علی‌بابا Qwen3.8 Max را رونمایی کرد؛ مدل ۲.۴ تریلیونی که فقط از فیبل ۵ عقب‌تر است

علی‌بابا از مدل غول‌پیکر Qwen3.8 Max با ۲.۴ تریلیون پارامتر رونمایی کرد؛ مدلی چندوجهی که سازنده‌اش مدعی است در کل جهان تنها یک رقیب بالادست دارد و قرار است به‌زودی متن‌باز شود. اما پشت این ادعای بزرگ چه واقعیتی نهفته است؟ در این گزارش، خبر را لایه‌به‌لایه باز می‌کنیم.

۱. علی‌بابا دقیقاً چه چیزی را رونمایی کرد؟

در تازه‌ترین تحول از سری داغ اخبار هوش مصنوعی، غول فناوری چین یعنی علی‌بابا از نسخه‌ی پیش‌نمایش مدلی به نام Qwen3.8 Max پرده برداشت. این رونمایی در حاشیه‌ی کنفرانس جهانی هوش مصنوعی (WAIC) در شهر شانگهای انجام شد؛ رویدادی که امسال به میدان قدرت‌نمایی آزمایشگاه‌های چینی تبدیل شده است. حساب رسمی تیم قِوِن (Qwen) در توضیح این مدل نوشت: «با ۲.۴ تریلیون پارامتر عظیم، این مدل به‌طور مداوم در حال تکامل است. باور داریم که یکی از قدرتمندترین مدل‌های امروز جهان است، هم‌تراز با مدل‌های پیشروی مرزی و تنها پشت سر فیبل ۵.»

این جمله دو ادعای بزرگ را کنار هم می‌گذارد: نخست اینکه Qwen3.8 Max از نظر توانمندی در سطح مدل‌های «مرزی» (frontier) قرار دارد، و دوم اینکه در میان همه‌ی مدل‌های جهان تنها یک مدل از آن بالاتر است؛ یعنی کلود فیبل ۵، پرچمدار کنونی شرکت انتروپیک. اگر این ادعا حتی تا حدی درست باشد، ما با یکی از مهم‌ترین عرضه‌های سال ۲۰۲۶ روبه‌رو هستیم؛ مدلی که می‌تواند نقشه‌ی رقابت جهانی هوش مصنوعی را جابه‌جا کند.

۲. زیر پوست Qwen3.8 Max؛ ۲.۴ تریلیون پارامتر یعنی چه؟

پارامتر را می‌توان به‌شکل ساده «پیچ و مهره‌های قابل‌تنظیم» یک شبکه‌ی عصبی دانست؛ هرچه تعداد این پارامترها بیشتر باشد، مدل ظرفیت بالقوه‌ی بیشتری برای یادگیری الگوهای پیچیده دارد. عدد ۲.۴ تریلیون، Qwen3.8 Max را در رده‌ی بزرگ‌ترین مدل‌های زبانی تاریخ قرار می‌دهد. اما نکته‌ی مهم این است که تعداد خام پارامتر به‌تنهایی معیار هوشمندی نیست؛ کیفیت داده‌ها، روش آموزش و معماری مدل به همان اندازه اهمیت دارند. برای درک بهتر این موضوع می‌توانید نگاهی به تحلیل ما درباره‌ی توان واقعی و محدودیت‌های هوش مصنوعی بیندازید.

Qwen3.8 Max یک مدل چندوجهی (multimodal) است؛ یعنی برخلاف مدل‌هایی که فقط متن را می‌فهمند، این مدل می‌تواند تصویر، ویدیو و اسناد را هم پردازش کند. به گفته‌ی شوای بای، یکی از توسعه‌دهندگان تیم قِوِن، این نخستین مدل چندوجهی این تیم است که از مرز یک تریلیون پارامتر عبور می‌کند. ویژگی چشمگیر دیگر، پنجره‌ی زمینه‌ی (context window) تا یک میلیون توکن است؛ یعنی مدل می‌تواند حجم عظیمی از متن یا کد را یک‌جا در «حافظه‌ی کوتاه‌مدت» خود نگه دارد و درباره‌ی آن استدلال کند.

