Alibaba lanzó Qwen3.8-Max el 3 de agosto de 2026, un modelo de mezcla de expertos disperso de 2.4 billones de parámetros con 95 mil millones de parámetros activos por token, ventana de contexto de 1 millón de tokens e entrada multimodal (texto, imagen, video). El modelo está disponible vía API en QwenCloud y Alibaba Cloud Model Studio a $2 por millón de tokens de entrada, $6 por millón de salida y $0.25 de entrada en caché. Alibaba se comprometió a liberar pesos de código abierto en una semana, haciendo que Qwen3.8-Max sea el primer modelo de clase Max que Alibaba ha abierto el código. Un Qwen3.8-27B más pequeño también está siendo abierto.
En benchmarks Arena.AI en el lanzamiento, Qwen3.8-Max se clasificó quinto en Text Arena y segundo en Vision Arena a nivel mundial. La tarjeta de puntuación de evaluación propia de Alibaba muestra 86.6 en Terminal-Bench 2.1 (por delante de Claude Opus 4.8 en 84.6 pero por debajo de GPT-5.6 Sol en 88.8), 92.6 en GPQA Diamond y 67.7 en SWE-bench Pro (versus Claude Fable 5 en 80.0). Las ganancias importantes son en razonamiento multimodal y agentic, no puro razonamiento. Alibaba afirma que Qwen3.8-Max se queda solo por detrás de Claude Fable 5 en general, aunque la verificación de terceros (Artificial Analysis, LMArena) no lo había puntuado a principios de agosto.
Qwen3.8-Max demuestra razonamiento agentic extendido: Alibaba mostró que está codificando autónomamente e iterando un arnés de software auto-evolucionario durante 10+ días con comentarios del usuario, y reproduciendo un documento de investigación de aprendizaje automático de extremo a extremo con 33 rondas de entrenamiento de GPU (125 horas de pared) y 7,600 líneas de código generado. Cuando se ingresó en una competencia de codificación en vivo con 526 equipos humanos, ganó el 87% del campo. El manejo multimodal incluye resumir documentos de 100 páginas o transmisiones en vivo de 100 horas en bases de conocimiento que se pueden buscar.
Para arquitectos: precios de API de $2/$6 (versus Claude Opus 5 en $30, GPT-5.6 Sol en $35) hacen que esto sea agresivamente subestimado para trabajo agentic/multimodal, pero el auto-hosting del modelo completo de 2.4T-parámetros cuando los pesos se envían requerirá implementación de centro de datos de múltiples nodos. El punto de control abierto de 27B es el camino realista en las instalaciones. La evaluación de terceros sigue siendo más; los puntos de referencia auto-informados de Alibaba (Terminal-Bench, GPQA) carecen de verificación independiente a principios de agosto. Asuma la paridad con Fable 5 para propósitos de planificación hasta que Artificial Analysis o LMArena publiquen puntuaciones.