Alibaba Qwen 3.8-Max загвараа танилцууллаа: 2.4 Триллион параметртэй MoE архитектур ба "Walkaway Engine"-ийн эрин үе

Alibaba-гийн Qwen судалгааны баг өөрсдийн хамгийн хүчирхэг, флагшип түвшний Qwen 3.8-Max загварыг албан ёсоор танилцууллаа. Энэхүү нээлт нь хиймэл интеллектийн салбарт, ялангуяа программ хөгжүүлэлт болон бие даасан агентуудын (autonomous agents) хөгжүүлэлтэд томоохон эргэлт авчирч байна. Хамгийн чухал нь Alibaba компани түүхэндээ анх удаа "Max" ангиллын дээд зэрэглэлийн загварынхаа эх жинг (open weights) нээлттэй болгохоо амласан явдал юм.

Архитектур ба Техникийн Үзүүлэлт: 2.4T Параметр ба Sparse MoE

Qwen 3.8-Max нь өмнөх Qwen 3.5 архитектур дээр суурилан хөгжүүлэгдсэн бөгөөд нийт 2.4 триллион параметр бүхий Sparse Mixture-of-Experts (MoE) загвар юм. Тооцоолол хийх бүрд токен бүрт 95 миллиард параметр идэвхждэг (active parameters) тул асар том хэмжээтэй ч гэсэн боловсруулалтын хурд болон зардлын хувьд оновчтой ажилладаг.

Үндсэн техникийн онцлогууд:

Context Window: 1 сая токен хүртэлх контекст санах ойтой ба 128k токен хүртэлх гаралт (output) үүсгэх чадвартай.
Native Multimodality: Текстээс гадна зураг, видео болон техникийн баримт бичгүүдийг нэгэн зэрэг шинжлэх чадвартай.
Protocol Compatibility: API нь OpenAI болон Anthropic-ийн стандарт протоколуудыг шууд дэмждэг тул хөгжүүлэгчид Cursor, Claude Code, OpenCode зэрэг хэрэгслүүддээ ямар нэг нэмэлт тохиргоогүйгээр залгаж ашиглах боломжтой.
Захиалгын үнэ: Стандарт API дээр 1 сая input токен тутамд $2, output токен тутамд $6 үнэтэй гарсан нь дээд зэрэглэлийн өрсөлдөгчдөөс хэд дахин хямд юм.

"Walkaway Engine": Хөгжүүлэгчийн оролцоогүй ажиллах Агентууд

Энэхүү загварын хамгийн сонирхолтой концепц нь "Walkaway Engine" буюу хөгжүүлэгч даалгавар өгөөд орхиход цааш тасралтгүй бие даан ажиллах чадвар юм. Загварын туршилтын үеэр Alibaba-гийн баг хэд хэдэн анхаарал татахуйц кейсийг үзүүлсэн:

Бие даасан кодинг төсөл: Хоосон директороос эхлэн 10 гаруй өдрийн турш хүний оролцоогүйгээр ажиллаж, 265 commit, 127 Pull Request (PR) болон 151 Issue шийдвэрлэж, бэлэн программ хангамж бүтээсэн.
Судалгааны ажлыг дахин кодолж сайжруулах: Machine Learning-ийн эрдэм шинжилгээний өгүүллийг уншаад 7,600 гаруй мөр код бичиж, 33 удаагийн сургалтын цикл ажиллуулан оригиналь нийтлэлийн үр дүнг давуулан биелүүлсэн.

Энэ нь ердийн код автоматаар нөхөх (autocomplete) эсвэл энгийн Prompt-од хариулах түвшнээс хальж, AI агентууд олон хоногоор үргэлжлэх цогц төслүүдийг бие даан удирдах боломжтой болж байгааг харуулж байна.

Бенчмарк үзүүлэлтүүд болон Туршилтын Үр Дүн

Qwen 3.8-Max нь кодинг, терминал агент болон системийн түвшний даалгавруудад салбартаа тэргүүлэх оноонуудыг үзүүлээд байна:

OSWorld-Verified: 86.1 оноо (Claude Fable 5 болон GPT-5.6 Sol загваруудтай өрсөлдөхүйц).
PaperBench (Scientific Research): 93.0 оноо авч одоогоор бүртгэгдсэн хамгийн өндөр оноог тогтоолоо.
TerminalBench 2.1 (Terminal Agent): 86.6 оноо.
Roboflow Visual Test: Компьютер харааны (VLM) даалгавруудад техникийн зураг төсөл, схемийн дагуу объект илрүүлэх болон JSON форматтай өгөгдөл буцаах чадвараараа одоо байгаа загваруудыг тэргүүлсэн байна.

Хэдийгээр зарим бие даасан туршилтуудад хурдны хувьд бага зэрэг удаан, судалгааны даалгаварт хийсвэрлэл (hallucination) үүсэх тохиолдол ажиглагдсан ч API-ийн хямд үнэ ба агентик чадвар нь үүнийг нөхөж байна.

Open-Weight Хөдөлгөөн: Хөгжүүлэгчдэд ямар ашигтай вэ?

Ихэнх хиймэл интеллектийн томоохон лабораториуд (OpenAI, Anthropic) хамгийн хүчирхэг загваруудынхаа жинг хаалттай байлгадаг бол Alibaba загварынхаа жинг (weights) Hugging Face болон ModelScope платформ дээр нийтлэх гэж байгаа нь асар том өөрчлөлт юм.

Мөн Qwen 3.8-Max-тай хамт арай жижиг Qwen 3.8-27B нээлттэй загварыг цацах тул хөгжүүлэгчид болон байгууллагууд өөрсдийн дотоод сервер (on-premise) болон хувийн Cloud дээрээ өндөр түвшний AI кодлогч ажиллуулах боломж бүрдэж байна.

Дүгнэлт

Qwen 3.8-Max нь хиймэл интеллект програмчлалын салбарт "чаталдаг туслах"-аас "бие даан ажилладаг хамтран зүтгэгч" рүү шилжиж буй тод жишээ боллоо. Өндөр контекст санах ой, хямд API үнэ, "Walkaway Engine" чадвар болон open-weights амлалт нь 2026 оны AI хөгжүүлэлтийн шинэ трендийг тодорхойлж байна.

Эх сурвалж: Qwen AI Official Release, DataCamp Qwen3.8-Max Analysis, Yotta Labs Qwen 3.8 Spec Sheet