Модель · Qwen
Qwen3.8 Max
Флагманская модель Qwen для программирования и долгих агентных задач, её текстовая версия выложена с открытыми весами
вышла 3 августа
Рейтинг Epoch AIСводная оценка общих возможностей модели: статистическая модель выводит её из результатов на многих бенчмарках с учётом их сложностиШкала условная (Claude 3.5 Sonnet = 130, GPT-5 = 150); интервал — 90-процентный диапазон оценки, и модели с перекрывающимися интервалами надёжно не различаются.Подробнее на английском ↗
14 место из 266
индекс 157, вероятный разброс 155–159 · весь рейтинг →
| Бенчмарк | РезультатОбычно — доля заданий теста, которые модель решила. У некоторых тестов свой счёт; как он устроен, сказано в пояснении к названию теста | УсилиеНасколько долго модель рассуждала перед ответом, когда её проверяли: низкое, среднее, высокое, очень высокое, максимальное. Чем выше усилие, тем обычно выше результат — и тем дольше и дороже ответ. Показан лучший результат и усилие, на котором он получен |
|---|---|---|
| DTBenchВопросы с выбором ответа по теории принятия решений в задачах вроде парадокса Ньюкома, где твой выбор говорит о выборе похожих на тебяСлучайный выбор даёт около 40%, так что это нижняя планка, а не ноль.Подробнее на английском ↗ | 86,7% | очень высокое |
| LMCAНасколько оценки моделью доводов в философии, теории решений и безопасности ИИ совпадают с оценками экспертовБалл — корреляция с оценками экспертов, умноженная на 100; практический потолок около 85, а не 100.Подробнее на английском ↗ | 54,4% | очень высокое |
| Mystery Game Puzzles100 позиций из головоломочного варианта известной игры, название которой скрыто: нужно найти единственный лучший ходПодробнее на английском ↗ | 31,7% | очень высокое |
| FrontierMath-Tier-4-v2-PrivateЗакрытый набор самых трудных задач FrontierMath: исследовательская математика, на которую у специалистов уходят часы и дниПодробнее на английском ↗ | 46,3% | очень высокое |
| FrontierMath-Tiers-1-3-v2-PrivateСотни новых задач исследовательской математики от профессиональных математиков; эксперту на задачу нужны часы или дниПодробнее на английском ↗ | 74,7% | очень высокое |
| DeepSWE113 долгих задач по программированию в 91 открытом проекте на пяти языках; задачи написаны с нуля и не публиковалисьEpoch нашла, что примерно в 20% задач проверка отклоняет верные решения, поэтому реальный потолок заметно ниже 100%.Подробнее на английском ↗ | 57,5% | очень высокое |
| ProofBench100 закрытых задач по математике уровня старших курсов и аспирантуры: модель пишет доказательство на Lean 4, его проверяет программаПодробнее на английском ↗ | 58,0% | |
| Chess Puzzles100 новых шахматных задач, позиция дана текстом: нужно найти единственный лучший ход по оценке движка StockfishПодробнее на английском ↗ | 25,3% | очень высокое |
| SimpleQA Verified1000 коротких вопросов на факты, на которые модель отвечает по памяти, без поиска в интернетеБалл — F1: учитываются и доля верных ответов, и точность там, где модель решилась ответить, так что честное «не знаю» лучше ошибки.Подробнее на английском ↗ | 45,8% | очень высокое |
| OTIS Mock AIME 2024-202545 олимпиадных задач по математике из пробных экзаменов AIME школы OTIS; ответ — целое число от 0 до 999Подробнее на английском ↗ | 99,4% | очень высокое |
| GPQA diamond198 вопросов с выбором ответа по физике, химии и биологии уровня аспирантуры — такие, что ответ не найти поискомСлучайный выбор даёт 25%, а специалисты с учёной степенью в своей области набирают около 70%.Подробнее на английском ↗ | 90,2% | очень высокое |
Характеристики
- Вышла
- 3 августа