معماری «ترکیب متخصص‌ها» چطور کار می‌کند؟

Qwen3.8 Max بر پایه‌ی معماری «ترکیب متخصص‌ها» یا Mixture-of-Experts ساخته شده است. در این معماری، به‌جای اینکه همه‌ی ۲.۴ تریلیون پارامتر برای هر کلمه فعال شوند، تنها بخش کوچکی از «متخصص‌های» مدل که به آن پرسش مربوط‌اند وارد کار می‌شوند. این ترفند باعث می‌شود مدل هم بسیار بزرگ باشد و هم هزینه‌ی اجرای معقول‌تری داشته باشد. با این حال، علی‌بابا هنوز مهم‌ترین عدد را اعلام نکرده است: تعداد پارامترهای فعال به‌ازای هر توکن. این عدد است که هزینه‌ی واقعی سرویس‌دهی و سرعت مدل را مشخص می‌کند و نبود آن، یکی از ابهام‌های اصلی این رونمایی است.

۳. ادعای «دوم بعد از فیبل ۵» چقدر جدی است؟

اینجا باید کمی محتاط باشیم. بزرگ‌ترین ادعای علی‌بابا این است که Qwen3.8 Max در میان مدل‌های سنجیده‌شده «تنها پشت سر فیبل ۵» قرار می‌گیرد و حتی از GPT-5.6 شرکت اوپن‌ای‌آی جلوتر است. اما تا لحظه‌ی انتشار این گزارش، هیچ جدول بنچمارک رسمی‌ای از سوی علی‌بابا منتشر نشده و همه‌ی این ادعاها بر پایه‌ی ارزیابی‌های داخلی و منتشرنشده استوار است. در دنیای هوش مصنوعی، فاصله‌ی میان «ادعای شرکت سازنده» و «نتیجه‌ی آزمون‌های مستقل» گاهی بسیار زیاد است.

تنها مبنای تأییدشده‌ای که در دست داریم، نسل پیشین یعنی Qwen3.7-Max (عرضه‌شده در اردیبهشت ۲۰۲۶) است که نمره‌های قابل‌احترامی در آزمون‌های استاندارد گرفته بود؛ از جمله حدود ۹۲ در GPQA Diamond (آزمون استدلال علمی سطح دکترا) و بالای ۸۰ درصد در SWE-bench Verified (آزمون حل مسائل واقعی برنامه‌نویسی). اگر Qwen3.8 Max واقعاً از این ارقام فراتر رفته باشد، رقیب جدی‌ای برای بهترین مدل‌های جهان خواهد بود؛ اما تا انتشار بنچمارک‌های مستقل، بهتر است این ادعاها را با احتیاط بخوانیم. تجربه‌ی رقابت‌هایی مثل نبرد چت‌جی‌پی‌تی و دیپ‌سیک نشان داده که مدل‌های چینی می‌توانند غافلگیرکننده باشند، ولی داوری نهایی همیشه با آزمون‌های واقعی است.

۴. چرا متن‌باز شدن این مدل مهم است؟

شاید جذاب‌ترین بخش این خبر، ادعای فنی نباشد، بلکه یک وعده باشد: علی‌بابا اعلام کرده که وزن‌های Qwen3.8 Max «به‌زودی» به‌صورت متن‌باز (open-weight) در دسترس عموم قرار می‌گیرد. این یعنی توسعه‌دهندگان می‌توانند مدل را دانلود کنند، روی سرور خودشان اجرا کنند، آن را برای نیازهای خاص تنظیم (fine-tune) کنند و بدون وابستگی به یک شرکت خارجی از آن بهره ببرند. این موضوع به‌ویژه برای کاربرانی که به مدل‌های بسته‌ی آمریکایی دسترسی محدودی دارند، اهمیت زیادی دارد.

این تصمیم با سنت گذشته‌ی علی‌بابا فرق دارد؛ چون این شرکت پیش‌تر مدل‌های پرچمدار رده‌ی «Max» خود را همیشه بسته نگه می‌داشت و تنها مدل‌های کوچک‌تر را متن‌باز می‌کرد. عرضه‌ی یک مدل ۲.۴ تریلیونی به‌صورت باز، سطح توقع کل صنعت را بالا می‌برد. البته باید توجه داشت که تا این لحظه هنوز نه تاریخ دقیقی اعلام شده، نه فایل مجوز (license) منتشر شده و نه مخزنی روی پلتفرم‌هایی مثل Hugging Face بارگذاری شده است؛ پس فعلاً «وعده» است، نه «واقعیت محقق‌شده».

