Qwen vs DeepSeek vs Llama: Worauf sollten Sie aufbauen?

Die U-Bahn zum Xixi-Campus von Alibaba, wo das Qwen-Team arbeitet, braucht von meiner Wohnung aus etwa zwanzig Minuten, und die Leute von DeepSeek sitzen ein paar Stadtteile in der anderen Richtung. Ich kann diesen Vergleich also fast in Echtzeit verfolgen, und er bewegt sich schnell. Die aktuellen offenen Checkpoints sind Qwen3.8 und Qwen3.6, DeepSeek V4.1-Flash und der weitergeführte V4 Pro sowie Llama 4 Scout oder Maverick. Alibabas gehostetes Qwen3.8-Max gehört in eine andere Spalte, denn es zu mieten ist ein anderes Produkt, als die Gewichte herunterzuladen, auf denen es aufbaut. Wer diese Versionen vermischt, für den geht der Rest des Vergleichs schief, bevor er beginnt.

Qwen vs Llama vs DeepSeek: Worauf sollten Sie aufbauen?

Entscheiden Sie nach Aufgabe und nach Deployment. Qwen3.6 ist die Wahl für Breite und Ökosystem, mit offenen 27B-Dense- und 35B-A3B-Modellen unter Apache-2.0. DeepSeek V4.1-Flash ist die Preis-Leistungs-Wahl bei der API, auch nach der Ausgabe-Preiserhöhung im September; V4 Pro kauft mehr Leistungsfähigkeit zu einem immer noch niedrigen Tokenpreis, ist aber enorm aufwendig selbst zu hosten. Llama 4 bleibt die Ökosystem-Wahl westlichen Ursprungs unter Metas Community-Lizenz. Stanfords Länderrückstand von 2,7 % vom März 2026 ist inzwischen historischer Kontext, kein aktueller Spielstand, denn jede chinesische Familie in diesem Absatz hat sich seitdem weiterentwickelt.

Das Wichtigste in Kürze- Vergleichen Sie exakte Checkpoints: Qwen3.6, DeepSeek V4.1 und Llama 4, nicht Familiennamen, die aus den Releases des Vorjahres geerbt wurden.- Qwen3.6 = Breite und Apache-2.0; DeepSeek V4.1-Flash = Reasoning und API-Preis-Leistung; Llama 4 = westliches Tooling und Metas Community-Lizenz.- Qwen ist die am häufigsten heruntergeladene offene Familie: Hugging Faces eigene Zählung beziffert sie auf über 2 Milliarden Downloads in den ersten sieben Monaten 2026, mit 151.448 Ableitungen auf dem Hub.- Qwen3.8 ist Alibabas neuester offener Checkpoint, seit dem 8. August 2026 unter einer eigenen Lizenz erhältlich; Qwen3.8-Max ist die gehostete Version, die darauf aufbaut.

Alles Folgende setzt voraus, dass Sie bereits entschieden haben, dass chinesische Gewichte infrage kommen. Wenn das noch die offene Frage ist, verhandle ich sie in meinem Beitrag darüber, ob China das KI-Rennen gewinnt, und das breitere Feld stelle ich in meinem Leitfaden zum chinesischen Open-Source-KI-Ökosystem vor.

Wie ich sie einordnen würde

Nicht nach Rangliste. Ich ordne nach der Realität im Deployment ein, was bedeutet, dass fünf Kriterien die Arbeit erledigen, ungefähr in dieser Gewichtung.

• Leistungsfähigkeit: Ist es für die Aufgabe wirklich gut genug, gemessen an einer vergleichbaren Evaluierung statt an einer vom Anbieter ausgewählten Tabelle?
• Kosten: Kosten pro Token bei einer API und GPU-Fußabdruck beim Self-Hosting. Hier öffnen sich die echten Lücken.
• Lizenz: Können Sie es kommerziell ausliefern, ohne juristische Kopfschmerzen? Apache-2.0 und MIT-artige Bedingungen gewinnen hier.
• Ökosystem: Wie viele Fine-Tunes, Quantisierungen und fertige Varianten existieren? Mehr bedeutet weniger Arbeit für Sie.
• Self-Hosting-Freundlichkeit: Läuft es sauber auf vernünftiger Hardware mit dem offenen Inferenz-Stack, den Sie bereits nutzen?

