Репортаж от Wedoany，В понедельник Alibaba представила свою крупнейшую на сегодняшний день ИИ-модель Qwen3.8-Max, расширяя корпоративный портфель продуктов в области искусственного интеллекта. Модель с открытыми весами построена на архитектуре смеси экспертов (MoE) и насчитывает 2,4 трлн параметров, активируя при выводе лишь около 95 млрд из них. Она призвана обеспечивать более высокую эффективность вывода при выполнении задач кодирования, рассуждения и мультимодальной обработки, ориентируясь на программную инженерию и ресурсоёмкие бизнес-нагрузки.
Согласно планам, версия с открытыми весами будет выпущена на следующей неделе через Alibaba Cloud Model Studio. На платформе X компания Alibaba заявила, что эта модель «является одной из самых мощных на сегодняшний день, сопоставима с ведущими передовыми ИИ-моделями и уступает лишь Claude Fable 5».
В ходе бенчмарк-тестирования Alibaba сравнила Qwen3.8-Max с Claude Opus 4.8 и Claude Fable 5 от Anthropic, а также с GPT-5.6 Sol от OpenAI на программистских бенчмарках, включая SWE-bench Pro и собственный оценочный эталон компании NL2Repo-Bench. При оценке конкурентов использовались собственные инструменты программирования каждого поставщика: для моделей Anthropic — Claude Code, для GPT-5.6 Sol — Codex; сообщались максимальные опубликованные показатели каждого конкурента при доступных конфигурациях.
Вице-президент и главный аналитик Forrester Чарли Дай считает, что этот релиз свидетельствует о сокращении разрыва между Alibaba и лидерами проприетарных моделей, однако ещё более примечательным является стремительное взросление моделей с открытыми весами. По его словам, в сценариях развёртывания, чувствительных к программной инженерии, кастомизации, суверенитету и стоимости, у предприятий появляется надёжная альтернатива передовым проприетарным моделям, где открытость зачастую не менее важна, чем абсолютная производительность модели.
Alibaba также сообщила о трёх unsupervised-проектах многодневного кодирования: модель самостоятельно выполняла задачи, начиная с пустой папки проекта, без какого-либо участия человека; один из проектов, по утверждению компании, был завершён автономно за 16 дней. Корпоративные направления применения включают юридическое соответствие, финансовый анализ, инженерное проектирование, количественные исследования и мультимодальное создание контента. Alibaba заявляет, что модель предназначена для выполнения целых бизнес-процессов, а не отдельных задач с ИИ-поддержкой.
Менеджер по разработке ИИ в Kanerika Амит Джена усомнился в утверждении о «16-дневном автономном завершении программного проекта»: «Что делалось 16 дней? Сколько раз вмешивался человек? Проходил ли результат проверку кода?» Он также напомнил, что открытые веса и открытая API-точка — это разные вещи: «Без репозитория кода, лицензии и карточки модели открытые веса — это лишь намерение».
Что касается конструкции с активацией лишь около 95 млрд параметров, Дай считает, что для корпоративных покупателей эффективность вывода уже важнее сырого размера модели, поскольку она значительно снижает стоимость обслуживания и требования к инфраструктуре. Джена, в свою очередь, отметил, что эффективность перестала быть ключевым вопросом — реальным ограничением становится оценка пропускной способности. Старший главный аналитик Gartner Нитиш Тьяги указал, что этот релиз демонстрирует конкурентное давление на стоимость развёртывания ИИ. Ранее Gartner прогнозировала, что без усиления контроля затрат расходы на ИИ-программирование могут превысить зарплату рядового разработчика. Тьяги полагает, что сочетание открытых весов, архитектуры смеси экспертов и контекстного окна в 1 млн токенов делает ИИ-ассистируемую разработку ПО экономически более целесообразной.
Тьяги также предупредил, что при оценке производственного развёртывания предприятия не должны учитывать только стоимость вывода. Многие организации за пределами Китая могут с осторожностью относиться к моделям, размещённым в Китае; развёртывание через гиперскейлеров или локальную инфраструктуру повлечёт дополнительные расходы. Модели с открытыми весами обычно не имеют компенсационной защиты, которую предлагают коммерческие ИИ-поставщики, поэтому предприятиям придётся самостоятельно выстраивать системы безопасности, управления и сканирования кода для выявления рисков, связанных с авторскими правами и интеллектуальной собственностью, до производственного развёртывания.
Джена также отметил, что выпущенная вместе с флагманской моделью, но почти не замеченная в отчётах Qwen3.8-27B может оказаться более практичным выбором для большинства организаций, поскольку она способна работать на собственной инфраструктуре и дообучаться на собственных данных. Дай рекомендует руководителям предприятий в первую очередь оценивать прозрачность и совокупную стоимость владения, а не громкие цифры в заголовках. Ключевой вопрос заключается в том, сможет ли Qwen3.8 обеспечить измеримые бизнес-результаты, корпоративную надёжность, более низкую совокупную стоимость владения и варианты цифрового суверенитета по сравнению с конкурирующими моделями.