۵. جنگ مدل‌های باز چین؛ علی‌بابا در برابر Kimi K3

زمان‌بندی این رونمایی تصادفی نیست. تنها چند روز پیش از آن، شرکت چینی دیگری به نام مون‌شات (Moonshot) مدل متن‌باز Kimi K3 را با ۲.۸ تریلیون پارامتر عرضه کرده بود؛ مدلی که در بنچمارک‌های کدنویسی سروصدای زیادی به‌پا کرد. حالا علی‌بابا با Qwen3.8 Max مستقیماً به میدان این رقابت پا گذاشته است. به بیان دیگر، دو غول چینی در فاصله‌ی کمتر از یک هفته، دو مدل غول‌پیکر متن‌باز را روانه‌ی بازار کرده‌اند.

این رقابت فقط بر سر «قدرت» نیست، بلکه بر سر «مدل کسب‌وکار» هم هست. مون‌شات با درآمد سالانه‌ی حدود ۳۰۰ میلیون دلار، خود را برای عرضه‌ی سهام (IPO) در هنگ‌کنگ آماده می‌کند و بخشی از کاربرانش را از راه سرویس ابری و API به مشتری پولی تبدیل می‌کند. اما استراتژی متن‌باز علی‌بابا می‌تواند این معادله را به‌هم بزند: وقتی کاربر می‌تواند مدلی هم‌تراز را رایگان دانلود کند، فشار قیمتی روی همه‌ی رقبا سنگین‌تر می‌شود. این همان پویایی‌ای است که کل بازار مدل‌های زبانی را در سال ۲۰۲۶ به لبه‌ی یک جنگ قیمت کشانده است.

۶. فشار بر مدل‌های آمریکایی و معادله‌ی جهانی قدرت

تا همین چند وقت پیش، تصور رایج این بود که پیشتازی در مدل‌های «مرزی» در انحصار آزمایشگاه‌های آمریکایی مثل اوپن‌ای‌آی، گوگل و انتروپیک است. اما موجی از مدل‌های چینی این تصور را به چالش کشیده‌اند. اگر ادعای علی‌بابا درباره‌ی برتری Qwen3.8 Max بر GPT-5.6 درست باشد، این یعنی فاصله‌ی فنی میان بهترین مدل‌های باز و بسته به کمترین حد خود در تاریخ رسیده است. برای شرکت‌های آمریکایی که میلیاردها دلار برای آموزش مدل‌های بسته هزینه می‌کنند، رقابت با مدل‌هایی که «رایگان» توزیع می‌شوند، یک چالش راهبردی جدی است.

این تحول ابعاد ژئوپلیتیک هم دارد. برگزاری این رونمایی در کنفرانس شانگهای و تأکید دولت چین بر «هوش مصنوعی باز و در دسترس برای کشورهای در حال توسعه»، نشان می‌دهد که پکن متن‌باز بودن را به یک ابزار نفوذ نرم تبدیل کرده است. در سوی دیگر، بحث‌های جهانی درباره‌ی ایمنی و حکمرانی هوش مصنوعی هم داغ‌تر شده؛ چون هرچه مدل‌های قدرتمندتر آزادانه‌تر توزیع شوند، مدیریت خطرات احتمالی آن‌ها دشوارتر می‌شود. اهمیت این فناوری برای اقتصاد را می‌توانید در نوشته‌ی ما درباره‌ی اهمیت هوش مصنوعی در کسب‌وکار دنبال کنید.

۷. قیمت، دسترسی و اینکه چطور خودتان امتحانش کنید

در حال حاضر، نسخه‌ی پیش‌نمایش Qwen3.8 Max از طریق سرویس «توکن‌پلن» علی‌بابا و ابزارهای توسعه‌ای Qoder و QoderWork در دسترس است. نکته‌ی جذاب برای کاربران این است که این پیش‌نمایش با تنها ۱۰ درصد قیمت استاندارد ارائه می‌شود؛ یک مشوق آشکار برای اینکه توسعه‌دهندگان مدل را امتحان کنند. برای مقایسه، نسل پیشین یعنی Qwen3.7-Max با قیمتی حدود ۱.۲۵ دلار برای هر یک میلیون توکن ورودی و ۳.۷۵ دلار برای هر یک میلیون توکن خروجی عرضه می‌شد.

