Alibaba Revela Seu Maior Modelo de IA, mas Escala Não É o Verdadeiro Teste

A Alibaba levou o Qwen3.8-Max ao google news com um número impressionante: 2,4 trilhões de parâmetros, mais que o dobro do tamanho de seu carro-chefe anterior. A empresa descreve a prévia como seu maior modelo até agora e afirma que ele fica atrás apenas do Fable 5, da Anthropic. Essa comparação transforma o lançamento de um produto em um desafio direto à ideia de que os laboratórios americanos ainda ocupam um patamar técnico separado.

A contagem de parâmetros chama atenção, mas não resolve a disputa. A Alibaba não acompanhou sua alegação de classificação com uma tabela completa de benchmarks públicos, um model card detalhado ou uma avaliação reproduzível de forma independente. Portanto, o Qwen3.8-Max chega tanto como um marco técnico quanto como um argumento ainda incompleto.

A disputa mais importante é Alibaba contra Anthropic, não China contra todos os Estados Unidos. A Anthropic construiu sua posição em torno de desempenho confiável de fronteira em programação, raciocínio e tarefas de agentes de longa duração. A Alibaba argumenta que um modelo chinês pode entrar na mesma faixa de desempenho enquanto sustenta uma estratégia de implantação mais ampla.

Essa alegação importa para desenvolvedores e compradores corporativos mesmo antes de todos os benchmarks estarem disponíveis. Uma alternativa crível muda negociações com fornecedores, planejamento de implantação e pressupostos sobre onde os modelos de fronteira se originam. Ela também levanta uma questão mais difícil: uma escala enorme de modelo se traduz em trabalho confiável fora de uma demonstração controlada?

Alibaba Colocou 2,4 Trilhões de Parâmetros por Trás de Seu Momento no Google News

O Qwen3.8-Max muda a conversa competitiva porque a Alibaba o apresenta como um sistema de fronteira, não como uma alternativa regional.

A Alibaba apresentou o Qwen3.8-Max durante a World Artificial Intelligence Conference, em Xangai, em julho de 2026. A prévia ficou disponível por meio de produtos da Alibaba, incluindo Token Plan, Qoder e QoderWork, dando a usuários selecionados um caminho inicial para testá-lo.

O sistema contém 2,4 trilhões de parâmetros, segundo a Alibaba. Parâmetros são os valores internos ajustados durante o treinamento, embora seu total não meça diretamente inteligência ou confiabilidade. Ainda assim, essa contagem enorme torna o Qwen3.8-Max um dos maiores modelos de linguagem já anunciados.

O modelo usa uma arquitetura de mixture-of-experts, ou MoE. Esse desenho direciona cada solicitação por uma parte selecionada da rede, em vez de ativar todos os parâmetros. A Alibaba supostamente ativa cerca de 95 bilhões de parâmetros durante a inferência, o que torna o tamanho total menos intimidante em termos computacionais do que parece à primeira vista.

A arquitetura também ajuda a explicar por que comparações de parâmetros exigem cautela. Um modelo denso ativa toda a rede a cada solicitação, enquanto um sistema MoE ativa especialistas selecionados. Comparar apenas os parâmetros totais pode obscurecer diferenças em dados de treinamento, computação ativa, desenho de inferência e qualidade pós-treinamento.

O Qwen3.8-Max também é multimodal. A Alibaba afirma que ele pode processar texto, imagens, vídeo e documentos em um único modelo. Isso torna o lançamento mais amplo do que um exercício de escala voltado apenas a texto e o posiciona no mercado de agentes para o ambiente de trabalho.

O novo modelo sucede o Qwen3-Max, que a Alibaba apresentou em setembro de 2025 com mais de um trilhão de parâmetros. A Alibaba afirmou que o modelo anterior foi treinado com 36 trilhões de tokens, enquanto seu sistema de treinamento MoE melhorou a utilização de hardware em 30% em relação ao Qwen2.5-Max.

Os resultados do Qwen3-Max publicados pela Alibaba incluíram uma pontuação de 69,6 no SWE-bench Verified e de 74,8 no Tau2-Bench. O SWE-bench Verified avalia se um modelo consegue resolver problemas reais de software, enquanto o Tau2-Bench testa o uso de ferramentas em interações simuladas.

