Em 13 de agosto, a equipe Qwen da Alibaba publicou os pesos do Qwen3.8-2.4T-A95B — o modelo mixture-of-experts de 2,4 trilhões de parâmetros que alimenta o carro-chefe Qwen3.8-Max. É a primeira vez que um modelo de nível Max é aberto, e o momento não é coincidência: na mesma noite chegaram o Grok 4.6 e o DeepSeek V4 Pro, três laboratórios de fronteira convergindo para a mesma aposta — agentes autônomos de longo prazo. Mas o lançamento open source pode mudar o jogo mais do que os benchmarks. Em poucas horas, a Unsloth compactou os 4,9TB do lançamento para 397GB, o que significa que uma única estação de trabalho com 410GB de RAM e VRAM combinadas agora pode rodar um modelo de classe de fronteira localmente.
O que foi realmente lançado
- 2,4T de parâmetros totais, 95B ativos por token (MoE), construído sobre a arquitetura Qwen3.5
- Contexto nativo de 262.144 tokens, extensível a ~1M de tokens
- Ganhos concentrados em programação, trabalho de escritório, pesquisa e tarefas de agentes de longo prazo
- O modo de raciocínio é obrigatório — a saída começa com
<think>…</think>e não pode ser desativado - Implantável via SGLang, vLLM ou TokenSpeed, cada um exigindo a receita específica do Qwen3.8
- Um modelo menor, o Qwen3.8-27B, já foi anunciado
Os pesos estão disponíveis no Hugging Face e no ModelScope.
Benchmarks: forte onde os agentes vivem, mais fraco em programação clássica
Os resultados são divididos. Vitórias: PaperBench 93.0 (à frente de GPT-5.6 Sol, Fable 5 e Claude Opus 4.8), OSWorld-Verified 86.1 (primeiro entre todos os modelos avaliados em operação de computador) e 91.5 no benchmark de CAD paramétrico (acima de Fable 5, GPT-5.6 Sol e Gemini 3.1 Pro). Derrotas: SWE-bench Pro 67.7 contra 80.0 do Fable 5 e 69.2 do Opus 4.8, TerminalBench 2.1 com 86.6 contra 88.8 do GPT-5.6 Sol, e VideoMME v2 abaixo do GPT-5.6 Sol.
O que a Alibaba realmente testou diz mais do que qualquer ranking: 16 dias de programação autônoma contínua (construindo seu próprio harness autoevolutivo, coletando demandas da comunidade, despachando issues, gerando código, verificando e se autorreparando), reproduzindo e aprimorando de forma independente um artigo de pesquisa, competindo em contests reais de algoritmos e administrando uma empresa virtual de e-commerce ao longo de mais de 2.000 rodadas de interação. A avaliação está migrando de respostas pontuais para trabalho autônomo que dura semanas.
A mudança estrutural: o open source acaba de alcançar a fronteira
Por anos, pesos abertos significaram “o modelo do ano passado” — úteis para fine-tuning, nunca para a fronteira. O Qwen3.8-2.4T rompe esse padrão: o próprio carro-chefe agora é reproduzível, e a distância até os melhores modelos fechados é medida em pontos de benchmark, não em gerações. A compressão está amplificando o efeito — a quantização seletiva dinâmica de 1 bit da Unsloth reduziu o tamanho em 91%, e o limite de “roda na minha estação de trabalho” continua caindo. O ecossistema aberto não está mais tentando alcançar; está comprimindo a fronteira em uma forma implantável.
O que isso significa para a indústria
- Self-hosting se torna real para setores regulados. Bancos, governos e saúde agora podem rodar capacidades próximas da fronteira atrás dos próprios firewalls; soberania de dados e cargas de trabalho de agentes de longo prazo não exigem mais concessões.
- Os motores de inferência viram o fosso competitivo. Com os pesos públicos, o valor migra para as receitas — quem otimizar melhor SGLang/vLLM/TokenSpeed controla a distribuição.
- Pressão de preço sobre APIs fechadas. A ¥12/US$2 por milhão de tokens de entrada, execuções maratona de agentes (milhares de turnos) ficam drasticamente mais baratas — e esse é exatamente o tipo de carga de trabalho para a qual todos estão correndo.
- A disputa pelos rankings está sendo redefinida. O SWE-bench sozinho não conta mais a história; reprodução de pesquisa (PaperBench) e operação de computador (OSWorld) são os novos campos de batalha.
O que fazer em seguida
- Construindo fluxos de agentes? Comece com o Qwen3.8-Max na API — o preço por token torna experimentos de longo prazo acessíveis.
- Gerencia infraestrutura? Teste a build de 397GB da Unsloth; 410GB de RAM+VRAM é uma máquina robusta, mas comprável.
- Escolhendo um modelo? Rode novamente suas próprias tarefas no estilo SWE — este modelo vence em reprodução de pesquisa e operação de computador, não em todos os benchmarks de programação.
- Fique de olho no lançamento do 27B; as versões menores são onde a adoção se multiplica.
Para contexto sobre onde isso se encaixa: nosso panorama de tendências de IA para 2026 acompanha a migração de agentes para produção, a análise do lançamento do DeepSeek V4 Pro cobre a aposta do lado fechado na mesma noite em execução tool-first, e o guia de seleção de modelos para 2026 ajuda você a comparar modelos por área de atuação.
O artigo complementar Qwen 3.8-2.4T Open Weights: the Agent-First Recipe detalha a receita de arquitetura, a infraestrutura e o pós-treinamento agent-first do mesmo modelo.
