Alibaba anunciou o lançamento do Qwen3.8, um grande modelo de linguagem com 2,4 trilhões de parâmetros, no sábado. A empresa afirma que Qwen3.8 tem desempenho “perdendo apenas para Fable 5” no geral. Uma versão prévia chamada Qwen3.8-Max-Preview está atualmente disponível para desenvolvedores por meio de assinaturas do Token Plan do Alibaba e suas plataformas de codificação Qoder e QoderWork.

Este modelo representa um aumento de escala significativo em relação às versões anteriores, incluindo Qwen3-Max com 1 trilhão de parâmetros lançado em setembro de 2025 e Qwen3.5 com 397 bilhões de parâmetros introduzidos em fevereiro de 2026. Qwen3.8 mais que dobra a contagem de parâmetros em comparação com Qwen3.5 e é descrito como totalmente multimodal.

Afastando-se de sua prática recente, a equipe Qwen do Alibaba declarou nas redes sociais que os pesos abertos para Qwen3.8 estariam disponíveis “em breve”. Esta estratégia contrasta com o status anteriormente proprietário dos principais modelos Max; por exemplo, o modelo Qwen3.7-Max lançado em maio de 2026 não tinha pesos abertos.

As declarações de desempenho para Qwen3.8 originam-se de avaliações internas, sem referências de terceiros independentes disponíveis para verificar as afirmações. Este padrão reflete versões anteriores do Qwen; por exemplo, as alegações de desempenho do Qwen3.5 de ser comparável ao GPT-5.2 e Claude 4.5 Opus também foram relatadas pelos próprios e não tinham verificação de terceiros.

A competição entre modelos de IA entre laboratórios chineses e americanos aumentou ao longo de 2026, com o Alibaba lançando vários modelos que pretendem competir com os da OpenAI, Anthropic e Google DeepMind. Atualmente, os desenvolvedores na China continental podem acessar o Qwen3.8-Max-Preview.

O lançamento antecipado de pesos abertos poderia reviver a estratégia que contribuiu para a ampla adoção dos modelos Qwen anteriores na comunidade de IA de código aberto. O Alibaba não comunicou um cronograma para o lançamento completo do Qwen3.8 nem especificou sua arquitetura, dados de treinamento ou detalhes da janela de contexto.


Crédito da imagem em destaque