Alibaba Frontier Tilgængelig i FlowHunt

Qwen3.8 Max

Qwen3.8 Max er en topklasse frontier AI-model fra Alibaba, udgivet i august 2026. Det er en proprietær hostet model, tilgængelig via Qwen Studio og QwenCloud. Kontekstvinduet er omkring 1M tokens (984K), med et maksimalt output på 131.072 tokens.

Læs mere

Alibaba viste en forhåndsvisning af Qwen3.8 Max den 19. juli 2026 på World AI Conference i Shanghai og udgav den fulde version med egne benchmarkresultater den 3. august 2026. Thinking er altid slået til, med indstillingerne low, medium og xhigh for ræsonnering. Den accepterer tekst og visuelt input, og API’et følger både OpenAI-kompatible og Anthropic-kompatible specifikationer.

Alibaba har også en open-weight-søstermodel, Qwen3.8 2.4T A95B. Qwen3.8 Max selv leveres som en hostet model.

Benchmarks

Hver score vises én gang, med sin placering blandt de sporede modeller og oplysning om, hvem der målte den.

Sammenlignet med Frontier-modeller på samme skala
  • Qwen3.8 Maxdenne model
  • GPT-6.1 Soldenne model fører på 0 af 3
  • Claude Opus 5.5denne model fører på 0 af 5
Verificeret uafhængig evaluator, tæller med i rangeringen Selvrapporteret offentliggjort af Alibaba, vist men ikke rangeret
Samlet

AA Intelligence Index

Independent composite of agent, coding, knowledge and science tests by Artificial Analysis (v4).

Kilde ↗

Qwen3.8 Max 45,4 GPT-6.1 Sol 51,8 Claude Opus 5.5 57,6
#11af 45 Verificeret
Kodning

DeepSWE

113 long-horizon software tasks written from scratch, graded by hidden tests.

Kilde ↗Også: Selvrapporteret 56,6% (Alibaba-reported, via secondary write-up; also in GLM-5.3 card)

Qwen3.8 Max 57,5% GPT-6.1 Sol Ingen score Claude Opus 5.5 74,2%
#12af 17 Verificeret

SWE-bench Pro

Real issues across several languages and large codebases.

Kilde ↗

Qwen3.8 Max 67,7% GPT-6.1 Sol Ingen score Claude Opus 5.5 89,9%
Ikke rangeret Selvrapporteret

SWE-bench Verified

500 verified GitHub issues. Saturated at the frontier.

Kilde ↗

Qwen3.8 Max 85,6% GPT-6.1 Sol Ingen score Claude Opus 5.5 Ingen score
#8af 22 Verificeret
Agenter

Terminal-Bench 4.0

Multi-step professional tasks done by an agent in a command-line terminal.

Kilde ↗

Qwen3.8 Max 38,9% GPT-6.1 Sol 56,1% Claude Opus 5.5 59,6%
#10af 36 Verificeret
Ræsonnement

Humanity's Last Exam

Expert-written questions across 100+ subjects, no tools.

Kilde ↗Også: Selvrapporteret 43,6% (no tools; Alibaba-reported, secondary)

Qwen3.8 Max 43,1% GPT-6.1 Sol 52,9% Claude Opus 5.5 61,4%
#17af 44 Verificeret

GPQA Diamond

Graduate-level science questions that search cannot answer.

Kilde ↗Også: Verificeret 93,7% (Vals AI own implementation)Også: Selvrapporteret 92,6% (Alibaba-reported, secondary)

Qwen3.8 Max 92,8% GPT-6.1 Sol Ingen score Claude Opus 5.5 Ingen score
#11af 37 Verificeret

Hvad skal Qwen3.8 Max bruges til

Terminal- & agentisk automatisering

Alibabas egne resultater peger på styrke hos terminalagenter og generelle agentopgaver, hvilket gør den velegnet til automatisering, der kører shell- og værktøjsworkflows.

Softwareudvikling

Den håndterer kodning og opgaver på repository-niveau. Alibabas offentliggjorte resultater viser, at den er svagere på de sværeste benchmarks for softwareudvikling, så test den først på din egen kode.

Multimodalt arbejde & lange dokumenter

Den accepterer tekst og visuelt input og har et kontekstvindue på omkring 1M tokens, hvilket passer til dokumentforståelse og analyse af lange input i en enkelt prompt.

Styrker og begrænsninger

Styrker

  • Terminal- og agentisk automatisering
  • Multimodalt arbejde med tekst og visuelt input
  • Instruktionsfølgning
  • Valgbar ræsonneringsindsats (low, medium, xhigh)
  • Meget lange dokumenter og store kodebaser (omkring 1M kontekst)

Begrænsninger

  • Hostet og med lukkede vægte, så den kan ikke selv-hostes
  • Thinking er altid slået til og kan ikke slås fra
  • Svagere på de sværeste benchmarks for softwareudvikling i Alibabas egne resultater

Brug den i FlowHunt

Brug Qwen3.8 Max i ethvert flow ved siden af dine egne værktøjer og videnskilder.

  1. 1Åbn et flow, eller opret et ud fra en skabelon
  2. 2Tilføj en AI Agent- eller Generator-komponent
  3. 3Vælg Qwen3.8 Max i modelvælgeren

Relaterede AI-modeller

Om Alibaba Hangzhou, China · Grundlagt 1999 · qwenlm.github.io

Alibaba Group er en af Kinas største og mest diverse teknologikonglomerater, grundlagt i 1999 af Jack Ma med hovedkvarter i Hangzhou. Gennem sin DAMO Academy og Tongyi Lab er Alibaba blevet en stor kraft inden for udvikling af store sprogmodeller med Qwen-familien (Tongyi Qianwen). Qwen 3.7-generationen, udgivet i midten af 2026, markerede Alibabas overgang fra indenlandske implementeringer til international benchmark-konkurrenceevne, og i 2026 fulgte Qwen 3.8-generationen. Alibabas AI-strategi er defineret af åbne vægtudgivelser som en modvægt til amerikanske API-only-modeller, integration af generativ AI på tværs af dets cloud- og e-handelsforretninger og kraftige investeringer i AI-infrastruktur på tværs af dets Alibaba Cloud-afdeling.

qwenlm.github.io ↗

Se det fulde AI Model Leaderboard

Ofte stillede spørgsmål