Alibaba Qwen3 si apre a 27B, facendo pressione sui flagship chiusi

Alibaba Qwen3 ha aperto un modello multimodale da 27 miliardi di parametri che, secondo l'azienda, supera il suo predecessore più grande Qwen3.7-Plus in diversi benchmark di coding e agenti. Il rilascio trasforma Qwen3.8 da flagship ospitato in qualcosa che gli sviluppatori possono ispezionare, modificare e distribuire autonomamente.

Il team Qwen ha pubblicato anche i pesi di Qwen3.8-2.4T-A95B, la base del suo servizio di classe Max. Quel modello contiene 2,4 trilioni di parametri totali, ma ne attiva 95 miliardi per ogni token. Insieme, i rilasci mettono in discussione l'idea che i modelli per agenti più potenti debbano rimanere dietro API proprietarie.

La vera sfida non è Alibaba contro un concorrente specifico. È il deployment aperto contro l'accesso chiuso. Alibaba sostiene che un pratico modello da 27B possa avvicinarsi, eguagliare o talvolta superare i flagship ospitati, preservando al contempo il controllo su pesi, infrastruttura e dati.

Alibaba Qwen3 trasforma un rilascio ospitato in pesi scaricabili

Il cambiamento importante è l'accesso: Qwen3.8 non è più soltanto un grafico di benchmark o un endpoint gestito.

Alibaba ha annunciato il rilascio aperto tramite il suo post ufficiale su Qwen3.8. Gli artefatti pubblicati includono Qwen3.8-27B e il checkpoint molto più grande Qwen3.8-2.4T-A95B.

Il modello più piccolo è il rilascio immediatamente più utilizzabile. Secondo la sua scheda modello ufficiale da 27B, Qwen3.8-27B è un modello denso con un encoder visivo. Denso significa che ogni parametro del modello partecipa durante l'inferenza, a differenza di un sistema mixture-of-experts che attiva soltanto componenti selezionati.

Qwen3.8-27B accetta testo, immagini e video. La sua scheda modello descrive il supporto per documenti, diagrammi scientifici, interfacce visive e comprensione di video della durata di ore. Questo rende il rilascio qualcosa di più di un altro modello locale per il coding basato solo sul testo.

Alibaba offre inoltre agli sviluppatori diversi controlli di ragionamento. La modalità di pensiero è attiva per impostazione predefinita, ma le applicazioni possono disabilitarla per ottenere risposte dirette. Un'impostazione reasoning_effort regola la profondità dell'analisi, mentre preserve_thinking conserva il contesto del ragionamento precedente durante attività multi-turno.

Questi controlli sono importanti per i deployment di agenti perché la risposta individuale più veloce non completa sempre un flusso di lavoro nel minor tempo possibile. Un ragionamento superficiale può generare più tentativi, errori negli strumenti e turni correttivi. Alibaba avverte esplicitamente di questo compromesso nelle proprie indicazioni di deployment.

Il modello supporta nativamente 262.144 token. Alibaba afferma che possa estendersi a un milione di token tramite lo scaling del contesto lungo. Un token è un'unità di testo elaborata dal modello, mentre una finestra di contesto limita quanto materiale possa considerare contemporaneamente.

Questa capacità può contenere grandi repository di codice, raccolte di documenti, video lunghi o cronologie estese degli agenti. Non garantisce tuttavia un richiamo affidabile nell'intera finestra. Dimensione del contesto e uso effettivo del contesto restano misure diverse.

Il rilascio più grande cambia il quadro strategico. I pesi Max ufficiali espongono un modello mixture-of-experts da 2,4 trilioni di parametri con 95 miliardi di parametri attivi. Contiene 512 esperti instradati, con 10 esperti instradati e un esperto condiviso attivi a ogni passaggio.

Alibaba indica per quel checkpoint una lunghezza di contesto nativa di 262.144 token, espandibile a 1.010.000 token. Il modello scaricabile è incentrato sul testo, mentre il servizio ospitato Qwen3.8-Max include funzionalità di produzione aggiuntive. Queste differenze impediscono di trattare il checkpoint aperto e il prodotto ospitato come identici.

