Qwen3.8-Max est-il open source, ou seulement « open source » sur le papier ?
Réponse courte : pas encore au sens strict — et Alibaba mélange délibérément le vocabulaire marketing. Le 3 août 2026, Qwen3.8-Max est passé de Preview à GA sur DashScope et l'API compatible OpenAI, avec un positionnement « open source » dans les communiqués. Les poids complets ne sont pas sur Hugging Face ; seuls des benchmarks internes et un rang préliminaire #5 Arena Text ont été publiés.
| Date | Jalon | Détail clé |
|---|---|---|
| 30 juil. | Qwen3.8-Max-Preview | Annoncé trois jours après la release open weight de Kimi K3 — course au « club 3T » |
| 31 juil. | Benchmarks vendeur | Scores MMLU, GSM8K, HumanEval publiés sans évaluation tierce indépendante |
| 1er août | Blind test communautaire | Kimi K3 83 % vs Qwen3.8-Max 80 % sur un panel de 500 prompts code (non officiel) |
| 2 août | Qwen Office agent | Démo agent bureautique intégré : Word, Excel, PowerPoint via API |
| 3 août | GA officielle | API live, tarif $2/$6, contexte 1M ; poids toujours absents de Hugging Face |
Confondre open source et open weight différé : Alibaba utilise « open source » dans le marketing alors que training data, code d'entraînement et poids ne sont pas publics au lancement GA.
Ne croire que les benchmarks vendeur : Les tableaux officiels comparent Qwen3.8-Max à des modèles datés ; aucun score SWE-bench Verified indépendant n'est disponible à ce stade.
Sous-estimer Kimi K3 en blind test : Le panel communautaire place K3 à 83 % vs 80 % pour Qwen — écart modeste mais significatif sur le code agentique.
Ignorer le coût réel à 1M tokens : $2/$6 semble agressif, mais les workloads longs sans cache peuvent exploser la facture vs Kimi K3 à $3/$15 avec prefix caching.
Oublier la dépendance écosystème : Qwen alimente déjà Apple Intelligence en Chine — un argument distribution, pas une garantie de qualité API globale.
Spécifications Qwen3.8-Max : 2,4T, 95B actifs et fenêtre 1M
| Spécification | Valeur |
|---|---|
| Paramètres totaux | 2,4 billions |
| Paramètres actifs | ~95 milliards par token |
| Architecture | Mixture-of-Experts (MoE) sparse |
| Fenêtre de contexte | 1 000 000 tokens |
| Multimodalité | Texte natif ; vision annoncée en roadmap Q3 |
| API pricing | $2/M input · $6/M output |
| Arena Text | #5 préliminaire (août 2026, non finalisé) |
| Poids | Non publiés — API et DashScope uniquement |
| Licence | Custom Alibaba — « open source » annoncé, poids en attente |
Qwen3.8-Max repose sur la génération MoE d'Alibaba : activation sparse à ~4 % des experts par token, entraînement sur cluster interne avec mixture-of-depths pour les longues séquences. La fenêtre 1M reprend l'approche YaRN + sliding window de la famille Qwen3, optimisée pour l'ingestion de documents entiers et les agents bureautiques.
| Composant | Problème résolu | Gain annoncé |
|---|---|---|
| MoE 2,4T | Capacité vs coût d'inférence | 95B actifs — densité supérieure à K3 (~104B) pour moins de VRAM théorique |
| Contexte 1M | RAG et analyse documentaire | Flat pricing par requête vs fragmentation multi-appels |
| Qwen Office | Automatisation bureautique | Agent natif Word/Excel/PPT — vertical métier |
| Intégration Apple | Distribution Chine | Qwen déjà partenaire Apple Intelligence continentale |
Sur le papier, Qwen3.8-Max entre dans le « club 3T » avec Kimi K3 (2,8T) — mais sans poids publics, il reste un concurrent API fermée face au plafond open weight que K3 représente déjà sur Hugging Face.
