De acordo com pt.wedoany.com-A Alibaba lançou na segunda-feira seu maior modelo de IA até o momento, o Qwen3.8-Max, ampliando seu portfólio de produtos de IA empresarial. Este modelo de pesos abertos adota arquitetura de Mistura de Especialistas (MoE), com 2,4 trilhões de parâmetros totais, ativando apenas cerca de 95 bilhões de parâmetros durante a inferência, visando suportar tarefas de codificação, raciocínio e multimodalidade com maior eficiência de inferência, direcionado a cargas de trabalho de engenharia de software e negócios intensivos em conhecimento.
Conforme planejado, a versão de pesos abertos será lançada na próxima semana através do Model Studio da Alibaba Cloud. A Alibaba afirmou na plataforma X que o modelo é "um dos modelos mais poderosos da atualidade, comparável aos principais modelos de IA de fronteira, ficando atrás apenas do Claude Fable 5".
Em termos de testes de benchmark, a Alibaba comparou o Qwen3.8-Max com o Claude Opus 4.8 e o Claude Fable 5 da Anthropic, e o GPT-5.6 Sol da OpenAI, em benchmarks de programação, incluindo SWE-bench Pro e o benchmark personalizado da Alibaba, NL2Repo-Bench. Na avaliação dos concorrentes, foram utilizadas as ferramentas de programação fornecidas por cada fornecedor, usando Claude Code para os modelos da Anthropic e Codex para o GPT-5.6 Sol, reportando as maiores pontuações publicadas de cada concorrente nas configurações disponíveis.
Charlie Dai, vice-presidente e analista principal da Forrester Research, acredita que este lançamento demonstra que a Alibaba está reduzindo a lacuna em relação aos líderes de modelos proprietários, mas o que merece mais atenção é o rápido amadurecimento dos modelos de pesos abertos. Ele afirmou que, em cenários de engenharia de software, personalização de domínio, soberania e implantação sensível a custos, as empresas agora têm alternativas confiáveis aos modelos proprietários de fronteira, onde a abertura muitas vezes é tão importante quanto o desempenho absoluto do modelo.
A Alibaba também relatou três testes de projetos de codificação de vários dias sem supervisão: o modelo iniciou tarefas independentemente a partir de pastas de projeto vazias, sem assistência humana durante todo o processo, sendo que um deles supostamente levou 16 dias para ser concluído de forma autônoma. As direções de aplicação empresarial incluem conformidade legal, análise financeira, engenharia de design, pesquisa quantitativa e criação de conteúdo multimodal. A Alibaba afirma que o modelo foi projetado para executar processos de negócios completos, em vez de tarefas individuais assistidas por IA.
Amit Jena, gerente de desenvolvimento de IA da Kanerika, questionou a afirmação de "conclusão autônoma de projeto de engenharia de software em 16 dias": "O que foi feito em 16 dias? Quantas vezes houve intervenção humana? A saída passou por revisão de código?" Ele também alertou que pesos abertos e endpoints de API abertos são coisas diferentes, "sem repositório de código, licença e model card, pesos abertos são apenas uma intenção".
Sobre o design que ativa apenas cerca de 95 bilhões de parâmetros, Dai acredita que, para compradores empresariais, a eficiência de inferência já superou o tamanho bruto do modelo em importância, pois pode reduzir significativamente os custos de serviço e os requisitos de infraestrutura. Jena, por sua vez, afirmou que a eficiência não é mais a questão central; avaliar a taxa de transferência é a verdadeira restrição. Nitish Tyagi, analista principal sênior da Gartner, destacou que este lançamento indica que os custos de implantação de IA estão sob pressão competitiva. A Gartner previu anteriormente que, sem um controle de custos mais rigoroso, os gastos com programação de IA poderiam exceder o salário de desenvolvedores comuns. Tyagi acredita que a combinação de pesos abertos, arquitetura de Mistura de Especialistas e janela de contexto de 1 milhão de tokens torna o desenvolvimento de software assistido por IA economicamente mais viável.
Tyagi também alertou que as empresas não podem considerar apenas os custos de inferência ao avaliar a implantação em produção. Muitas organizações fora da China podem ser cautelosas com modelos hospedados na China, e a implantação através de provedores de nuvem em hiperescala ou infraestrutura local gera custos adicionais; modelos de pesos abertos geralmente carecem da proteção de indenização oferecida por fornecedores comerciais de IA, e as empresas precisam estabelecer controles próprios de segurança, governança e varredura de código para identificar riscos de direitos autorais e propriedade intelectual antes da implantação em produção.
Jena também apontou que o Qwen3.8-27B, lançado junto com o modelo principal, mas quase não coberto pela mídia, pode ser a escolha mais prática para a maioria das organizações, pois pode ser executado em infraestrutura própria e ajustado com dados próprios. Dai recomendou que líderes empresariais priorizem a avaliação de transparência e custo total de propriedade, em vez de números de manchete. A questão central é se o Qwen3.8 pode entregar resultados de negócios mensuráveis, confiabilidade de nível empresarial, menor custo total de propriedade e opções de soberania digital em comparação com modelos concorrentes.