Entrambi i rilasci usano Apache 2.0. I termini della licenza consentono uso commerciale, modifica e distribuzione, mantenendo gli avvisi richiesti. Si tratta di condizioni sostanzialmente meno restrittive rispetto a licenze che impongono limiti di utenti, condizioni d'uso per settore o soglie commerciali speciali.

Il rilascio crea quindi due opportunità distinte. Qwen3.8-27B offre ai team più piccoli un obiettivo di deployment plausibile. Qwen3.8-2.4T-A95B offre a ricercatori e aziende infrastrutturali accesso all'architettura di scala Max di Alibaba, anche se il suo funzionamento richiede hardware significativo.

L'annuncio risolve inoltre un problema di credibilità creato dal precedente lancio ospitato. Alibaba aveva dichiarato che i pesi aperti sarebbero seguiti. La pubblicazione di entrambi i checkpoint trasforma quella promessa in artefatti scaricabili che i team esterni possono ora testare.

Perché un modello denso da 27B cambia l'equazione del deployment

Qwen3.8-27B è importante perché le sue dimensioni mettono agenti multimodali avanzati alla portata di organizzazioni che non possono gestire sistemi da trilioni di parametri.

Un modello denso da 27B non è piccolo in termini informatici ordinari. L'esecuzione dei pesi originali richiede comunque una notevole memoria degli acceleratori, e i contesti lunghi aggiungono una pressione di memoria sostanziale. La quantizzazione può ridurre questo requisito memorizzando i valori del modello a una precisione inferiore.

La scala è comunque familiare alla comunità dei modelli locali. I progetti di inferenza esistenti supportano già modelli di questa classe su workstation e server multi-GPU. Qwen indica compatibilità con Transformers, vLLM, SGLang e TokenSpeed nei propri materiali di rilascio.

Questa compatibilità accorcia la distanza tra l'annuncio di un modello e un'applicazione funzionante. Gli sviluppatori non devono attendere un runtime completamente nuovo. Possono testare il checkpoint tramite framework di serving che espongono comuni interfacce chat e multimodali.

I progetti della community hanno iniziato a pubblicare versioni quantizzate poco dopo il rilascio. Queste versioni scambiano una parte della precisione numerica con un minore utilizzo di memoria. La disponibilità iniziale non dimostra la qualità di produzione, ma mostra che l'ecosistema di deployment circostante può muoversi rapidamente.

L'architettura densa offre anche semplicità operativa. I modelli mixture-of-experts possono fornire un'elevata capacità totale senza attivare ogni parametro, ma i loro requisiti di instradamento e memoria complicano il serving. Un checkpoint denso da 27B ha un percorso computazionale più prevedibile.

Alibaba combina questo profilo di deployment convenzionale con una nuova architettura ibrida. Qwen3.8 alterna blocchi Gated DeltaNet a livelli di attenzione con gating. DeltaNet è un meccanismo di attenzione lineare progettato per elaborare sequenze lunghe in modo più efficiente rispetto all'attenzione completa in ogni livello.

Il modello utilizza 64 livelli linguistici, con gruppi ripetuti di componenti DeltaNet e full-attention. Questa struttura mira a preservare il recupero preciso limitando al contempo il costo delle sequenze lunghe. La previsione multi-token addestra il modello ad anticipare diversi token futuri, il che può anche favorire una generazione speculativa più rapida.

L'architettura da sola non determina le prestazioni pratiche. Il software di serving, la quantizzazione, il formato del prompt, la lunghezza del contesto e la topologia hardware possono modificare sostanzialmente la latenza. Un team di deployment deve misurare il proprio carico di lavoro anziché affidarsi alle dimensioni del modello come indicatore completo.

Il design multimodale amplia questi carichi di lavoro. Un sistema locale potrebbe ispezionare screenshot mentre modifica codice, leggere diagrammi in documenti tecnici o seguire modifiche mostrate in interfacce registrate. Lo stesso checkpoint può coordinare il ragionamento testuale con prove visive.

Per i team software, questo crea uno scenario concreto per gli agenti. Un modello può ricevere una segnalazione di bug, ispezionare uno screenshot, cercare in un repository, modificare codice e confrontare la nuova interfaccia con l'immagine originale. Ogni passaggio richiede più del semplice completamento isolato di codice.

