Alibaba ha rilasciato ufficialmente Qwen3.8-Max oggi 3 agosto 2026, presentandolo come il modello più capace mai prodotto dal team Qwen. La notizia che pesa di più riguarda la licenza, perché è la prima volta in assoluto che l’azienda apre i pesi di un modello di classe Max, il vertice della gamma sopra le linee Plus e Flash. La pubblicazione su Hugging Face e ModelScope è attesa la settimana prossima.
Il sistema poggia sulle fondamenta architetturali di Qwen 3.5 e scala fino a 2.400 miliardi di parametri, di cui 95 miliardi attivi a ogni token elaborato. Rispetto a Qwen3.7-Max, uscito a maggio, i miglioramenti coprono programmazione, lavoro d’ufficio, ricerca e attività di lunga durata. Il confronto esterno più immediato è con Kimi K3 di Moonshot AI, modello aperto da 2.800 miliardi di parametri diffuso il mese scorso.
Il pubblico a cui Qwen3.8-Max si rivolge comprende chi sviluppa software in autonomia, chi conduce ricerche complesse e chi coordina lunghi flussi di lavoro. Se il tuo interesse riguarda gli agenti che lavorano da soli per molte ore, è proprio su quel terreno che il modello concentra le sue rivendicazioni più forti.
Una rete enorme che si accende poco per volta
L’architettura sfrutta un sistema Mixture-of-Experts sparso, dove i 2.400 miliardi di parametri costituiscono il totale della rete mentre solo 95 miliardi entrano in funzione per ogni token. È quest’ultima cifra, ora confermata dall’azienda, a determinare il costo reale dell’inferenza, e spiega come una rete tanto grande resti sostenibile da servire.
La finestra di contesto arriva a un milione di token, con una porzione utile dichiarata intorno al 95%. Il ragionamento si governa tramite il parametro reasoning_effort, che accetta tre livelli, ovvero xhigh come predefinito per le analisi approfondite, medium per bilanciare accuratezza e velocità e low per privilegiare costi e tempi di risposta. La conservazione delle tracce di ragionamento è attiva di serie su tutti i carichi.
Sul piano dell’integrazione la scelta è pragmatica. QwenCloud espone protocolli compatibili sia con le specifiche OpenAI, incluse chat completions e responses, sia con quelle di Anthropic, il che consente di puntare strumenti già esistenti verso il nuovo modello cambiando poche variabili d’ambiente. Gli assistenti supportati includono Claude Code, Codex, Qoder CLI, Qwen Code e OpenClaw, con endpoint disponibili a Pechino, Singapore e in Virginia.
I numeri della tabella ufficiale
Sui benchmark agentici il modello si colloca stabilmente sopra Opus 4.8 e sotto Fable 5. Su Terminal Bench 2.1 segna 86,6 contro gli 84,6 di entrambi i modelli Anthropic, mentre su SWE-bench Pro si ferma a 67,7, dietro al 69,2 di Opus 4.8 e all’80,0 di Fable 5. Il quadro si ribalta altrove, dato che tocca 93,0 su PaperBench, 81,9 su WideSearch e 82,8 su IFBench, superando tutti con un distacco ampio. Resta indietro sulla conoscenza pura, con 43,6 su Humanity’s Last Exam contro 53,3.
Più interessanti dei numeri sono le prove di autonomia. In 16 giorni senza supervisione ha costruito il progetto oh-my-cli accumulando 265 commit e 127 pull request. Ha poi riprodotto un paper di ricerca in circa 125 ore, scrivendo 7.600 righe di codice, e ha superato il metodo originale di 2,7 punti su AIME24.
Serve però cautela nella lettura, perché l’intera tabella è compilata da Alibaba. Fino al lancio odierno nessun punteggio è stato diffuso, e le valutazioni indipendenti restano poche. Su Arena.AI il modello figura come primo sistema testuale cinese e secondo a livello globale, mentre un confronto in cieco sull’anteprima gli assegnava 80 punti contro 83.
Accesso, integrazione e nodo dei prezzi
L’accesso passa da QwenCloud, dove il modello risponde all’identificativo qwen3.8-max, mentre la pubblicazione dei pesi su Hugging Face e ModelScope è annunciata per la settimana prossima. Chi vuole provarlo subito può reindirizzare Claude Code verso gli endpoint Alibaba impostando le variabili del protocollo Anthropic.
Il listino resta il punto meno limpido. Il documento di lancio non indica alcuna tariffa, e la pagina prezzi di QwenCloud elenca soltanto i modelli precedenti, rimandando al marketplace per quelli non coperti.
Va aggiunto un dettaglio che incide sui conti reali, ovvero la tendenza dei modelli Qwen a produrre più token in uscita per compito rispetto ai concorrenti, il che gonfia la bolletta proprio sul lato più caro. La pubblicazione dei pesi aprirà una strada alternativa al conteggio a consumo, ma con un limite pratico da non sottovalutare, perché una rete di queste dimensioni richiede oltre un terabyte di memoria anche in versione compressa a 4 bit, quindi serve un cluster.
Vale la pena provarlo adesso
Qwen3.8-Max arriva come il progetto più ambizioso mai firmato dal team Qwen, e il ritorno all’apertura su un modello di vertice è la parte destinata alle conseguenze più durature. Con i pesi disponibili, chiunque potrà verificare le rivendicazioni sulle prestazioni invece di limitarsi a leggerle, e questo cambia la natura stessa del confronto con i laboratori statunitensi.
Se lavori su agenti autonomi, analisi documentale su grandi volumi o ricerca applicata, le prove di lunga durata mostrate al lancio meritano attenzione. Se invece il tuo criterio principale è la qualità sui compiti brevi e difficili, i punteggi di conoscenza pura raccontano una storia meno favorevole e suggeriscono che Fable 5 conservi un margine.
Il consiglio resta quello di misurare sui tuoi carichi reali, sfruttando la compatibilità con gli strumenti che già usi, così da evitare di affidarti a classifiche costruite su compiti lontani dal tuo lavoro quotidiano. Entro pochi giorni i pesi aperti permetteranno valutazioni indipendenti, ed è da quelle che arriverà la risposta definitiva sul reale posizionamento del modello.
