Alibaba представила Qwen3.8-Max — самую мощную модель в линейке Qwen 

Alibaba объявила о запуске Qwen3.8-Max — крупнейшей и наиболее производительной модели серии Qwen. Модель насчитывает 2,4 триллиона параметров и поддерживает окно контекста до одного миллиона токенов. Qwen3.8-Max заняла пятое место в рейтинге Text Arena и второе место в рейтинге Vision Arena, а также продемонстрировала высокие результаты в задачах программирования, работы с реальными сценариями, исследований и длительного автономного выполнения задач.

Модель уже доступна через API на платформе Alibaba Cloud Model Studio для разработчиков по всему миру, а веса модели будут опубликованы на следующей неделе. Протестировать Qwen3.8-Max можно также на QwenWork — новой платформе Alibaba для рабочих ИИ-агентов.

Qwen3.8-Max построена на основе Qwen 3.5 и использует архитектуру разреженной смеси экспертов в сочетании с гибридным механизмом внимания. При общем размере в 2,4 триллиона параметров модель активирует лишь 95 миллиардов параметров на токен, что позволяет сочетать высокую производительность со сниженными вычислительными затратами и задержкой по сравнению с плотными моделями сопоставимого масштаба.

Qwen3.8-Max заняла четвертое место в рейтинге Frontend Code Arena и показала высокие результаты в автономном программировании и выполнении длительных задач без участия человека. В ходе внутреннего тестирования модель самостоятельно вела реальный инженерный проект на протяжении 16 дней, создав с нуля саморазвивающийся агентный фреймворк oh-my-cli, который затем был опубликован в открытом доступе на GitHub.

Модель также превзошла участников-людей в задаче WWW2025 Multimodal Dialogue Intent Recognition Challenge, продемонстрировав способность анализировать транскрипты обращений в службу поддержки и точно интерпретировать сложные запросы пользователей.

Среди возможностей модели — монтаж любительских видео в профессиональные влоги, создание обучающей анимации по текстовому запросу, восстановление полноценных frontend-проектов по одному скриншоту интерфейса, преобразование двумерных планов помещений в трехмерную визуализацию интерьера, а также создание игр по текстовому описанию.

Для оценки этих возможностей команда разработчиков представила бенчмарк RecreationBench, в рамках которого модель воссоздавала приложения с нуля, полагаясь исключительно на взаимодействие с ними и визуальную обратную связь, без доступа к интернету и исходному коду.

Источник: alizila.com