Qwen3.8-Max: il modello Alibaba da 2,4 trilioni sfida Opus e GPT
95 miliardi di parametri attivi, un milione di token di contesto, cinque demo autonome e API da 2/6 dollari. La pubblicazione dei pesi è annunciata per la prossima settimana.
In sintesi
Qwen3.8-Max è il nuovo modello di punta Alibaba da 2,4 trilioni di parametri, con 95 miliardi attivi e contesto da un milione di token. • Già disponibile via QwenCloud a 2 $/M token input e 6 $/M output. • Cinque demo mostrano coding autonomo, lavoro professionale, ricerca quant, e-commerce e agenti multimodali. • I risultati dichiarati sono forti su PaperBench, IFBench, WideSearch, OSWorld e video, ma non dominano ogni benchmark. • I pesi sono annunciati per la prossima settimana: al lancio non sono ancora scaricabili e la licenza non è nota. • Valutazione prudente: modello frontier promettente, in attesa di verifiche indipendenti e prova reale dell’apertura.
Alibaba ha presentato Qwen3.8-Max, un modello Mixture-of-Experts da 2,4 trilioni di parametri progettato per coding autonomo, lavoro professionale e agenti multimodali. È già disponibile via QwenCloud con un contesto dichiarato da un milione di token e prezzi di 2 dollari per milione di token in input e 6 dollari in output. La novità più importante, però, arriverà dopo il lancio: Qwen promette di pubblicarne i pesi la prossima settimana, per la prima volta su un modello della classe Max.
Non è semplicemente una versione più grande di Qwen3.5. La release è costruita attorno a una tesi precisa: un modello di frontiera deve saper portare a termine lavori aperti che durano ore o giorni, usare strumenti, osservare il risultato, correggersi e produrre un artefatto verificabile. Qwen accompagna l’annuncio con cinque video, una lunga batteria di benchmark e casi autonomi che vanno dalla ricerca scientifica alla progettazione di chip.
Qwen3.8-Max in breve
- 2,4 trilioni di parametri complessivi, con 95 miliardi attivi per token.
- Architettura Mixture-of-Experts costruita sulle fondamenta di Qwen3.5.
- 1 milione di token di contesto dichiarato su QwenCloud.
- Input testuale e visivo; ragionamento, coding, computer use, documenti e video lunghi.
- Tre livelli di ragionamento:
xhigh,mediumelow. - API compatibili con i protocolli OpenAI e Anthropic.
- Prezzo QwenCloud: 2 $/milione di token input e 6 $/milione output.
- Pesi annunciati su Hugging Face e ModelScope per la settimana successiva al lancio.
| Voce | Dato ufficiale al lancio |
|---|---|
| Nome API | qwen3.8-max |
| Parametri | 2,4 trilioni totali; 95 miliardi attivi |
| Contesto | 1.000.000 token su QwenCloud |
| Modalità | Testo e immagini, con capacità agentiche multimodali |
| Reasoning effort | xhigh, medium, low |
| Prezzo | 2 $ input / 6 $ output per milione di token |
| Pesi | Annunciati, non ancora pubblicati al 3 agosto 2026 |
Il passaggio da chatbot ad agente di lavoro
Qwen3.8-Max viene presentato come un modello capace di chiudere il ciclo completo di un’attività: pianificazione, esecuzione, verifica e revisione. Questo cambia il parametro con cui valutarlo. La domanda non è soltanto se produce una risposta corretta, ma se riesce a mantenere coerenza quando il lavoro si allunga, gli strumenti restituiscono errori e il piano iniziale deve essere modificato.
Il team afferma di aver scalato insieme ambienti di reinforcement learning e capacità di calcolo. Gli ambienti variano su tre assi: durata del task, complessità del workspace e harness utilizzato. Un sistema di reward unificato combina verifiche eseguibili, giudizi su testo e output renderizzati e ispezione agentica; un bilanciatore online distribuisce i batch fra compiti, difficoltà e strumenti.