Diese Modelle auf meinen eigenen GPUs laufen zu lassen hat mich schneller vom Ranglisten-Glauben geheilt, als es jedes Argument gekonnt hätte. Das Modell, das ein Projekt gewinnt, ist das, das sich sauber auf Ihre Daten fine-tunen lässt und am günstigsten zu betreiben ist, nicht das mit dem marginal höheren Score dieser Woche. Zwei meiner letzten drei Kunden-Builds gingen mit einem Modell live, das keine Tabelle anführte.

Eine strukturelle Anmerkung vor der Tabelle. Gehostete Vorschauen und herunterladbare Gewichte sind unterschiedliche Produkte, und die letzten zwei Monate machen das anschaulich: Qwen3.8-Max startete am 3. August als gehostetes Modell, und die offenen Qwen3.8-Gewichte folgten am 8. August, unter einer eigenen Lizenz statt Apache-2.0. Die gehostete Seite ist schon wieder weitergezogen: Der Qwen3.8-Max-0902-Snapshot übernahm am 2. September den Endpunkt zum gleichen Preis von 2 und 6 US-Dollar, ein Post-Training-Upgrade mit Fokus auf Coding und kollaborative Arbeitsabläufe, das nach Alibabas Angaben bei Launch die WebDev-Rangliste der Code Arena anführte. Wer im August qwen3.8-max angepinnt hat, mietet inzwischen ein anderes Modell. Alibaba kündigte auf seiner Apsara-Konferenz am 22. September außerdem Qwen 4 an, ausdrücklich im Training, ohne Datum, Gewichte oder Preis; eine experimentelle Open-Weights-Vorschau dieser Architektur, Qwen3.8-Flash-Next, war bereits am 26. August erschienen. Ein Ranking, das „was man herunterladen kann“ mit „was man mieten kann“ vermischt, führt Sie also in die Irre. Die Tabelle unten zeigt die herunterladbare Seite; die gehosteten Flaggschiffe bekommen ihre eigene Spalte im Fließtext.

Die drei Familien im Überblick

Alle drei sind wirklich produktionsreif. Sie unterscheiden sich bei Lizenz und Kostenprofil, weit mehr als bei der Leistungsfähigkeit. Qwen ist die nach Verbreitung größte offene Familie: Hugging Faces Bericht State of Open Models: Summer 2026, veröffentlicht am 14. August, zählt allein in den ersten sieben Monaten 2026 rund 2,045 Milliarden Qwen-Downloads auf dem Hub und 151.448 Ableitungen, während Alibabas eigene Zählung mehr als 3 Milliarden Downloads und 300.000 Ableitungen über Plattformen hinweg nennt. So würde ich die drei auf Arbeitsebene zusammenfassen.

Auch die Verbreitung insgesamt hat sich in dieselbe Richtung verschoben. Chinesische Open-Weight-Modelle haben US-amerikanische bei den kumulierten Hugging-Face-Downloads überholt, und allein Qwen-basierte Varianten machten bis August 2025 mehr als 40 % der neuen Ableitungen aus. Das hat für Entwickler einen praktischen Nutzen: Mehr Ableitungen bedeuten, dass eine Quantisierung oder ein domänenspezifischer Fine-Tune, der zu Ihrem Latenzbudget passt, wahrscheinlich schon existiert, Sie überspringen also einen kompletten Trainingslauf.

Eine Warnung zu dieser Tabelle. Lizenzen ändern sich zwischen Versionen, und eine Zusammenfassung auf Familienebene ist ein Ausgangspunkt, keine unumstößliche Wahrheit. Öffnen Sie die Model Card und lesen Sie die tatsächliche Lizenz für genau den Checkpoint, den Sie ausliefern wollen.

