische Spitzenmodelle weiterhin „mehrere Monate voraus“ seien und US-Labs einen Vorsprung bei Rechenleistung und längerfristigen agentischen Aufgaben hätten . Eine Kongressanhörung aus demselben Zeitraum kommt zu einem ähnlichen Schluss .

Das praktische Fazit für Unternehmen und Entwickler ist dennoch klar: mehr Wettbewerb, schnellere Iteration, sinkende Preise und mehr praktikable Optionen – von amerikanischen wie von chinesischen Anbietern .