Alibaba представила Qwen3.8-2.4T-A95B — новая открытая модель класса Qwen-Max объемом 2,4 триллионов параметров

Alibaba представила Qwen3.8-2.4T-A95B — первую в семействе Qwen-Max открытую ИИ-модель компании. Новинка построена на архитектурной Qwen3.5, содержит 2,4 триллиона параметров, из которых активируются только 95 миллиардов, и имеет контекстное окно в 1 миллион токенов. Модель нацелена на сложные агентные сценарии, профессиональную разработку, программирование и глубокие исследования, а благодаря открытым весам и совместимости с vLLM, SGLang и TokenSpeed нейросать доступна для самостоятельного развертывания на мощном серверном железе.

Архитектурно Qwen3.8 является развитием семейства Qwen3, поэтому нейросеть также использует такие оптимизационные механизмы, как DeltaNet и Gated Attention — они снижают квадратичный рост вычислительных затрат. Для ускорения локального инференса также используется механизм многоэтапного прогнозирования (MTP) и архитектура Mixture-of-Experts с 512 экспертами, объем которых составляет 95 миллиардов параметров при активации на токен. Нативная длина контекста составляет 262 144 токена, с возможностью расширения до 1 010 000 токенов. Это важно для длительных агентных сессий и работы с большими объемами документов. Управление глубиной рассуждения реализовано через параметр reasoning_effort, а сохранение контекста предыдущих размышлений — через preserve_thinking. В Alibaba также отмечают, что в Qwen3.8-Max существенно улучшены автономное планирование и обработка обратной связи от среды, что выражается в более надежном выполнении задач от начала до конца. Модель также получила расширенную совместимость с популярными фреймворками разработки, упрощающую интеграцию в существующие пайплайны.

Qwen3.8-2.4T-A95B сравнивалась с ведущими проприетарными и открытыми моделями: Claude Opus 4.8, Claude Fable 5, GPT-5.6 Sol (максимальный режим) и предыдущей Qwen3.7-Max. В агентных задачах кодирования модель демонстрирует значительный скачок относительно Qwen3.7-Max: Terminal-Bench 2.1 поднимается с 74,5 до 86,6, DeepSWE 1.1 — с 21,6 до 56,6, FrontierSWE — с 40,7 до 73,5, AndroidBench — с 56,5 до 75,1. В общих агентных бенчмарках также виден прогресс: CoWorkBench — 74,8 (против 64,6 у Qwen3.7 и 75,9 у Fable 5), JobBench — 53,4 (против 31,3 у Qwen3.7 и 57,4 у Fable 5), Agents' Last Exam — 27,0 баллов при 52,4 очках (против 11,8/31,1 у Qwen3.7). В задачах общего назначения Qwen3.8 также укрепляет позиции: GPQA Diamond — 92,6 (на уровне Fable 5 и GPT-5.6 Sol), HLE — 43,6 (против 41,4 у Qwen3.7 и 45,7 у Opus 4.8), IFBench — 82,8 (лучший показатель, выше GPT-5.6 Sol 72,7). В профессиональных доменах модель выделяется: HealthBench — 60,2 (лучший результат), PLawBench — 73,2 (выше Opus 4.8 69,6), PRBench-Finance — 58,3 (лучший). Работа с длинным контекстом подтверждается результатом MRCR v2 256K (8-needle) — 92,9, что почти дотягивает до GPT-5.6 Sol (93,8).

Важно отметить, что опубликованные веса на Hugging Face и ModelScope — это базовая пост-обученная модель, в то время как Qwen3.8-Max через API дополнительно получает визуальный ввод, контекст 1 млн токенов и встроенные инструменты, что еще больше расширяет ее возможности.

Выход Qwen3.8-2.4T-A95B — показатель эволюции не только семейства ИИ-моделей Qwen, но и всей ИИ-индустрии в целом. Сверхкрупные LLM с триллионами параметров перестали быть прерогативой облачных сред и вышли в полноценный open-source, предоставляя компаниям с мощной серверной инфраструктурой те возможности, которые раньше были доступны только проприетарным нейронкам. Однако практическая ценность Qwen3.8-2.4T-A95B для массового юзера крайне ограничена ресурсами: инференс такой модели требует очень серьезной инфраструктуры, и многие разработчики, вероятно, предпочтут API Qwen3.8-Max.