Alibaba amplia la famiglia Qwen con un modello progettato non soltanto per rispondere alle domande, ma per portare autonomamente a termine attività complesse, utilizzare strumenti e produrre risultati pronti all’uso. Qwen3.8-Max dispone di 2.400 miliardi di parametri, dei quali 95 miliardi vengono attivati durante ogni elaborazione.
Qwen3.8-Max è già disponibile tramite le API di QwenCloud. Alibaba pubblicherà i pesi su Hugging Face e ModelScope nella settimana successiva alla presentazione del 3 agosto 2026. Sarà la prima volta che un modello Qwen appartenente alla fascia Max verrà distribuito come open weight. Nell’annuncio non è ancora specificata la licenza che accompagnerà i pesi.
Tutti i dati, i risultati sperimentali e i punteggi dei benchmark riportati di seguito provengono dalla documentazione pubblicata da Alibaba, salvo diversa indicazione.
Addestrato per lavorare, non solo per conversare
Qwen3.8-Max riprende le fondamenta architetturali di Qwen3.5 e introduce miglioramenti nel coding, nella ricerca, nei flussi di lavoro professionali, nella comprensione multimodale e nelle attività di lunga durata.
📢Meet Qwen3.8-Max — our most capable model to date.
Next week, the open weights of Qwen3.8-Max will be released, and Qwen3.8-27B is also going open-weights to meet you all!🎉
Qwen3.8-Max, a new bar for coding and cowork at 2.4T parameters:
– Autonomous coding: 10+ days of… pic.twitter.com/e3YFj2hqcT
— Qwen (@Alibaba_Qwen) 3 Agosto 2026
Il salto di scala non riguarda soltanto il numero dei parametri. Alibaba ha addestrato il modello in ambienti che riproducono progetti composti da più attività, cartelle con strutture articolate, documenti eterogenei e sessioni che possono protrarsi per giorni. Le prove sono state eseguite attraverso diversi software agentici, fra cui QwenWork, Claude Code, Codex, OpenClaw e Hermes.
Alla base dell’addestramento c’è un sistema di reinforcement learning che combina ambienti scalabili, dalla singola attività ai progetti di più giorni, con workspace e strumenti differenti; un sistema di ricompensa universale, capace di valutare esecuzione del codice, rispetto di criteri testuali e qualità del risultato visivo; e un bilanciatore dei dati online, che distribuisce attività, difficoltà, workspace e software di orchestrazione all’interno dei batch di addestramento.
L’obiettivo è ottenere un agente che non segua rigidamente un piano iniziale, ma utilizzi i risultati intermedi per correggere il proprio comportamento. Il processo segue un ciclo continuo di azione, feedback, verifica e nuova iterazione.
Oltre 16 giorni di sviluppo software autonomo
Uno degli esperimenti più estesi riguarda la creazione di oh-my-cli, un progetto sviluppato dal modello partendo da una cartella vuota. Qwen3.8-Max ha costruito anche il sistema incaricato di far evolvere il software: le richieste vengono trasformate in issue, assegnate agli agenti e sottoposte a compilazione, test unitari, verifiche end-to-end e controlli sul ciclo di vita dell’applicazione desktop.
Il flusso comprende un dispatcher, un monitor, un watchdog e una macchina a stati che segue ogni attività dall’assegnazione alla pull request. Quando una verifica fallisce, l’anomalia viene ricondotta automaticamente all’issue pertinente, corretta e sottoposta a un nuovo controllo.
Al 30 luglio 2026, dopo circa 16 giorni di attività autonoma, il repository aveva accumulato 265 commit, 127 pull request e 151 issue. Il caso mette alla prova la capacità di conservare lo stato e mantenere una strategia coerente per periodi molto più lunghi di una normale sessione di coding assistito.
Dal paper a un metodo più efficace
In un secondo test, Alibaba ha affidato a Qwen3.8-Max il paper scientifico “Unified Data Selection for LLM Reasoning”. Il compito consisteva nel riprodurre gli esperimenti descritti dai ricercatori e successivamente cercare una soluzione migliore.
Il modello è partito senza codice, pipeline o configurazioni già pronte. In circa 125 ore ha scritto approssimativamente 7.600 righe di codice, effettuato oltre 1.100 azioni ed eseguito 33 sessioni di addestramento su GPU.