Le organizzazioni con molti documenti ottengono un'altra opzione. Un deployment privato può elaborare report interni e registrazioni visive senza inviare ogni input a un provider esterno di modelli. Ciò non rende automaticamente sicuro il sistema, ma offre all'operatore il controllo diretto sul percorso dei dati.

Il contesto lungo rafforza questo caso. I team possono inserire porzioni più ampie di un repository o di un archivio di ricerca in un'unica sessione. Una base di conoscenza tecnica ricercabile può comunque offrire un recupero mirato anziché riempire indiscriminatamente la finestra.

Questa distinzione conta perché prompt enormi creano costi propri. Aumentano l'uso della memoria, il tempo di elaborazione e la probabilità che materiale irrilevante distragga il modello. Il recupero resta utile anche quando il limite nominale del contesto raggiunge un milione di token.

La domanda centrale sul deployment non è quindi se Qwen3.8-27B possa entrare in ogni laptop. Non può. La domanda è se sposti l'agency multimodale avanzata dall'infrastruttura hyperscale verso workstation e comuni server GPU aziendali.

La risposta di Alibaba è sì. I deployment indipendenti nelle prossime settimane determineranno dove tale risposta regge.

I benchmark di Alibaba Qwen3 contrappongono il deployment aperto all'accesso chiuso

I risultati di Alibaba posizionano il modello da 27B come alternativa diretta a sistemi ospitati più grandi, ma le affermazioni più forti richiedono ancora repliche esterne.

L'azienda riferisce che Qwen3.8-27B supera Qwen3.7-Plus in ogni benchmark di coding elencato. Su Terminal Bench 2.1, Alibaba riporta 73,0 per il nuovo modello contro 64,0 per Qwen3.7-Plus. Terminal Bench valuta agenti impegnati in attività da riga di comando.

Su SWE-bench Pro, Qwen3.8-27B ottiene 61,7 nella valutazione di Alibaba, rispetto a 57,6 per Qwen3.7-Plus. Il nuovo modello raggiunge inoltre 42,3 su NL2Repo-Bench, leggermente sopra Qwen3.7-Plus a 41,1.

La differenza maggiore riportata appare su DeepSWE 1.1. Alibaba indica 42,2 per Qwen3.8-27B, 14,2 per Qwen3.7-Plus e 13,3 per Qwen3.6-27B. Un salto così grande rende particolarmente importante una riproduzione indipendente.

Il modello si estende oltre il coding. Alibaba riporta 70,7 su CoWorkBench, il suo benchmark interno per il lavoro professionale a lungo orizzonte. Qwen3.7-Plus ottiene 65,1, mentre il risultato comparato di Opus 4.6 Max è 68,2.

Su OSWorld-Verified, che testa l'uso del computer all'interno di ambienti di sistemi operativi, Qwen3.8-27B raggiunge un 84,3 riportato. Alibaba indica 73,3 per Qwen3.7-Plus e 72,7 per Opus 4.6 Max.

Il modello non guida ogni confronto. Nella tabella di Alibaba è dietro Opus 4.6 Max su Terminal Bench, NL2Repo-Bench, GPQA Diamond e HLE. Rimane anche leggermente dietro Qwen3.7-Plus su GPQA Diamond e diverse valutazioni visive generali.

Questo andamento misto è più informativo di una generica affermazione di superiorità. Il rilascio da 27B sembra più forte nell'uso di strumenti, nell'ingegneria del software e nelle attività visive interattive. È meno chiaramente dominante sulla conoscenza ampia e sul ragionamento scientifico difficile.

Anche i metodi di valutazione di Alibaba variano. Alcuni benchmark utilizzano set di attività pubblici, mentre altri sono interni. Diverse valutazioni di coding vengono eseguite tramite l'harness Claude Code e modelli diversi talvolta usano risultati riportati ufficialmente anziché esecuzioni locali identiche.

