Qwen3.8-Max: Alibaba выпустила первую open-weight модель Max-класса на 2,4 трлн параметров

3 августа Alibaba выкатила Qwen3.8-Max — самую крупную и способную модель в своей линейке. Формально это очередной релиз китайской ИИ-лаборатории, но по сумме характеристик событие крупнее, чем кажется. Перед нами первая модель Max-класса (флагманский тир — самые дорогие и мощные модели), для которой команда сразу пообещала открытые веса (open weights — публикацию обученных параметров, которые можно скачать и запускать у себя). До сих пор верхний эшелон — GPT-5.6, Claude Fable 5 — оставался наглухо закрытым. Alibaba пытается сломать это правило.

Что именно выпустили

Qwen3.8-Max построена на архитектуре MoE (mixture-of-experts, «смесь экспертов» — когда на каждый запрос активируется не вся сеть, а лишь несколько её «экспертов»). Общий размер — 2,4 триллиона параметров, из которых на инференсе (обработке запроса) активны около 95 миллиардов. Такой подход даёт ёмкость гигантской модели при стоимости вычислений, характерной для модели среднего размера, — именно поэтому MoE стал стандартом для флагманов 2026 года.

Контекстное окно (сколько текста модель удерживает за один заход) — 1 миллион токенов: до 991 тыс. токенов на вход и до 131 тыс. на выход, с бюджетом «рассуждений» до 262 тыс. токенов в режиме thinking. Для сравнения: это позволяет закинуть в один запрос крупный репозиторий целиком или несколько сотен страниц документации и всё ещё оставить место под развёрнутый ответ.

Одновременно со старшей моделью анонсирован младший брат — Qwen3.8-27B, компактный чекпойнт с открытыми весами, рассчитанный на запуск на собственном железе. Именно его выложат первым; веса самой Max-модели обещаны «на следующей неделе». То есть в момент анонса открытость — пока обещание, а не факт, и это важная оговорка, к которой мы вернёмся.

Полный набор для разработчика

Модель поддерживает function calling (вызов функций), структурированный вывод, пакетную обработку (batches), докомпоновку по префиксу и дообучение (fine-tuning). Встроено пять инструментов: интерпретатор кода, веб-поиск, извлечение данных со страниц и два инструмента поиска по изображениям. API совместим с форматами OpenAI и DashScope — значит, перенос существующих интеграций сводится к смене базового адреса и ключа, без переписывания клиентского кода.

Открытые веса — вот в чём главный смысл

Ключевая интрига релиза не в цифрах бенчмарков, а в лицензионной модели. Западные флагманы отдаются только через API: вы платите за токены и не имеете доступа к самой модели. Qwen идёт другим путём — публикует веса, которые можно скачать, развернуть в закрытом контуре, дообучить под свою задачу и не зависеть от чужого облака.

Для бизнеса это меняет расклад сразу по нескольким осям. Во-первых, приватность: данные не покидают периметр компании, что критично для финтеха, медицины и госсектора. Во-вторых, стоимость на масштабе: при больших объёмах собственный инференс дешевле поштучной оплаты по API. В-третьих, контроль: модель не «уедет» из-под ног из-за смены тарифов или депрекейта. Открытая версия Qwen3.8-27B — компромисс: она заметно меньше флагмана, но именно её реально развернуть на паре серверных GPU, тогда как для 2,4-триллионной Max потребуется уже небольшой кластер.

Эта тема для сайта не новая: ранее мы разбирали открытую модель Kimi K3 от Moonshot AI — и Qwen3.8-Max продолжает ту же линию китайского «открытого штурма» фронтира, только уже в самом верхнем ценовом сегменте.

Бенчмарки: честная смешанная картина

Alibaba позиционирует Qwen3.8-Max как соперника GPT-5.6 и флагманов Anthropic, и результаты по тестам действительно конкурентные — но без разгромной победы. Картина честно неоднородная.