Le prime 37 ore sono servite a ricostruire la pipeline dello studio e a replicarne i sei risultati principali, compreso il vantaggio del metodo di selezione dei dati rispetto a un campionamento casuale su AIME24. Nelle successive 88 ore, Qwen3.8-Max ha formulato e sperimentato 18 ipotesi distribuite su quattro cicli di miglioramento.
Il metodo individuato dal modello ha superato di 2,7 punti la soluzione di partenza su AIME24. L’esperimento comprende l’intero processo: lettura del paper, scrittura del codice, addestramento, analisi degli errori e formulazione di nuove ipotesi.
Ventiquattro ore contro 526 team umani
Alibaba ha inoltre inserito Qwen3.8-Max nel WWW2025 Multimodal Dialogue Intent Recognition Challenge, una competizione ospitata sulla piattaforma Tianchi. Il modello doveva interpretare conversazioni con il servizio clienti combinando testo e schermate dei prodotti.
Nell’arco di 24 ore ha costruito una soluzione composta da BERT, MacBERT e RoBERTa per il testo, più Qwen2.5-VL-7B e Chinese-CLIP per le immagini. Ha quindi riunito le previsioni attraverso un sistema di voto pesato, calibrato mediante convalida incrociata.
Dopo 45 invii, l’accuratezza è passata da 0,60 a 0,853. Il punteggio finale ha permesso al sistema di superare 458 dei 526 team presenti, equivalenti all’87% dei partecipanti.
Dalla compliance alla progettazione strutturale
La sezione dedicata al lavoro professionale comprende dimostrazioni in centinaia di occupazioni. Alibaba cita, fra gli altri, consulenti legali, designer, analisti sportivi, ingegneri strutturali, terapisti e responsabili della ristorazione.
In un’attività di compliance, Qwen3.8-Max ha individuato 1.284 clausole rilevanti all’interno di centinaia di documenti in meno di un’ora. Per la progettazione di un’app bancaria ha generato un prototipo interattivo composto da otto schermate e da un sistema grafico coerente. In ambito strutturale ha ricostruito nel browser il modello sismico di un edificio di 30 piani, rendendo consultabili periodo naturale, taglio alla base e spostamento relativo fra i piani.
Il modello ha inoltre creato un menu di 26 piatti a partire da oltre cento documenti sui fornitori, mantenendo il costo delle materie prime al 33,8%. In ambito sportivo ha trasformato circa 8.400 possessi offensivi e difensivi per giocatore in profili tattici e rapporti destinati agli allenatori.
Le dimostrazioni illustrano l’ambizione del modello: leggere grandi quantità di materiale eterogeneo e restituire documenti, prototipi, analisi o strumenti interattivi, anziché una semplice risposta testuale.
Ricerca quantitativa con 330 sotto-agenti
Qwen3.8-Max può costruire workflow dinamici e distribuire parti del lavoro ad altri agenti. Alibaba ha applicato questa capacità alla creazione di una strategia di rotazione degli ETF.
Partendo da una richiesta testuale, il modello ha predisposto il sistema dei dati, costruito i fattori di base ed eseguito più cicli di backtest. Quando ha rilevato una divergenza fra i risultati ottenuti durante la progettazione e quelli della convalida, ha eliminato progressivamente i fattori ridondanti. Ha inoltre introdotto controlli con seed diversi e modificato il metodo di aggregazione quando l’ensemble iniziale è risultato poco robusto.
In una successiva esplorazione parallela, sei brevi descrizioni delle principali famiglie di fattori finanziari sono state scomposte in 50 direzioni di ricerca ciascuna. Qwen3.8-Max ha coordinato circa 330 sotto-agenti ed eseguito approssimativamente 6.000 backtest. I fattori selezionati hanno ottenuto excess Sharpe ratio compresi fra 0,64 e 1,48 e information coefficient positivi fra 0,010 e 0,014.
Da 8.298 a 678 porte logiche
Uno dei casi tecnicamente più rilevanti riguarda la progettazione autonoma di un acceleratore hardware GCD/RSA. L’ambiente metteva a disposizione Icarus Verilog per la simulazione, Yosys per la sintesi e OpenROAD per il layout fisico. Il modello doveva mantenere la correttezza bit per bit nelle configurazioni a 4, 6, 8 e 16 bit, riducendo contemporaneamente il numero delle porte logiche.
Qwen3.8-Max è partito da moduli RTL vuoti, una descrizione dell’attività e uno script di valutazione. In circa 500 turni ha eseguito 71 valutazioni e attraversato 13 tappe progettuali. La prima soluzione funzionante occupava 8.298 porte; quella conclusiva ne utilizzava 678.
