Что умеет Qwen 3.8 Max и чем она удивляет

На конференции WAIC в Шанхае, которая прошла в июле этого года, команда Qwen из Alibaba впервые показала Qwen 3.8, а за следующие полтора месяца вокруг этого названия успело выйти сразу три разные модели. Такая путаница в нейминге – далеко не редкость для крупных релизов, но именно здесь она особенно заметна. Поэтому разобраться, что есть что, стоит в первую очередь. Попытаемся сделать это вместе с командой экспертов многофункционального нейросетевого портала Креатор Проджект.

Три модели под одним именем

Флагманом линейки стала Qwen 3.8 Max, официально запущенная 3 августа. Это модель на основе смеси экспертов с 2,4 триллиона параметров, из которых на каждый запрос реально задействуется около 95 миллиардов. Она работает с текстом, изображениями и видео на входе и держит контекст до одного миллиона токенов.

Заметный сдвиг в политике компании: раньше все модели уровня Max у Alibaba оставались полностью закрытыми, доступными только через API; на этот раз открытые веса пообещали и частично сдержали слово. Хотя стоит отметить, что опубликованная в середине августа версия для локального запуска умеет работать только с текстом, без изображений, видео и полного миллионного контекста.

Полностью открытой и без всяких оговорок стала вторая модель линейки, Qwen 3.8 27B, вышедшая под лицензией Apache 2.0 в середине августа. У нее всего 27 миллиардов параметров и плотная, а не разреженная архитектура. Зато она честно мультимодальная с самого начала, понимает изображения и видео (в том числе многочасовые записи и документы со схемами). По заявлению разработчиков, в задачах на программирование и офисную работу эта компактная модель обходит куда более крупную Qwen 3.7 Plus из предыдущего поколения.

Третьей в семье стала Qwen 3.8 Flash Next, показанная в конце августа как своего рода превью архитектуры будущего Qwen 4, а не полноценный флагман. У нее около 125 миллиардов параметров, из которых активируется лишь малая часть, порядка нескольких миллиардов на токен. Но точное число в разных источниках расходится, а официальные бенчмарки на момент выхода компания вовсе не публиковала.

Что модель показывает на практике

По независимому рейтингу на платформе Arena Qwen 3.8 Max стала лучшей китайской моделью в плане выполнения текстовых задач. Здесь она уступила лишь нескольким вариантам Claude Fable 5; а в задачах на понимание изображений заняла второе место в мире, тоже оставив позади только Fable 5. Для сравнения: предыдущий флагман линейки, Qwen 3.7 Max, показывал 92,4 % на тесте GPQA Diamond и 80,4 % на SWE bench Verified. Так что новая версия отталкивалась от заведомо сильной базы, а не начинала с нуля.

Куда интереснее выглядят демонстрации возможностей модели в длинных самостоятельных проектах. В одном тесте Qwen 3.8 Max больше 10 дней без остановки писала код для самообучающейся программной среды, сама собирала обратную связь, запускала собственные проверки и дорабатывала результат без участия человека. В другом тесте модель с нуля воспроизвела научную статью по машинному обучению: провела 33 раунда обучения на видеокартах общей продолжительностью около 125 часов, написала 7600 строк кода. А затем сама придумала 18 улучшений, которые превзошли метод из оригинальной статьи. В настоящем онлайн-соревновании по программированию среди 526 команд живых людей модель обошла 87 % участников.

Отдельного упоминания заслуживает признание самих разработчиков: при обучении с подкреплением качество модели росло вместе с числом тренировочных сред примерно до 4 тысяч, а затем начинало снижаться. Такую честность встретишь не в каждом техническом отчете, обычно компании предпочитают говорить только о том, что улучшилось.

Нейросеть для длительной автономной работы

При этом интерес Qwen 3.8 Max не только в том, сколько шагов она способна сделать подряд, но и в том, как меняется сама роль модели в таком сценарии. Вместо привычной схемы «получила задачу — выдала ответ» она все чаще выступает как самостоятельный исполнитель. Нейросеть сама ставит промежуточные цели, запускает инструменты, проверяет результаты и возвращается к уже выполненной работе, если находит ошибку. Для пользователя это означает меньше ручного контроля и возможность отдавать модели задачи, которые раньше приходилось разбивать на десятки отдельных запросов. Именно такой переход от чат-бота к автономному рабочему агенту, похоже, и становится главным направлением развития Qwen.

Выводы

Таким образом, данная нейросеть представляет собой уже не просто одну модель; это целая линейка с разными подходами к открытости, мультимодальности и автономной работе. Флагманская Max особенно заметна благодаря сильным результатам в сложных задачах и способности долго работать практически без участия человека. При этом Qwen 3.8 27B показывает, что Alibaba не отказывается и от компактных открытых моделей. В совокупности эти характеристики делают линейку одним из самых интересных китайских релизов года.

Olga Lammers

Разбор и оценка ИИ-моделей и проектов, внимательно отслеживает развитие технологий и тенденции в области искусственного интеллекта. Аналитические обзоры помогают понять принципы работы ИИ, их возможности и ограничения, дает рекомендации по использованию инновационных решений в различных сферах. Делает сложные темы доступными для широкой аудитории.