Esses números não se aplicam automaticamente ao Qwen3.8-Max. Eles mostram, porém, que a Alibaba já mirava programação e comportamento de agentes antes de ampliar a escala do modelo. O Qwen3.8-Max estende essa estratégia ao trabalho profissional multimodal.

A cobertura inicial descreveu o novo sistema como uma prévia, e não como um lançamento totalmente documentado. Um relato sobre a prévia do modelo informou que a Alibaba planejava liberar os pesos posteriormente. Essa distinção importa porque o acesso por meio de um produto hospedado não permite o mesmo nível de escrutínio que pesos para download e documentação técnica completa.

É por isso que a manchete no google news conta apenas metade da história. A Alibaba divulgou o suficiente para estabelecer a escala e o mercado pretendido. Ainda não divulgou o suficiente para estabelecer a posição do modelo com o mesmo grau de confiança.

O Lançamento Pressiona o Prêmio de Fronteira da Anthropic

A Alibaba não precisa superar a Anthropic em tudo para enfraquecer a suposição de que o desempenho de fronteira pertence a um pequeno clube americano.

A Anthropic é a adversária mais evidente porque a Alibaba a escolheu como ponto de referência. A empresa afirma que o Qwen3.8-Max fica atrás apenas do Fable 5, o principal modelo da Anthropic na comparação. Assim, a Alibaba pede aos compradores que vejam o Qwen como um par próximo, e não apenas como um substituto de menor custo.

Esse enquadramento pressiona a Anthropic de três formas. Primeiro, reduz a distância de capacidade percebida entre as duas empresas. Segundo, oferece aos desenvolvedores globais outra família de modelos para fluxos de trabalho de programação e agentes. Terceiro, desloca parte da decisão de compra do desempenho absoluto para o controle da implantação.

A Anthropic ainda detém vantagens importantes. Ela tem uma plataforma consolidada para desenvolvedores, amplo uso em produção e uma reputação construída em torno da segurança dos modelos. Clientes corporativos também avaliam suporte, disponibilidade, controles de segurança e qualidade de integração, não apenas pontuações de benchmarks.

A Alibaba traz um conjunto diferente de ativos. Opera o maior provedor de nuvem da China, atende uma base corporativa substancial e pode distribuir o Qwen por produtos de nuvem, programação, comércio e consumo. Essa distribuição pode transformar melhorias no modelo em uso sem esperar por um ecossistema independente de aplicações.

O contraste estratégico fica especialmente claro na programação. Um modelo de programação se torna mais valioso quando consegue inspecionar repositórios, chamar ferramentas, executar testes e preservar decisões ao longo de muitas etapas. Uma resposta impressionante diz pouco sobre a capacidade do modelo de concluir uma tarefa extensa de engenharia.

O Qwen3.8-Max mira esse fluxo de trabalho por meio do Qoder, o ambiente de programação da Alibaba. Se o modelo funcionar de forma consistente ali, a Alibaba poderá coletar feedback de sessões reais de desenvolvimento e aprimorar o sistema com base em padrões concretos de falha. O produto passa a integrar o ciclo de treinamento e distribuição.

A Anthropic buscou uma oportunidade semelhante com ferramentas de programação baseadas em agentes. Isso torna a disputa mais precisa do que um argumento geral sobre liderança nacional em IA. Ambas as empresas querem que seus modelos se tornem a camada de raciocínio dentro do trabalho profissional com software.

A Alibaba também tem incentivo para competir em acessibilidade. Desenvolvedores chineses de modelos ganharam atenção ao liberar pesos abertos, oferecer suporte a interfaces comuns e reduzir barreiras à implantação. Essas escolhas podem importar mais do que uma pequena vantagem em benchmarks para empresas que exigem controle local.

O ecossistema Qwen já tem alcance significativo. A Forbes informou anteriormente que a Alibaba tinha mais de 90.000 usuários corporativos dos serviços Qwen e descreveu a empresa como uma das principais campeãs chinesas de IA. Sua análise de modelos abertos também observou que desenvolvedores chineses estavam usando distribuição aberta para construir influência global.

