O Qwen3.8-Max da Alibaba chega com 2,4 trilhões de parâmetros e derruba o preço dos concorrentes ocidentais</p>

A Alibaba lançou o Qwen3.8-Max, um modelo mixture-of-experts de 2,4 trilhões de parâmetros que a empresa afirma ser o mais capaz da sua família Qwen até hoje. O lançamento impulsionou as ações da Alibaba em Hong Kong em até 7% e as listadas nos EUA em cerca de 4,5%, com investidores reagindo a um modelo que subcotiza os laboratórios de fronteira do Ocidente em preço, ao mesmo tempo em que entrega resultados competitivos em benchmarks.

O que os números realmente mostram

O Qwen3.8-Max usa uma arquitetura mixture-of-experts, o que significa que apenas uma fração dos seus 2,4 trilhões de parâmetros totais é ativada para cada consulta — a Alibaba não divulgou o número exato de parâmetros ativados, seguindo um padrão comum entre laboratórios chineses de omitir esse detalhe. O modelo aceita entrada de texto, imagem e vídeo e retorna texto, com uma janela de contexto que suporta cerca de 991 mil tokens de entrada e 131 mil tokens de saída — o suficiente para processar um codebase inteiro ou um documento jurídico extenso em uma única passada.

No Terminal-Bench 2.1, um benchmark que mede desempenho em tarefas reais de coding e agênticas, o Qwen3.8-Max marcou 86,6, à frente do Claude Opus 4.8 da Anthropic, com 84,6, embora fique atrás do GPT-5.6 Sol da OpenAI, com 88,8. Os ganhos são mais dramáticos no DeepSWE 1.1, um benchmark de engenharia de software agêntica, onde o modelo saltou de 21,6 para 56,6 em comparação ao seu antecessor — mais que dobrando a pontuação. O desempenho multimodal também é forte: 86,1 no OSWorld-Verified e 92,1 no OmniDocBench 1.5, um benchmark de compreensão de documentos.

O ângulo do preço

A Alibaba está precificando a API hospedada via DashScope em US$ 2,00 por milhão de tokens de entrada e US$ 6,00 por milhão de tokens de saída, com tokens de entrada em cache disponíveis por apenas US$ 0,25 por milhão — cerca de oito vezes mais barato que entrada fresca. Esse preço fica bem abaixo do que laboratórios de fronteira dos EUA costumam cobrar por modelos de capacidade comparável, continuando um padrão em que laboratórios chineses de IA competem agressivamente em custo, mesmo quando ficam ligeiramente atrás em desempenho bruto de benchmark.

Realidade do deployment

O checkpoint completo de 2,4 trilhões de parâmetros exige infraestrutura de datacenter multi-nó para rodar, colocando o deployment self-hosted de verdade fora do alcance de todos, exceto os maiores operadores de infraestrutura de IA. Para equipes que querem rodar o modelo em hardware GPU padrão, a Alibaba também está oferecendo o Qwen3.8-27B, um modelo dense menor da mesma família, como a opção on-premise realista. Pesos abertos tanto para o flagship de 2,4T quanto para o modelo de 27B foram prometidos para lançamento na semana seguinte ao anúncio.

Onde isso se encaixa na corrida mais ampla

No leaderboard crowdsourced Arena.AI, o Qwen3.8-Max imediatamente se tornou o modelo chinês mais bem classificado para tarefas de texto, embora ainda fique atrás de várias ofertas da Anthropic, incluindo o Claude Fable 5. Para tarefas de visão especificamente, ficou em segundo lugar globalmente, atrás apenas de uma variante do Fable 5 — um resultado notável para um modelo cujos custos de treinamento e inferência são reportados como uma fração do que modelos ocidentais comparáveis custam para servir.

Conforme reportado pelo MarkTechPost, o lançamento chega poucas semanas depois de o laboratório chinês rival Moonshot AI ter enviado seu modelo open-weight Kimi K3, reforçando o quão rápido o ciclo competitivo entre laboratórios chineses de IA se comprimiu em 2026.