Novo modelo Qwen3.8-Max da Alibaba codifica por 16 dias e desafia líderes em IA

A gigante tecnológica Alibaba apresentou, em 8 de julho de 2024, o Qwen3.8-Max, seu mais recente e poderoso modelo de inteligência artificial. Este lançamento expande a oferta de IA da empresa para o setor corporativo, com foco em engenharia de software, raciocínio multimodal e outras aplicações complexas. O Qwen3.8-Max é descrito como um modelo de peso aberto, o que significa que seus parâmetros podem ser acessados e utilizados por desenvolvedores.
O Qwen3.8-Max opera com uma arquitetura de mistura de especialistas (MoE), contendo um total de 2,4 trilhões de parâmetros. Contudo, durante a inferência, o modelo ativa seletivamente apenas cerca de 95 bilhões de parâmetros, visando otimizar a eficiência operacional.
A Alibaba explicou que essa arquitetura foi projetada para aprimorar a eficiência do processo de inferência. Além disso, o modelo suporta tarefas de codificação, raciocínio avançado e capacidades multimodais, com versões de peso aberto que serão disponibilizadas em breve através do Model Studio da Alibaba Cloud.
Em uma declaração publicada no LinkedIn, a Alibaba afirmou que o Qwen3.8-Max é “um dos modelos mais poderosos disponíveis atualmente”, equiparável aos principais modelos de IA de ponta, superado apenas pelo Fable 5.
Os testes de desempenho internos do Qwen3.8-Max foram direcionados a modelos de codificação desenvolvidos por empresas como Anthropic e OpenAI, conhecidas por suas inovações em IA.
A empresa divulgou resultados de avaliações comparando o Qwen3.8-Max com o Claude Opus 4.8, o Claude Fable 5 e o GPT-5.6 Sol da OpenAI. Os benchmarks de codificação incluíram plataformas como SWE-bench Pro e uma ferramenta proprietária da Alibaba, denominada NL2Repo-Bench.
Para realizar os comparativos, a Alibaba utilizou as próprias estruturas de codificação dos fornecedores concorrentes: o Claude Code para os modelos da Anthropic e o Codex para o GPT-5.6 Sol. A empresa registrou a maior pontuação pública entre as configurações disponíveis para cada concorrente.
Charlie Dai, vice-presidente e analista principal da Forrester, observou que este lançamento indica uma aproximação da Alibaba em relação aos líderes de sistemas proprietários. No entanto, ele ressalta que essa não é a imagem completa do cenário atual.
Dai afirmou que, embora a Alibaba esteja diminuindo a lacuna, “a história mais importante é a rápida maturação dos modelos de código aberto”. Ele adicionou que empresas agora dispõem de “alternativas viáveis aos modelos proprietários de ponta”, especialmente para engenharia de software, personalização de domínio, soberania de dados e implantações com orçamentos restritos. Nessas situações, a abertura muitas vezes se torna tão crucial quanto o desempenho absoluto do modelo.
Modelo da Alibaba realiza programação autônoma por período estendido
A Alibaba divulgou que testou o Qwen3.8-Max em três projetos de programação não supervisionados, que duraram vários dias. Nesses testes, o modelo precisou concluir tarefas partindo de uma pasta de projeto vazia, sem qualquer intervenção humana. A empresa informou que um desses projetos foi finalizado de forma autônoma em um período de 16 dias.
A companhia também destacou diversas aplicações empresariais para o modelo, incluindo áreas como conformidade legal, análise financeira, projeto de engenharia, pesquisa quantitativa e criação de conteúdo multimodal. A meta é que o Qwen3.8-Max seja capaz de completar fluxos de trabalho empresariais inteiros, em vez de apenas auxiliar em tarefas individuais.
Amit Jena, gerente de desenvolvimento de IA da Kanerika, sugeriu que a alegação da Alibaba sobre a programação autônoma merece uma análise mais minuciosa do que a que tem recebido.
