Qwen 3.8 veröffentlicht

(twitter.com/Alibaba_Qwen)

5 Punkte von GN⁺ 1 일 전 | 4 Kommentare | Auf WhatsApp teilen

Alibaba Qwen hat Qwen3.8 mit 2,4 Billionen Parametern veröffentlicht und will in Kürze auch die Open Weights freigeben
Qwen3.8 wird als ein sich weiterentwickelndes Modell beschrieben, das mit führenden Frontier-AI-Modellen kompatibel ist
Qwen stuft Qwen3.8 als eines der derzeit leistungsstärksten Modelle ein und als eine Stufe über Fable 5
Qwen3.8-Max-Preview kann direkt über Alibaba Token Plan, Qoder und QoderWork ausprobiert werden
Für den Token Plan gibt es separate Preisseiten für internationale Nutzer und chinesische Nutzer
- Für internationale Nutzer werden drei Stufen angeboten: Lite/Standard/Pro, mit Aktionspreisen von 6/18/68 US-Dollar pro Monat
- Je nach Tarif sind pro 7 Tage 2.500/10.000/40.000 Credits und pro 5 Stunden 700/3.000/12.000 Credits enthalten
- Gleichzeitig ausführbare Agenten sind jeweils 1–2/3–4/6–8, und die Anbindung ist in Tools mit Unterstützung für das OpenAI-/Anthropic-Protokoll per API Key und Base URL möglich

4 Kommentare

fanotify 1 일 전

Ich habe eine Infografik gefunden und mitgebracht: https://i.postimg.cc/63yLvz16/modelsize202607.png
(die von Kimi leicht aktualisiert und um die Inhalte zu Qwen 3.8 ergänzt)

cadenzah 1 시간 전

Öffnen Sie diesen Link nicht an öffentlichen Orten!

thkweon 1 일 전

Die Website hat unglaublich viel Werbung.