Le scelte di prompting possono influire sui risultati. Per esempio, la scheda modello afferma che Qwen3.8-27B ha usato un prompt fisso passo per passo per MathVision. Altri modelli hanno ricevuto il risultato più alto da due varianti di prompt. Le etichette corrette dei benchmark introducono un'altra differenza rispetto ai punteggi pubblicati in precedenza.

Nulla di questo rende i risultati non validi. Significa che le tabelle sono evidenza del fornitore, non un giudizio definitivo. L'azienda fornisce note metodologiche utili, ma valutatori indipendenti devono riprodurre le prestazioni con scaffold e hardware coerenti.

Il rilascio di scala Max rafforza lo stesso argomento competitivo. Alibaba riporta che Qwen3.8-Max migliora sostanzialmente rispetto a Qwen3.7-Max negli agenti di coding, negli agenti generali e nelle attività professionali.

Il risultato riportato su Terminal Bench 2.1 sale da 74,5 per Qwen3.7-Max a 86,6. Su PaperBench, l’aumento va da 64,8 a 93,0. Su JobBench, Alibaba riporta un passaggio da 31,3 a 53,4.

Eppure il modello Max perde anche diversi confronti con altri flagship ospitati. GPT-5.6 Sol guida la tabella di Alibaba per Terminal Bench con 88,8. Fable 5 guida SWE-bench Pro con 80,0, mentre Qwen3.8-Max registra 67,7.

Questo è il ribaltamento fondamentale. Pesi aperti non significano più accettare un modello indietro di un’intera generazione rispetto ai prodotti ospitati. I dati di Alibaba descrivono i checkpoint aperti come concorrenti competitivi, con punti di forza e debolezza specifici per carico di lavoro.

I fornitori closed continuano a offrire vantaggi significativi. I loro servizi gestiti assorbono il lavoro infrastrutturale, forniscono strumenti integrati e possono aggiornare i modelli senza richiedere ai clienti di spostare checkpoint enormi. Inoltre controllano l’intero stack di serving.

Il deployment open offre un pacchetto diverso. Gli operatori possono ispezionare i file, modificare il comportamento, creare endpoint privati, scegliere metodi di quantizzazione ed evitare la dipendenza da una singola API ospitata. Ereditano però anche la responsabilità per sicurezza, disponibilità, valutazione e ottimizzazione.

Qwen3.8 rende questa scelta più difficile per gli acquirenti enterprise. Un team che valuta un flagship closed deve ora chiedersi se il vantaggio prestazionale giustifichi la perdita di controllo sul deployment. La risposta varierà in base al carico di lavoro, anziché seguire una classifica universale.

Cosa i numeri di Qwen3.8 non dimostrano ancora

Una licenza permissiva e una tabella di benchmark impressionante non dimostrano affidabilità, operatività a costi accessibili o autonomia sicura.

La prima incertezza riguarda i test indipendenti. Alibaba ha pubblicato punteggi estesi, ma la maggior parte è arrivata insieme al rilascio del modello. I laboratori esterni non hanno ancora avuto tempo sufficiente per riprodurre l’intero set di valutazioni con harness comparabili.

Le prime reazioni della community offrono indizi utili, non prove controllate. Alcuni utenti riportano risultati solidi nella programmazione e nell’output visivo. Altri descrivono generazione lenta, lunghe tracce di ragionamento o comportamenti incoerenti con la quantizzazione.

Queste segnalazioni sono coerenti con il compromesso progettuale del modello. Qwen3.8 abilita il thinking per impostazione predefinita e usa il livello di ragionamento più elevato, salvo modifiche da parte delle applicazioni. Un prompt difficile può quindi produrre una notevole analisi nascosta prima della risposta finale.

Ridurre lo sforzo di ragionamento può migliorare la latenza della risposta. Alibaba avverte che può anche causare errori che innescano nuovi tentativi. I team di produzione devono misurare il tempo di completamento dell’attività, non soltanto quello necessario per il primo token generato.

Anche la memoria è un vincolo. Un checkpoint da 27B diventa più accessibile dopo la quantizzazione, ma input multimodali e contesti lunghi aumentano il consumo di memoria. Il fatto che un modello entri nella memoria del dispositivo non significa che elaborerà un prompt da un milione di token a una velocità utile.

