ModellenBedrijf & Markt 🇺🇸 03.08.2026 12:02

Alibaba Qwen brengt Qwen3.8-Max uit: een MoE-model met 2,4 biljoen parameters en het meest capabele in de Qwen-familie

Alibaba/QwenAlibaba/Qwen OpenAIOpenAI AnthropicAnthropic
Het Qwen-team van Alibaba heeft Qwen3.8-Max algemeen beschikbaar gemaakt, met open gewichten die volgende week worden beloofd. Het mixture-of-experts-model met 2,4 biljoen parameters ondersteunt tekst-, afbeeldings- en video-ingangen en presteert beter dan zijn voorganger bij multimodale en agentachtige taken.
Alibaba's Qwen-team heeft Qwen3.8-Max breed beschikbaar gemaakt en bevestigd dat de open gewichten volgende week worden geleverd, samen met een tweede checkpoint, Qwen3.8-27B. Qwen3.8-Max is een mixture-of-experts-model met 2,4 biljoen parameters dat tekst, beeld en video als invoer accepteert en tekst retourneert. De gehoste API is inzetbaar voor bedrijven van elke omvang en is compatibel met OpenAI en DashScope, terwijl de open gewichten een artefact zijn voor datacenters met meerdere nodes. Alibaba heeft het aantal geactiveerde parameters niet bekendgemaakt, waardoor de kosten voor het gebruik onbekend zijn. Qwen3.8-27B is het checkpoint dat op gewone on-premise GPU-hardware past. De gepubliceerde functieset is gericht op vier branches: software-engineering, juridische en financiële documentbeoordeling, media- en e-commerce-operaties, en design. De modelpagina vermeldt een contextvenster van 1 miljoen tokens, met een maximale invoer van 991K tokens (983K met denken ingeschakeld) en een maximale uitvoer van 131K tokens. De prijzen zijn $2,00 per 1 miljoen invoertokens en $6,00 per 1 miljoen uitvoertokens, met gecachete invoer voor $0,25 per 1 miljoen tokens. Ondersteunde functies zijn onder meer functieaanroepen, gestructureerde uitvoer, batchverwerking, prefix-voltooiing en fine-tuning, samen met vijf ingebouwde tools op de Responses API. In benchmarks scoort Qwen3.8-Max 86,6 op Terminal-Bench 2.1, achter GPT-5.6 Sol (max) met 88,8, maar vóór Claude Opus 4.8 en Claude Fable 5 met 84,6. Het leidt op PaperBench en IFBench en toont winst in multimodale en agentische taken ten opzichte van zijn voorganger, hoewel de multimodale tabel benchmarks vergelijkt met Qwen3.7-Plus, niet met Qwen3.7-Max. De RL-schaalcurve van het model piekt op 0,725 rond 4.000 trainingsomgevingen en neemt daarna af.
Bron: MarkTechPost — origineel
Eerdere berichten over dit onderwerp ↓
Vers nieuws