de.wedoany.com-Bericht: Am 3. August veröffentlichte Alibaba offiziell das neue Basismodell der nächsten Generation, Qwen3.8, mit insgesamt 2,4 Billionen Parametern und deutlich verbesserten Fähigkeiten in den Bereichen Programmierung (Coding) und professionelle Büroarbeit (Cowork). In der heute veröffentlichten maßgeblichen Drittanbieter-Rangliste Arena liegt das Alibaba-Qwen-Modell direkt hinter der Claude-Serie von Anthropic und gehört insgesamt zur weltweit ersten Liga der großen KI-Modelle. Derzeit ist die API von Qwen3.8 auf der Qwen-KI-Plattform verfügbar und wurde in das zeitgleich von Alibaba vorgestellte Agent-Produkt „Qwen Büro" integriert. Qwen3.8-Max wird voraussichtlich nächste Woche als Open Source veröffentlicht, ebenso wie Qwen3.8-27B.

Ab heute können Entwickler weltweit über die Qwen-KI-Plattform auf die API-Dienste von Qwen3.8 zugreifen. Im Inland kostet die Eingabe 12 Yuan pro Million Tokens, die Ausgabe 36 Yuan, und bei implizitem Cache-Treffer nur 1,5 Yuan. Die internationalen Preise für Eingabe und Ausgabe betragen lediglich 40 % bzw. 24 % von Opus5 und bieten damit ein besseres Preis-Leistungs-Verhältnis bei vergleichbarer Intelligenz.

Bei der Veröffentlichung handelt es sich um das Flaggschiff-Modell Qwen3.8-Max, das größte und leistungsstärkste Modell der Qwen-Serie, das visuelle Verständnis unterstützt und eine Kontextlänge von 1 Million Tokens bietet. In der Modellarchitektur erweitert Qwen3.8 durch die gemeinsame Optimierung von spärlicher MoE-Architektur und hybridem Aufmerksamkeitsmechanismus erstmals die Gesamtparameterzahl des Qwen-Modells auf 2,4 Billionen, aktiviert 95 Milliarden und erreicht eine höhere Inferenzeffizienz, schnellere Inferenzgeschwindigkeit und neue Durchbrüche in der Gesamtleistung: In Programmier-Agent-Benchmarks wie PaperBench zur wissenschaftlichen Reproduktion verbessert sich Qwen3.8-Max gegenüber der Vorgängergeneration um satte 28,2 Punkte und erzielt mit 93,0 Punkten einen neuen Bestwert; in allgemeinen Agent-Benchmarks wie WideSearch und Agent's Last Exam erreicht das neue Modell 81,9 bzw. 52,4 Punkte und liegt damit an der Spitze. Gleichzeitig erzielt Qwen3.8 im IF-Bench-Benchmark zur Anweisungsbefolgung 82,8 Punkte, im wissenschaftlichen Reasoning GPQA Diamond 92,6 Punkte und liegt in allen allgemeinen Fähigkeiten in der Spitzengruppe; im visuellen Reasoning-Benchmark BabyVision erreicht Qwen3.8-Max ohne Werkzeuge 82,0 Punkte, fast doppelt so viel wie einige gängige Modelle, und im OSWorld-Verified-Benchmark zur Bewertung der Computerbedienungsfähigkeiten von Agenten belegt Qwen3.8-Max mit 86,1 Punkten den ersten Platz unter den gängigen Modellen.

Programmierfähigkeit (Coding) ist eine der Kernfähigkeiten moderner Spitzenmodelle, und Qwen3.8 erzielt einen neuen Durchbruch beim autonomen Programmieren. In der maßgeblichen CodeArena-Rangliste belegt Qwen3.8 weltweit den vierten Platz. Vor zwei Jahren konnten Spitzenmodelle Funktionen schreiben und Code vervollständigen und waren damit ein starkes Werkzeug für Programmierer. Heute kann Qwen3.8 von einem leeren Ordner ausgehend eigenständig ein reales Projekt liefern, das sonst über zehn Tage Arbeit erfordert, ohne dass während des gesamten Prozesses menschliches Eingreifen nötig ist. Mit nur einem Satz wie „Erstelle einen selbst-evolvierenden Agenten-Harness" agiert Qwen3.8 wie ein erfahrener Ingenieur, baut von Grund auf ein Framework für Loop Engineering auf, orchestriert Agenten, die Aufgaben automatisch übernehmen und ausführen, und menschliche Ingenieure können Qwen3.8 über DingTalk neue Anforderungen stellen. Nach etwa 16 Tagen unabhängiger Programmierarbeit hat Qwen3.8 ein real nutzbares, selbst-evolvierendes Agenten-Framework auf Hermes-Agent-Niveau namens „oh-my-cli" entwickelt. Das Projekt ist inzwischen vollständig als Open Source verfügbar, und der gesamte Prozess ist öffentlich im GitHub-Repository einsehbar.

