هوش مصنوعی ۷ دقیقه مطالعه

علی‌بابا با Qwen3.8-Max به رقابت با OpenAI و Anthropic می‌رود

محمد پارسا محمد پارسا

علی‌بابا با معرفی مدل Qwen3.8-Max، رقابت خود را در بازار مدل‌های زبانی پیشرفته وارد مرحله تازه‌ای کرده است. این مدل پرچم‌دار، روی مهندسی نرم‌افزار سازمانی، توسعه فول‌استک، تحلیل داده، اتوماسیون جریان‌های کاری و پردازش چندوجهی تمرکز دارد؛ حوزه‌هایی که اکنون OpenAI و Anthropic بخش بزرگی از بازار آن را در اختیار دارند.

گزارش‌ها نشان می‌دهند علی‌بابا Qwen3.8-Max را ابتدا در ۱۹ ژوئیه ۲۰۲۶ پیش‌نمایش کرد و سپس در ۳ اوت ۲۰۲۶ عرضه عمومی آن را آغاز کرد. این شرکت می‌خواهد Qwen را از یک مدل گفت‌وگومحور، به زیرساختی عملی برای تیم‌های توسعه، شرکت‌ها و عامل‌های هوش مصنوعی تبدیل کند.

Qwen3.8-Max چیست؟

Qwen3.8-Max جدیدترین عضو خانواده Qwen علی‌بابا محسوب می‌شود. منابع منتشرشده، این مدل را یک مدل Mixture of Experts یا MoE با حدود ۲.۴ تریلیون پارامتر کل معرفی می‌کنند. مدل در هر توکن، تنها بخشی از پارامترها را فعال می‌کند و گفته می‌شود حدود ۹۵ میلیارد پارامتر فعال دارد.

معماری MoE به شرکت‌ها کمک می‌کند میان کیفیت خروجی و هزینه پردازش تعادل بهتری ایجاد کنند. در نتیجه، یک مدل بزرگ می‌تواند برای وظایف سنگین مانند تولید کد، تحلیل اسناد حجیم و اجرای جریان‌های کاری چندمرحله‌ای، عملکرد مناسبی ارائه دهد؛ بدون اینکه تمام ظرفیت مدل را برای هر درخواست فعال کند.

مشخصات کلیدی Qwen3.8-Max

  • حدود ۲.۴ تریلیون پارامتر کل
  • معماری Sparse Mixture of Experts
  • حدود ۹۵ میلیارد پارامتر فعال برای هر توکن، بر اساس گزارش‌های منتشرشده
  • پشتیبانی از ورودی‌های چندوجهی
  • پنجره زمینه تا ۱ میلیون توکن
  • توان تولید خروجی تا ۱۲۸ هزار توکن
  • تمرکز بر برنامه‌نویسی، توسعه فول‌استک، تحلیل داده و کارهای اداری
  • سازگاری اکوسیستم Model Studio با APIهای هم‌سبک OpenAI و Anthropic

هدف اصلی علی‌بابا: مهندسی نرم‌افزار و عامل‌های هوش مصنوعی

علی‌بابا Qwen3.8-Max را برای چت ساده طراحی نکرده است. این مدل روی کارهایی تمرکز دارد که تیم‌های فنی و سازمان‌ها هر روز انجام می‌دهند: خواندن مخزن کد، یافتن باگ، تولید فایل‌های متعدد، ساخت رابط کاربری، تحلیل داده و خودکارسازی فرایندهای کاری.

مدل‌های جدید هوش مصنوعی در بازار سازمانی باید فراتر از تکمیل چند خط کد عمل کنند. توسعه‌دهندگان از آن‌ها انتظار دارند ساختار یک پروژه را درک کنند، میان چند فایل ارتباط برقرار کنند، تست بنویسند، خطاها را اصلاح کنند و وظایف را در چند مرحله ادامه دهند. علی‌بابا تلاش می‌کند Qwen3.8-Max را برای همین نوع کارهای طولانی و عامل‌محور آماده کند.

این جهت‌گیری، Qwen3.8-Max را مستقیماً مقابل مدل‌هایی مانند GPT-5.6، Claude و مدل‌های Gemini قرار می‌دهد؛ مدل‌هایی که شرکت‌ها برای توسعه نرم‌افزار، دستیارهای داخلی و اتوماسیون سازمانی به کار می‌گیرند.