Qwen dichiara prestazioni comparabili attraverso QwenWork, Claude Code, Codex, OpenClaw e Hermes. Sono valutazioni condotte dal produttore, quindi non dimostrano da sole una generalizzazione indipendente fra harness. Se confermata su installazioni e workload esterni, questa portabilità sarebbe però utile per chi costruisce agenti aziendali.
Oltre dieci giorni di coding autonomo
La prima demo mostra la costruzione da zero di oh-my-cli, un agente da terminale dotato di un harness che evolve attraverso il feedback. Qwen3.8-Max ha lavorato autonomamente per oltre dieci giorni; il resoconto ufficiale fotografa, al 30 luglio, circa 16 giorni di operatività, 265 commit, 127 pull request e 151 issue. Il repository pubblico consente di verificare che il progetto esista e continui a ricevere attività.
Il sistema trasforma richieste e feedback in issue, assegna il lavoro agli agenti e applica una macchina a stati ready → leased → active. Dopo ogni aggiornamento esegue build, unit test, test end-to-end e controlli sul ciclo di vita desktop. Gli errori vengono rimandati all’issue o alla pull request corretta, creando un loop di riparazione invece di una sequenza lineare di prompt.
Questa è una dimostrazione più interessante di una raccolta di snippet: mette alla prova gestione dello stato, recupero dopo i fallimenti, manutenzione e capacità di incorporare segnali esterni. Resta una prova organizzata dal produttore, non un audit indipendente, ma il repository offre più trasparenza di una semplice registrazione promozionale.
Riprodurre un paper e poi superarlo
In un secondo test, il modello ha ricevuto il paper “Unified Data Selection for LLM Reasoning” e un insieme di GPU, senza codice iniziale. In circa 125 ore ha scritto circa 7.600 righe di codice, eseguito più di 1.100 azioni e completato 33 cicli di training. Le prime 37 ore sono servite a ricostruire la pipeline e a riprodurre sei risultati principali.
Nelle 88 ore successive il modello ha generato e testato 18 idee in quattro round. Il metodo riprodotto otteneva il 49,58% su AIME24; la migliore variante proposta dal modello è arrivata al 52,29%, un guadagno di 2,71 punti. Il dato è specifico dell’esperimento descritto: non dimostra che il modello migliori automaticamente qualsiasi paper, ma mostra un loop ricerca–codice–training–analisi mantenuto per più giorni.
Una gara contro 526 team umani
Qwen3.8-Max ha partecipato alla WWW2025 Multimodal Dialogue Intent Recognition Challenge sulla piattaforma Tianchi. In 24 ore ha costruito una soluzione composta da modelli BERT, MacBERT e RoBERTa per il testo, Qwen2.5-VL-7B per le immagini e Chinese-CLIP nei casi incerti. Dopo 45 submission, l’accuratezza dichiarata è salita da 0,60 a 0,853, davanti a 458 dei 526 team, cioè all’87% del gruppo.
Centinaia di professioni, un solo agente
La release estende il test oltre il software. Qwen afferma di aver valutato workflow appartenenti a centinaia di professioni ad alto valore economico. Gli esempi includono revisione contrattuale, progettazione UI, menu per ristorazione, analisi strutturale, riabilitazione e sport analytics.
Fra i casi dichiarati: 1.284 clausole rilevanti estratte da centinaia di documenti in meno di un’ora; un prototipo bancario interattivo di otto schermate prodotto in un solo passaggio; un menu di 26 piatti con costo del cibo al 33,8%; un modello sismico interattivo di un edificio di 30 piani; profili tattici costruiti da circa 8.400 possessi per giocatore. Sono risultati dimostrativi del produttore e non sostituiscono una validazione professionale, soprattutto nei settori legale, medico e ingegneristico.