Jena disse que “a afirmação que vale a pena examinar não é a quantidade de parâmetros”. Ele questionou a natureza do projeto de 16 dias: “Dezesseis dias de quê? Quantas vezes um humano interveio? O resultado passou pela revisão de código?”.
Além disso, Jena alertou que o termo “open weight” (peso aberto) também exige atenção. Ele explicou que “publicar pesos é um ato separado de abrir um endpoint de API”, e que “até que haja um repositório, uma licença e um modelo de código, o open weight descreve uma intenção”.
Especialistas discutem a real importância da eficiência de inferência em IA
A arquitetura de mistura de especialistas da Alibaba permite que o Qwen3.8-Max ative aproximadamente 95 bilhões dos 2,4 trilhões de parâmetros por solicitação, um design que, conforme a empresa, contribui para a redução dos custos de inferência.
Charlie Dai afirmou que, para os consumidores corporativos, a relação custo-benefício é agora mais relevante do que o tamanho bruto do modelo. Ele disse que “a eficiência da inferência agora importa mais do que o tamanho bruto do modelo para a maioria das empresas”, e que “ativar apenas uma fração do total de parâmetros pode reduzir significativamente os custos de serviço e os requisitos de infraestrutura”. Isso torna o desempenho de ponta mais acessível para implantações em produção, onde escalabilidade, latência e economia são, segundo ele, frequentemente maiores preocupações do que a liderança em benchmarks.
Por outro lado, Amit Jena argumentou que os ganhos de eficiência são menos importantes do que a capacidade de uma organização de testar o modelo de forma eficaz. Ele disse que “a eficiência deixou de ser a questão interessante”, e que “a restrição que realmente limita é a capacidade de processamento da avaliação”.
Nitish Tyagi, analista principal sênior da Gartner, salientou que a relevância do lançamento está menos na quantidade de parâmetros e mais no sinal que ele envia sobre a pressão competitiva nos custos de implementação de IA.
Tyagi disse que a Gartner já havia previsto que “sem controles de custos mais rigorosos, as despesas com programação de IA poderiam ultrapassar o salário médio de um desenvolvedor”. Ele acrescentou que a combinação de pesos abertos, uma arquitetura de mistura de especialistas e uma janela de contexto de um milhão de tokens representa “um passo significativo para tornar o desenvolvimento de software aprimorado por IA mais economicamente viável”.
No entanto, Tyagi fez uma ressalva importante, alertando que as empresas devem analisar além dos custos de inferência ao avaliar o modelo para uso em produção.
Ele apontou que muitas organizações fora da China podem ter reservas em relação a modelos hospedados no país, o que as leva a buscar “implantações por meio de hiperescaladores ou infraestrutura local”, ambas opções que acarretam custos adicionais.
Segundo Tyagi, modelos de código aberto frequentemente não oferecem as proteções de indenização fornecidas por fornecedores comerciais de IA. Isso implica que as empresas precisam estabelecer “seus próprios controles de segurança, governança e verificação de código para detectar riscos de direitos autorais e propriedade intelectual antes da implantação em produção”.
Recomendações essenciais para executivos de tecnologia avaliarem modelos de IA
Amit Jena sugeriu que o modelo principal anunciado pode não ser a escolha final para as empresas.
Jena afirmou que “o Qwen3.8-27B, anunciado juntamente com a versão principal e praticamente ignorado pela cobertura da mídia”, é a alternativa mais prática para a maioria das organizações. Ele explicou que este modelo pode ser executado em infraestrutura própria e adaptado com dados específicos da empresa.
Charlie Dai aconselhou que os líderes empresariais, ao avaliarem o lançamento, devem dar prioridade à transparência e ao custo total de propriedade, em detrimento de números que podem ser chamativos. Ele disse que “a questão fundamental é se o Qwen3.8 oferece resultados de negócios mensuráveis, confiabilidade de nível empresarial, menor custo total de propriedade e opções para soberania digital em comparação com os modelos concorrentes”.







