Akaunti rasmi ya “ModelScope Community” ya Alibaba Cloud ilitangaza usiku wa kuamkia jana (tarehe 12) kwamba timu ya Alibaba Qwen imefungua rasmi uzani wa modeli ya Qwen3.8-2.4T-A95B.
Hii ni mara ya kwanza kwa modeli ya kiwango cha Qwen-Max kufunguliwa uzani wake: modeli ina jumla ya vigezo 2.4T, huku kila Token ikiwezesha vigezo 95B, inasaidia asili muktadha wa Token 262,144, na inaweza kupanuliwa hadi Token 1,010,000.
Qwen3.8 inaendeleza usanifu mseto wa Qwen3.5, ikilenga kuboresha uwezo wa kukamilisha kazi za Agent za programu, ofisini, utafiti wa kisayansi na mizunguko mirefu kutoka mwanzo hadi mwisho. Toleo rasmi la wingu la Qwen3.8-Max linatokana na modeli hii yenye uzani uliofunguliwa, na linaongezewa uwezo zaidi kwa mazingira ya uzalishaji.
Tathmini rasmi zilihusu maeneo kama Agent wa programu, Agent wa jumla, kazi za kitaalamu na muktadha mrefu; ikilinganishwa na modeli kama Opus 4.8, Fable 5 na GPT 5.6 Sol, matokeo yalitofautiana kwa kila kipengele, huku modeli hiyo ikipata alama za juu miongoni mwa modeli zilizoorodheshwa katika Benchmark kama PaperBench na IFBench.
Viungo vinavyohusiana ni kama ifuatavyo:
Modeli: https://modelscope.cn/models/Qwen/Qwen3.8-2.4T-A95B
blogu: https://qwen.ai/blog?id=qwen3.8
Qwen Studio: https://chat.qwen.ai
Qwen3.8-2.4T-A95B ni modeli ya lugha ya kisababishi, yenye jumla ya vigezo 2.4T, huku kila Token ikiwezesha vigezo 95B. Kila safu ya MoE ya modeli ina wataalamu 512, kila Token ikichagua wataalamu 10 wa uelekezaji, huku pia ikiwezesha mtaalamu 1 wa pamoja.
Modeli hiyo pia ilifanyiwa mafunzo ya MTP ya hatua nyingi (Multi-Token Prediction), yanayowezesha injini za uelekezaji zinazotumia utaratibu huo kutabiri Token kadhaa zinazofuata.
Kulingana na maelezo yaliyotolewa, mafunzo ya baada ya awali ya Qwen3.8-Max kwa kazi za ofisini na Agent yanaweza kufupishwa katika hatua tatu:
Kupanua kila mara mazingira halisi, na kuyatenganisha katika vipimo hivi huru: kazi (Task) (kazi moja → kazi nyingi → kazi zinazochukua siku kadhaa), nafasi ya kazi (Workspace) (faili nyingi → saraka za ngazi mbalimbali → saraka changamano za aina mseto), na Harness (kategoria, matoleo na ujuzi tofauti). Hii huwezesha idadi ya mazingira kukua kiasili kwa njia ya mchanganyiko, badala ya kutegemea miunganisho maalum iliyobuniwa moja baada ya nyingine.
Kujenga mfumo mmoja wa zawadi unaojumuisha ndani yake mbinu mbalimbali za uthibitishaji za kazi halisi. Mfumo huo unajumuisha uthibitishaji unaotegemea utekelezaji, tathmini ya rubric ya maandishi na matokeo ya kuona yaliyotolewa, pamoja na ukaguzi wa agent. Tunaunganisha aina na modali mbalimbali katika mfumo mmoja wa zawadi, na kutoa ishara ya zawadi thabiti na ya kuaminika kwa mazingira yote, huku tukiondoa kutokuwiana kunakosababishwa na kudumisha verifaya maalum kwa kila kazi.
Kujenga kisawazisha data cha mtandaoni kinachounda upya kila batch ili mgawanyo wake katika kazi, ugumu, nafasi ya kazi na Harness uwe na uwiano wa juu, kupunguza tofauti za gradient kati ya batch, na hivyo kusaidia kuongeza rasilimali za mafunzo ya ujifunzaji wa kuimarisha kwa uthabiti na kwa kuendelea.