A Alibaba acaba de tornar open-source seu primeiro modelo em escala Max
Em 13 de agosto, a Alibaba divulgou os pesos do Qwen 3.8-2.4T — a primeira vez que a equipe do Qwen abre os pesos de um modelo em escala Max. Por anos, a estratégia foi dividida em duas frentes: modelos intermediários open-weight e modelos Max fechados, servidos apenas via API. O Qwen 3.8-2.4T encerra essa divisão.
O lançamento em si é enxuto — ainda sem relatório técnico complementar, apenas arquitetura, notas de pós-treinamento, infraestrutura de inferência e uma licença. Mas, lido ao lado do Kimi K3, de duas semanas atrás, surge uma história mais interessante: a receita do modelo flagship open-weight convergiu.
A receita: atenção híbrida na proporção 3:1, ~100B ativos
O Qwen 3.8-2.4T reúne 2,4T de parâmetros totais com 95B ativos por token, distribuídos em 512 especialistas (10 roteados, um compartilhado). As 92 camadas estão organizadas em 23 grupos repetidos de três camadas Gated DeltaNet mais uma camada Gated Attention — 69 camadas de atenção linear e 23 camadas de atenção completa, praticamente uma híbrida exata de 3:1. O Kimi K3 segue o mesmo padrão 3:1 com suas 69 camadas KDA e 24 camadas Gated MLA. Mesma família, diferenças pequenas: o KDA é uma versão de granulação mais fina do Gated DeltaNet, e o K3 adiciona resíduos de atenção que o Qwen 3.8 não traz.
O contexto nativo é de 262.144 tokens, expansível para mais de 1M, com treinamento de predição multi-token (três tokens candidatos por passo na configuração de referência) — o mesmo truque de MTP que o DeepSeek V4 documenta em seu relatório (veja nosso guia da API DeepSeek V4 Pro).
A infraestrutura de inferência é onde os dois divergem — e onde vive a história de custos
Os checkpoints oficiais vêm em BF16 e FP8; a Inferact adiciona versões quantizadas NVFP4 e MXFP4. Servir em precisão total exige dois nós B300 ou MI355X; FP4 cabe em um único nó. Esse é o número a observar: um flagship de 2,4T de parâmetros rodando em um só nó muda quem pode hospedá-lo.
O serviço segue a divisão hoje padrão: paralelismo de tensores para o caminho de atenção, paralelismo de especialistas para o caminho MoE, com kernels fundidos e interconexões em escala de rack mantendo o roteamento de especialistas barato. O Kimi K3 atacou o mesmo problema com o MoonEP, replicando dinamicamente especialistas sobrecarregados entre GPUs. O ajuste fino de paralelismo, e não a proporção de atenção, é a superfície restante de diferenciação.
Pós-treinamento: todo o delta foi para agentes
O model card é explícito: execução de agentes é a principal melhoria — planejamento autônomo, tratamento de feedback do ambiente, conclusão de tarefas ponta a ponta. Os números oficiais confirmam: Terminal Bench de 74,5 para 86,6, PaperBench de 64,8 para 93,0, JobBench de 31,3 para 53,4, Toolathlon Verified de 49,7 para 72,5. O GPQA Diamond mal se moveu: de 92,4 para 92,6. Os ganhos de geração para geração praticamente migraram dos benchmarks de conhecimento para os benchmarks de agentes.
Igualmente revelador: o preserve_thinking vem ativado por padrão, mantendo o contexto de raciocínio vivo entre chamadas de ferramentas. O Kimi K3 tomou a mesma decisão. O estado de raciocínio está migrando do harness para o próprio modelo — uma mudança de fronteira que vale acompanhar de perto (cobrimos o lado do harness nesse debate em nossa análise da estratégia de agentes da MiniMax).
Open-weight não significa mais Apache
A licença também mudou. O Qwen 3.8 é distribuído sob a Qwen3.8-Max License, não sob a Apache 2.0: uso, modificação, fine-tuning e até venda de derivados são livres, mas produtos acima de 100M MAU ou US$ 20M de receita mensal devem exibir o nome do modelo de forma proeminente, e negócios de MaaS ou assistentes de trabalho com IA e receita anual de grupo acima de US$ 50M precisam de uma licença comercial separada. A licença customizada do Kimi K3 segue o mesmo formato. Na classe de 3T, open-weight com licença customizada tornou-se o padrão de fato.
Por que isso importa
Colocando o Qwen 3.8 e o Kimi K3 lado a lado, a receita flagship de 2026 está praticamente fixada: 2–3T de parâmetros totais, ~100B ativos, atenção linear híbrida 3:1, contexto de ~1M, pós-treinamento focado em agentes, inferência FP4/EP e pesos abertos com licenciamento em níveis. As diferenças restantes são micro-otimizações, não apostas arquiteturais.
Para quem constrói, as lições práticas: avalie flagships em benchmarks de agentes, não no GPQA; trate o serviço FP4 em nó único como o novo patamar de custo para modelos grandes; e, se você está construindo MaaS ou um produto de assistente de trabalho com IA, leia os limites da licença antes de integrar. A pergunta interessante agora é quem quebrará primeiro a receita convergida.
Este texto foca na receita e no lado da inferência; o texto complementar Qwen 3.8-2.4T de Pesos Abertos: A Virada da IA de Fronteira lê o mesmo lançamento por meio dos resultados de benchmarks e da estrutura do setor. Leia ambos juntos para o quadro completo.
