अलीबाबा क्यूवेन ने Qwen3.8-Max जारी किया: 2.4 ट्रिलियन पैरामीटर वाला MoE मॉडल और क्यूवेन परिवार का सबसे सक्षम मॉडल
Alibaba/Qwen
OpenAI
Anthropic
अलीबाबा की क्यूवेन टीम ने Qwen3.8-Max को व्यापक रूप से उपलब्ध कराया है, जिसके ओपन वेट्स अगले सप्ताह जारी होने की उम्मीद है। यह 2.4 ट्रिलियन पैरामीटर वाला मिश्रित-विशेषज्ञ (mixture-of-experts) मॉडल टेक्स्ट, इमेज और वीडियो इनपुट का समर्थन करता है, और मल्टीमॉडल तथा एजेंटिक कार्यों में अपने पूर्ववर्ती से बेहतर प्रदर्शन करता है।
अलीबाबा की क्वेन टीम ने Qwen3.8-Max को व्यापक रूप से उपलब्ध करा दिया है और पुष्टि की है कि इसके ओपन वेट अगले सप्ताह जारी किए जाएंगे, साथ ही एक दूसरा चेकपॉइंट, Qwen3.8-27B भी। Qwen3.8-Max एक 2.4-ट्रिलियन-पैरामीटर मिश्रित-विशेषज्ञ मॉडल है जो टेक्स्ट, इमेज और वीडियो इनपुट स्वीकार करता है और टेक्स्ट आउटपुट देता है। होस्टेड एपीआई किसी भी आकार की कंपनियों के लिए तैनाती योग्य है और OpenAI तथा DashScope के साथ संगत है, जबकि ओपन वेट एक मल्टी-नोड डेटासेंटर आर्टिफैक्ट है। अलीबाबा ने सक्रिय पैरामीटर गणना का खुलासा नहीं किया है, जिससे सेवा की लागत अज्ञात है। Qwen3.8-27B वह चेकपॉइंट है जो सामान्य ऑन-प्रिमाइसेस जीपीयू हार्डवेयर पर फिट बैठता है। प्रकाशित फीचर सेट चार उद्योगों को कवर करता है: सॉफ्टवेयर इंजीनियरिंग, कानूनी और वित्तीय दस्तावेज़ समीक्षा, मीडिया और ई-कॉमर्स संचालन, और डिज़ाइन। मॉडल पेज पर 1M-टोकन संदर्भ विंडो सूचीबद्ध है, जिसमें अधिकतम इनपुट 991K टोकन (983K थिंकिंग सक्षम के साथ) और अधिकतम आउटपुट 131K टोकन है। मूल्य निर्धारण $2.00 प्रति 1M इनपुट टोकन और $6.00 प्रति 1M आउटपुट टोकन है, कैश्ड इनपुट की लागत $0.25 प्रति 1M टोकन है। समर्थित क्षमताओं में फ़ंक्शन कॉलिंग, संरचित आउटपुट, बैच, प्रीफिक्स पूर्णता और फाइन-ट्यूनिंग शामिल हैं, साथ ही रिस्पॉन्सेस एपीआई पर पाँच बिल्ट-इन टूल्स भी शामिल हैं। बेंचमार्क में, Qwen3.8-Max ने Terminal-Bench 2.1 पर 86.6 स्कोर किया है, जो GPT-5.6 Sol (max) के 88.8 से पीछे है लेकिन Claude Opus 4.8 और Claude Fable 5 के 84.6 से आगे है। यह PaperBench और IFBench पर अग्रणी है, और अपने पूर्ववर्ती की तुलना में मल्टीमॉडल और एजेंटिक कार्यों में सुधार दिखाता है, हालांकि मल्टीमॉडल बेंचमार्क Qwen3.7-Plus के मुकाबले हैं, न कि Qwen3.7-Max के। मॉडल की आरएल स्केलिंग वक्र लगभग 4,000 प्रशिक्षण वातावरणों में 0.725 पर चरम पर पहुँचती है, फिर गिर जाती है।
स्रोत: MarkTechPost —
मूल