Leistungsfähigkeit: Wie nah sind sie sich wirklich?

Näher beieinander, als es die Marketingschlachten vermuten lassen, aber nicht mehr auf eine einzige Zahl reduzierbar. Der 2026 Stanford AI Index verzeichnete im März einen Abstand von 2,7 % zwischen dem besten US-Modell und dem besten chinesischen Modell auf Chatbot Arena, im Kapitel zur technischen Leistungsfähigkeit des Index. Seitdem sind DeepSeek V4.1-Flash, Qwen3.8 und 3.6 sowie die gehosteten Qwen3.8-Max-Snapshots erschienen, diese Zahl lässt sich also ehrlicherweise nicht mehr im Präsens schreiben. Für die meisten geschäftlichen Arbeitslasten ist Leistungsfähigkeit eine Hürde, nicht der finale Selektor. Kosten, Betriebsgrenzen und Lizenz geben meist den Ausschlag.

[CHART: grouped-bar comparing Qwen, DeepSeek and Llama across four qualitative axes]

Die praktische Unterscheidung wird klarer, wenn man sie versioniert. DeepSeek V4.1-Flash tendiert zu Reasoning und Code, und das Refresh vom 10. September brachte native Bildverarbeitung, ein Kontextfenster von 1 Million Token und eine maximale Ausgabe von 384.000 Token. Qwen3.6 ist der offene Allrounder und von den dreien am leichtesten auf ein konkretes Deployment zuzuschneiden. Llama 4 ist die Option westlichen Ursprungs mit dem Meta-Ökosystem drumherum, wobei es sich zu wissen lohnt, dass Metas Frontier-Arbeit auf die Muse-Linie umgezogen ist, Llama 4 im Wartungsmodus läuft und der größere Behemoth pausiert. Muse ist größtenteils geschlossen, aber nicht vollständig: Muse Glimmer 30B erschien am 10. August mit offenen Gewichten unter Apache-2.0, und das Ende September auf der Meta Connect gezeigte Muse Charm blieb geschlossen. Das Tooling rund um Llama ist immer noch tief, aber ich würde keine mehrjährige Wette auf den nächsten offenen Llama-Checkpoint planen.

Benchmark-Fixierung führt Entwickler aktiv in die Irre, wenn die Zeilen aus unterschiedlichen Provider-Harnesses stammen. Das Modell, das Ihr Projekt gewinnt, ist das, das Ihre Qualitätsschwelle überspringt, sich auf Ihren Daten gut verhält und in Ihr Betriebsbudget passt, nicht das mit dem marginal höheren selbstberichteten Score.

Ich behandle die Leistungsfähigkeit deshalb als Fast-Gleichstand und gehe direkt zu den Dingen über, die sich wirklich unterscheiden.

Eigene richtungsweisende Einschätzung des Autors auf einer Skala von 1 bis 5, keine Benchmark-Werte. Die Werte spiegeln die Anfang Oktober 2026 aktuellen Releases wider: DeepSeek V4.1-Flash und V4 Pro, Qwen3.8 und 3.6 sowie Llama 4 mit Metas offener Linie im Wartungsmodus.

