Alibaba Frontier Dostępny w FlowHunt

Qwen3.8 Max

Qwen3.8 Max to najwyższej klasy model AI typu frontier od Alibaba, wydany w sierpniu 2026 roku. Jest to autorski model hostowany, dostępny przez Qwen Studio i QwenCloud. Okno kontekstowe ma około 1 miliona tokenów (984 tys.), a maksymalna długość wyjścia to 131 072 tokeny.

Czytaj więcej

Alibaba zaprezentowała Qwen3.8 Max w wersji zapoznawczej 19 lipca 2026 roku na World AI Conference w Szanghaju, a pełne wydanie wraz z własnymi wynikami benchmarków opublikowała 3 sierpnia 2026 roku. Myślenie jest zawsze włączone, z ustawieniami rozumowania low, medium i xhigh. Model przyjmuje tekst i dane wizualne, a API zgodne jest zarówno ze specyfikacjami kompatybilnymi z OpenAI, jak i z Anthropic.

Alibaba ma też siostrzany model o otwartych wagach, Qwen3.8 2.4T A95B. Sam Qwen3.8 Max jest udostępniany jako model hostowany.

Wypróbuj w FlowHunt Wróć do AI Leaderboard

Benchmarki

Każdy wynik pojawia się raz, wraz z pozycją wśród śledzonych modeli i informacją, kto go zmierzył.

Porównanie z modelami z poziomu Frontier w tej samej skali
  • Qwen3.8 Maxten model
  • GPT-6.1 Solten model prowadzi w 0 z 3
  • Claude Opus 5.5ten model prowadzi w 0 z 5
Zweryfikowane niezależny oceniający, liczony w rankingu Zgłoszone przez twórcę opublikowane przez Alibaba, wyświetlane, ale poza rankingiem
Ogółem

AA Intelligence Index

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

Źródło ↗

Qwen3.8 Max 45,4 GPT-6.1 Sol 51,8 Claude Opus 5.5 57,6
#11z 45 Zweryfikowane
Programowanie

DeepSWE

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

Źródło ↗Także: Zgłoszone przez twórcę 56,6% (Alibaba-reported, via secondary write-up; also in GLM-5.3 card)

Qwen3.8 Max 57,5% GPT-6.1 Sol Brak wyniku Claude Opus 5.5 74,2%
#12z 17 Zweryfikowane

SWE-bench Pro

Real issues across several languages and large codebases.

Źródło ↗

Qwen3.8 Max 67,7% GPT-6.1 Sol Brak wyniku Claude Opus 5.5 89,9%
Poza rankingiem Zgłoszone przez twórcę

SWE-bench Verified

500 verified GitHub issues. Saturated at the frontier.

Źródło ↗

Qwen3.8 Max 85,6% GPT-6.1 Sol Brak wyniku Claude Opus 5.5 Brak wyniku
#8z 22 Zweryfikowane
Agenci

Terminal-Bench 4.0

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

Źródło ↗

Qwen3.8 Max 38,9% GPT-6.1 Sol 56,1% Claude Opus 5.5 59,6%
#10z 36 Zweryfikowane
Rozumowanie

Humanity's Last Exam

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

Źródło ↗Także: Zgłoszone przez twórcę 43,6% (no tools; Alibaba-reported, secondary)

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

GPQA Diamond

Graduate-level science questions that search cannot answer.

Źródło ↗Także: Zweryfikowane 93,7% (Vals AI own implementation)Także: Zgłoszone przez twórcę 92,6% (Alibaba-reported, secondary)

Qwen3.8 Max 92,8% GPT-6.1 Sol Brak wyniku Claude Opus 5.5 Brak wyniku
#11z 37 Zweryfikowane

Do czego używać Qwen3.8 Max

Automatyzacja terminalowa i agentowa

Własne wyniki Alibaba wskazują na siłę w agentach terminalowych i ogólnych zadaniach agentowych, co pasuje do automatyzacji realizującej przepływy z powłoką i narzędziami.

Inżynieria oprogramowania

Radzi sobie z programowaniem i zadaniami na poziomie repozytorium. Opublikowane wyniki Alibaba pokazują, że jest słabszy w najtrudniejszych benchmarkach inżynierii oprogramowania, więc najpierw przetestuj go na własnym kodzie.

Praca multimodalna i z długimi dokumentami

Przyjmuje tekst i dane wizualne oraz ma okno kontekstowe o pojemności około 1 miliona tokenów, co pasuje do rozumienia dokumentów i analizy długich danych wejściowych w jednym promptcie.

Mocne strony i ograniczenia

Mocne strony

  • Automatyzacja terminalowa i agentowa
  • Praca multimodalna z wejściem tekstowym i wizualnym
  • Podążanie za instrukcjami
  • Wybieralny wysiłek rozumowania (low, medium, xhigh)
  • Bardzo długie dokumenty i duże bazy kodu (kontekst około 1M)

Ograniczenia

  • Hostowany i o zamkniętych wagach, więc nie można go hostować samodzielnie
  • Myślenie jest zawsze włączone i nie można go wyłączyć
  • Słabszy w najtrudniejszych benchmarkach inżynierii oprogramowania we własnych wynikach Alibaba

Użyj w FlowHunt

Używaj Qwen3.8 Max w dowolnym flow, obok własnych narzędzi i źródeł wiedzy.

  1. 1Otwórz flow lub utwórz go z szablonu
  2. 2Dodaj komponent AI Agent lub Generator
  3. 3Wybierz Qwen3.8 Max w selektorze modelu

Pokrewne modele AI

O Alibaba Hangzhou, China · Założony 1999 · qwenlm.github.io

Alibaba Group to jeden z największych i najbardziej zróżnicowanych konglomeratów technologicznych w Chinach, założony w 1999 roku przez Jacka Ma z siedzibą w Hangzhou. Dzięki Akademii DAMO i Laboratorium Tongyi Alibaba stał się znaczącą siłą w rozwoju dużych modeli językowych za sprawą rodziny Qwen (Tongyi Qianwen). Generacja Qwen 3.7, wydana w połowie 2026 roku, oznaczała przejście Alibaba od wdrożeń krajowych do międzynarodowej konkurencyjności w benchmarkach, a w 2026 roku pojawiła się generacja Qwen 3.8. Strategia AI Alibaba opiera się na udostępnianiu otwartych wag jako przeciwwagi dla amerykańskich modeli dostępnych wyłącznie przez API, integracji generatywnej AI w całej swojej chmurze i biznesie e-commerce oraz dużych inwestycjach w infrastrukturę AI w ramach Alibaba Cloud.

qwenlm.github.io ↗

Przeglądaj pełną tabelę liderów modeli AI

Porównaj wszystkie śledzone modele w benchmarkach programowania, agentów i rozumowania, z każdym wynikiem oznaczonym jako zweryfikowany lub podany przez producenta.

← Powrót do AI Leaderboard Wypróbuj w FlowHunt

Najczęściej zadawane pytania