Alibaba Ra Mắt Qwen3.8-Max, Model 2,4 Nghìn Tỉ Tham Số Và Sẽ Công Bố Trọng Số

Qwen3.8-Max có tổng 2,4 nghìn tỉ tham số và kích hoạt 95 tỉ tham số khi trả lời một truy vấn. Alibaba cho biết model hỗ trợ prompt dài tới 1.000.000 token, cho phép phân tích hơn 200 trang văn bản hoặc khoảng 100 giờ video cho mỗi yêu cầu, và phản hồi dài tới 131.000 token.

Alibaba đưa Qwen3.8-Max lên nền tảng cloud của hãng khi ra mắt và dự kiến mở mã trọng số vào tuần tới cùng một phiên bản nhỏ hơn tên Qwen3.8-27B. Trước đó, Alibaba đã cho thử nghiệm bản xem trước qua Token Plan, Qoder và QoderWork với giá bằng 10% mức tiêu chuẩn.

Các thử nghiệm nội bộ của Alibaba gồm một dự án mã kéo dài 16 ngày mà model hoàn thành không cần can thiệp con người; một nhiệm vụ tối ưu thiết kế chip hơn 500 bước; và model đạt 1.668 điểm trên Frontend Code Arena, kém 37 điểm so với cấu hình cao nhất của Claude Opus 5. Công ty nói Qwen3.8-Max vượt hơn một số chục model frontier khác, trong đó có Muse Spark 1.1.

Bên ngoài các thử nghiệm của Alibaba, báo cáo độc lập cho biết trên bộ đo Artificial Analysis Intelligence Index, Qwen3.8-Max đạt 56 điểm, tăng 10 điểm so với Qwen3.7 Max (46) và ngang hàng với Claude Opus 4.8, nhưng thấp hơn Kimi K3 (57). Trên điểm GDPval-AA dành cho nhiệm vụ công việc, Qwen3.8-Max đạt 1.739 Elo, vượt Kimi K3 (1.685) nhưng thấp hơn Claude Opus 5 (1.852).

Một phân tích chỉ ra Qwen3.8-Max đạt điểm cao hơn đổi bằng cách thực hiện nhiều bước hơn: cần 64 bước mỗi nhiệm vụ thay vì 14, và số token đầu vào tăng 15 lần do bài kiểm tra gửi lại toàn bộ lịch sử hội thoại ở mỗi bước. Điều này làm cho thời gian chạy chậm hơn và chi phí trên mỗi nhiệm vụ tăng; chi phí một nhiệm vụ trong Intelligence Index được báo là 1.14 đô la, so với 0.53 đô la của Qwen3.7 Max và 0.86 đô la của Kimi K3. Ngoài ra, một số phép đo hồi quy so với phiên bản trước cho thấy AA-LCR giảm 2 điểm và AA-Omniscience giảm 10 điểm, trong khi tỉ lệ bịa đặt tăng từ 23% lên 40% và tỉ lệ trả lời chính xác vẫn khoảng 31%.