قابلیت چندوجهی Qwen3.8-Max چه اهمیتی دارد؟

قابلیت چندوجهی به مدل اجازه می‌دهد علاوه بر متن، انواع دیگری از داده مانند تصویر و محتوای بصری را نیز در جریان پردازش قرار دهد. این ویژگی برای شرکت‌ها اهمیت زیادی دارد، زیرا داده‌های واقعی سازمان‌ها فقط در قالب متن ذخیره نمی‌شوند.

برای نمونه، یک تیم می‌تواند از مدل برای بررسی اسکرین‌شات خطا، تحلیل داشبوردهای آماری، استخراج اطلاعات از اسناد تصویری یا کمک به ساخت رابط کاربری بر اساس یک طرح بصری استفاده کند. ترکیب توانایی کدنویسی و تحلیل چندوجهی، Qwen3.8-Max را به گزینه‌ای جدی‌تر برای محیط‌های نرم‌افزاری و عملیاتی تبدیل می‌کند.

پنجره زمینه یک میلیون توکنی؛ مزیت مهم برای سازمان‌ها

گفته می‌شود Qwen3.8-Max از پنجره زمینه‌ای تا یک میلیون توکن پشتیبانی می‌کند. چنین ظرفیتی می‌تواند برای پردازش اسناد طولانی، پایگاه‌های دانش سازمانی، لاگ‌های گسترده، قراردادها، مستندات فنی و بخش‌های بزرگی از یک پروژه نرم‌افزاری مفید باشد.

پنجره زمینه بزرگ به‌تنهایی تضمین نمی‌کند که مدل همه جزئیات را با دقت یکسان تحلیل کند، اما در عمل نیاز به خرد کردن دستی داده‌ها و ارسال چندباره اطلاعات را کاهش می‌دهد. این مزیت برای سامانه‌های RAG، دستیارهای سازمانی و عامل‌های هوش مصنوعی اهمیت بالایی دارد.

علی‌بابا چگونه OpenAI و Anthropic را هدف گرفته است؟

رقابت فقط به قدرت مدل محدود نمی‌شود. علی‌بابا می‌خواهد مسیر مهاجرت شرکت‌ها به اکوسیستم Qwen را نیز ساده کند. سرویس Model Studio این شرکت از رابط‌های سازگار با مشخصات APIهای OpenAI و Anthropic پشتیبانی می‌کند.

این سازگاری به تیم‌های فنی اجازه می‌دهد با تغییرات محدودتری در لایه اتصال مدل، ابزارها و سرویس‌های موجود خود را به Qwen متصل کنند. برای کسب‌وکارها، کاهش هزینه و زمان مهاجرت می‌تواند به اندازه کیفیت پاسخ مدل مهم باشد.

علی‌بابا همچنین Qwen3.8-Max را برای وظایف زیر مطرح کرده است:

  • تولید و بازبینی کد
  • اشکال‌زدایی پروژه‌های چندفایلی
  • نمونه‌سازی رابط کاربری و فرانت‌اند
  • تحلیل داده و گزارش‌سازی
  • اتوماسیون کارهای اداری
  • اجرای فرایندهای چندمرحله‌ای با عامل‌های هوش مصنوعی
  • اتصال ابزارها از طریق MCP و هماهنگی چندعامل

ادعای عملکرد در برابر Claude و مدل‌های رقیب

برخی گزارش‌های رسانه‌ای به نقل از علی‌بابا نوشته‌اند که این شرکت Qwen3.8-Max را از نظر توانمندی، «دوم پس از Claude Fable 5 از Anthropic» توصیف کرده است. این ادعا باید در چارچوب تبلیغات و بنچمارک‌های منتشرشده توسط سازنده بررسی شود.

مقایسه واقعی مدل‌ها به نوع وظیفه بستگی دارد. یک مدل ممکن است در تولید کد یا اجرای ابزارها عملکرد بسیار خوبی داشته باشد، اما در استدلال، نگارش، تحلیل تصویر، پایداری پاسخ یا هزینه API نتیجه متفاوتی ارائه دهد. سازمان‌ها نباید تنها با اتکا به رتبه‌بندی‌های کلی، مدل موردنیاز خود را انتخاب کنند.

بهترین روش، اجرای ارزیابی روی داده‌ها، کدها و جریان‌های کاری واقعی همان سازمان است.

