Alibaba ra mắt Qwen3.8-Max: Mô hình MoE 2.4 nghìn tỷ tham số mạnh mẽ nhất từ trước đến nay

Đội ngũ Qwen của Alibaba đã phát hành rộng rãi Qwen3.8-Max và xác nhận rằng các trọng số mở (open weights) của mô hình này sẽ được ra mắt vào tuần tới. Một checkpoint thứ hai là Qwen3.8-27B cũng sẽ được cung cấp dưới dạng trọng số mở. Qwen3.8-Max là mô hình mixture-of-experts với 2,4 nghìn tỷ tham số. Nó chấp nhận đầu vào là văn bản, hình ảnh và video, đồng thời trả về kết quả dưới dạng văn bản.

Liệu mô hình này có thể triển khai được không?

Có, nhưng phạm vi triển khai phụ thuộc vào loại artifact (tài nguyên) mà bạn đang áp dụng.

API được lưu trữ (hosted API) có thể triển khai ngay hôm nay bởi bất kỳ quy mô công ty nào. Nó tương thích với OpenAI và DashScope, vì vậy việc tích hợp chỉ đơn giản là thay đổi base-URL và model-ID. Các trọng số mở lại là một vấn đề khác. Với tổng số 2,4 nghìn tỷ tham số, checkpoint này là một tài nguyên dành cho trung tâm dữ liệu đa nút (multi-node datacenter). Alibaba chưa tiết lộ số lượng tham số được kích hoạt (activated-parameter count), do đó chi phí vận hành vẫn chưa thể mô hình hóa. Qwen3.8-27B là checkpoint phù hợp với phần cứng GPU tại chỗ (on-premise) thông thường.

Bộ tính năng được công bố phù hợp rõ rệt với bốn ngành công nghiệp. Đó là kỹ thuật phần mềm, rà soát tài liệu pháp lý và tài chính, vận hành truyền thông và thương mại điện tử, và thiết kế.

Các ứng dụng bao gồm các tác nhân lập trình (coding agents) ở quy mô kho lưu trữ và các cơ sở tri thức tài liệu dài. Việc lập chỉ mục video dài, trích xuất dữ liệu có cấu trúc và các trợ lý nghiên cứu đa bước cũng rất phù hợp.

Giải thích tương tác

Những gì khả dụng về mặt kỹ thuật

Trang mô hình liệt kê cửa sổ ngữ cảnh 1 triệu token. Đầu vào tối đa là 991 nghìn token, giảm xuống 983 nghìn token khi bật chế độ suy luận (thinking). Đầu ra tối đa là 131 nghìn token ở cả hai chế độ, và ngân sách suy luận tối đa là 262 nghìn token. Giới hạn tốc độ là 2 triệu token mỗi phút và 15 nghìn yêu cầu mỗi phút.

Giá là 2,00 USD cho mỗi 1 triệu token đầu vào và 6,00 USD cho mỗi 1 triệu token đầu ra. Đọc bộ nhớ đệm ẩn (implicit cache) có giá 0,25 USD cho mỗi 1 triệu token. Tạo bộ nhớ đệm rõ ràng (explicit cache) có giá 2,50 USD và đọc bộ nhớ đệm rõ ràng có giá 0,17 USD cho mỗi 1 triệu token. Đầu vào được lưu trong bộ nhớ đệm rẻ hơn tám lần so với đầu vào mới. Do đó, tính ổn định của tiền tố (prefix stability) ảnh hưởng đến chi phí nhiều hơn là độ dài của prompt.

Các khả năng được hỗ trợ bao gồm gọi hàm (function calling), đầu ra có cấu trúc, xử lý theo lô (batches), hoàn thiện tiền tố (prefix completion) và tinh chỉnh (fine-tuning). Năm công cụ tích hợp sẵn được cung cấp trên Responses API: code_interpreter, web_search, web_extractor, t2i_search và i2i_search.

Hiệu suất

Alibaba đã công bố bảng điểm chuẩn đầy đủ cùng với bản phát hành này. Qwen3.8-Max đạt 86,6 điểm trên Terminal-Bench 2.1, vượt qua Claude Opus 4.8 và Claude Fable 5 với 84,6 điểm, và đứng sau GPT-5.6 Sol (max) với 88,8 điểm. Mô hình đạt 67,7 điểm trên SWE-bench Pro so với 80,0 điểm của Fable 5, và 73,5 điểm trên FrontierSWE so với 88,8 điểm của Fable 5. Nó dẫn đầu PaperBench với 93,0 điểm và IFBench với 82,8 điểm. GPQA Diamond đạt 92,6 điểm, tăng nhẹ so với 92,4 điểm của Qwen3.7-Max. Những cải tiến rõ rệt nhất nằm ở khả năng đa phương thức và tác nhân (agentic), không phải ở khả năng suy luận. Nó đứng đầu hầu hết các bảng xếp hạng về thị giác, bao gồm OSWorld-Verified 86,1, Parametric CAD Bench 91,5 và OmniDocBench 1.5 với 92,1 điểm. So với phiên bản tiền nhiệm, bước nhảy vọt là rất lớn: DeepSWE 1.1 tăng từ 21,6 lên 56,6, FrontierSWE từ 40,7 lên 73,5, JobBench từ 31,3 lên 53,4. Hai lưu ý cần được cân nhắc để có cái nhìn khách quan: Bảng điểm đa phương thức so sánh với Qwen3.7-Plus chứ không phải Qwen3.7-Max, điều này làm tăng vẻ ấn tượng của khoảng cách thế hệ. Ngoài ra, đường cong mở rộng RL của chính Alibaba đạt đỉnh ở mức 0,725 tại khoảng 4.000 môi trường huấn luyện, sau đó giảm xuống 0,719 và 0,689.

Những điểm chính cần lưu ý

Hãy xem qua các chi tiết kỹ thuật, API và Qwen Studio. Ngoài ra, đừng ngần ngại theo dõi chúng tôi trên Twitter, tham gia cộng đồng 150k+ ML SubReddit và đăng ký nhận bản tin của chúng tôi. Khoan đã! Bạn có dùng Telegram không? Bây giờ bạn cũng có thể tham gia cùng chúng tôi trên Telegram.

Bạn cần hợp tác với chúng tôi để quảng bá GitHub Repo, trang Hugging Face, bản phát hành sản phẩm hoặc hội thảo trực tuyến của bạn? Hãy kết nối với chúng tôi.

Asif Razzaq là CEO của Marktechpost Media Inc. Là một doanh nhân và kỹ sư có tầm nhìn, Asif cam kết khai thác tiềm năng của Trí tuệ nhân tạo vì lợi ích xã hội. Nỗ lực gần đây nhất của ông là ra mắt nền tảng truyền thông về Trí tuệ nhân tạo, Marktechpost, nổi bật với việc đưa tin chuyên sâu về học máy và học sâu, vừa đảm bảo tính kỹ thuật vừa dễ hiểu đối với đông đảo khán giả. Nền tảng này tự hào với hơn 2 triệu lượt xem mỗi tháng, minh chứng cho sự phổ biến của nó đối với độc giả.