Alibaba abre los pesos de Qwen3.8-Max: 2.4T parámetros y 95B activos para tareas autónomas de días de duración

Alibaba ha presentado Qwen3.8-Max, su modelo de lenguaje más capaz hasta la fecha, con 2,4 billones de parámetros totales (95.000 millones activos por consulta) en arquitectura basada en Qwen3.5. La novedad clave: será el primer modelo de la clase Qwen-Max con pesos abiertos, disponibles en Hugging Face y ModelScope la próxima semana. El equipo orienta el modelo a tareas complejas de larga duración que se ejecutan de forma autónoma durante días, en lugar de responder prompts puntuales.

Autonomía demostrada en cinco casos de estudio

El equipo publicó varios experimentos donde el modelo trabajó sin intervención humana. El más llamativo: oh-my-cli, una herramienta de línea de comandos construida en 16 días donde el modelo gestionó su propio backlog — convirtió peticiones en issues de GitHub, se las asignó, escribió el código, ejecutó tests e iteró hasta acumular 265 commits y 127 pull requests. En otro caso, reprodujo el paper "Unified Data Selection for LLM Reasoning" sin código inicial: en ~125 horas de cómputo escribió 7.600 líneas de código, ejecutó 33 trabajos de entrenamiento GPU, reprodujo los seis resultados principales y terminó superando el método original en AIME24.

También ganó a casi todos los humanos: en el WWW2025 Multimodal Dialogue Intent Recognition Challenge (526 equipos), fine-tuneó varios modelos chinos junto a Qwen2.5-VL-7B en 24 horas y superó a 458 de los 526 equipos. En E-Commerce-Bench, una simulación de un año fiscal en retail con 152 estafadores ocultos entre proveedores, cuadruplicó su capital inicial (de 100.000 a 416.252 yuanes) — un 38% más que GLM 5.2.

Entrenamiento y disponibilidad

El equipo atribuye la resistencia en tareas largas a una expansión de los entornos de entrenamiento durante RL: ya no solo tareas individuales, sino flujos de trabajo multi-día, estructuras de directorios anidadas y varios harnesses de agentes. Su índice interno subió de 0,474 a 0,725 con rendimiento óptimo alrededor de 4.000 entornos.

Qwen3.8-Max está disponible ya en QwenCloud con soporte para los formatos de API de OpenAI y de Anthropic (se integra con Claude Code, Codex y Qoder CLI), más un parámetro reasoning_effort con tres niveles. Los pesos abiertos llegarán la próxima semana, y quedará por ver si la verificación independiente confirma las cifras internas — el mismo escrutinio que recibió su rival directo Kimi K3 de Moonshot (2,8T de parámetros, open weights desde el 27 de julio).