Alibaba представляет Qwen3.8-Max: гигант с 2,4 триллионами параметров для ИИ-агентов

Команда Qwen из Alibaba анонсировала Qwen3.8-Max — массивную флагманскую модель с 2,4 триллионами параметров, разработанную для перехода от простых чат-промптов к автономному рассуждению на длительных временных горизонтах. Сосредоточившись на многодневных рабочих процессах и выполнении сложных задач, эта модель знаменует собой значительный сдвиг от реактивных LLM к проактивным ИИ-агентам.

Масштабирование параметров для автономного интеллекта

Qwen3.8-Max — это технический гигант, использующий в общей сложности 2,4 триллиона параметров, из которых 95 миллиардов являются активными при каждом запросе. Основанная на архитектуре Qwen3.5, модель специально оптимизирована для задач с «длительным горизонтом планирования» — сложных целей, требующих от ИИ независимой работы в течение нескольких дней или даже недель.

Сделав важный шаг для open-source сообщества, Alibaba подтвердила, что веса моделей класса Qwen-Max будут опубликованы на следующей неделе, бросая вызов закрытому доминированию передовых моделей, таких как GPT и Claude.

Доказательство автономности через программирование и исследования

Чтобы продемонстрировать свои агентские возможности, Alibaba представила несколько важных практических примеров, в которых модель работала без вмешательства человека:

• Программная инженерия: В течение 16 дней Qwen3.8-Max автономно разрабатывала инструмент командной строки oh-my-cli. Она самостоятельно управляла задачами (issues) в GitHub, писала код, запускала тесты, выполнила 265 коммитов и 127 пулл-реквестов.
• Научное воспроизведение: Получив задачу воспроизвести результаты статьи «Unified Data Selection for LLM Reasoning», модель затратила 125 часов вычислительного времени на написание 7600 строк кода. Она не только повторила оригинальное исследование, но и улучшила результат в математическом бенчмарке AIME24 на 2,7 балла.
• Соревновательный анализ данных: В конкурсе WWW2025 Multimodal Dialogue Intent Recognition модель превзошла 458 из 526 человеческих команд, увеличив точность с 0,60 до 0,853 всего за 24 часа.

Помимо ПО: проектирование чипов и финансовое моделирование

Способность Qwen3.8-Max к рассуждению распространяется на аппаратное обеспечение и экономику. В задаче по проектированию криптографической схемы модель итеративно сократила «раздутый» дизайн с 8298 логических вентилей до всего лишь 678. Использование инструмента OpenROAD позволило добиться сокращения физической площади чипа на 81%.

В сложном ритейл-симуляторе под названием E-Commerce-Bench модель управляла несколькими интернет-магазинами в течение симулированного финансового года. Начав со 100 000 юаней, она вела переговоры с поставщиками, выявила 152 мошенников и справлялась с перебоями в цепочках поставок, закончив с суммой 416 252 юаня — что в четыре раза превысило первоначальный капитал и значительно превзошло результат ближайшего конкурента, GLM 5.2.

Мультимодальные горизонты и доминирование в бенчмарках

Модель также расширяет границы мультимодальной обработки, будучи способной работать с 200-страничными документами и видеороликами длительностью более 100 часов. Alibaba также представляет RecreationBench — бенчмарк, который тестирует способность агента восстанавливать работу запущенных приложений (на Windows, macOS, Android и т. д.) исключительно через визуальное взаимодействие и клавиатуру, без доступа к исходному коду.

Согласно внутренним тестам, Qwen3.8-Max напрямую конкурирует с моделями высшего уровня, занимая позиции на уровне или выше Claude Opus 4.8 и GPT-5.6 Sol в нескольких категориях, включая лидирующий результат 93 в PaperBench.

Основные выводы

• Масштаб: Qwen3.8-Max обладает 2,4 триллионами параметров в общей сложности и 95 миллиардами активных параметров, оптимизированными для многодневных автономных рабочих процессов.
• Мастерство агентного управления: Модель продемонстрировала способность автономно справляться со сложной программной инженерией, оптимизацией проектирования чипов и полномасштабным финансовым управлением.
• Влияние открытых весов: В отличие от многих передовых моделей, Alibaba планирует опубликовать веса класса Qwen-Max, предоставляя разработчикам беспрецедентный доступ к высокоуровневому агентскому интеллекту.