GN⁺ 1 일 전

Hacker-News-Kommentare

Diese Ankündigung scheint eine Reaktion darauf zu sein, dass Moonshot AI angekündigt hat, den Open-Weight-LLM Kimi K3 mit 2,8 Billionen Parametern bis zum 27. Juli auf Hugging Face zu veröffentlichen
Alibaba hat ebenfalls reagiert und angekündigt, bald Qwen 3.8 mit 2,4 Billionen Parametern als Open Weights zu veröffentlichen; es bleibt die Frage, ob das ohnehin geplant war oder ob man mit Moonshot AI konkurrieren wollte
So oder so ist der Gewinner dieses LLM-Wettbewerbs der Nutzer
- Das Motiv lässt sich schwer sicher bestimmen, aber chinesische Unternehmen scheinen daran zu arbeiten, Intelligenz zu einem Allgemeingut zu machen
  Das könnte der effektivste Weg sein, den Wert der führenden US-Forschungslabore zu senken, und wäre auch für die Menschheit sehr nützlich
- In chinesischen sozialen Medien taucht oft der Witz auf: „Regierungen anderer Länder greifen ein, um wettbewerbswidriges Verhalten zu verhindern, die chinesische Regierung greift ein, um Wettbewerb zu bremsen“
  https://www.reuters.com/business/autos-transportation/what-i...
- Der Grund für die Ankündigung jetzt könnte sein, dass gerade die World AI Conference stattfindet
  Während Roboter boxen und große chinesische AI-Unternehmen ihre neuesten Modelle vorstellen, hat Xi Jinping auch die Gründung von WAICO angekündigt
  https://en.wikipedia.org/wiki/World_Artificial_Intelligence_...
- Die Ankündigung könnte auch auf den Zeitpunkt abgestimmt sein, als Xi Jinping auf der World AI Conference ein politisches Bündnis ins Leben rief und sagte: „Die Entwicklung von AI sollte kein Sololauf eines einzelnen Landes sein, sondern eine Symphonie internationaler Zusammenarbeit“
  Auf großen Konferenzen gibt es üblicherweise viele Produktvorstellungen und Ankündigungen
  https://www.cnbc.com/2026/07/17/x-china-ai-summit-risks-secu...
- Statt eines riesigen Modells hätte ich lieber Qwen 3.7-27B·122B oder entsprechende 3.8-Versionen gesehen
  Die Stärke von Qwen und QwQ war schon immer erstklassiges lokales Inferenzvermögen, das man zu Hause ausführen kann
Alibaba Cloud hat meine E-Mail-Adresse gesperrt, sodass ich keine Nutzungsgebühren zahlen kann, deshalb kann ich diesmal den Pelican-Test nicht machen
Ich warte auf die Veröffentlichung der Open Weights oder auf eine Aufnahme bei OpenRouter
- Der Pelican-Benchmark ist inzwischen fast das einzige Bewertungsverfahren, dem ich vertraue
  Es ist absurd, dass ein Unternehmen wie Alibaba es einem schwer macht, Geld zu bezahlen, und man würde erwarten, dass bekannte Entwickler ihre Modelle testen sollen
  Bei OpenRouter werden neue Modelle meist schnell aufgenommen, daher hoffe ich, es bald nutzen zu können. Man kann auch die Qwen-App herunterladen und es in der Chat-Oberfläche mit lokalen MCP-Tools für die Entwicklung testen
Ich hoffe auch, dass ein kleineres Qwen-3.8-Modell veröffentlicht wird
Ich nutze das 35B-MoE und das dichte 27B-Modell lokal, und für die meisten Dinge muss ich nicht einmal Claude aufrufen
Besonders nützlich ist das bei Anfragen mit sensiblen oder persönlichen Daten
- Schön wäre ein MoE-Modell der Mittelklasse zwischen dem 35B aus 3.6 und dem 122B aus 3.5
  Auf einem Heimcomputer, der recht leistungsfähig, aber nicht übermäßig teuer ist, könnte das eine hervorragende Balance aus Geschwindigkeit und Leistung bieten
- Dieser Wettbewerb scheint sich eher um die Vorherrschaft bei führender AI zu drehen, daher mache ich mir Sorgen, dass leistungsfähige kleinere Modelle ins Hintertreffen geraten
  Große Labore wollen ihre Gans, die goldene Eier legt, nicht an Endnutzer weitergeben, und Hardware-Anbieter wie Nvidia könnten ebenfalls in diesen Markt drängen, um an allen Beteiligten zu verdienen
- Ich frage mich, wie man ein Modell mit 2,4 Billionen Parametern auf 35B verkleinern will, ohne die Genauigkeit zu verlieren