L’affermazione sul milione di token merita particolare cautela. Alibaba afferma che il modello supporta nativamente 262.144 token e può estendersi a un milione. Le tecniche di estensione modificano la gestione delle posizioni affinché un modello possa accettare sequenze oltre la propria lunghezza nativa di addestramento.

L’accettazione non equivale a un ragionamento affidabile. Gli sviluppatori dovrebbero testare l’accuratezza del recupero in posizioni diverse, la sintesi in più passaggi, la resistenza ai distrattori e la coerenza dell’output. Una singola dimostrazione riuscita di recupero dell’ago nel pagliaio non può convalidare ogni workflow a contesto lungo.

La costruzione dei benchmark introduce ulteriore incertezza. QwenSWEBench, CoWorkBench, JobBench e RecreationBench includono componenti interni o scelte di valutazione controllate dall’azienda. Questi test possono comunque essere preziosi, ma gli esterni hanno bisogno di accesso alle attività e di procedure ripetibili.

Anche i benchmark pubblici hanno limiti. I risultati degli agent dipendono fortemente dallo scaffold che circonda il modello. Descrizioni degli strumenti, logica dei nuovi tentativi, limiti di tempo, comandi disponibili e gestione del contesto possono modificare il punteggio finale.

I confronti con modelli closed aggiungono un’altra complicazione. I modelli ospitati possono cambiare senza pesi versionati scaricabili. Un punteggio riportato ufficialmente potrebbe utilizzare una configurazione di sistema diversa dalla valutazione locale di Alibaba.

Il checkpoint Max open richiede un esame separato. I suoi 2,4 trilioni di parametri totali lo rendono inaccessibile alla maggior parte degli sviluppatori individuali alla precisione originale. L’attivazione mixture-of-experts riduce il calcolo per token, ma i pesi completi richiedono comunque ampie risorse di archiviazione e memoria.

La quantizzazione di un modello simile può ridurre i requisiti hardware, anche se una compressione severa rischia di degradare la qualità. Può inoltre creare colli di bottiglia quando i pesi degli esperti si spostano tra la memoria di sistema e gli acceleratori. Un modello che tecnicamente gira su hardware consumer può restare impraticabilmente lento.

Anche il rapporto tra il checkpoint open e Qwen3.8-Max ospitato è più limitato di quanto il nome suggerisca. La scheda A95B pubblicata descrive un modello linguistico causale. Alibaba afferma che il prodotto Max gestito aggiunge input visivi, supporto non-thinking, strumenti integrati e un contesto predefinito da un milione di token.

Gli sviluppatori dovrebbero quindi evitare di sostenere che il checkpoint open riproduca l’intero servizio ospitato. Espone i pesi del modello linguistico di base, non tutte le capacità circostanti. I confronti tra prodotti devono separare il comportamento del modello dalle funzionalità della piattaforma.

La sicurezza resta irrisolta. Un agente capace con accesso a terminale, browser e file può commettere errori rilevanti. I pesi open consentono salvaguardie locali, ma non forniscono un sistema completo di autorizzazioni né un livello di supervisione affidabile.

Anche le licenze rispondono solo a una parte della questione di governance. Apache 2.0 consente un riuso esteso, ma chi effettua il deployment resta responsabile per privacy, sicurezza, dati regolamentati e obblighi legali specifici dell’applicazione. Una licenza di modello permissiva non è un certificato di conformità.

Il test pratico è una valutazione specifica per il carico di lavoro. I team dovrebbero usare repository, documenti, screenshot e ambienti di strumenti rappresentativi. Dovrebbero misurare completamento riuscito, frequenza degli interventi, latenza, consumo di risorse e gravità dei guasti.

Finché questi risultati non arriveranno, la conclusione più sicura è più circoscritta del linguaggio di marketing di Alibaba. Qwen3.8-27B è un serio modello open con capacità multimodali e agentiche insolitamente ambiziose. La sua superiorità sull’intero lavoro di produzione reale non è stata stabilita in modo indipendente.

Tre segnali decideranno se Qwen3.8 ridefinirà il livello di riferimento dei modelli open

La prossima fase riguarda deployment riproducibili, non un’altra tornata di dichiarazioni sui benchmark da prima pagina.

