Qwen3.8-Max : 2 400 milliards de paramètres, et des poids ouverts publiés le 8 août
Alibaba a publié Qwen3.8-Max le 3 août 2026. Le modèle s'appelle déjà par API, et ses poids ouverts, une première pour la gamme Max, sont en ligne depuis le 8 août.
Mise à jour du 13 août 2026 : les poids sont en ligne
Alibaba a tenu sa promesse, avec un jour d'avance. Les poids de Qwen3.8-Max sont publiés sur Hugging Face depuis le 8 août 2026, dans le dépôt `Qwen/Qwen3.8-2.4T-A95B` (213 fichiers safetensors), accompagné d'une variante FP8, et le même modèle est sur ModelScope. La licence est désormais connue : une licence maison, la Qwen3.8-Max License, qui reprend le texte MIT avec deux conditions commerciales (affichage du nom du modèle au-delà de 100 millions d'utilisateurs actifs mensuels ou 20 millions de dollars de revenus mensuels ; accord séparé pour les hébergeurs et assistants IA dépassant 50 millions de dollars sur douze mois). Au classement, le modèle a continué de glisser : dixième de l'Intelligence Index v4.1.1 d'Artificial Analysis (58 points) au 13 août, après la cinquième place du 7 août. Le Qwen3.8-27B annoncé en même temps n'est en ligne que sur ModelScope, pas encore sur Hugging Face.
Mise à jour du 7 août 2026 : les poids toujours absents, la première place déjà perdue
Quatre jours après cette publication, deux points demandent à être repris. Les poids ouverts ne sont toujours nulle part. Et la première place au classement agentique d'Artificial Analysis, qui a fait le tour des réseaux le 6 août, n'aura pas tenu vingt-quatre heures.
Les poids | Toujours rien. Au 7 août 2026, l'organisation Qwen sur Hugging Face compte 458 dépôts, aucun ne porte le nom Qwen3.8. Sur ModelScope, Qwen/Qwen3.8-Max et Qwen/Qwen3.8-27B renvoient tous deux « record not found ». Le calendrier | Alibaba n'est pas en retard pour autant. Le billet du lundi 3 août écrivait « la semaine prochaine », c'est-à-dire la semaine du 10 août, qui n'a pas encore commencé. Le classement | Qwen3.8-Max a bien été premier de l'indice agentique d'Artificial Analysis le 6 août. Au 7 août 2026, il est deuxième, derrière Claude Opus 5. Le premier chiffre indépendant | Artificial Analysis a mesuré le modèle le 5 août. Sur Terminal Bench 2.1, elle relève 81,3 là où Alibaba annonçait 86,6.
Les poids ouverts ne sont ni publiés ni repoussés
Aucune des quatre sources qui feraient foi n'a bougé.
- Hugging Face. L'organisation Qwen compte 458 dépôts au 7 août 2026, et aucun ne porte le nom Qwen3.8. Le plus récent date du 22 juillet. Quatre dépôts créés par des tiers les 5 et 6 août portent bien ce nom (huginnfork/Qwen3.8-27B-FP8, huginnfork/Qwen3.8-27B-NVFP4A16, neroued/Qwen3.8-27B-NInfer, neroued/Qwen3.8-27B-nvfp4-NInfer), mais ils ne contiennent qu'un fichier README et déclarent comme modèle de base un dépôt Qwen/Qwen3.8-27B qui n'existe pas. Ce sont des coquilles réservées d'avance par des quantificateurs qui attendent, comme tout le monde.
- ModelScope. Qwen/Qwen3.8-Max et Qwen/Qwen3.8-27B renvoient une erreur 404, « record not found », alors que Qwen/Qwen3.5-27B répond normalement au même endroit.
- Le blog officiel. L'index de qwen.ai/research, vers lequel qwenlm.github.io redirige désormais, affiche toujours le billet du 3 août comme dernière publication sur Qwen3.8. Ni annonce de report, ni nouvelle date, ni précision de licence.
- Le compte X de l'éditeur. La dernière mention des poids remonte au 4 août 2026, en marge de l'arrivée du modèle sur OpenRouter : « les poids ouverts arrivent bientôt ». Le post le plus récent, daté du 7 août, n'en parle pas.
Artificial Analysis, de son côté, continue de classer Qwen3.8-Max parmi les modèles propriétaires dans sa fiche technique.
La nuance de calendrier compte, et beaucoup de reprises la ratent : le 3 août 2026 était un lundi. « La semaine prochaine » désigne donc la semaine du 10 août, qui n'a pas commencé. Au 7 août, Alibaba ne manque pas sa parole, il ne l'a simplement pas encore honorée. Ce qui reste inconnu, en revanche, l'est autant qu'au premier jour : ni la licence, ni la taille des fichiers, ni le format de quantification n'ont été communiqués.
Premier le 6 août, deuxième le 7
Le 6 août, l'éditeur lui-même a revendiqué la place.
Un aperçu rapide de la position de Qwen3.8-Max aujourd'hui : Qwen3.8-Max se classe désormais n°5 à l'Artificial Analysis Intelligence Index, et n°1 à l'Agentic Index ! Nous continuons d'avancer.Voir le post sur X
Le même jour, un lien vers ce classement récoltait 492 points sur Hacker News, sous le titre « Qwen3.8 Max est désormais classé meilleur modèle toutes catégories par l'indice agentique ». La copie archivée de la page, prise le 6 août à 11 h 28 UTC, confirme l'ordre du moment : Qwen3.8-Max à 55,4, Claude Opus 5 à 55,3. Deux dixièmes de point d'écart.
Vingt-quatre heures plus tard, l'ordre est inversé. Voici le classement relevé directement sur artificialanalysis.ai le 7 août 2026.
| Rang au 7 août 2026 | Modèle | Indice agentique |
|---|---|---|
| 1 | Claude Opus 5 (max) | 59,2 |
| 2 | Qwen3.8-Max | 58,4 |
| 3 | GPT-5.6 Sol (max) | 57,8 |
| 4 | Claude Fable 5 | 56,6 |
| 5 | Kimi K3 (max) | 54,3 |
Artificial Analysis Agentic Index, relevé sur artificialanalysis.ai le 7 août 2026. L'indice est la moyenne pondérée des épreuves agentiques de l'Intelligence Index, soit GDPval-AA v2 et 𝜏³-Banking.
Aucun modèle ne s'est inséré au-dessus. C'est le barème qui a changé. Artificial Analysis a publié le 6 août la version 4.1.1 de son Intelligence Index et signale, sur l'onglet Agentic Index, que le 𝜏³-Banking, l'un des deux composants de cet indice, est passé en version 1.0.1. Tous les scores ont monté d'environ trois points au passage, et les deux premiers ont échangé leurs places. Notre analyse de Claude Opus 5 revient sur le modèle qui reprend la tête.
Un classement ordinal se périme donc de deux façons : par l'arrivée d'un concurrent, mais aussi par une simple révision de méthode. D'où la date placée dans la phrase, et pas seulement en haut de page.
La moitié de la revendication d'Alibaba tient en revanche toujours. Au 7 août 2026, Qwen3.8-Max reste cinquième de l'Intelligence Index, à 58,1, derrière Claude Opus 5 (63,1), Claude Fable 5 (62,1), GPT-5.6 Sol (60,9) et Kimi K3 (59,7).
Le premier score indépendant est inférieur au score maison
C'est l'apport le plus concret du relevé du 5 août, et il touche directement le tableau reproduit plus bas dans cet article. Sur Terminal Bench 2.1, Alibaba créditait son modèle de 86,6. La mesure indépendante d'Artificial Analysis donne 81,3, soit 5,3 points de moins.
L'écart ressort d'autant mieux que, pour les modèles concurrents, les chiffres d'Alibaba collent à ceux d'Artificial Analysis : 84,6 des deux côtés pour Claude Opus 4.8 comme pour Claude Fable 5, à la décimale près, et 88,0 contre 88,8 pour GPT-5.6 Sol. C'était prévisible, le billet précisait reprendre pour eux « le meilleur score publié ailleurs ». Le seul chiffre produit par Alibaba est aussi le seul qui ne se retrouve pas.
Un dernier repère de ce dossier est appelé à bouger : la grille de DeepSeek, qui sert de plancher à toute la comparaison de prix plus bas, va augmenter. Nous détaillons l'annonce dans notre article sur la hausse des tarifs de l'API DeepSeek.
Le reste de cet article, publié le 3 août 2026, est inchangé.
Le 3 août 2026 à 10 h 00 heure de Pékin, soit 4 h 00 à Paris, Alibaba a publié Qwen3.8-Max, le modèle le plus puissant de sa famille Qwen. Le billet officiel avance un chiffre qui se prête aux erreurs de traduction : « 2.4 trillion » de paramètres, c'est-à-dire 2 400 milliards en français, dont 95 milliards seulement sont activés à chaque token. C'est une architecture de mélange d'experts, bâtie sur celle de Qwen 3.5.
Le vrai événement se trouve pourtant dans la deuxième phrase de l'annonce. C'est la première fois qu'Alibaba s'engage à ouvrir les poids d'un modèle de classe Max, sa gamme haute restée jusqu'ici propriétaire. Avec une nuance que les reprises de dépêche passent vite : ces poids ne sont pas publiés. Ils sont annoncés pour « la semaine prochaine ».
Ce qui est disponible aujourd'hui, et ce qui ne l'est pas
Qwen3.8-Max s'appelle dès maintenant par l'API de QwenCloud, la plateforme internationale d'Alibaba, et s'essaie dans l'assistant Qwen Studio. L'API accepte à la fois le protocole d'OpenAI et celui d'Anthropic, ce qui permet de la brancher directement sur Claude Code, Codex, OpenClaw ou Qwen Code. Elle expose aussi un réglage `reasoning_effort` à trois crans, `xhigh` par défaut, puis `medium` et `low`.
Voici les tarifs relevés le 3 août 2026 sur la page officielle du modèle.
| Poste | Prix par million de tokens |
|---|---|
| Entrée | 2,00 $ |
| Sortie | 6,00 $ |
| Entrée servie par le cache implicite | 0,25 $ |
| Création de cache explicite | 2,50 $ |
| Lecture de cache explicite | 0,17 $ |
Source : www.qwencloud.com/models/qwen3.8-max, relevé le 3 août 2026. Contexte d'un million de tokens, 131 000 tokens en sortie au maximum, 262 000 tokens de raisonnement.
Les poids, eux, ne sont nulle part. Le billet écrit noir sur blanc qu'ils seront publiés « la semaine prochaine » sur Hugging Face et ModelScope. Vérification faite le 3 août 2026, l'organisation Qwen sur Hugging Face ne contient aucun dépôt Qwen3.8 : les fichiers les plus récents y datent du 22 juillet. Le compte officiel @Alibaba_Qwen ajoute une information absente du billet de blog : un Qwen3.8-27B passera lui aussi en poids ouverts la semaine prochaine.
Voici Qwen3.8-Max : un nouveau cap pour le code et le travail en binôme.Voir le post sur X
Une Qwen3.8-Max-Preview circulait depuis le 19 juillet 2026 sur les plateformes d'Alibaba. Ce qui sort aujourd'hui est la version définitive du même modèle, pas un modèle supplémentaire. Le billet officiel ne mentionne pas cette préversion et ne dit pas ce qui a changé entre les deux.
Qwen3.8 se lance et passera bientôt en poids ouverts ! Avec ses 2 400 milliards de paramètres, ce modèle évolue en continu. Nous pensons qu'il fait partie des modèles les plus puissants disponibles aujourd'hui, au niveau des grands modèles de pointe, et second seulement derrière Fable 5. Vous n'avez pas besoin d'attendre pour le tester. À l'instant, la Qwen3.8-Max-Preview a fait ses débuts sur le Token Plan d'Alibaba, sur Qoder et sur QoderWork. Soyez parmi les tout premiers à l'essayer. Nous avons hâte de savoir ce que vous allez construire. Restez à l'écoute !Voir le post sur X
Les scores publiés sont des scores d'éditeur
Le billet contient deux grands tableaux de résultats, dont un face-à-face avec Claude Opus 4.8, Claude Fable 5 et GPT-5.6 Sol. Il faut les lire pour ce qu'ils sont : c'est Alibaba qui a choisi les épreuves, les harnais et les réglages, et qui a fait tourner ses concurrents. Plusieurs bancs d'essai du tableau sont d'ailleurs maison, comme QwenSWEBench, QwenQoderBench ou CoWorkBench. Le premier relevé indépendant est arrivé depuis, le 5 août 2026, chez Artificial Analysis, et il corrige le score de Terminal Bench 2.1 vers le bas. Voir la mise à jour en tête d'article.
Ce qui rend malgré tout ces chiffres intéressants, c'est qu'ils ne donnent pas Qwen3.8-Max premier partout.
| Épreuve | Qwen3.8-Max | Opus 4.8 | Fable 5 | GPT-5.6 Sol |
|---|---|---|---|---|
| Terminal Bench 2.1 | 86,6 | 84,6 | 84,6 | 88,8 |
| SWE-bench Pro | 67,7 | 69,2 | 80,0 | 64,6 |
| PaperBench | 93,0 | 80,3 | 88,8 | 90,5 |
| CoWorkBench (maison) | 74,8 | 72,3 | 75,9 | 71,5 |
| GPQA Diamond | 92,6 | 92,0 | 92,6 | 94,1 |
| Humanity's Last Exam | 43,6 | 45,7 | 53,3 | 47,2 |
Extrait du tableau publié par Alibaba le 3 août 2026 sur qwen.ai/blog?id=qwen3.8. Scores sur 100. Terminal Bench 2.1 est mesuré avec le harnais Claude Code, en moyenne sur dix passages ; pour les autres modèles, Alibaba reprend le meilleur score publié ailleurs.
Sur SWE-bench Pro, l'épreuve de correction de bugs réels la plus regardée, Fable 5 conserve plus de douze points d'avance. Sur Humanity's Last Exam sans outils, Qwen3.8-Max arrive dernier des quatre. Il domine en revanche PaperBench, qui mesure la capacité à reproduire un article de recherche en code, et l'ensemble des épreuves d'agent visuel du second tableau.
Trois épreuves de codage autonome, dont une trace publique sur GitHub
C'est la partie la plus concrète de l'annonce, et la seule qui soit vérifiable de l'extérieur. Alibaba a soumis le modèle à trois exercices de longue haleine, sans intervention humaine.
- Un projet logiciel construit de zéro en plus de dix jours. Le modèle a créé le projet `oh-my-cli` à partir d'un dossier vide. Au 30 juillet 2026, après environ seize jours de fonctionnement autonome, le dépôt comptait 265 commits, 127 pull requests et 151 tickets. Il est public, à l'adresse github.com/qwen-code-dev-bot/oh-my-cli, et son historique se lit.
- La reproduction d'un article de recherche, puis son amélioration. À partir du seul article (arXiv 2605.22389) et de GPU, sans code de départ, le modèle a travaillé environ 125 heures et écrit près de 7 600 lignes de code. Il a reproduit les six résultats du papier, puis testé 18 idées de son cru, faisant passer le score AIME24 de 49,58 % à 52,29 %.
- Un concours en ligne face à des humains. Sur le challenge WWW2025 de reconnaissance d'intention hébergé par la plateforme Tianchi d'Alibaba, le modèle a construit seul sa solution en 24 heures. En 45 soumissions, sa précision est passée de 0,60 à 0,853, devant 458 des 526 équipes engagées.
Ces trois récits viennent de l'éditeur et décrivent des conditions choisies par lui. Le dépôt GitHub reste néanmoins la pièce à conviction la plus solide qu'un laboratoire ait mise en ligne pour appuyer ce genre de démonstration.