آیا وزن‌های Qwen3.8-Max منتشر شده‌اند؟

وضعیت وزن‌های باز Qwen3.8-Max هنوز به تأیید مستقیم و قابل اتکا از یک منبع رسمی قابل دسترس نیاز دارد. برخی منابع ثانویه گفته‌اند که علی‌بابا وعده انتشار وزن‌ها را در آینده نزدیک داده است، اما در زمان نگارش این گزارش، منبع رسمی قابل دسترسی برای دانلود وزن‌های مدل پیدا نشد.

بنابراین، توصیف Qwen3.8-Max به‌عنوان یک مدل «open-weight منتشرشده» در حال حاضر دقیق نیست. تا زمان انتشار رسمی در کانال‌هایی مانند وبلاگ Qwen، Hugging Face یا مخزن رسمی گیت‌هاب، بهتر است آن را مدلی با وعده احتمالی انتشار وزن‌ها بدانیم.

چرا Qwen3.8-Max برای بازار هوش مصنوعی مهم است؟

بازار مدل‌های پیشرفته دیگر فقط بر سر بهترین چت‌بات رقابت نمی‌کند. شرکت‌ها اکنون مدلی می‌خواهند که بتواند در فرایندهای واقعی کسب‌وکار نقش بگیرد: کد تولید کند، ابزار فراخوانی کند، اسناد را تحلیل کند، به داده‌های داخلی متصل شود و وظایف بلندمدت را پیگیری کند.

Qwen3.8-Max نشان می‌دهد علی‌بابا برای کسب سهم از این بازار، روی سه محور اصلی سرمایه‌گذاری کرده است:

  1. توانایی مهندسی نرم‌افزار و کدنویسی عامل‌محور
  2. پشتیبانی از بارهای کاری چندوجهی و سازمانی
  3. کاهش اصطکاک مهاجرت با APIهای سازگار با OpenAI و Anthropic

این مدل همچنین رقابت میان شرکت‌های آمریکایی و چینی در زیرساخت هوش مصنوعی را شدیدتر می‌کند. برای توسعه‌دهندگان و شرکت‌ها، افزایش تعداد گزینه‌های قدرتمند می‌تواند هزینه استفاده از مدل‌ها را کاهش دهد و انتخاب‌های بیشتری در اختیارشان قرار دهد.

باید در انتشار چه باشیم؟

Qwen3.8-Max تلاش بزرگ علی‌بابا برای ورود جدی‌تر به بازار مدل‌های سازمانی و رقابت مستقیم با OpenAI و Anthropic است. تمرکز بر برنامه‌نویسی، پردازش چندوجهی، پنجره زمینه بزرگ و سازگاری API، این مدل را برای تیم‌هایی جذاب می‌کند که به دنبال جایگزین یا مکملی برای سرویس‌های رایج هوش مصنوعی هستند.

با این حال، شرکت‌ها باید پیش از مهاجرت، عملکرد Qwen3.8-Max را روی سناریوهای واقعی خود آزمایش کنند. همچنین وضعیت انتشار وزن‌های باز مدل هنوز به تأیید رسمی نیاز دارد و نباید آن را یک واقعیت قطعی در نظر گرفت.

سوالات متداول

Qwen3.8-Max چه زمانی عرضه شد؟

گزارش‌ها می‌گویند علی‌بابا این مدل را در ۱۹ ژوئیه ۲۰۲۶ پیش‌نمایش کرد و عرضه عمومی آن از ۳ اوت ۲۰۲۶ آغاز شد.

آیا Qwen3.8-Max متن‌باز است؟

درباره وعده انتشار وزن‌های باز گزارش‌هایی وجود دارد، اما در زمان نگارش این مقاله، انتشار رسمی و قابل تأیید وزن‌های مدل از منبع اولیه در دسترس نبود.

Qwen3.8-Max با OpenAI و Anthropic چه تفاوتی دارد؟

علی‌بابا Qwen3.8-Max را با تمرکز بر مهندسی نرم‌افزار، عامل‌های هوش مصنوعی، چندوجهی بودن و استفاده سازمانی عرضه کرده است. اکوسیستم Model Studio نیز APIهای سازگار با مشخصات OpenAI و Anthropic ارائه می‌دهد تا مهاجرت فنی ساده‌تر شود.

نوشته‌شده توسط

محمد پارسا

حوزه تخصصی من امنیت سایبریه، اما چون معتقدم امنیت بدون شناختن هوش مصنوعی و مسیر آینده فناوری بی‌معنیه، هر از گاهی به این قلمروها هم سرک می‌کشم.

دیدگاه خود را بنویسید

نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *