Alibaba представила Qwen3.8-Max в начале августа 2026 года как самый крупный и мощный флагман семейства Qwen. Модель получила MoE-архитектуру на 2,4 трлн параметров, активирует 95 млрд параметров за один шаг и принимает до 1 млн токенов контекста, поэтому её ориентируют на большие кодовые базы, документы, изображения, видео и многоэтапную работу с инструментами.
Qwen3.8-Max рассчитана на задачи, которые занимают часы и дни
Официальный анонс Qwen3.8-Max опубликован 2 августа 2026 года. Alibaba описывает модель как основу для программирования, профессиональной работы, исследований и долгих автономных процессов. Международные СМИ сообщили о запуске 3 августа, когда модель появилась в публичных рейтингах и облачных сервисах.
Qwen3.8-Max специализируется на решении сложных задач, требующих выполнения множества промежуточных шагов. Этот ИИ способен анализировать структуру проекта, изучать документацию, вносить изменения в десятки файлов, запускать тесты, выявлять ошибки и корректировать работу на основе полученных данных. В офисной среде Qwen3.8-Max может анализировать таблицы, готовить отчёты, проверять факты и собирать итоговые документы.
Alibaba называет Qwen3.8-Max своей самой способной моделью. На странице Alibaba Cloud Model Studio релиз описан как новый уровень для coding и cowork — программирования и совместной работы над профессиональными задачами. Такая формулировка показывает направление развития Qwen: модель должна выполнять последовательность действий, сохранять контекст и пользоваться внешними инструментами.
MoE-архитектура активирует около 4% параметров за один шаг
Qwen3.8-Max содержит 2,4 трлн параметров. Параметры можно представить как числовые настройки, которые модель сформировала во время обучения. Они помогают распознавать связи между словами, фрагментами кода, изображениями и другими данными.
Модель построена по схеме Mixture of Experts, сокращённо MoE. Внутри работает множество специализированных блоков, а маршрутизатор выбирает подходящие блоки для текущего фрагмента запроса. По данным Alibaba, за один шаг активируются 95 млрд параметров — около 4% от общего числа.
Такое устройство сокращает объём вычислений для каждого токена. Все 2,4 трлн параметров всё равно нужно хранить и распределять между ускорителями. Активные 95 млрд показывают вычислительную нагрузку одного шага, а общий объём определяет требования к памяти, дискам и инфраструктуре.
Для оценки масштаба достаточно посчитать размер одних только весов:
| Формат хранения | Ориентировочный объём весов |
| FP16, 16 бит | около 4,8 ТБ |
| INT8, 8 бит | около 2,4 ТБ |
| 4-битная квантизация | около 1,2 ТБ |
Реальный сервер потребует дополнительную память для кэша контекста, служебных данных и параллельной обработки запросов. Домашний компьютер и одна игровая видеокарта для Qwen3.8-Max не подходят. Локальное развёртывание такой модели рассчитано на серверные кластеры с несколькими ускорителями и быстрым соединением между ними.
Контекст на 1 млн токенов вмещает репозитории и крупные архивы документов
Контекстное окно Qwen3.8-Max достигает 1 млн токенов. Токен — небольшой фрагмент текста: слово, часть слова, знак или элемент программного кода. Точное количество страниц зависит от языка, структуры документа, таблиц и разметки.
Большое окно позволяет передать модели крупный репозиторий, комплект технической документации, историю обсуждений и требования к проекту в рамках одной рабочей сессии. Юрист может загрузить набор договоров и приложений, аналитик — отчёты за несколько периодов, разработчик — исходный код вместе с журналами ошибок и тестами.
Размер окна сам по себе не гарантирует точную работу со всем массивом. Качество зависит от структуры входных данных, расположения ключевых фактов и способности модели находить нужный фрагмент в длинном контексте. Для производственного сценария полезно разделять материалы по папкам, давать файлам понятные имена и явно описывать ожидаемый результат.
Миллион токенов влияет и на стоимость. Обработка полного окна требует больше времени и вычислений. Для регулярного анализа одной кодовой базы помогают кэширование контекста и передача только изменившихся файлов. Alibaba Cloud поддерживает механизмы контекстного кэша для ряда моделей, а окончательные тарифы Qwen3.8-Max стоит проверять в актуальной таблице Model Studio перед запуском проекта.
Программирование стало главным полигоном для автономной работы
Alibaba сообщила, что Qwen3.8-Max выполнила программный проект за 16 дней. Компания использует этот пример как демонстрацию долгой агентной работы: модель начала с пустой папки, создавала код, проверяла результат и продолжала разработку без постоянного ручного сопровождения.
Этот кейс показывает подход, который сейчас проверяют разработчики ИИ-агентов. Модель получает терминал, редактор файлов, систему контроля версий, тестовый фреймворк и список разрешённых команд. После каждого действия она читает результат и выбирает следующий шаг.
Для команды разработки Qwen3.8-Max может выполнять несколько видов работы:
- изучать незнакомый репозиторий и составлять карту модулей;
- искать причину ошибки по коду, тестам и журналам;
- готовить изменения сразу в нескольких файлах;
- писать тесты и проверять прохождение сборки;
- обновлять документацию вместе с кодом;
- анализировать последствия изменения API или структуры базы данных.
Заявление о 16-дневном проекте принадлежит Alibaba. Полезность такого опыта станет понятнее после публикации полного журнала действий, независимых повторений и проверки качества созданного продукта. Для рабочего внедрения компании обычно начинают с ограниченного репозитория, закрытого контейнера и обязательного просмотра каждого изменения человеком.