Kosten und Lizenzierung: die eigentlichen Unterscheidungsmerkmale

Hier fällt die Entscheidung tatsächlich, und DeepSeek hat sie seit August zweimal verschoben. Spitzen- und Schwachlasttarife kamen am 16. August, dann startete V4.1-Flash am 10. September mit einer neuen Architektur (ein 552B-Backbone mit rund 8B aktiven Parametern beim Prefill und 16B beim Decode) und offenen Gewichten unter MIT auf Hugging Face. Das alte V4 Flash ist abgekündigt: Der Name deepseek-v4-flash routet weiter, wird aber inzwischen von V4.1-Flash bedient, und der kanonische Name ist deepseek-flash, laut DeepSeeks Update-Log. Nach DeepSeeks offizieller Preisliste kostet Flash jetzt 0,15 US-Dollar pro Million Cache-Miss-Eingabetoken in der Schwachlastzeit und 0,30 US-Dollar zu Spitzenzeiten, bei Ausgabepreisen von 0,60 bis 1,20 US-Dollar pro Million je nach Zeitfenster. Dieser Ausgabepreis ist ungefähr doppelt so hoch wie der alte, was zählt, wenn Ihre Arbeitslast generierungslastig ist. V4 Pro, dessen geplante Abkündigung DeepSeek nach Nutzerprotesten zurücknahm, liegt jetzt bei 0,66 bis 1,32 US-Dollar pro Million Eingabetoken und 1,98 bis 3,96 US-Dollar pro Million Ausgabetoken; es gibt kein V4.1-Pro und kein V5. Qwen3.8-Max wird über Alibabas gehostete Dienste für rund 2 bzw. 6 US-Dollar verkauft, normale Token-Ökonomie eines gehosteten Dienstes statt einer Open-Weight-Ökonomie. Flash behält in diesem Vergleich die Preisführerschaft, aber mit dünnerem Vorsprung bei der Ausgabe als noch im August. Llama hat in diesem Vergleich keine eigene Meta-Token-API, seine Kosten sind also der Preis Ihres Hosters oder Ihrer eigenen Infrastruktur.

Hier trennen sich die Familien sauber. Qwen3.6 ist Apache-2.0. DeepSeek V4 ist MIT. Llama 4 nutzt Metas Community-Lizenz, mit Nutzungseinschränkungen, die eine echte juristische Lektüre brauchen. Die wichtige Qwen-Fußnote: Die offene Linie ist mit 3.8 von Apache-2.0 abgerückt, die neuen Gewichte tragen eine eigene Qwen-Lizenz mit umsatzbasierten kommerziellen Klauseln, 3.6 bleibt also die Apache-2.0-Antwort.

Wenn ich selbst hoste, ist die Apache-2.0-Frage das Erste, was ich prüfe, denn eine klare Antwort erspart eine ganze Kategorie von Rechtsprüfung. Bei Llama musste ich vor einem Kunden-Deployment innehalten und die Community-Lizenz wirklich gründlich lesen, und zweimal hat genau diese Klausel die Antwort verändert. Diese Reibung ist real, und deshalb gewinnt Qwen tendenziell meine Projekte nach dem Motto „einfach ausliefern“.

Self-Hosting potenziert die Kostenrechnung. Ein Modell mit kleinerem Fußabdruck bedeutet weniger GPU, und das heißt Monat für Monat eine kleinere Rechnung statt einer einmaligen Ersparnis beim Start. Ich rechne das in meinem Leitfaden zum Betrieb offener Modelle On-Premise versus Cloud durch, und die Governance-Seite derselben Entscheidung behandle ich in meinem Beitrag darüber, ob DeepSeek für Unternehmen sicher ist.

Auf der Verbreitungsseite zeigt das Kostenprofil die erwartete Wirkung. Chinesische Modelle übernahmen Ende Februar 2026 die Mehrheit des Tokenverbrauchs in OpenRouters Top 10 und hielten bis Juni 2026 rund 61 % des gesamten Tokenvolumens der Plattform, nach OpenRouters Rankings. Auch die neuesten Anbieter bewegen sich schnell: GLM-5.3-Flash und DeepSeek-V4.1-Flash erreichten beide innerhalb weniger Tage nach Launch die wöchentlichen Spitzenränge, nach Darstellungen dieser öffentlichen Rankings durch Dritte. Token sind echte Arbeit statt Pressemitteilungen, und Entwickler haben ihre verschoben.