Una strategia quant in una sessione
Nel caso finanziario il modello riceve una richiesta sintetica e costruisce un workflow per una strategia di rotazione ETF. Qwen descrive un processo con circa 330 sub-agenti e quasi 6.000 backtest, distribuiti su sei famiglie di fattori: momentum, value, qualità, investimento, basso rischio e sentiment.
La parte interessante non è la parola “profittevole”, che da sola non garantisce risultati futuri. È il comportamento durante la ricerca: rilevato un possibile overfitting fra periodo di progettazione e validazione, il sistema elimina fattori ridondanti; quando percorsi diversi convergono sugli stessi segnali, introduce una validazione multi-seed; quando un ensemble risulta fragile su campioni piccoli, cambia architettura. Qwen riporta excess Sharpe tra 0,64 e 1,48 e information coefficient tra 0,010 e 0,014, ma non presenta il caso come consiglio finanziario utilizzabile senza ulteriori controlli.
Dal chip alla gestione di un’azienda simulata
Progettazione hardware con feedback chiuso
Qwen3.8-Max ha lavorato su un acceleratore crittografico GCD/RSA in un ambiente con Icarus Verilog, Yosys, OpenROAD e test cocotb. In circa 500 turni e 71 valutazioni, il gate count del primo progetto funzionante è sceso da 8.298 a 678. La riduzione più grande arriva dalla sostituzione di un divisore modulo hardware con un’architettura iterativa shift-subtract.
Nel passaggio al layout fisico, il die dichiarato passa da 106×106 µm² a 46×46 µm²; la lunghezza dei collegamenti scende da 33.369 a 4.187 µm e il progetto raggiunge il timing closure a 500 MHz con slack positivo di 0,66 ns. Qui il valore della demo è la verifica automatizzata: ogni revisione viene simulata, sintetizzata e passata al place-and-route, così il modello riceve un segnale concreto invece di giudicare il proprio codice.
Un anno di e-commerce simulato
E-Commerce Bench simula 365 giorni di gestione commerciale con 12 tipologie di negozio, 60 categorie, quasi 600 fornitori e 7.000 prodotti. Il modello parte con 100.000 yuan e deve decidere assortimento, prezzi, scorte, negoziazioni e resi, affrontando stagionalità, crisi di fornitura e 152 operatori fraudolenti nascosti.
Secondo Qwen, Qwen3.8-Max ha chiuso l’anno con un saldo di 416.252 yuan, 4,16 volte il capitale iniziale e il 38% sopra GLM 5.2, secondo classificato. Il risultato sarebbe anche superiore del 152% rispetto a Qwen3.7-Max. È un benchmark interno basato su dati anonimizzati Taobao e Tmall: utile per valutare coerenza su oltre 2.000 interazioni, ma non equivale alla gestione di un’impresa reale.
L’agente multimodale che vede e corregge
Qwen3.8-Max unifica comprensione visiva ed esecuzione. Può analizzare documenti oltre le 200 pagine e video superiori alle 100 ore, costruendo una memoria di persone, eventi, scene e timestamp. Può anche produrre interfacce, animazioni, modifiche video, ambienti Blender e applicazioni partendo da immagini o descrizioni.
Il tratto distintivo è l’uso della visione durante l’esecuzione. Il modello osserva layout, orientamento degli oggetti e qualità delle animazioni; se un televisore è rivolto nella direzione sbagliata o una pagina non rispetta il design, può rivedere il piano e correggere il risultato. Qwen chiama “Hybrid Agent” la combinazione fra codice e controllo GUI: il codice esegue operazioni precise e ripetibili, mentre l’interfaccia offre accesso a ciò che un utente umano può vedere e manipolare.
Per misurare questa capacità, il team introduce RecreationBench su Ubuntu, macOS, Windows, Android e web. Il modello osserva un’applicazione come una scatola nera, senza sorgente e senza Internet, e prova a ricostruirla attraverso interazione e feedback. Qwen pubblica inoltre Qwen-MM-Plugins, un’estensione per aggiungere elaborazione di immagini e video, memoria multimodale, dynamic resolution e strumenti visuali agli agent harness.
