Qwen3.8-Max: MoE da 2,4 trilioni di parametri e i benchmark dichiarati

Intelligenza Artificiale

Consulenza EU AI Act: classificazione dei sistemi, policy, governance AI, formazione.

Scopri →

Servizi & Sistemi Linux

Domini, hosting, PEC, infrastruttura email, servizi di rete e sistemi Linux. Assistenza e gestione dell'infrastruttura Open Source.

Scopri →

Oggi Alibaba ha reso Qwen3.8-Max accessibile agli sviluppatori di tutto il mondo attraverso le API di Model Studio e la piattaforma QwenWork, entrata oggi in beta pubblica su web e desktop. Il rilascio a pesi aperti è annunciato per la settimana prossima su Hugging Face e ModelScope.

Provarlo si può da oggi; ospitarlo in proprio dipende dai pesi, che ancora non sono stati pubblicati.

Cosa è disponibile da oggi

Il modello era stato presentato il 19 luglio 2026 alla World AI Conference di Shanghai come anteprima, raggiungibile solo tramite il Token Plan di Alibaba e le piattaforme Qoder e QoderWork, a un prezzo che le fonti indicano attorno al 10% del listino. Da oggi l’accesso avviene attraverso le API standard di Alibaba Cloud ed è aperto a tutti.

Le cifre sono quelle dichiarate dal fornitore, senza conferma indipendente: 2,4 trilioni di parametri totali, architettura Mixture of Experts, contesto fino a un milione di token e output massimo di 131.072 token. QwenWork entra in un settore già affollato, con Tencent WorkBuddy, Kimi Work di Moonshot, Claude Cowork e ChatGPT Work.

I numeri dichiarati

Al lancio Qwen ha pubblicato una tabella di confronto ampia. Questi sono i valori più citati, tutti misurati da Qwen:

Il quadro dichiarato non è a senso unico, ed è la cosa più utile della tabella. Qwen sta davanti su IFBench, che misura l’aderenza alle istruzioni, e su PaperBench. Sta dietro a GPT-5.6 Sol su Terminal-Bench e dietro a Fable 5 di dodici punti su SWE-bench Pro e di quindici su FrontierSWE, cioè proprio sui compiti di ingegneria del software su repository reali.

I salti rispetto alla generazione precedente sono grandi dove il modello era debole: DeepSWE 1.1 passa da 21,6 a 56,6, FrontierSWE da 40,7 a 73,5 e JobBench da 31,3 a 53,4.

Tre avvertenze sulla lettura. I punteggi sono tutti di Qwen e non risultano riproduzioni indipendenti. Nei confronti multimodali il termine di paragone interno è Qwen3.7-Plus e non Max, quindi il miglioramento su quella parte va letto con cautela. E la curva di apprendimento per rinforzo mostrata nella documentazione tocca il massimo a 0,725 attorno a quattromila ambienti di addestramento e poi scende, che è un dettaglio più interessante di molti punteggi.

Sui parametri attivi circola la cifra di 95 miliardi, ripresa da più testate, ma Alibaba non l’ha divulgata. Conviene trattarla come una stima di terzi.

I quattro Max precedenti

La linea Max di Qwen è nata chiusa e finora è rimasta tale in tutte le sue uscite: Qwen3-Max-Preview nel settembre 2025, Qwen3.6-Max-Preview il 20 aprile 2026, Qwen3.7-Max il 20 maggio e Qwen3.8-Max-Preview il 19 luglio.

Fino a oggi la parte scaricabile della famiglia era di taglia molto diversa, dal ciclo Qwen3.6 in poi: modelli che stanno su una singola GPU, mentre uno da 2,4 trilioni di parametri richiede un’infrastruttura di tutt’altro ordine.

Se i pesi arrivano davvero, sarebbe la prima volta che un modello di classe Max esce dall’API. Insieme è annunciato anche un Qwen3.8-27B, descritto come un checkpoint dimensionato per hardware GPU on-premise ordinario, che è la parte del rilascio con più probabilità di finire davvero su macchine altrui.

Promesse e date

Nelle stesse settimane altri laboratori hanno fatto la stessa cosa in modo verificabile. Moonshot ha accompagnato Kimi K3 con una data dichiarata per i pesi. Poolside ha pubblicato Laguna S 2.1 il 21 luglio mettendo i pesi su Hugging Face lo stesso giorno, sotto licenza OpenMDW-1.1. DeepSeek ha rilasciato V4 Flash 0731 con i pesi su Hugging Face sotto MIT, scaricabili e ospitabili in proprio.

Ogni laboratorio ha vincoli suoi che dall’esterno non si vedono. Una promessa di apertura diventa però qualcosa su cui pianificare quando ci sono tre cose: un giorno, una licenza e una model card. Di Qwen3.8-Max al momento c’è un generico “la settimana prossima”.

Cosa ne pensiamo

Per chi valuta oggi un’adozione la situazione è semplice da leggere. Il modello si può provare via API, e se il compito è capire se regge sui propri casi d’uso l’API basta. Quello che non si può fare è progettarci sopra un sistema che deve tenere il dato dentro il perimetro, perché quella scelta dipende da un file che non esiste ancora e da una licenza che nessuno ha visto.

La differenza pesa come in Open Intelligence, Secure Governance: un modello a pesi aperti si può far girare su hardware proprio, come mostrano DwarfStar 4, colibri e KTransformers, e rende reversibile la scelta del fornitore. Un modello via API, per quanto buono, lascia quella leva in mano a qualcun altro.

Con 2,4 trilioni di parametri, poi, l’apertura dei pesi cambia meno di quanto sembri per la maggior parte delle aziende: pochi hanno l’hardware per ospitarlo. Conta però per chi costruisce servizi sopra questi modelli, e conta come segnale sul fatto che la frontiera a pesi aperti continui a esistere, come in pesi aperti e leadership americana.

Ci torneremo quando ci saranno il file, la licenza e una riproduzione indipendente dei numeri.

Fonti

• Annuncio di Qwen su X (3 agosto 2026)
• South China Morning Post: Alibaba’s AI model Qwen3.8-Max made widely accessible ahead of open-weights release
• MarkTechPost: Alibaba Qwen releases Qwen3.8-Max, a 2.4 trillion parameter MoE model
• warp2search: Alibaba drops Qwen 3.8-Max, first open-weight Max-class AI model
• Annuncio della preview su X (19 luglio 2026)
• MarkTechPost (19 luglio): Alibaba previews Qwen3.8-Max, a 2.4 trillion-parameter multimodal model
• Digital Applied: Qwen’s closed-flagship pivot
• Qwen su Hugging Face