Um modelo próximo à fronteira com implantação flexível dá poder de negociação aos compradores, mesmo quando eles acabam escolhendo a Anthropic. Equipes de compras podem comparar provedores, testar a portabilidade das cargas de trabalho e evitar projetar todos os fluxos em torno de um único endpoint proprietário.

Isso não significa que uma migração imediata seja provável. Trocar de modelo pode alterar a qualidade das respostas, o comportamento de segurança, as chamadas de ferramentas e os requisitos de prompts. As empresas também precisam de análise jurídica antes de enviar dados sensíveis a um novo provedor.

A pressão imediata é, portanto, comercial e estratégica. A Anthropic precisa mostrar por que seu desempenho, confiabilidade e governança justificam sua posição. A Alibaba precisa provar que sua escala gera resultados consistentes, e não apenas uma especificação marcante.

Qwen3.8-Max Usa Escala para Desafiar a Hierarquia de Fronteira

O mecanismo central é a escala esparsa: a Alibaba pode construir uma rede de 2,4 trilhões de parâmetros sem ativar o modelo inteiro em cada solicitação.

Um modelo mixture-of-experts contém sub-redes especializadas, geralmente chamadas de especialistas. Um sistema de roteamento seleciona um grupo limitado desses especialistas para cada token. Isso permite que a rede retenha mais capacidade aprendida sem pagar o custo completo de inferência de um modelo denso.

Essa arquitetura não é exclusiva da Alibaba. Sua importância neste caso vem de quão agressivamente a Alibaba a escalou. O Qwen3.8-Max supostamente combina 2,4 trilhões de parâmetros totais com cerca de 95 bilhões de parâmetros ativos durante a inferência.

Essa proporção permite à Alibaba divulgar uma escala total extraordinária, mantendo cada resposta em uma faixa computacional mais administrável. Isso não torna a inferência barata por si só. Memória, comunicação entre aceleradores, comprimento de contexto e demanda de atendimento ainda definem o custo final.

A escala esparsa também pode criar complicações técnicas. O roteador precisa distribuir o trabalho de forma eficiente entre especialistas, e esses especialistas precisam aprender especializações úteis. Um roteamento ruim pode deixar alguns componentes sobrecarregados enquanto outros contribuem pouco.

A Alibaba passou várias gerações do Qwen trabalhando nesse problema. A documentação do Qwen3-Max descreveu uma perda de balanceamento de carga por lote global, que incentiva um uso mais equilibrado dos especialistas durante o treinamento. Também descreveu um sistema de pipeline projetado para melhorar a eficiência do treinamento em grandes clusters de hardware.

A empresa afirma que o Qwen3.8-Max se concentra em programação e tarefas profissionais de cowork. Nesse contexto, cowork se refere a um sistema de IA que realiza trabalho em múltiplas etapas ao lado de uma pessoa, em vez de produzir uma resposta isolada. Essas tarefas podem incluir examinar arquivos, usar ferramentas de software, revisar planos e verificar resultados.

A entrada multimodal amplia esses fluxos de trabalho. Um desenvolvedor poderia pedir a um modelo que inspecione uma imagem de design, leia uma especificação, analise código-fonte e prepare um plano de implementação. Um analista de negócios poderia combinar documentos, gráficos e material gravado em uma única tarefa.

Esses exemplos são aplicações plausíveis, não evidência de desempenho confiável. O modelo precisa preservar o contexto, escolher corretamente as ferramentas e se recuperar de erros. Também precisa distinguir instruções de conteúdo não confiável dentro de documentos.

O mecanismo de escala ajuda a Alibaba a competir, mas não elimina as restrições de hardware da China. Controles de exportação restringiram o acesso a alguns chips avançados de IA, forçando laboratórios chineses a extrair mais valor da computação disponível. Arquiteturas eficientes, sistemas de treinamento otimizados e distribuição aberta tornaram-se respostas estratégicas.

Uma análise sobre a IA entre EUA e China identificou a computação como um importante motor do progresso dos modelos e uma vantagem americana contínua. Essa limitação torna notável o tamanho do modelo da Alibaba, embora o tamanho por si só revele pouco sobre o hardware, a duração do treinamento ou a eficiência por trás dele.

O mercado de modelos mais amplo da China também importa. DeepSeek demonstrou que um laboratório chinês poderia forçar concorrentes globais a responder por meio de eficiência e acesso aberto. Moonshot AI e Z.ai desde então adicionaram modelos capazes voltados para raciocínio, programação e agentes.