  Dafür wäre eine völlig andere Architektur nötig
- Ich frage mich, welche Hardware verwendet wird
Ich habe Qwen 3.6 27B in LMStudio ausprobiert; es war etwas langsam, aber besser als erwartet
Mit mtplx wurde es, ohne Übertreibung, tatsächlich 2- bis 3-mal schneller, was sehr beeindruckend war
Ich versuche, so viel wie möglich auf lokale Modelle umzustellen, und es wird zunehmend zu einer praktikablen Option. Allerdings nutze ich ein M5 Max MacBook mit Vollausstattung, also einen Laptop für 6.000 Dollar, und damit ist die Hardware für die meisten noch zu teuer
Künftig dürfte die Entwicklung eher in Richtung kleinerer, stärker fokussiert trainierter Modelle gehen, die lokal laufen. Das Risiko ist zu groß, alle Daten an Cloud-Anbieter zu geben, und wenn der Zeitpunkt kommt, an dem sie Profit nachweisen müssen, werden sie voraussichtlich absurde Preise verlangen
- Nach den jüngsten Preiserhöhungen kostet dieser Laptop inzwischen wahrscheinlich eher nahe 8.000 Dollar
Qwen 3.7 Pro einen Monat lang täglich zu nutzen war praktisch unmöglich.
Es verschwendete übermäßig viel Zeit, verlor die Arbeitsrichtung oder verfiel in sinnlose Wiederholungen und konnte auch nicht richtig debuggen.
Der Unterschied zu DeepSeek V4 Pro war eklatant, und bisher wirkte Qwen wie das schlechteste Modell für Software Engineering. Es war viel teurer als DeepSeek, und man konnte ihm weder Aufgaben delegieren noch es für Low-Level-Arbeit in Echtzeit nutzen.
- Ich habe Qwen3.6-35B und 27B, quantisiert auf Q8, lokal in llama.cpp ausgeführt und auch antirez' DS4-flash-Quantisierungsmodell ausprobiert.
  Alle lagen auf ähnlichem Niveau, DS4 war etwas effizienter, aber bei Bash-Skripten, Debugging, Python und einigen C++-Aufgaben lieferten alle sehr gute Ergebnisse.
  Ich frage mich, in welcher Anwendung oder Sprache Qwen gescheitert ist. Das Chat-Template von Qwen ist kaputt, sodass ich es selbst debuggen musste, und ich arbeite auch an einer Korrektur; bei Gemma war es ähnlich.
- Nach meinem Maßstab ist Qwen 3.7 Max besser als Opus und viel schneller, liegt aber leicht hinter Fable.
  Bei Geschwindigkeit und allgemeinem Verständnis lag es deutlich vor DeepSeek 4 Pro, und ich nutze es meist zusammen mit Claude Code.
  Qwen 3.7 Plus ist auch als Unteragent ziemlich ordentlich und viel besser als Sonnet. Qwen 3.8 Max Preview funktioniert derzeit ebenfalls gut, aber es ist noch zu früh für ein Urteil; für 10 % des regulären Preises wäre es ein überragendes Preis-Leistungs-Verhältnis.
- Qwen 3.7 Pro ist mittelmäßig, aber 3.7 Max ist ein sehr gutes Modell.
- Ich habe 2 Dollar auf die DeepSeek-API geladen, den Schlüssel in Void Editor eingetragen und ein Krypto-Tool in HTML gebaut.
  Mit einer mehrere hundert Zeilen langen CSV-Beispieldatei habe ich ein bis zwei Stunden locker programmiert und Bugs behoben, und das kostete etwa 1,8 Dollar.
  Wenn solche Kosten normal sind, würde die Nutzung für die Arbeit über einen Monat wohl mehr kosten als mein Gehalt; ich frage mich, ob Cloud-Anbieter wirklich so teuer sind.
- Anthropic hätte Knowledge-Distillation-Angriffe nicht behindern sollen.
Die endgültige Version von DeepSeek 4 soll ebenfalls bald erscheinen.
Vermutlich auf dem Niveau von Opus 4.8, und angesichts des Preises von DeepSeek dürfte das ein ziemlich großes Ereignis werden.
- Das Preis-Leistungs-Verhältnis von DeepSeek ist überwältigend.
  Ich nutze in letzter Zeit oft V4 Flash, und es ist ziemlich gut.
- DeepSeek V4 ist 10- bis 30-mal günstiger als die meisten Modelle und für die meisten Aufgaben völlig ausreichend.
- Morgen ist der letzte Tag der WAIC, daher ist eine Veröffentlichung dann am wahrscheinlichsten.
- Darauf freue ich mich am meisten.
  Während ich in den letzten Wochen DeepSeek Pro selbst genutzt habe, bekam ich immer häufiger Antworten, bei denen klar war, dass sie aus einem deutlich besseren Modell stammten.