Текст, изображения и видео объединены в одной рабочей сессии
По данным Reuters, Qwen3.8-Max принимает текст, изображения и видео. Мультимодальный ввод расширяет агентные сценарии: модель может читать скриншоты интерфейса, сопоставлять их с кодом, анализировать диаграммы, извлекать данные из документов и учитывать видеозапись поведения приложения.
Ранние материалы о qwen3.8-max-preview создавали путаницу. В публикации Qwen Code от 21 июля preview-версия описывалась как текстовая, а изображения передавались отдельной модели семейства Qwen3.6. Анонс начала августа относится к Qwen3.8-Max и указывает на мультимодальные возможности финального флагмана. При интеграции нужно проверять точный идентификатор модели и список поддерживаемых типов входных данных в выбранном регионе Alibaba Cloud.
Мультимодальность полезна в веб-разработке. Агент получает макет страницы, открывает локальную сборку, сравнивает результат со скриншотом и исправляет HTML, CSS или компоненты интерфейса. В технической поддержке модель может сопоставить запись экрана, журнал приложения и инструкцию производителя.
Рейтинги показывают сильный старт, а реальные проекты проверят стабильность
На момент анонса Qwen3.8-Max стала самой высоко расположенной китайской текстовой моделью в Arena.AI. В рейтинге анализа изображений она заняла второе место. Эти позиции зафиксированы в публикации Reuters от 3 августа 2026 года.
Arena использует слепое пользовательское сравнение: человек получает ответы двух моделей и выбирает лучший. Такой формат отражает восприятие реальных ответов, хотя результат зависит от состава запросов, числа голосов и текущей версии модели. Позиции в таблице меняются по мере накопления новых оценок.
Для оценки модели в компании нужен собственный набор задач. Разработчикам подойдут ошибки из внутреннего трекера, задачи на изменение API и тестовые копии репозиториев. Аналитикам — документы с заранее известными выводами. Службе поддержки — реальные обезличенные обращения с эталонными ответами.
Полезно измерять пять показателей:
- долю задач, завершённых без ручного исправления;
- число ошибочных действий с файлами и инструментами;
- время до готового результата;
- расход входных и выходных токенов;
- качество результата после проверки специалистом.
Один публичный рейтинг не показывает надёжность агента в двадцатичасовой сессии, соблюдение внутренних правил и работу с закрытой инфраструктурой. Эти свойства проявляются в пилотном проекте с журналированием всех действий.
Открытые веса расширят выбор, но потребуют крупной инфраструктуры
Alibaba пообещала опубликовать веса Qwen3.8-Max на неделе после анонса. Это первый Max-флагман Qwen такого масштаба, для которого компания объявила выпуск открытых весов. Разработчики смогут развернуть модель в собственной инфраструктуре, адаптировать окружение и глубже контролировать обработку данных.
До появления карточки модели остаются вопросы о лицензии, форматах весов, поддерживаемых фреймворках и требованиях к кластеру. Эти условия определяют возможность коммерческого применения и стоимость эксплуатации. Решение о развёртывании стоит принимать после публикации model card, лицензии и рекомендаций Qwen по inference.
Компания анонсировала и Qwen3.8-27B. Модель на 27 млрд параметров будет заметно доступнее для локальных серверов, исследовательских стендов и рабочих станций с большим объёмом памяти. Для большинства небольших команд именно компактная версия может стать практичной точкой входа в семейство Qwen3.8.
Безопасный агент получает ограниченные права и проверяемый журнал действий
Агент с доступом к терминалу способен удалить файлы, изменить конфигурацию, отправить данные во внешний сервис или запустить небезопасную команду. Qwen3.8-Max увеличивает продолжительность автономной работы, поэтому контроль среды становится частью архитектуры проекта.
Рабочая конфигурация включает контейнер или виртуальную машину, отдельную тестовую копию репозитория, список разрешённых команд и запрет на прямой доступ к производственным ключам. Каждое изменение проходит через Git, автоматические тесты и просмотр человеком. Сетевые запросы фиксируются в журнале.
Для документов нужен похожий режим. Конфиденциальные файлы передают через регион и сервис с подходящими правилами хранения данных. Персональные сведения удаляют или заменяют тестовыми значениями. Ответ модели сохраняют вместе с источниками, чтобы сотрудник мог проверить вывод.
Длинный контекст создаёт отдельный риск: среди сотен файлов может оказаться вредоносная инструкция, спрятанная в комментарии, документе или веб-странице. Агент должен воспринимать содержимое файлов как данные и выполнять только системные правила приложения. Разрешения на запись, запуск команд и отправку информации выдаются отдельно.
Выбор Qwen3.8-Max зависит от масштаба задачи и цены ошибки
Qwen3.8-Max подходит проектам, где модель должна долго работать с крупным объёмом материалов: большим репозиторием, архивом документов, набором изображений или многоэтапным исследованием. Сильные стороны модели связаны с контекстом на 1 млн токенов, инструментами, программированием и мультимодальным вводом.
Для коротких диалогов, простой классификации и массовой генерации однотипного текста экономичнее использовать меньшую модель семейства Qwen. Флагман оправдан, когда снижение числа ручных шагов компенсирует цену токенов и инфраструктуры.
Для начала следует собрать 20–50 реальных задач. Затем необходимо установить критерии качества и провести закрытый тест. Если Qwen3.8-Max стабильно справляется с этими задачами, соблюдает ограничения используемых инструментов и обеспечивает заметную экономию времени, её можно считать подходящей для проекта.
