Claude und Qwen: teure Planung, günstigere Umsetzung

Ein starkes Modell entwirft, ein günstigeres schreibt den Code

Ich würde die Arbeit so aufteilen: Claude oder Codex analysiert Anforderungen, erstellt einen Plan und prüft das Ergebnis, während Qwen den Großteil der Änderungen umsetzt. Das ist kein universeller Ersatz für ein teures Modell, sondern die Verteilung von Aufgaben nach ihrer Komplexität.

Das öffentliche Projekt claude-qwen-hybrid beschreibt eine sehr ähnliche Pipeline. Claude Code erstellt einen strukturierten JSON-Plan; anschließend führt ein lokales Modell die Schritte aus, arbeitet mit dem Repository und startet die Prüfungen.

Die Einsparung entsteht nicht dadurch, dass das stärkere Modell keinen Kontext mehr sieht. Reduziert werden seine teuren Output-Token und Werkzeugzyklen. Im veröffentlichten Beispiel nutzte der Planer 540 Output-Token und 10.666 zwischengespeicherte Input-Token; die geschätzten Kosten betrugen zum Berichtszeitpunkt $0.0113. Das ist ein einzelner Bericht und kein Preisversprechen für jedes Repository.

Das zentrale Artefakt ist weder der Prompt noch ein langer Chatverlauf, sondern der Übergabevertrag für die Aufgabe. Er sollte Änderungsumfang, Schnittstellen, Invarianten, Abnahmekriterien, Prüfkommandos und Bedingungen für die Rückkehr zur Planung enthalten.

• Claude oder Codex: Architektur, Zerlegung, Risiken und finales Review.
• Qwen: begrenzte Änderungen, Tests, wiederkehrende Anpassungen und Korrekturen nach konkreten Hinweisen.
• Automatisches Gate: Formatierung, Typprüfung, Tests, Sicherheitsprüfungen und Kontrolle geänderter Dateien.

Benchmarks liefern nur indirekte Unterstützung für dieses Schema. Auf der offiziellen Qwen3.7-Seite meldete das Qwen-Team für Qwen3.7-Max 80,4 % bei SWE-Verified gegenüber 80,8 % für das dort genannte Opus 4.6 Max. Das sind Herstellerdaten; sie messen nicht die architektonische Integrität eines großen Projekts.

Die Qualität der Kontextübergabe bestimmt die Einsparung

Der hybride Ansatz funktioniert gut bei modularen Aufgaben mit guten Tests, zerfällt aber schnell, wenn bei jedem Schritt Architekturentscheidungen nötig sind. Der gefährlichste Fehler wirkt harmlos: Der Ausführende erfüllt lokale Kriterien und entfernt den Code gleichzeitig vom Gesamtdesign.

Ich würde zunächst nicht die Tokenkosten verfolgen, sondern die Zahl wiederholter Reviews, den Anteil akzeptierter Änderungen und Fehler nach dem Merge. Wenn Claude oder Codex Qwens Implementierung regelmäßig neu schreibt, existiert die Einsparung nur in einer Tabelle.

Hinzu kommen Betriebskosten: Patch-Isolation, erlaubte Befehle, Timeouts, Filterung von Geheimnissen und Rollbacks nach fehlgeschlagenen Prüfungen. Ohne diese Kontrollen ist ein lokaler Ausführender nur bis zum ersten teuren Vorfall günstiger.

Diese Pipeline ähnelt weniger einem Wettbewerb zwischen Modellen als einem Compiler mit teurem Frontend und günstiger Ausführung. Eine Frage bleibt offen: Wie stark darf der Plan komprimiert werden, bevor genau der Kontext verloren geht, der den Einsatz des stärkeren Modells rechtfertigte?

Wir haben zuvor erläutert, wie parallele Claude-Code-Agenten Pull Requests prüfen und Race Conditions in Engineering-Workflows erkennen können. Dieser Ansatz ergänzt ein hybrides LLM-Setup, indem er zeigt, wo Claude die Implementierungsarbeit strukturiert überwachen kann.