  Die Leistung ist so gut, dass das Lager der Closed-Source-Modelle bereits FUD wie „Dark Routing“ oder „sie haben einfach Fable gestohlen“ verbreitet.
  Selbst der erhöhte Preis bietet noch enormen Wert. Wenn man keine Zeit hat, alle Modelle zu testen, und nur das nutzen will, was aktuell am besten wirkt, ist es womöglich sogar besser, es gar nicht zu verwenden. Dann würde man nur erkennen und bereuen, wie viel mehr man geschafft hätte, wenn man in der ersten Jahreshälfte statt 1.200 Dollar bei OpenAI dieses Geld bei DeepSeek ausgegeben hätte.
Beim Blick auf Artificial Analysis gab es mindestens 12 Anbieter, die nach eigener Einschätzung besser abschnitten als Opus 4.5, das Anthropic im Dezember veröffentlichte und dem die jüngste Beschleunigung zugeschrieben wird.
Wenn man zusätzlich die niedrigen Wechselkosten berücksichtigt, ist der Wettbewerb völlig überhitzt. Persönlich halte ich das Niveau von Opus 4.5 für die meisten Anwendungen und Einsatzzwecke für ausreichend.
- Deshalb werden OpenAI und Anthropic vermutlich noch stärker staatliche Regulierung und Verbote fordern.
  Andernfalls bricht ihr gesamtes Ertragsmodell zusammen.
Um es mit dem Qwen Cloud Token Plan in OpenCode auszuführen, funktioniert die folgende Konfiguration.
Da ich die genauen Limits nicht kenne, habe ich es auf dieselben Grenzen wie bei Qwen 3.7 Max gesetzt.
```
"provider": {  
  "alibaba-token-plan": {  
    "models": {  
      "qwen3.8-max-preview": {  
        "limit": {  
          "context": 1048576,  
          "output": 65536  
        },  
        "modalities": {  
          "input": ["text"],  
          "output": ["text"]  
        },  
        "name": "Qwen3.8 Max Preview"  
      }  
    }  
  }  
}  
```
- Man muss API-Endpunkt und Token korrekt auswählen.
  Wenn man den richtigen Endpunkt aufruft, sinkt das Kontingent fast sofort, daher sollte man das überprüfen.
  Sonst kann man versehentlich ein API-Token verbrauchen, das nicht in den Membership-Credits enthalten ist, und in 3 Tagen 200 Dollar ausgeben; das gilt ebenso, wenn man die 200 Dollar aus dem Alibaba-Cloud-Anmeldebonus verwendet hat.
Die Formulierung „nach Fable 5 am besten“ ist ziemlich vielsagend.
Anfangs gab es viel Skepsis, dass Fable gegenüber Opus kaum Fortschritte gemacht habe, aber ob man es mag oder nicht: Anthropic hat sich unter der Annahme, dass die Nutzung weiterhin erlaubt bleibt, mit diesem Modell einen echten Burggraben geschaffen.
Wenn offene Modelle das übertreffen, wird es wirklich interessant.
- Es ist schwer, es einen Burggraben zu nennen, aber es ist definitiv das bessere Modell.
  In meiner Arbeit bewerte ich sie als Fable > K3 > Sol.
  Fable ist den beiden anderen aber nicht so deutlich überlegen, dass es ein schwerer Schlag wäre, es nicht mehr nutzen zu können. Alle drei sind hervorragend, und das einzige Modell, das Anfragen regelmäßig ablehnt, ist Fable.
- Ihr „Burggraben“ besteht darin, dass Mythos derzeit das einzige ultragroße Modell ist.
  Es war schon immer möglich, ein Modell mit 10 Billionen Parametern zu trainieren und damit 10 % mehr Leistung als mit einem 1-Billion-Parameter-Modell zu erzielen.
  Wenn Mythos ein Opus 5 mit derselben Größe und demselben Preis wie frühere Opus-Modelle wäre, wäre das ein entscheidendes Alleinstellungsmerkmal, aber tatsächlich ist es das nicht.
- Selbst wenn es das bessere Modell ist, ist es wegen der zu vielen Einschränkungen nicht so nützlich wie Opus.
- Bei Fable fällt die Qualität der Ergebnisse oft ab.
  Ich nutze Sol als Hauptmodell; Fable kann kreativ sein, ist aber schwach darin, stabil zu arbeiten, ohne endlos Tokens zu verbrauchen.
Der KI-Wettbewerb in China wird immer heißer.
Ich bin gespannt, was Anthropic und OpenAI als Nächstes bringen.

Qwen 3.8 veröffentlicht

Verwandte Beiträge

4 Kommentare

Hacker-News-Kommentare