В кодинге модель идёт вровень с лидерами: на Terminal-Bench 2.1 она набирает 86,6 против 88,8 у GPT-5.6 Sol и 84,6 у Claude Fable 5 — то есть между двумя западными флагманами. На исследовательском PaperBench Qwen выходит вперёд — 93,0 против 90,5 у GPT-5.6 Sol. Но на тяжёлых инженерных тестах картина обратная: на SWE-bench Pro (решение реальных задач из репозиториев) Qwen набирает 67,7 против 80,0 у Claude Fable 5, а на FrontierSWE отстаёт ещё заметнее. Иными словами, в «длинных» инженерных сценариях лучшие закрытые модели пока сильнее.

Зато в агентных и офисных задачах Qwen3.8-Max разворачивается в полную силу. На CoWorkBench она обходит GPT-5.6 Sol (74,8 против 71,5), на JobBench отрыв ещё солиднее (53,4 против 45,4), а на тесте следования инструкциям IFBench разрыв уже принципиальный — 82,8 против 72,7. Показательна и прикладная демонстрация: в симуляции управления интернет-магазином длиной в 365 «дней» модель довела виртуальный баланс до 416 252 юаней, обойдя конкурентов с большим запасом.

Отдельно стоит рост относительно прошлого поколения. По сравнению с Qwen3.7-Max мультимодальные и агентные метрики подскочили в разы: DeepSWE 1.1 — с 21,6 до 56,6, FrontierSWE — с 40,7 до 73,5, JobBench — с 31,3 до 53,4. Это не косметическое обновление версии, а поколенческий скачок именно в тех сценариях, где модели всё чаще применяют на практике, — автономные агенты и рабочие процессы.

Цена и доступ

Хостовый API стал доступен в день анонса. Тарифы — 2 доллара за миллион входных токенов и 6 долларов за миллион выходных. Есть кеширование: неявное чтение из кеша стоит 0,25 доллара за миллион токенов, что резко удешевляет диалоги с длинным повторяющимся контекстом (например, когда системный промпт и документация не меняются от запроса к запросу). Лимиты щедрые — 2 млн токенов и 15 тыс. запросов в минуту.

Для сравнения масштаба цен: за флагман уровня Max это агрессивно дёшево — примерно втрое ниже привычных ставок топовых закрытых моделей на выходных токенах. Плюс совместимость с OpenAI-форматом снимает главный барьер миграции: команды, уже написавшие код под чужой SDK, могут протестировать Qwen, поменяв лишь пару строк конфигурации.

Почему это важно

Главный сигнал релиза — не «китайская модель обогнала всех» (не обогнала — на тяжёлом кодинге лидеры пока впереди), а смещение самой границы конкуренции. Alibaba предлагает сопоставимое с фронтиром качество по агрессивной цене и с перспективой открытых весов. Для разработчиков и небольших компаний это означает реальную альтернативу подписке на закрытый API: можно начать с дешёвого хостового доступа, а при росте нагрузки или требований к приватности перейти на самостоятельный инференс.

Есть и оговорки, которые стоит держать в голове. Открытые веса на момент анонса — обещание: старшая модель ещё не выложена, а лицензия не опубликована, поэтому условия коммерческого использования пока неизвестны. Для организаций, чувствительных к юрисдикции, добавляется вопрос регуляторных рисков, связанных с китайским происхождением модели и требованиями местного законодательства к ИИ-сервисам. Наконец, «активные 95 млрд параметров» звучат скромно, но для локального запуска Max-версии всё равно нужен серьёзный кластер — по-настоящему доступной остаётся открытая 27B.

Тем не менее направление задано ясно. Гонка ИИ-моделей в 2026 году всё меньше про абсолютный рекорд на одном бенчмарке и всё больше про сочетание «качество + цена + открытость + пригодность для агентов». По этой сумме Qwen3.8-Max — одно из самых заметных предложений сезона, и следующая неделя, когда обещаны веса, покажет, насколько всерьёз Alibaba готова играть в открытость на самом верхнем уровне.