Benchmark: molto forte, ma non primo ovunque
La tabella ufficiale mostra un modello competitivo con i migliori sistemi statunitensi, non un vincitore assoluto. Qwen3.8-Max ottiene 93,0 su PaperBench, sopra GPT-5.6 Sol a 90,5, Fable 5 a 88,8 e Opus 4.8 a 80,3. Su TerminalBench 2.1 raggiunge 86,6, sotto GPT-5.6 Sol a 88,8 ma sopra i due modelli Anthropic riportati a 84,6.
Su SWE-bench Pro il 67,7 di Qwen resta dietro Fable 5 a 80,0 e Opus 4.8 a 69,2, ma supera GPT-5.6 Sol a 64,6. Su HLE senza strumenti il 43,6 è sotto Fable 5 a 53,3, GPT-5.6 Sol a 47,2 e Opus 4.8 a 45,7. Nella tabella pubblicata dal produttore, Qwen3.8-Max ottiene invece il valore più alto su IFBench con 82,8, WideSearch con 81,9 e OSWorld-Verified con 86,1.
| Benchmark | Qwen3.8-Max | Opus 4.8 | Fable 5 | GPT-5.6 Sol |
|---|---|---|---|---|
| TerminalBench 2.1 | 86,6 | 84,6 | 84,6 | 88,8 |
| SWE-bench Pro | 67,7 | 69,2 | 80,0 | 64,6 |
| DeepSWE 1.1 | 56,6 | 59,0 | 70,0 | 73,0 |
| PaperBench | 93,0 | 80,3 | 88,8 | 90,5 |
| CoWorkBench | 74,8 | 72,3 | 75,9 | 71,5 |
| HLE | 43,6 | 45,7 | 53,3 | 47,2 |
La componente multimodale è altrettanto ambiziosa: 82,3 su MMMU-Pro, 52,2 su HLE-VL con strumenti, 90,4 su VideoMME con sottotitoli, 92,1 su OmniDocBench 1.5 e 91,5 su Parametric CAD Bench. Molti punteggi sono prodotti internamente da Qwen; alcuni usano scaffold differenti, giudici automatici o strumenti non uniformi. Finché non arriveranno valutazioni terze e i pesi non saranno disponibili, la lettura corretta è “frontier-level secondo la suite del produttore”, non “migliore modello del mondo”.
Dove Qwen3.8-Max vince e dove perde
Il confronto interattivo mette insieme otto benchmark con valori disponibili per tutti e quattro i modelli. Non è una media complessiva: task e metodologie sono diversi, e ogni barra conserva il significato del benchmark originale.
Multimodalità e computer use
Il radar confronta Qwen3.8-Max con GPT-5.6 Sol e Gemini 3.1 Pro su sei test multimodali e agentici presenti nella tabella ufficiale. Anche qui, i risultati sono quelli riportati da Qwen e non una nuova valutazione Velthub.
Disponibilità, API e integrazioni
Qwen3.8-Max è utilizzabile oggi su QwenCloud. L’API supporta Chat Completions e Responses compatibili con OpenAI, oltre a un’interfaccia compatibile con Anthropic. Questo permette l’uso con Claude Code, Codex, Qoder CLI, Qwen Code e OpenClaw cambiando endpoint, credenziale e nome del modello.
Il parametro reasoning_effort controlla la profondità del ragionamento. xhigh è il valore predefinito per i problemi complessi; medium cerca un equilibrio fra qualità e velocità; low riduce costo e latenza. preserve_thinking è abilitato per impostazione predefinita secondo la documentazione del lancio.
Come chiamare Qwen3.8-Max via API
L’esempio interattivo usa l’SDK OpenAI contro l’endpoint internazionale DashScope. La chiave resta in una variabile d’ambiente; il nome modello ufficiale è qwen3.8-max.
