Alibabas Qwen3.8-Max fordert GPT-5.6 im agentenbasierten Rechnen heraus
Der chinesische Technologiegigant Alibaba hat sein neues Spitzenmodell für große Sprachmodelle, Qwen3.8-Max, vorgestellt. Das Modell behauptet, Konkurrenten in agentenbasierten Rechenaufgaben, einschließlich OSWorld-Benchmarks, zu übertreffen.
Alibabas KI-Forschungsteam hat sein neues Flaggschiffmodell, Qwen3.8-Max, vorgestellt. Dieses multimodale Large Language Model (LLM) mit 2,4 Billionen Parametern zielt auf autonome Softwareentwicklung und langfristige Unternehmensaufgaben ab.
Laut den veröffentlichten Benchmark-Ergebnissen des Unternehmens übertrifft Qwen3.8-Max mehrere konkurrierende Modelle in wichtigen Bereichen des agentenbasierten Rechnens. Insbesondere im OSWorld-Benchmark erreichte Qwen3.8-Max eine Punktzahl von 86,1 und übertraf damit GPT-5.6 Sol Max (83,2) und Fable 5 (85,0). Das Modell erzielte auch die höchsten Punktzahlen im PaperBench und zeigte eine starke Wettbewerbsfähigkeit in den Bereichen Softwareentwicklung, Reproduzierbarkeit von Forschung und multimodales Schlussfolgern.
Die Veröffentlichung könnte eine strategische Wende für Alibaba bedeuten, da das Unternehmen plant, nächste Woche offene Gewichte für Qwen3.8-Max und Qwen3.8-27B zu veröffentlichen. Bei Veröffentlichung unter einer permissiven Lizenz würde dies das Self-Hosting in Unternehmensumgebungen ermöglichen und die Akzeptanz potenziell erheblich beeinflussen.
Die genauen Lizenzbedingungen wurden noch nicht bekannt gegeben, was die Möglichkeit einer restriktiveren benutzerdefinierten Lizenz offen lässt, ähnlich dem Modell Kimi K3 des konkurrierenden chinesischen Unternehmens Moonshot AI. Dies könnte die breite Nutzung des Modells einschränken.
Das Modell zielt darauf ab, mehrere Stärken für die Unternehmensautomatisierung zu kombinieren. Alibaba beschreibt es als einen autonomen Kollegen, der fähig ist, mehrtägige Projekte durchzuführen. Es soll angeblich eigenständig Softwareentwicklungsprojekte, die zehn Tage überschreiten, abschließen, Forschungsarbeiten mit Tausenden von Codezeilen reproduzieren und multimodales Feedback für kontinuierliche Plananpassungen nutzen. Diese Demonstrationen sind vom Unternehmen erstellt und wurden noch nicht umfassend von unabhängigen Gutachtern verifiziert, spiegeln aber einen Branchentrend hin zu Modellen wider, die ganze Arbeitsabläufe anstelle einzelner Aufforderungen abschließen.