- КонтекстСколько текста модель учитывает за один запрос: вопрос, приложенные документы и её собственный ответ вместе. Токен — кусок слова; слово обычно занимает один–три токена
- 1 млн токенов
- Длина ответаСколько токенов модель может выдать за один ответ, вместе со скрытыми рассуждениями, если они есть
- до 131 тыс. токенов
- Цена входаСколько стоит миллион токенов, отправленных модели: вопрос, документы, вся история переписки
- $2 за миллион токенов
- Вход из кэшаЦена входа для повторяющегося начала запроса, которое лаборатория уже сохранила у себя. В длинной переписке и у агентов это большая часть входа — и в разы дешевле
- $0,25 за миллион токенов
- Цена ответаСколько стоит миллион токенов, написанных моделью, — включая скрытые рассуждения
- $6 за миллион токенов
- Понимает
- текст, изображения, видео, PDF
- Отвечает
- текст
- РассужденияПеред ответом модель рассуждает про себя: медленнее и дороже, зато точнее на трудных задачах
- да
- Вызов инструментовМодель сама просит программу выполнить действие — поиск, запуск кода, запрос к сервису — и продолжает с результатом. На этом держатся агенты
- да
- ВесаОткрытые — файлы модели можно скачать и запустить на своих серверах. Закрытые — доступ только через сервис лаборатории
- закрытые
- Идентификатор в API
- qwen3.8-max
Что это за модель
Qwen3.8 Max — самая сильная модель Alibaba в линейке Qwen3.8. Её строят как смесь экспертов (mixture of experts): всего в ней 2,4 трлн параметров, из 512 экспертов на каждый токен включаются 11, и работают около 95 млрд параметров. В 92 слоях чередуются два вида внимания. Первый, Gated DeltaNet, — линейный: с ним дешевле обрабатывать длинные тексты. Второй — обычное внимание.
Главное отличие от Qwen3.7 Max: впервые Alibaba открыла веса модели класса Max. Их выложили на Hugging Face под названием Qwen3.8-2.4T-A95B. По словам лаборатории, по сравнению с Qwen3.7 новая модель заметно лучше пишет код, решает профессиональные и исследовательские задачи, лучше сама планирует и учитывает ответы среды, в которой работает. Глубину рассуждений можно настроить: от низкой до очень высокой.
Модель берут для сложного программирования, многошаговых рассуждений и задач, которые агент выполняет сам, без участия человека. В карточке модели лаборатория приводит такие результаты: 86,6 в Terminal Bench 2.1, 67,7 в SWE-Bench Pro, 93,0 в PaperBench и 92,6 в GPQA Diamond. В рейтинге Epoch модель входит в верхние полтора десятка.
Открытая версия заметно беднее той, что доступна через API. Она понимает только текст, по умолчанию держит контекст в 262 тыс. токенов и не может ответить без рассуждений: каждый ответ начинается с блока размышлений. Картинки и видео, контекст в миллион токенов по умолчанию, режим без рассуждений и встроенные инструменты есть только в платной версии через API. Веса выложены под собственной лицензией Qwen, а не под Apache 2.0. Если у продукта больше 100 млн пользователей в месяц или выручка выше 20 млн долларов в месяц, название модели нужно показывать на видном месте. Компаниям, которые продают доступ к моделям или ИИ-ассистентов для работы и получили за год больше 50 млн долларов выручки, нужна отдельная лицензия.
Источники: Карточка модели на Hugging Face, Лицензия Qwen3.8-Max
Того же уровня по индексу Epoch
-
GPT-5.3 Codex
OpenAI15-е место в Epochконтекст 400 тыс.$1,75 / $14рассуждениядороже в 2,3 раза
-
Gemini 3.8 Flash
Google16-е место в Epochконтекст 1 млн$0,75 / $3,75рассуждениядешевле в 1,6 раза
Другие модели семейства
-
Qwen3.8 Flash
Qwenконтекст 1 млн$0,15 / $0,47рассуждения
-
-
-
-
-
-
-
Новости о модели
- 01
- 02
- 03
- 04
- 05
- 06
Данные: models.dev (MIT) и Epoch AI (CC BY 4.0).