Alibaba lancerer Qwen3.8-Max: stor, effektiv AI-model

Forestil dig at give en AI en kontrakt på en million sider, en omfattende kodebase eller timers video og få et sammenhængende, brugbart svar tilbage uden at vente. Det er det løfte, Alibaba sælger med Qwen3.8-Max, virksomhedens største og mest kapable model til dato.

Hvorfor størrelse og effektivitet pludselig betyder noget

Qwen3.8-Max indeholder cirka 2,4 billioner parametre, hvilket placerer den i samme sjældne luftlag som Moonshot AI’s Kimi K3, der har omkring 2,8 billioner. Antallet af parametre er ikke den endelige målestok for kvalitet, men det fungerer fortsat som en kort indikator for den beregningsmæssige tyngde og de træningsdata, der er lagt i disse systemer. I praksis er det, udviklere og virksomheder bekymrer sig om, hvor meget nyttigt arbejde disse modeller kan udføre uden at sprænge cloud-regningen.

Det er her Alibabas arkitekturvalg kommer i spil. Ifølge virksomheden bruger Qwen3.8-Max en ekspertblanding, forkortet MoE-design. I stedet for at aktivere alle dele af netværket for hver forespørgsel ruter MoE opgaver til specialiserede subnetværk. I Alibabas implementering er kun omkring 95 milliarder parametre aktive pr. forespørgsel. Effekten er tydelig: lavere latenstid og langt lavere inferensomkostninger, samtidig med at den samlede model bevarer et enormt vidensgrundlag. Alibaba hævder endda, at modellen gennemførte et komplet softwareudviklingsprojekt på 16 dage, en kortfattet demonstration af praktisk gennemstrømning frem for forfængelighed i testresultater.

Åbne vægte er endnu en del af historien. Mange kinesiske AI-hold frigiver store modeller med downloadbare basisvægte og inviterer udviklere til at køre, tilpasse og eksperimentere lokalt. Det står i kontrast til flere amerikanske virksomheder, som holder kernemodellerne lukkede og metrikerne uigennemsigtige. Åbenheden fremskynder eksperimentering og gør konkurrencen mindre om adgangsbarrierer og mere om, hvad hold rent faktisk bygger ovenpå.

På offentlige ranglister har den nye model allerede gjort sig bemærket. På sammenligningsplatformen Arena.AI ligger Qwen3.8-Max øverst blandt kinesiske tekstmodeller, selvom den halter efter Claude Fable 5 og en række af Anthropics Opus-varianter i de globale testranglister. Når det gælder billeder og visuel forståelse, siger Alibaba, at Qwen3.8-Max nåede andenpladsen globalt, bag en variant af Claude Fable 5. Disse placeringer tyder på, at modellen er en ægte flermodal udfordrer, ikke bare en opskaleret tekstmotor.

Både Qwen3.8-Max og Kimi K3 understøtter multimodale input, altså tekst, billeder og video, og kan håndtere op til en million tokener i et enkelt kontekstvindue. Tokener er de atomare enheder af tekst og kode; understøttelse af så store token-vinduer betyder, at en model kan indtage hele juridiske dokumenter, lange tekniske specifikationer eller multimodulprogrammer i ét gennemløb. Denne kapacitet ændrer de arbejdsgange, AI kan assistere med, og flytter fokus fra uddrag og prompter til hel-dokumentresonering.

Hvad betyder det for produktteams og virksomheder? For det første har balancen mellem skala og omkostninger ændret sig. MoE-agtige designs lover modeller med stor kapacitet, der kun aktiverer dele af netværket, hvilket hjælper tjenesteudbydere med at levere højkapacitetsinferens uden lineær omkostningsstigning. For det andet inviterer åbne basismodeller et bredere udviklerekosystem til at optimere, finjustere og udgive domænespecifikke applikationer. For det tredje gør de flermodale og lang-kontekstuelle styrker disse modeller attraktive til automatisering af videnarbejde, kompleks kodegenerering og regulatorisk eller juridisk gennemgang.

Tilgængeligheden er enkel: Alibaba siger, at Qwen3.8-Max vil blive tilbudt i næste uge gennem platformen Model Studio. For forskere og startups, der foretrækker at køre eller tilpasse modeller lokalt, kan tilgængeligheden af basisvægte gøre Qwen3.8-Max til en fundamentsmodel i sand forstand, noget som hold bygger videre på i stedet for kun at tilgå via en API.

Konkurrencen tilspidses. Kinesiske laboratorier skalerer hurtigt åbne modeller, mens de eksperimenterer med effektivitet-først-arkitekturer. Vestlige aktører fokuserer på sikkerhed, tilpasning og styring af lukkede modeller. Brugere og virksomheder kan drage fordel af den øgede diversitet: flere valgmuligheder, hurtigere iterationer og, forhåbentlig, modeller der passer til specifikke forretningsbehov i stedet for universelle sorte kasser.

Så hovedbudskabet er enkelt: Alibaba har endnu en stor deltager i løbet om store modeller. Det mere subtile punkt er, at konkurrencen nu handler om brugbar kapacitet, modeller som er store på viden men intelligente omkring, hvornår de skal bruge deres ressourcer. Det er den rigtige ingeniørmæssige satsning, og Qwen3.8-Max er Alibabas væddemål.