Компания Alibaba представила Qwen3.8-Max — новую флагманскую языковую модель с 2,4 трлн параметров и активной частью весов 95 млрд. Модель уже доступна через QwenCloud, а открытые веса разработчики планируют опубликовать на следующей неделе. Основной упор сделан на программирование, выполнение сложных рабочих задач, исследования и проекты с длительным горизонтом планирования.
Одной из главных особенностей Qwen3.8-Max стала способность автономно выполнять масштабные задачи без участия человека. В одном из экспериментов модель более 16 дней самостоятельно развивала программный проект, за это время выполнив 265 коммитов, создав 127 запросов на слияние и обработав 151 задачу. В другом тесте она с нуля воспроизвела научную работу, написала около 7600 строк кода, провела 33 цикла обучения и после серии собственных экспериментов улучшила опубликованный метод, увеличив результат на тесте AIME24 еще на 2,7 балла.
Еще одним испытанием стал конкурс по распознаванию намерений пользователей, где участвовали 526 команд. За сутки модель самостоятельно разработала решение, постепенно повысила точность с 0,60 до 0,853 и обошла 458 команд, войдя в число лучших 13% участников.
Разработчики также протестировали модель на практических задачах. Она смогла проанализировать сотни юридических документов менее чем за час, создать интерактивный прототип банковского приложения без дополнительных доработок, разработать меню из 26 блюд, подготовить инженерную модель здания, собрать интерактивную медицинскую визуализацию и автоматически сформировать аналитические отчеты по тысячам игровых эпизодов.
В задачах с длительным горизонтом планирования Qwen3.8-Max также показала заметный прогресс. При проектировании цифровой микросхемы модель самостоятельно выполнила около 500 итераций оптимизации, сократив количество логических элементов с 8298 до 678. Физическая площадь кристалла уменьшилась на 81%, а итоговая схема успешно прошла проверку на частоте 500 МГц.
В годовом симуляторе управления интернет-магазином модель завершила более 2000 раундов взаимодействия, адаптировалась к изменяющимся условиям рынка и довела итоговый капитал до 416 252 иен (~2662 доллара США). Это соответствует росту в 4,16 раза, что оказалось на 38% выше результата ближайшего конкурента и на 152% лучше предыдущего поколения Qwen3.7-Max.
Кроме текстовых задач модель поддерживает обработку изображений, видео и объемных документов. Она способна анализировать PDF-файлы объемом более 200 страниц, работать с видеозаписями продолжительностью свыше 100 часов, создавать интерфейсы, анимацию, трехмерные сцены и самостоятельно проверять качество полученного результата, исправляя ошибки без вмешательства пользователя.
Опробовать новую модель можно здесь.