O Kimi K3 da Moonshot supostamente tem 2,8 trilhões de parâmetros, superando o Qwen3.8-Max em contagem total. A forte demanda forçou a Moonshot a pausar novas assinaturas depois que a capacidade ficou sobrecarregada. O episódio mostrou que o desenvolvimento bem-sucedido de modelos não garante infraestrutura de atendimento adequada.

Um relatório sobre capacidade de IA citou o analista da Omdia Lian Jye Su, que afirmou que o Kimi K3 impôs grandes exigências computacionais. Essa experiência oferece um alerta à Alibaba: disponibilidade e capacidade sustentada de processamento podem se tornar limites competitivos mesmo quando um modelo atrai usuários.

A narrativa do google news diz que a China está reduzindo a diferença porque seus modelos estão se tornando maiores e mais capazes. Uma interpretação mais sólida é que os desenvolvedores chineses agora competem por meio de vários mecanismos coordenados: arquiteturas esparsas, ciclos agressivos de lançamento, distribuição aberta e menores barreiras de implantação.

A alegação de escala da Alibaba é, portanto, um sinal de capacidade de engenharia acumulada. O mecanismo real é a capacidade da empresa de treinar, atender, distribuir e aprimorar o modelo em uma ampla rede de nuvem e produtos.

O que a alegação de 2,4 trilhões de parâmetros não prova

A Alibaba estabeleceu o Qwen3.8-Max como um candidato sério entre os modelos, mas não comprovou o ranking completo de desempenho divulgado em torno da prévia.

A maior incerteza é a transparência da avaliação. A afirmação da Alibaba de que o modelo fica atrás apenas do Fable 5 não conta com uma tabela pública completa de benchmarks, incluindo pontuações, prompts, configurações dos concorrentes e metodologia de teste. Sem esses detalhes, pesquisadores externos não conseguem reproduzir o ranking.

Os rankings de modelos dependem fortemente das escolhas de avaliação. Um sistema pode liderar em questões científicas, mas ficar atrás em programação. Pode ter bom desempenho em testes de turno único enquanto perde contexto durante uma execução prolongada de agente.

Até mesmo os nomes dos benchmarks podem ocultar diferenças de implementação. Permissões de ferramentas, configurações de amostragem, limites de contexto, tentativas e estruturas de agentes influenciam os resultados. Uma comparação justa exige condições alinhadas e divulgação clara.

O rótulo de prévia cria outra limitação. Os provedores frequentemente modificam um modelo entre a prévia e o lançamento geral. Essas mudanças podem melhorar o comportamento, mas também podem dificultar a comparação das avaliações iniciais com o sistema final.

A disponibilidade por meio de produtos da Alibaba dá aos testadores acesso útil, mas o acesso hospedado não revela os pesos subjacentes. Pesquisadores não conseguem inspecionar integralmente a arquitetura, avaliar a implantação local ou verificar o padrão de ativação declarado apenas pelo endpoint.

O plano da Alibaba de lançar os pesos resolveria parte dessa lacuna. Pesos abertos permitem que pesquisadores e empresas executem o modelo em condições independentes. Eles não revelam os dados de treinamento nem reproduzem o processo original de treinamento, portanto não equivalem a abertura total.

Os requisitos de implantação apresentam outra questão. Um modelo que ativa aproximadamente 95 bilhões de parâmetros continua sendo substancial. Executá-lo localmente exigiria infraestrutura especializada, quantização ou atendimento distribuído, especialmente quando as cargas de trabalho usam contextos longos ou entrada multimodal.

Portanto, pesos abertos beneficiariam mais provedores de nuvem e organizações bem equipadas do que usuários casuais de desktop. Variantes menores do Qwen continuam mais realistas para experimentação local. O efeito mais amplo do modelo principal pode vir por meio de métodos de ajuste fino, modelos destilados e serviços hospedados.

A avaliação de segurança também requer atenção. Agentes multimodais podem encontrar instruções maliciosas incorporadas em documentos, imagens e sites. Um modelo que opera ferramentas precisa resistir a essas instruções enquanto mantém acesso útil a material legítimo.

