علي بابا تكشف عن Qwen3.8-Max: عملاق بـ 2.4 تريليون معلمة لوكلاء الذكاء الاصطناعي
أعلن فريق Qwen التابع لشركة علي بابا عن Qwen3.8-Max، وهو نموذج رائد ضخم يضم 2.4 تريليون معلمة (parameter)، صُمم للانتقال من مجرد الرد على مطالبات الدردشة البسيطة إلى التفكير الذاتي طويل المدى. ومن خلال التركيز على سير العمل الممتد لعدة أيام وتنفيذ المهام المعقدة، يمثل هذا النموذج تحولاً كبيراً من النماذج اللغوية الكبيرة (LLMs) التفاعلية إلى وكلاء ذكاء اصطناعي استباقيين.
توسيع نطاق المعلمات للذكاء الذاتي
يُعد Qwen3.8-Max قوة تقنية هائلة، حيث يستخدم إجمالي 2.4 تريليون معلمة مع 95 مليار معلمة نشطة لكل استعلام. وبناءً على بنية Qwen3.5، تم تحسين النموذج خصيصاً للمهام "طويلة المدى" (long-horizon)—وهي أهداف معقدة تتطلب من الذكاء الاصطناعي العمل بشكل مستقل على مدار أيام أو حتى أسابيع.
وفي خطوة هامة لمجتمع المصادر المفتوحة، أكدت علي بابا أن أوزان (weights) فئة Qwen-Max ستكون متاحة للجمهور الأسبوع المقبل، مما يتحدى هيمنة النماذج الرائدة المغلقة مثل GPT وClaude.
إثبات الاستقلالية من خلال البرمجة والبحث
ولإظهار قدراته كوكيل ذكي، قدمت علي بابا عدة دراسات حالة عالية الأهمية حيث عمل النموذج دون تدخل بشري:
- هندسة البرمجيات: على مدار فترة استمرت 16 يوماً، قام Qwen3.8-Max بتطوير أداة سطر الأوامر
oh-my-cliبشكل مستقل. حيث أدار مشكلات GitHub الخاصة به، وكتب الكود، وأجرى الاختبارات، ونفذ 265 عملية إرسال (commits) و127 طلب سحب (pull requests). - إعادة الإنتاج العلمي: كُلِّف النموذج بإعادة إنتاج نتائج ورقة البحث "Unified Data Selection for LLM Reasoning"، حيث أمضى 125 ساعة من وقت الحوسبة في كتابة 7,600 سطر من الكود. ولم يكتفِ بمحاكاة البحث الأصلي فحسب، بل حسن نتيجة معيار AIME24 الرياضي بمقدار 2.7 نقطة.
- علم البيانات التنافسي: في تحدي WWW2025 للتعرف على نوايا الحوار متعدد الوسائط، تفوق النموذج على 458 فريقاً بشرياً من أصل 526، حيث رفع دقة أدائه من 0.60 إلى 0.853 في غضون 24 ساعة.
ما وراء البرمجيات: تصميم الرقائق والمحاكاة المالية
يمتد تفكير Qwen3.8-Max ليشمل الأجهزة والاقتصاد. ففي مهمة تصميم دائرة تشفير، قام النموذج بتقليل تصميم "متضخم" بشكل متكرر من 8,298 بوابة منطقية إلى 678 بوابة فقط. وباستخدام أداة OpenROAD، أدى ذلك إلى تقليل مساحة الرقاقة الفيزيائية بنسبة 81%.
وفي محاكاة تجزئة معقدة تسمى E-Commerce-Bench، أدار النموذج متاجر إلكترونية متعددة عبر سنة مالية محاكاة. فبدءاً من 100,000 يوان، خاض مفاوضات مع الموردين، وكشف 152 محتالاً، وأدار اضطرابات سلسلة التوريد لينتهي برصيد 416,252 يوان—أي أربعة أضعاف رأس ماله الأولي، متفوقاً بشكل كبير على الوصيف GLM 5.2.
آفاق الوسائط المتعددة وهيمنة المعايير القياسية
يدفع النموذج أيضاً حدود المعالجة متعددة الوسائط، حيث يمكنه التعامل مع مستندات مكونة من 200 صفحة ومقاطع فيديو تتجاوز 100 ساعة. كما تقدم علي بابا RecreationBench، وهو معيار اختبار يقيس قدرة الوكيل على إعادة بناء التطبيقات قيد التشغيل (على Windows وmacOS وAndroid، إلخ) فقط من خلال التفاعل البصري ولوحة المفاتيح، دون الوصول إلى الكود المصدري.
ووفقاً للمعايير الداخلية، ينافس Qwen3.8-Max مباشرة النماذج من الفئة الأولى، حيث سجل نتائج قريبة من أو أعلى من Claude Opus 4.8 وGPT-5.6 Sol في عدة فئات، بما في ذلك تحقيق درجة رائدة بلغت 93 في PaperBench.
النقاط الرئيسية
- نطاق هائل: يتميز Qwen3.8-Max بإجمالي 2.4 تريليون معلمة و95 مليار معلمة نشطة، وهو مُحسّن لسير العمل الذاتي الممتد لعدة أيام.
- إتقان القدرات الوكيلية: أظهر النموذج القدرة على التعامل مع هندسة البرمجيات المعقدة، وتحسين تصميم الرقائق، والإدارة المالية الكاملة بشكل مستقل.
- تأثير الأوزان المفتوحة: على عكس العديد من النماذج الرائدة، تخطط علي بابا لإصدار أوزان فئة Qwen-Max، مما يوفر للمطورين وصولاً غير مسبوق إلى ذكاء الوكلاء عالي المستوى.