Ökosystem und Einsatz

Die Verbreitung verrät Ihnen das meiste, was Sie über die Ökosystemtiefe wissen müssen. Qwens Ableitungsbibliothek ist die tiefste der drei: 151.448 Ableitungen in Hugging Faces Zählung vom Sommer 2026 und mehr als 300.000 über Plattformen hinweg nach Alibabas eigener Zählung. Mehr Ableitungen bedeuten mehr Fine-Tunes und Quantisierungen, die Sie von der Stange nehmen können, statt selbst zu trainieren. Sie verraten Ihnen nicht, ob das gehostete Qwen3.8 der richtige Produktionsendpunkt ist.

[IMAGE: A developer's screen showing model weights downloading from a model hub, warm lighting, over-the-shoulder shot]

Jede Familie besetzt eine eigene Einsatzspur. Qwen3.6 bietet die nützlichste Streuung offener Größen und den sanftesten Fine-Tuning-Pfad. DeepSeek V4.1-Flash ist für kostengünstiges gehostetes Reasoning auch nach der Ausgabe-Preiserhöhung im September kaum zu schlagen, während Pro für Arbeit ist, die mehr Rechenleistung rechtfertigt. Llama 4 gewinnt weiterhin, wenn das westliche Tooling drumherum und die Beschaffungsbequemlichkeit mehr zählen als der Lizenzunterschied.

Alle drei haben herunterladbare Gewichte, aber der gehostete Weg ist nicht symmetrisch. DeepSeek betreibt seine eigene API. Verfügbarkeit, Regionen und Bedingungen von Qwen und Llama hängen vom jeweiligen Alibaba- oder Drittanbieterdienst ab, den Sie wählen. Sie können Inferenz mieten, um loszulegen, und denselben offenen Checkpoint später ins eigene Haus holen, wenn Volumen oder Datenresidenz das verlangen. Prüfen Sie, dass es wirklich derselbe Checkpoint ist und kein neueres, nur gehostetes Modell wie Qwen3.8-Max.

Welches Modell für welche Aufgabe

Passen Sie das Modell an die Arbeitslast an, nicht an die Schlagzeile. Die Zahl zum Leistungsabstand vom März 2026 liegt vor jedem chinesischen Release, das unten verglichen wird, jede Empfehlung dreht sich also um aktuelle Passgenauigkeit, Kosten und Lizenz statt um einen veralteten Länderprozentsatz.

Coding-Assistent

Beginnen Sie mit DeepSeek V4.1-Flash für Coding-Aufrufe in hohem Volumen, und testen Sie dann Qwen3.6-27B, wenn lokale Kontrolle oder ein kleinerer offener Checkpoint zählt. Wenn die Aufgabe stundenlang über ein großes Repository läuft, ist dieser Drei-Familien-Artikel nicht mehr die ganze Shortlist: Kimi K3 und GLM-5.3 verdienen inzwischen dieselbe Prüfung.

RAG und Back-Office

Greifen Sie zu Qwen3.6. Retrieval- und interne Workflow-Aufgaben belohnen Breite, mehrsprachige Verarbeitung und sauberes Fine-Tuning, und Apache-2.0 hält die erste Rechtsprüfung unkompliziert. Das ist die Spur, in der sich Qwens Variantenbibliothek bezahlt macht.

Kundenkontakt

Das hängt von Ihrer Risikobereitschaft ab. Llama 4 ist die konservative Wahl, wenn Ihre Stakeholder ein Modell westlichen Ursprungs wollen und Sie mit den Lizenzklauseln leben können. Wenn die Governance ein Modell chinesischen Ursprungs freigibt, bietet Ihnen Qwen3.6 einen sauberen offenen Weg und breite mehrsprachige Abdeckung. In jedem Fall: Testen Sie das Inhaltsverhalten, dem Ihre Nutzer tatsächlich begegnen werden.

On-Premise und regulierte Umgebungen

Für abgeschottete oder regulierte Builds entscheiden Lizenz, Modellgröße und Datenkontrolle. Qwen3.6 ist der handhabbarere Self-Hosting-Weg. DeepSeek V4.1-Flash ist MIT-lizenziert, aber deutlich größer. Beide können laufen, ohne Prompts nach China zu senden, vorausgesetzt, Sie betreiben die Gewichte tatsächlich innerhalb Ihres Perimeters. Klären Sie zuerst die Governance-Prüfung; mein Beitrag darüber, ob DeepSeek für Unternehmen sicher ist, führt durch diese Sorgfaltsprüfung.