A governança de dados complica a adoção internacional. As empresas precisam considerar onde os prompts são processados, como os registros são retidos, quais informações treinam sistemas futuros e quais regras nacionais se aplicam. A capacidade técnica não pode responder a essas perguntas.

Críticos também questionam se a convergência em benchmarks reflete qualidade equivalente em produção. Um modelo pode igualar um líder em testes públicos e ainda ser menos confiável em solicitações incomuns, sessões longas ou tarefas mal especificadas. Essas falhas surgem apenas com uso sustentado.

A discussão pública em torno do Qwen3.8-Max já inclui relatos de loops de raciocínio durante os testes iniciais. Essas anedotas podem identificar possíveis problemas, mas não estabelecem um padrão geral de falha. São necessários testes reproduzíveis em muitas tarefas.

Da mesma forma, demonstrações polidas também não comprovam confiabilidade geral. Um fornecedor pode selecionar tarefas bem-sucedidas, editar uma apresentação ou usar estruturas privadas. Compradores devem tratar tanto demonstrações entusiásticas quanto falhas isoladas como pontos de partida para avaliação.

Os resultados anteriores do Qwen3-Max-Thinking da Alibaba ilustram o quadro misto. A empresa relatou pontuações competitivas em conhecimento, raciocínio, busca, programação e uso de ferramentas. Também relatou resultados mais fracos do que alguns concorrentes em determinados testes de agentes e contexto longo.

Essa variação é normal. Nenhum modelo domina todas as cargas de trabalho, e rankings agregados comprimem diferenças significativas. Uma empresa que escolhe entre Qwen e Anthropic deve testar as tarefas que determinam o valor comercial real.

Para equipes de software, essas tarefas podem incluir corrigir código interno, revisar pull requests, chamar ferramentas privadas e seguir convenções de repositório. Para analistas, podem incluir extrair alegações de documentos, reconciliar fontes conflitantes e produzir resumos auditáveis.

Latência, recuperação de erros e consistência merecem o mesmo peso que a precisão. Um modelo que resolve uma tarefa difícil uma vez, mas falha de modo imprevisível, pode custar mais para supervisionar do que uma alternativa ligeiramente menos capaz.

O progresso dos modelos chineses também existe dentro de uma disputa política e de segurança mais ampla. Alguns governos e empresas veem os serviços chineses de IA sob preocupações sobre acesso a dados, censura e dependência da cadeia de suprimentos. Essas preocupações podem restringir a adoção independentemente da qualidade do modelo.

Ao mesmo tempo, descartar o Qwen apenas por sua origem obscureceria sua influência técnica e comercial. Desenvolvedores podem estudar lançamentos abertos, comparar escolhas de arquitetura e usar a pressão competitiva para exigir melhores condições de todos os provedores.

A conclusão adequada é mais restrita do que o enquadramento do google news. A Alibaba produziu um modelo cuja escala, alcance multimodal e distribuição justificam uma avaliação séria. Sua posição alegada na hierarquia global continua sendo uma afirmação da empresa que aguarda evidências mais completas.

Três sinais mostrarão se a Alibaba reduziu a diferença

A próxima etapa será decidida por testes independentes, um lançamento de pesos abertos e evidências de que a Alibaba consegue atender à demanda sustentada do mundo real.

O primeiro sinal é um lançamento técnico completo. A Alibaba precisa publicar um cartão de modelo contendo detalhes da arquitetura, limites de contexto, testes de segurança, configurações de benchmark e limitações conhecidas. O lançamento dos pesos prometidos tornaria a divulgação mais valiosa.

Se isso acontecer, pesquisadores independentes poderão testar o Qwen3.8-Max com estruturas e cargas de trabalho padronizadas. Resultados que reproduzam o ranking da Alibaba fortaleceriam a alegação de que a diferença na fronteira diminuiu. Grandes discrepâncias a enfraqueceriam.

O segundo sinal é o desempenho em tarefas de programação e agentes de longa duração. Benchmarks de turno único continuam úteis, mas as cargas de trabalho empresariais mais valiosas envolvem planejamento, ferramentas, arquivos e correções repetidas. A confiabilidade ao longo de muitas etapas distinguirá um assistente capaz de um agente confiável.