Qwen3.8 kann ein breites Spektrum realer, professioneller Arbeitsaufgaben (Cowork) bewältigen. Angesichts völlig unterschiedlicher professioneller Aufgaben, Bewertungskriterien und Rechenanforderungen erzielt Qwen3.8 durch die erweiterte gemeinsame Verstärkungslernung (RL) in realen Umgebungen und mit realer Rechenleistung eine verbesserte Leistung bei Hunderten von hochwertigen, häufig vorkommenden professionellen Aufgaben und liefert in gängigen Agent-Frameworks zuverlässig und stabil Ergebnisse auf Produktionsniveau: Ein Team von Rechtsassistenten benötigt eine Woche, um in Hunderten von Rechtsdokumenten über tausend relevante Klauseln zu markieren – Qwen3.8 erledigt dies in weniger als einer Stunde; ein Basketball-Datenanalyseteam annotiert über 160 Stunden Spielmaterial Bild für Bild – Qwen3.8 kann diese über 8.400 Angriffs- und Verteidigungssequenzen in wenigen Dutzend Minuten präzise zerlegen und gleichzeitig Spieler-Taktikprofile und Trainerberichte ausgeben; ein Finanzforschungsteam benötigt jahrelanges Fachwissen und die umfassende, Echtzeit-Erfassung von Kapitalmarktbewegungen, um nacheinander quantitative Strategieforschung abzuschließen – Qwen3.8 orchestriert autonom parallele Agenten, arbeitet mehrere Stunden kontinuierlich und liefert eine vollständige ETF-Rotationsstrategie, analysiert kontinuierlich Backtests, korrigiert dynamisch und erzielt schließlich skalierbare Gewinne.

Bei langfristigen Aufgaben zeigt Qwen3.8 emergente Fähigkeiten zur systemischen autonomen Planung und zum vollständigen, geschlossenen adaptiven Lernen. Ob im hochpräzisen, physikalisch stark eingeschränkten digitalen Chip-Design oder in hochdynamischen, wettbewerbsintensiven Geschäftssimulationsumgebungen – Qwen3.8 erreicht durch eine adaptive „Ausführen-Feedback-Iterieren"-Schleife in tausenden von Runden extrem langer Interaktionen eine tiefgreifende Rekonstruktion von Algorithmen und Strategien.

Qwen3.8 verfügt nicht nur über starke Text- und Reasoning-Fähigkeiten, sondern erweitert auch die Grenzen der KI-Visualverständnisfähigkeit. In der maßgeblichen Vision-Arena-Rangliste belegt Qwen3.8-Max weltweit den zweiten Platz. Qwen3.8 kann nicht nur 200-seitige PDF-Finanzberichte lesen und über 100 Stunden lange Videos verstehen, sondern auch diese „gesehenen" Kenntnisse und Informationen in den gesamten Arbeitsablauf einfließen lassen, um das Modell zu umfassenderem Denken zu befähigen. Im von der Qwen-Teams entwickelten Benchmark RecreationBench für langfristige Aufgaben zur „Anwendungsreplikation" hat das Modell keinen Zugriff auf den Quellcode und keine Internetverbindung, versteht die Anwendung nur durch Interaktion und Feedback und kann die gesamte Anwendung dennoch von Grund auf nachbauen. Dies zeigt, dass Qwen3.8 bereits Fähigkeiten eines hybriden multimodalen Agenten auf Spitzenniveau demonstriert und durch den wiederholten Zyklus aus „iterativem Programmieren – interaktivem Feedback" das visuelle Programmieren (Visual Coding) auf eine neue Ebene hebt.

Wie bekannt wurde, wurde der Alibaba Zhenwu M890-Superknoten erfolgreich an Qwen3.8 angepasst. Durch die durchgängige Optimierung von Chip, Cloud-Plattform und Qwen-Modell werden die Inferenzeffizienz deutlich verbessert und die Inferenzkosten gesenkt, wobei in Agentic-Inferenzszenarien eine Leistungssteigerung von bis zu 1,5-fach möglich ist.