FAQ

Ist Qwen besser als Llama?

Für die meisten offenen Build-Entscheidungen würde ich mit Qwen3.6 beginnen, weil es handhabbare Größen, Apache-2.0 und ein großes Ableitungs-Ökosystem bietet. Llama 4 gewinnt, wenn die Beschaffungsbequemlichkeit westlichen Ursprungs und das vorhandene Meta-Tooling den Lizenzunterschied aufwiegen. Qwen3.8 ist das stärkere Rohmodell, bedeutet aber eine eigene Lizenz und ernsthafte Hardware; Qwen3.8-Max ist der gehostete Weg, nicht die Self-Hosting-Antwort.

Ist DeepSeek besser als Qwen?

Für einen günstigen gehosteten Reasoning-Endpunkt ist DeepSeek V4.1-Flash die klarere Wahl, auch wenn sich sein Ausgabepreis im September ungefähr verdoppelt hat. Für offene Größen, Fine-Tuning und Ökosystembreite lässt sich um Qwen3.6 leichter bauen. Die offenen 3.8-Gewichte verdienen einen Blick, sobald die Lizenz- und Hardwarerechnung für Sie aufgeht.

Sind chinesische offene Modelle sicher genug, um darauf aufzubauen?

Das können sie sein, mit der nötigen Sorgfalt. Die Gewichte selbst zu hosten bedeutet, dass Ihre Daten Ihre Infrastruktur nicht verlassen müssen, was den Weg über eine in China gehostete API aus der Risikobewertung nimmt. Sie müssen dennoch Inhaltsverhalten, Herkunft, Lizenz und Lieferkettensicherheit bewerten, das behandle ich in meinem Sicherheitsleitfaden für Unternehmen.

Welches offene Modell ist am günstigsten zu betreiben?

Bei einer First-Party-API ist DeepSeeks Flash-Endpunkt in diesem Vergleich weiterhin der Preisführer, mit 0,15 bis 0,30 US-Dollar pro Million Cache-Miss-Eingabetoken und 0,60 bis 1,20 US-Dollar pro Million Ausgabetoken, je nach Spitzen- oder Schwachlastfenster. Beim Self-Hosting kann ein kleinerer Qwen3.6-Checkpoint insgesamt günstiger sein, weil das Backbone von V4.1-Flash 552 Milliarden Parameter hat. Tokenpreis und Infrastrukturpreis beantworten unterschiedliche Fragen.

Mein Fazit

Die aktuelle Kurzformel ist versioniert. Qwen3.6 für eine breite offene Apache-2.0-Linie. DeepSeek V4.1-Flash für günstiges gehostetes Reasoning, mit dem auf Nutzerdruck weitergeführten V4 Pro, wenn die härtere Arbeit seinen höheren Preis verdient. Llama 4, wenn Metas Ökosystem und die Beschaffungsbequemlichkeit westlichen Ursprungs am meisten zählen. Qwen3.8-Gewichte sind jetzt draußen, unter einer eigenen Lizenz; Qwen3.8-Max, inzwischen der 0902-Snapshot, bleibt der gehostete Endpunkt. Lesen Sie die genaue Model Card, kalkulieren Sie das tatsächliche Deployment und testen Sie die Aufgabe, die Sie erledigt brauchen.

Wenn Sie das für ein echtes Produkt abwägen, kommen die Governance-Fragen zuerst, und mein Beitrag darüber, ob DeepSeek für Unternehmen sicher ist, führt diese Sorgfaltsprüfung von Anfang bis Ende. Erzählen Sie mir Ihren Anwendungsfall, und ich zeige Ihnen das passende Startmodell.