Open weights: promessa importante, ma manca ancora la prova finale
Qwen promette di rendere questa release il primo modello Max con pesi pubblicati. Al momento dell’annuncio, però, i file non sono ancora disponibili sui repository pubblici indicati. Mancano quindi elementi essenziali per valutarne l’apertura reale: licenza, formati, dimensioni, requisiti hardware, precisioni supportate e condizioni d’uso commerciale.
Con 2,4 trilioni di parametri totali, l’esecuzione locale non sarà comunque alla portata di una workstation comune. L’attivazione di 95 miliardi di parametri per token riduce il costo rispetto a un modello dense della stessa dimensione totale, ma distribuzione e inferenza richiederanno infrastrutture specializzate o forti tecniche di quantizzazione. Fino alla pubblicazione dei file, Qwen3.8-Max è un servizio API con una futura distribuzione dei pesi promessa, non ancora un modello scaricabile.
Il mercato ha reagito, ma non prova il successo del modello
Secondo Investing.com, le azioni Alibaba quotate a Hong Kong (HK:9988) guadagnavano circa il 6% a HK$124 alle 04:58 italiane del 3 agosto. La notizia colloca il lancio dentro la competizione fra Alibaba, DeepSeek, Baidu, Tencent e i laboratori statunitensi. Il movimento del titolo è un dato di mercato puntuale, non dimostra un rapporto causale esclusivo con Qwen3.8-Max e non è una previsione sull’andamento futuro.
La valutazione di Velthub
Qwen3.8-Max è una release tecnicamente rilevante perché unisce scala, prezzo competitivo, contesto lungo e una quantità insolita di prove agentiche. I casi da cinque o sedici giorni sono più interessanti delle demo da pochi minuti e la presenza di repository, video e metodologie consente almeno una verifica parziale.
Il limite è altrettanto chiaro: quasi tutto arriva dal produttore. Diverse suite sono interne, gli harness cambiano fra modelli e i pesi non sono ancora pubblici. Il giudizio potrà salire quando licenza, file e valutazioni indipendenti permetteranno di verificare costi reali, riproducibilità e prestazioni fuori da QwenCloud.
Domande frequenti
Qwen3.8-Max è già open source?
No. Qwen ha annunciato la pubblicazione dei pesi per la settimana successiva al lancio, ma al 3 agosto 2026 i repository pubblici non sono ancora disponibili. Inoltre “open weights” e “open source” non sono sinonimi: servirà leggere la licenza.
Quanto costa usare Qwen3.8-Max?
La pagina ufficiale QwenCloud indica 2 dollari per milione di token in input e 6 dollari per milione di token in output. Promozioni, regioni e funzioni accessorie possono modificare il costo effettivo.
Qual è la finestra di contesto?
QwenCloud dichiara un contesto massimo di un milione di token. La quantità realmente utilizzabile dipende dall’endpoint, dal client, dagli output richiesti e dai limiti operativi dell’account.
Qwen3.8-Max batte GPT-5.6 Sol e Claude?
Dipende dal test. Vince su PaperBench, IFBench, WideSearch e diversi benchmark multimodali riportati da Qwen; perde su altri, fra cui HLE, SWE-bench Pro contro Fable 5 e TerminalBench contro GPT-5.6 Sol. Non esiste un singolo punteggio che lo renda migliore in ogni scenario.
Si può usare con Claude Code o Codex?
Sì. QwenCloud espone protocolli compatibili con Anthropic e OpenAI e pubblica configurazioni per Claude Code e Codex. Occorrono una chiave QwenCloud, il relativo base URL e il modello qwen3.8-max.
Nota: prezzi, disponibilità e dati di mercato sono quelli verificati il 3 agosto 2026. I risultati benchmark sono quelli pubblicati dal Qwen Team salvo diversa indicazione. Il riferimento al titolo Alibaba non costituisce consulenza finanziaria.
https://velthub.ai/blog/qwen38-max-alibaba-coding-agenti-open-weights