اگر می‌خواهید از این نسل تازه‌ی مدل‌ها بیشترین بهره را ببرید، مهارت «پرامپت‌نویسی» نقش تعیین‌کننده‌ای دارد؛ چون حتی قوی‌ترین مدل هم بدون دستور دقیق، خروجی متوسطی می‌دهد. راهنمای ساده‌ی ما درباره‌ی نوشتن پرامپت برای مبتدی‌ها و مجموعه‌ی آموزش‌های چت‌جی‌پی‌تی می‌توانند نقطه‌ی شروع خوبی باشند. توسعه‌دهندگانی هم که به کدنویسی با هوش مصنوعی علاقه دارند، بهتر است پیش از هر چیز نگاهی به تحلیل ما درباره‌ی تفاوت توسعه‌دهنده‌ی تنها و مهندس واقعی بیندازند تا انتظارات‌شان از این ابزارها واقع‌بینانه بماند.

۸. این خبر برای کاربران و کسب‌وکارهای فارسی‌زبان چه معنایی دارد؟

برای کاربر عادی، پیام اصلی این است: رقابت شدیدتر یعنی ابزارهای بهتر و ارزان‌تر. هرچه مدل‌های قدرتمندتر به‌صورت متن‌باز عرضه شوند، احتمال اینکه سرویس‌های محلی و پلتفرم‌های فارسی‌زبان بتوانند دستیارهای هوشمند مقرون‌به‌صرفه بسازند بیشتر می‌شود. یک مدل چندوجهی با پنجره‌ی یک‌میلیون توکنی می‌تواند برای کارهایی مثل تحلیل اسناد طولانی، خلاصه‌سازی ویدیو، پشتیبانی مشتری و تولید محتوا فوق‌العاده مفید باشد.

برای کسب‌وکارها، متن‌باز بودن یک مزیت راهبردی است: امکان اجرای مدل روی زیرساخت داخلی، کنترل کامل بر داده‌ها و آزادی در سفارشی‌سازی. البته باید یادآوری کرد که اجرای یک مدل ۲.۴ تریلیونی نیازمند سخت‌افزار سنگین و تخصص فنی بالاست؛ پس در کوتاه‌مدت، بیشتر شرکت‌های بزرگ و ارائه‌دهندگان ابری از آن بهره خواهند برد، نه کاربر خانگی. با این حال، جهت حرکت روشن است: آینده‌ی هوش مصنوعی به‌سمت مدل‌های قدرتمندتر، ارزان‌تر و دسترس‌پذیرتر پیش می‌رود.

پرسش‌های پرتکرار درباره‌ی Qwen3.8 Max

Qwen3.8 Max دقیقاً چیست؟

یک مدل زبانی چندوجهی بزرگ ساخت شرکت علی‌بابا با ۲.۴ تریلیون پارامتر و معماری «ترکیب متخصص‌ها» که متن، تصویر، ویدیو و اسناد را پردازش می‌کند و پنجره‌ی زمینه‌ی تا یک میلیون توکن دارد. این مدل هم‌اکنون در مرحله‌ی پیش‌نمایش است.

آیا واقعاً از GPT-5.6 و بقیه‌ی مدل‌ها بهتر است؟

علی‌بابا چنین ادعایی کرده و می‌گوید مدلش تنها پشت سر کلود فیبل ۵ قرار دارد، اما هنوز هیچ بنچمارک مستقلی این ادعا را تأیید نکرده است. تا انتشار نتایج آزمون‌های شخص‌ثالث، بهتر است این ادعا را با احتیاط در نظر بگیریم.

چه زمانی متن‌باز می‌شود؟

علی‌بابا گفته «به‌زودی»، اما تاریخ دقیق، نوع مجوز و محل انتشار وزن‌ها هنوز مشخص نشده است. فعلاً تنها نسخه‌ی پیش‌نمایش از طریق سرویس‌های ابری این شرکت در دسترس است.

چطور می‌توانم همین حالا امتحانش کنم؟

از راه سرویس «توکن‌پلن» علی‌بابا و ابزارهای Qoder و QoderWork، آن‌هم با ۱۰ درصد قیمت استاندارد در دوره‌ی پیش‌نمایش. برای استفاده‌ی حرفه‌ای، تسلط بر پرامپت‌نویسی را فراموش نکنید.