Desenvolvedores devem acompanhar avaliações no estilo SWE-bench, testes de uso de ferramentas e testes controlados de repositórios. Também devem examinar taxas de conclusão, ações desnecessárias, recuperação de erros de ferramentas e a quantidade de supervisão humana necessária.

Esse sinal testa diretamente o terreno competitivo escolhido pela Alibaba contra a Anthropic. Se o Qwen3.8-Max igualar a Anthropic em trabalho profissional sustentado, o mercado ganhará uma segunda opção crível. Se perder coerência durante sessões mais longas, sua contagem de parâmetros se tornará menos importante comercialmente.

O terceiro sinal é a adoção em produção sem colapso de capacidade. A Alibaba precisa mostrar que consegue atender o modelo de forma confiável no Qoder, Model Studio e outros produtos enquanto a demanda cresce. Latência, disponibilidade, acesso regional e limites de taxa serão todos importantes.

A experiência da Moonshot com o Kimi K3 mostra por que esse teste não pode ser tratado como rotina. A demanda sobrecarregou a capacidade logo após o lançamento, forçando a empresa a restringir novas assinaturas. Um modelo não pode pressionar provedores estabelecidos se os clientes não puderem depender do acesso.

A Alibaba tem mais recursos de nuvem do que uma startup, mas o Qwen3.8-Max também é exigente. Entradas multimodais e fluxos de trabalho de agentes podem consumir mais computação do que solicitações curtas de chat. A implantação real revelará se a ativação esparsa compensa suficientemente essas demandas.

Dados de mercado mais amplos sustentam a ideia de que preço e controle de implantação estão se tornando centrais. Uma recente comparação de modelos colocou os principais sistemas chineses a poucos pontos de benchmark dos líderes americanos, ao mesmo tempo em que identificou diferenças substanciais de custo em alguns cenários.

Essas comparações variam conforme a carga de trabalho e o provedor, portanto não devem se transformar em alegações universais. Elas mostram por que um desempenho próximo da fronteira pode exercer influência desproporcional. Um modelo não precisa ficar em primeiro lugar para remodelar decisões de compra.

A resposta competitiva oferecerá contexto adicional. A Anthropic pode defender sua posição com modelos mais fortes, agentes melhores, controles de segurança mais claros e serviços empresariais mais confiáveis. OpenAI, Google, DeepSeek, Moonshot e Z.ai também continuarão mudando o ponto de referência.

A Alibaba enfrenta uma tarefa igualmente exigente. Ela precisa transformar um anúncio de destaque em capacidade reproduzível, implantação acessível e melhoria contínua do modelo. Cada requisito testa uma parte diferente da estratégia da empresa.

Para desenvolvedores, a resposta prática é criar agora um conjunto de avaliação específico para suas cargas de trabalho. Inclua tarefas difíceis, tarefas comuns, sessões longas, falhas de ferramentas e restrições de dados sensíveis. Teste mudanças de modelos com esse conjunto, em vez de depender de um único placar público.

Compradores corporativos devem preservar a portabilidade quando possível. Formatos de API comuns, sistemas modulares de recuperação e registros de avaliação neutros em relação ao provedor reduzem o custo de comparar modelos. Eles também evitam que uma escolha inicial se torne uma dependência permanente.

Profissionais do conhecimento devem observar como esses sistemas lidam com evidências mistas. Modelos multimodais podem reunir informações de mais formatos, mas uma entrada mais ampla não garante melhor julgamento. O rastreamento de fontes e a verificação continuam necessários quando as saídas dos modelos afetam decisões.

A chegada da Alibaba ao google news merece atenção, mas a manchete não deve se tornar o veredito. O Qwen3.8-Max ampliou a escala e a ambição do esforço chinês em modelos de fronteira. As evidências necessárias para classificá-lo ainda estão chegando.

Nos próximos meses, observe se a Alibaba libera os pesos prometidos, passa por testes independentes de agentes e atende à demanda crescente sem grandes restrições. Esses três resultados dirão mais do que a manchete dos 2,4 trilhões de parâmetros. Se estiverem alinhados, a Anthropic enfrentará um concorrente próximo com um modelo de distribuição diferente. Caso contrário, o Qwen3.8-Max continuará sendo uma prévia impressionante cujas maiores alegações ultrapassaram a verificação pública.