Benchmarks, Arena Text #5 et comparaison avec Kimi K3
Alibaba n'a publié que des benchmarks internes au lancement GA. Le classement Arena Text #5 préliminaire place Qwen3.8-Max dans le top 5 texte, mais le panel n'est pas encore stabilisé et les votes restent ouverts. Aucune évaluation tierce type Vals AI SWE-bench Verified n'est disponible.
| Modèle | Source benchmark | Score / rang | Poids publics |
|---|---|---|---|
| Qwen3.8-Max | Alibaba interne + Arena Text | Arena #5 préliminaire ; MMLU ~89,2 % (vendeur) | Non |
| Kimi K3 | Vals AI SWE-bench Verified | 93,4 % SWE-bench ; AA Index ~57 | Oui (1,56 To) |
| GPT-5.6 Sol | Vals AI indépendant | 96,2 % SWE-bench | Non |
| Claude Opus 5 | Vals AI indépendant | 97 % SWE-bench | Non |
Blind test communautaire (1er août 2026, panel 500 prompts code) :
| Modèle | Taux de préférence | Méthodologie |
|---|---|---|
| Kimi K3 | 83 % | Double aveugle, juges dev senior, prompts SWE/agent |
| Qwen3.8-Max | 80 % | Même panel — écart +3 pts pour K3 |
L'écart est modeste mais K3 dispose déjà de scores SWE-bench indépendants vérifiables. Qwen3.8-Max mise sur le prix API ($2/$6 vs K3 $3/$15) et l'écosystème DashScope plutôt que sur la transparence open weight. Voir aussi notre analyse Kimi K3 open weight et Qwen dans Apple Intelligence Chine.
Tarifs API, Qwen Office et checklist de déploiement en six étapes
L'API Qwen3.8-Max est live sur DashScope avec compatibilité OpenAI. Qwen Office agent — démontré le 2 août — cible l'automatisation bureautique native via plugins Word, Excel et PowerPoint.
| Type de token | Prix par million |
|---|---|
| Input | $2,00 |
| Output | $6,00 |
| Contexte max | 1 000 000 tokens (facturation input complète) |
Créer un compte DashScope : S'inscrire sur dashscope.aliyun.com, activer Qwen3.8-Max en GA, générer une clé API.
Configurer le SDK OpenAI : base_url vers https://dashscope.aliyuncs.com/compatible-mode/v1, model ID qwen3-8-max.
Tester le blind test localement : Reproduire 20–30 prompts de votre workload avant migration production — ne pas se fier aux benchmarks vendeur seuls.
Optimiser le contexte 1M : Ingérer documents entiers en un appel ; surveiller la facture input à $2/M sur payloads volumineux.
Évaluer Qwen Office agent : Si votre stack inclut automatisation Office, demander l'accès preview agent — sinon rester sur API chat standard.
Plan B open weight : Si les poids ne sortent pas sous 30 jours, comparer Kimi K3 self-hosted via vLLM/SGLang ou OpenRouter — voir guide K3.
from openai import OpenAI
client = OpenAI(
api_key="your_dashscope_api_key",
base_url="https://dashscope.aliyuncs.com/compatible-mode/v1"
)
response = client.chat.completions.create(
model="qwen3-8-max",
messages=[{"role": "user", "content": "Résume ce document de 200 pages..."}],
max_tokens=4096
)Écosystème Apple Intelligence Chine et trois chiffres clés
Qwen3.8-Max n'est pas un produit isolé : Alibaba alimente déjà Apple Intelligence en Chine continentale depuis l'enregistrement CAC de juillet 2026. Le GA du flagship renforce la crédibilité technique du partenariat Apple-Alibaba face à Baidu sur la couche recherche/Siri.
2,4T / 95B actifs : MoE flagship Alibaba — entrée « club 3T » sans poids publics au lancement GA.
$2 / $6 : Tarif API agressif — input 33 % moins cher que Kimi K3 ($3), output 60 % moins cher ($15).
83 % vs 80 % : Blind test code communautaire — Kimi K3 devance Qwen3.8-Max de 3 points sur panel 500 prompts.
Les alternatives ont des coûts cachés : s'appuyer uniquement sur l'API DashScope verrouille votre stack sans poids de secours ; attendre les poids open source sans date ferme retarde les déploiements on-premise ; tester des agents IA sur un Mac personnel échoue au sleep et aux coupures réseau. Pour des pipelines iOS CI/CD en production et une automatisation d'agents IA 24/7, la location cloud Mac Mini dédiée KVMNODE est généralement le meilleur choix : Apple Silicon natif, accès sudo complet, facturation flexible jour/semaine/mois. Voir la page tarifs, le centre d'aide ou commander directement.
Données au 4 août 2026 · Sources : blog officiel Alibaba Qwen, DashScope, Arena.ai Text Leaderboard, blind test communautaire août 2026, enregistrement CAC Apple Intelligence Chine