L’intervento principale è stato la sostituzione del divisore hardware per l’operazione modulo con un’architettura iterativa basata su shift e sottrazione. Questa riscrittura ha ridotto da sola il progetto a 2.010 porte. Sono seguiti la rimozione degli stadi ridondanti, il restringimento dei registri, la semplificazione della macchina a stati, la fusione dei moduli e la condivisione dei sottrattori.
Il processo di place-and-route ha portato il layout da 106 × 106 micrometri a 46 × 46 micrometri, con una riduzione dell’area fisica dell’81%. La lunghezza totale dei collegamenti è scesa da 33.369 a 4.187 micrometri, mentre il progetto finale ha raggiunto la chiusura temporale a 500 MHz, con uno slack positivo di 0,66 nanosecondi.
Gestire negozi online per 365 giorni
Per valutare decisioni di durata ancora maggiore, Alibaba ha utilizzato E-Commerce Bench, una simulazione di 365 giorni costruita su dati anonimizzati di Taobao e Tmall. L’ambiente comprende 12 tipologie di negozi, 60 categorie, quasi 600 fornitori e 7.000 prodotti.
Il modello riceve 100.000 yuan iniziali e deve gestire assortimento, negoziazione con i fornitori, inventario, prezzi, resi, flussi di cassa, picchi stagionali e imprevisti nella catena di fornitura. Fra i fornitori sono nascosti anche 152 soggetti fraudolenti con differenti strategie, come richieste di quote associative, prezzi-esca o merci non corrispondenti alla descrizione.
Nel corso di oltre 2.000 interazioni, Qwen3.8-Max ha progressivamente migliorato le proprie negoziazioni, trasferendo quanto appreso anche a prodotti simili. Alla fine della simulazione ha raggiunto un saldo di 416.252 yuan, pari a 4,16 volte il capitale iniziale. Il risultato supera del 38% quello di GLM 5.2 e del 152% quello del precedente Qwen3.7-Max.
Documenti di 200 pagine e video lunghi 100 ore
Qwen3.8-Max è un modello multimodale: può interpretare testo, immagini, grafici, interfacce, documenti e video. Può analizzare report finanziari e PDF di oltre 200 pagine, collegando il testo alla struttura del documento e ai grafici distribuiti nelle diverse sezioni.
Nel caso dei video, il modello può lavorare su contenuti che superano le 100 ore. Oltre a individuare un momento specifico, costruisce una memoria che mette in relazione persone, eventi, scene e timestamp. Lo scopo è trasformare trasmissioni, serie o lunghe registrazioni in strutture consultabili e interrogabili.
La componente visiva viene utilizzata anche durante la produzione. Qwen3.8-Max può montare filmati, creare animazioni didattiche, ricostruire un frontend a partire da una schermata, trasformare una pianta in una visualizzazione tridimensionale con Blender o sviluppare applicazioni interattive.
Il modello osserva inoltre i propri risultati intermedi. Può rilevare un elemento orientato nella direzione sbagliata, un’interfaccia disallineata o una composizione che non corrisponde alla richiesta, modificando autonomamente il piano. La visione diventa parte del ciclo di verifica, non soltanto una modalità di input.
Agenti ibridi fra codice e interfacce grafiche
Alibaba definisce “Hybrid Agent” la combinazione fra generazione di codice e uso diretto delle interfacce. Il codice permette di automatizzare le operazioni più estese, mentre il controllo della GUI consente di interagire con gli stessi elementi che una persona vede e seleziona.
Per valutare questa capacità, l’azienda ha creato RecreationBench. Il benchmark comprende applicazioni per Ubuntu, macOS, Windows, Android e web. Il modello può osservare il programma originale soltanto come una scatola nera, senza codice sorgente né accesso a Internet, e deve ricostruirlo attraverso cicli successivi di osservazione, programmazione e confronto visivo.
Insieme al modello arriva anche Qwen-MM-Plugins, una libreria destinata ad aggiungere agli agenti esistenti elaborazione di immagini e video, memoria multimodale, risoluzione dinamica, uso di strumenti visivi e funzioni specializzate per montaggio video, Blender e CAD.