Il primo segnale è la valutazione indipendente del checkpoint da 27B. I test più preziosi eseguiranno Qwen3.8-27B, Qwen3.7-Plus e i principali modelli ospitati attraverso scaffold agentici identici. Dovranno inoltre divulgare prompt, politiche di retry, autorizzazioni degli strumenti e impostazioni del contesto.

Risultati coerenti su SWE-bench Pro, Terminal Bench, OSWorld e attività d’ufficio a lungo orizzonte rafforzerebbero il caso di Alibaba. Forti cali nelle valutazioni neutrali mostrerebbero che la tabella di lancio dipendeva in larga misura da configurazioni selezionate dall’azienda.

Il secondo segnale è la prestazione pratica nei contesti lunghi. Gli sviluppatori devono testare la finestra nativa da 262K prima di concentrarsi sull’estensione a un milione di token. Analisi dei repository, sintesi di documenti legali, revisione video e agenti multi-sessione forniscono prove più utili dei trucchi di recupero isolati.

Il successo implica mantenere l’accuratezza mentre le informazioni rilevanti si distribuiscono nel prompt. Implica anche completare le attività entro limiti accettabili di memoria e latenza. Se la qualità peggiora drasticamente oltre la finestra nativa, l’etichetta del milione di token avrà un valore operativo limitato.

Il terzo segnale è l’adozione dell’infrastruttura. Il supporto in vLLM, SGLang, llama.cpp, Transformers e nei progetti di quantizzazione determina se un checkpoint diventa ampiamente utilizzabile. Un serving multimodale stabile conta quanto la generazione di testo di base.

Osservate kernel ottimizzati, configurazioni multi-GPU affidabili, release a precisione ridotta e template di chat coerenti. Template frammentati o controlli di ragionamento non supportati possono produrre differenze confuse tra i deployment.

L’adozione enterprise offrirà un segnale correlato. Le organizzazioni hanno bisogno di prove che il modello possa operare privatamente, restare osservabile e integrarsi con strumenti soggetti ad autorizzazioni. Hanno inoltre bisogno di un comportamento prevedibile tra aggiornamenti e formati di quantizzazione.

I fornitori di modelli closed si trovano davanti a una chiara scelta di risposta. Possono ampliare il proprio vantaggio prestazionale, migliorare l’affidabilità degli agent gestiti, ridurre l’attrito nel deployment o esporre maggiore controllo ai clienti. Limitarsi a indicare un benchmark generale più alto non risolverà la questione della proprietà.

Anche gli altri sviluppatori di modelli open subiscono pressioni. Un checkpoint multimodale da 27B con punteggi agentici competitivi alza le aspettative su licenze, contesto, uso degli strumenti e ragionamento visivo. Le release solo testuali su scala simile si rivolgono ora a un mercato più ristretto.

Alibaba Qwen3 sarà infine giudicato dal lavoro completato. Può riparare repository sconosciuti, interpretare prove visive e gestire workflow estesi senza correzioni costanti? I team possono gestirlo a una velocità sostenibile su hardware che controllano?

Per gli sviluppatori, l’azione immediata è un test disciplinato. Selezionate attività reali, documentate la configurazione di serving e confrontate il costo totale di completamento anziché risposte isolate. Mantenete l’approvazione umana per le azioni degli strumenti con conseguenze rilevanti.

Per gli acquirenti enterprise, il rilascio crea leva anche se non lo ospiteranno mai autonomamente. Un’alternativa open credibile fornisce un punto di riferimento per il controllo dei dati, la portabilità e l’accesso al modello durante le trattative con i fornitori.

I pesi Max più grandi meritano attenzione di ricerca, ma il modello da 27B deciderà la portata pratica del rilascio. È abbastanza vicino all’infrastruttura familiare da consentire a un’ampia community di esaminare le affermazioni di Alibaba.

Quella community ora dispone degli artefatti necessari per produrre una risposta. Se i test indipendenti confermeranno i miglioramenti riportati, Alibaba Qwen3 ridurrà la distanza tra deployment open e flagship closed. In caso contrario, il rilascio chiarirà comunque esattamente dove tale distanza rimane.