Alibaba ने Qwen3.8-Max का अनावरण किया: AI एजेंट्स के लिए 2.4 ट्रिलियन पैरामीटर वाला एक विशाल मॉडल

Alibaba की Qwen टीम ने Qwen3.8-Max की घोषणा की है, जो एक विशाल 2.4 ट्रिलियन पैरामीटर वाला फ्लैगशिप मॉडल है। इसे साधारण चैट प्रॉम्प्ट्स से आगे बढ़कर 'लॉन्ग-होरिजन' (long-horizon) स्वायत्त तर्क (autonomous reasoning) की ओर ले जाने के लिए डिज़ाइन किया गया है। कई दिनों के वर्कफ़्लो और जटिल कार्यों के निष्पादन पर ध्यान केंद्रित करके, यह मॉडल रिएक्टिव LLMs से प्रोएक्टिव AI एजेंट्स की ओर एक महत्वपूर्ण बदलाव का संकेत देता है।

स्वायत्त बुद्धिमत्ता के लिए पैरामीटर्स का विस्तार

Qwen3.8-Max एक तकनीकी पावरहाउस है, जो प्रति क्वेरी 95 बिलियन सक्रिय पैरामीटर्स के साथ कुल 2.4 ट्रिलियन पैरामीटर्स का उपयोग करता है। Qwen3.5 आर्किटेक्चर पर आधारित, यह मॉडल विशेष रूप से "long-horizon" कार्यों के लिए अनुकूलित है—यानी ऐसे जटिल उद्देश्य जिनके लिए AI को दिनों या हफ्तों तक स्वतंत्र रूप से काम करने की आवश्यकता होती है।

ओपन-सोर्स समुदाय के लिए एक महत्वपूर्ण कदम उठाते हुए, Alibaba ने पुष्टि की है कि Qwen-Max क्लास के वेट्स (weights) अगले सप्ताह सार्वजनिक रूप से उपलब्ध करा दिए जाएंगे, जो GPT और Claude जैसे फ्रंटियर मॉडल्स के बंद-दरवाजे वाले प्रभुत्व को चुनौती देगा।

कोडिंग और अनुसंधान के माध्यम से स्वायत्तता का प्रमाण

अपनी एजेंटिक क्षमताओं (agentic capabilities) को प्रदर्शित करने के लिए, Alibaba ने कई उच्च-जोखिम वाले केस स्टडीज पेश किए जहाँ मॉडल ने बिना किसी मानवीय हस्तक्षेप के काम किया:

  • Software Engineering: 16 दिनों की अवधि के दौरान, Qwen3.8-Max ने स्वायत्त रूप से कमांड-लाइन टूल oh-my-cli विकसित किया। इसने अपने स्वयं के GitHub इश्यूज को मैनेज किया, कोड लिखा, टेस्ट चलाए और 265 कमिट्स (commits) और 127 पुल रिक्वेस्ट (pull requests) निष्पादित किए।
  • Scientific Reproduction: "Unified Data Selection for LLM Reasoning" पेपर के परिणामों को पुनरुत्पादित (reproduce) करने के कार्य में, मॉडल ने 7,600 लाइनों का कोड लिखने में 125 घंटे का कंप्यूट समय बिताया। इसने न केवल मूल शोध की नकल की, बल्कि AIME24 गणित बेंचमार्क स्कोर में 2.7 अंकों का सुधार भी किया।
  • Competitive Data Science: WWW2025 Multimodal Dialogue Intent Recognition Challenge में, मॉडल ने 526 मानव टीमों में से 458 को पीछे छोड़ दिया, और 24 घंटों के भीतर अपनी सटीकता (accuracy) को 0.60 से बढ़ाकर 0.853 कर दिया।

सॉफ्टवेयर से परे: चिप डिज़ाइन और वित्तीय सिमुलेशन

Qwen3.8-Max की तर्क क्षमता हार्डवेयर और अर्थशास्त्र तक फैली हुई है। एक क्रिप्टोग्राफिक सर्किट डिज़ाइन कार्य में, मॉडल ने बार-बार प्रयास करके एक "bloated" (अत्यधिक भारी) डिज़ाइन को 8,298 लॉजिक गेट्स से घटाकर केवल 678 गेट्स कर दिया। OpenROAD टूल का उपयोग करते हुए, इसके परिणामस्वरूप फिजिकल चिप एरिया में 81% की कमी आई।

E-Commerce-Bench नामक एक जटिल रिटेल सिमुलेशन में, मॉडल ने एक सिम्युलेटेड वित्तीय वर्ष के दौरान कई ऑनलाइन स्टोर का प्रबंधन किया। 100,000 युआन से शुरुआत करते हुए, इसने सप्लायर के साथ बातचीत की, 152 स्कैमर्स की पहचान की, और सप्लाई चेन के व्यवधानों को प्रबंधित किया, जिससे अंत में 416,252 युआन प्राप्त हुए—जिसने अपनी प्रारंभिक पूंजी को चार गुना कर दिया और रनर-अप, GLM 5.2 को काफी पीछे छोड़ दिया।

मल्टीमॉडल सीमाएं और बेंचमार्क प्रभुत्व

यह मॉडल मल्टीमॉडल प्रोसेसिंग की सीमाओं को भी आगे बढ़ाता है, जो 200 पन्नों के दस्तावेज़ों और 100 घंटे से अधिक के वीडियो को संभालने में सक्षम है। Alibaba RecreationBench भी पेश कर रहा है, जो एक ऐसा बेंचमार्क है जो सोर्स कोड तक पहुंच के बिना, केवल विजुअल और कीबोर्ड इंटरैक्शन के माध्यम से चल रहे एप्लिकेशन (Windows, macOS, Android, आदि पर) को पुनर्गठित करने की एजेंट की क्षमता का परीक्षण करता है।

आंतरिक बेंचमार्क के अनुसार, Qwen3.8-Max सीधे शीर्ष स्तर के मॉडल्स के साथ प्रतिस्पर्धा करता है, जो कई श्रेणियों में Claude Opus 4.8 और GPT-5.6 Sol के करीब या उनसे ऊपर है, जिसमें PaperBench पर 93 का अग्रणी स्कोर शामिल है।

मुख्य बातें

  • Massive Scale: Qwen3.8-Max में कुल 2.4 ट्रिलियन पैरामीटर्स और 95 बिलियन सक्रिय पैरामीटर्स हैं, जो कई दिनों के स्वायत्त वर्कफ़्लो के लिए अनुकूलित हैं।
  • Agentic Mastery: मॉडल ने जटिल सॉफ्टवेयर इंजीनियरिंग, चिप डिज़ाइन ऑप्टिमाइज़ेशन और पूर्ण पैमाने पर वित्तीय प्रबंधन को स्वायत्त रूप से संभालने की क्षमता प्रदर्शित की है।
  • Open-Weight Impact: कई फ्रंटियर मॉडल्स के विपरीत, Alibaba Qwen-Max क्लास के वेट्स को रिलीज़ करने की योजना बना रहा है, जिससे डेवलपर्स को उच्च-स्तरीय एजेंटिक इंटेलिजेंस तक अभूतपूर्व पहुंच प्राप्त होगी।