Il posizionamento nei benchmark pubblicati da Alibaba
Nel gruppo di test dedicati al coding, Qwen3.8-Max ottiene 86,6 punti su Terminal Bench 2.1, 67,7 su SWE-bench Pro, 73,5 su FrontierSWE e 93 su PaperBench. In quest’ultimo test supera i punteggi riportati nella stessa tabella per Claude Opus 4.8, Claude Fable 5 e GPT-5.6 Sol.
Sui benchmark dedicati al lavoro agentico raggiunge 74,8 punti su CoWorkBench, 67,7 su WorkSpaceBench, 70,2 su SkillsBench e 81,9 su WideSearch. Nei test generali ottiene 92,6 su GPQA Diamond, 82,8 su IFBench, 60,2 su HealthBench e 92,9 nel test MRCR v2 con contesto da 256.000 token.
Sul versante multimodale, il modello registra 82,3 punti su MMMU-Pro, 86,1 su OSWorld-Verified, 84,5 su ScreenSpot Pro, 91,5 su Parametric CAD Bench e 92,1 su OmniDocBench 1.5. Nei test video raggiunge 90,4 su VideoMME con sottotitoli e 88,7 su VideoMMMU.
Prezzi nettamente inferiori a OpenAI e Anthropic
Il listino comunicato dal team Qwen fissa il prezzo di Qwen3.8-Max a 2 dollari per un milione di token in input e 6 dollari per un milione di token in output. Gli input recuperati attraverso la cache implicita costano 0,25 dollari per milione di token. Sono prezzi API a consumo, distinti dagli abbonamenti e dai crediti del Token Plan di QwenCloud.
Il confronto più diretto è con i modelli presenti nella tabella dei benchmark pubblicata da Alibaba. Claude Opus 4.8 costa 5 dollari per milione di token in input e 25 dollari in output, con 0,50 dollari per gli input letti dalla cache. Claude Fable 5 sale a 10 dollari in input e 50 dollari in output, con un costo di 1 dollaro per milione di cache hit. GPT-5.6 Sol costa 5 dollari in input e 30 dollari in output, mentre gli input memorizzati nella cache costano 0,50 dollari per milione.
Considerando una richiesta che utilizza un milione di token in input e genera un milione di token in output, il costo nominale è quindi di 8 dollari con Qwen3.8-Max, contro 30 dollari con Claude Opus 4.8, 35 dollari con GPT-5.6 Sol e 60 dollari con Claude Fable 5. A parità di token, Qwen costa il 73% in meno di Opus 4.8, il 77% in meno di GPT-5.6 Sol e quasi l’87% in meno di Fable 5.
La differenza è ancora più evidente sui token generati, spesso la voce principale nelle attività agentiche che producono molto codice o ragionamento: l’output di Qwen costa il 76% in meno rispetto a Opus 4.8, l’80% in meno rispetto a GPT-5.6 Sol e l’88% in meno rispetto a Fable 5. Le modalità di caching non sono perfettamente sovrapponibili fra i tre fornitori, ma anche la tariffa di 0,25 dollari di Qwen resta la metà di quella applicata agli input in cache da Opus 4.8 e GPT-5.6 Sol.
Il confronto utilizza i prezzi API standard, senza includere elaborazione batch, modalità accelerate, strumenti a pagamento o piani in abbonamento. Per GPT-5.6 Sol, inoltre, le richieste che superano 272.000 token in input vengono fatturate al doppio per l’input e a 1,5 volte la tariffa ordinaria per l’output.
Contesto da un milione di token e API compatibili
La configurazione pubblicata da Alibaba indica una finestra di contesto da un milione di token, input testuali e visivi, chiamate parallele agli strumenti e fino a 65.536 token in uscita in alcuni client.
Le API consentono di regolare la profondità del ragionamento attraverso reasoning_effort. I livelli disponibili sono low, per privilegiare velocità e costo, medium e xhigh, impostato come predefinito per le attività complesse. La funzione preserve_thinking mantiene invece il ragionamento precedente lungo le operazioni articolate in più passaggi.
QwenCloud espone interfacce compatibili con Chat Completions e Responses di OpenAI e un endpoint compatibile con il protocollo Anthropic. Qwen3.8-Max può quindi essere collegato a Claude Code, Codex, Qoder, Qwen Code e OpenClaw.
L’accesso tramite cloud permette di provare subito il modello. La pubblicazione dei pesi renderà disponibili anche licenza e requisiti hardware della prima release open weight della fascia Qwen Max e consentirà di eseguirla al di fuori dell’infrastruttura di Alibaba.