Poids ouverts : ce que 2 400 milliards de paramètres impliquent vraiment
Le mélange d'experts sépare deux choses que l'on confond souvent. Le calcul par token ne mobilise que les 95 milliards de paramètres activés, ce qui est modeste et explique le prix bas. La mémoire, elle, doit contenir la totalité des 2 400 milliards.
L'ordre de grandeur se calcule de tête, et un participant du fil Hacker News consacré à l'annonce le formule mieux qu'un tableau :
Une bonne règle empirique, c'est que les poids occupent environ 100 % de la taille du modèle. Donc 100 milliards d'octets en quantification 8 bits feraient, eh bien, 100 Go, et une quantification 4 bits la moitié.lcnPylGDnU4H9OF, Hacker News, 3 août 2026
Appliquée à Qwen3.8-Max, cette règle place le fichier autour de 1,2 To en 4 bits. Le repère existe déjà : Kimi K3, 2 800 milliards de paramètres, pèse 1,56 To en quantification MXFP4 native depuis la publication de ses poids le 27 juillet. Alibaba n'a pour l'instant communiqué ni la taille des fichiers, ni le format de quantification, ni la licence. Ces trois points seront à vérifier la semaine prochaine, et ce sont eux qui décideront de ce que « poids ouverts » veut dire ici.
Concrètement, le poste de travail est hors jeu. Dans le même fil, les développeurs qui font tourner du Qwen chez eux décrivent des machines à 32, 64 ou 128 Go de mémoire, et y exécutent des modèles de 27 à 35 milliards de paramètres. Un modèle de classe Max suppose un serveur multi-GPU d'hébergeur ou de grande entreprise. D'où la réaction la plus répétée du fil, qui vaut conseil pour un particulier :
Le 3.8 27B, c'est ça la vraie nouvelle.boredatoms, Hacker News, 3 août 2026
La course chinoise des poids ouverts, en trois semaines
Qwen3.8-Max n'arrive pas dans le vide. Trois modèles chinois de premier plan se sont succédé en moins de trois semaines, et c'est ce calendrier qui explique la pression sur les prix.
| Modèle | Entrée par M de tokens | Sortie par M de tokens | Poids |
|---|---|---|---|
| Qwen3.8-Max | 2,00 $ | 6,00 $ | publiés le 8 août 2026 |
| Kimi K3 | 3,00 $ | 15,00 $ | publiés le 27 juillet 2026 |
| DeepSeek-V4-Flash | 0,14 $ | 0,28 $ | publiés le 31 juillet 2026 |
Tarifs API officiels, relevés en juillet et août 2026 chez chaque éditeur.
Alibaba se place donc nettement sous Kimi K3 en prix, tout en restant très au-dessus de DeepSeek, qui joue une autre partition. Notre comparatif Qwen contre DeepSeek détaille cet arbitrage, et notre fiche DeepSeek reprend la grille tarifaire complète.
Les premiers retours de développeurs, eux, sont partagés. Sur Hacker News, un utilisateur qui a comparé Qwen3.8-Max et Claude Opus 5 sur une conversion de maquette en page web rapporte un résultat honnête, gâché par l'infrastructure du jour de lancement :
Claude a terminé en seize minutes environ, alors que j'ai passé près de deux heures à surveiller la construction côté Qwen. Il y avait des signes qu'il voyait bien, mais les délais d'attente rendent la chose très difficile à utiliser en production.jjcm, Hacker News, 3 août 2026
Si vous voulez juger le modèle sans engager de budget, passez par l'assistant Qwen Studio plutôt que par l'API : c'est gratuit et cela suffit à se faire un avis sur le français et le raisonnement. Notre fiche Qwen détaille les trois façons d'accéder à la famille d'Alibaba.
Questions fréquentes
Qwen3.8-Max est-il gratuit ?
Le modèle est testable gratuitement dans l'assistant Qwen Studio. L'accès par API est payant, à 2 $ le million de tokens en entrée et 6 $ en sortie sur QwenCloud.
Combien de paramètres a Qwen3.8-Max ?
2 400 milliards au total, dont 95 milliards activés à chaque token, une architecture de mélange d'experts. L'annonce anglaise écrit « 2.4 trillion », ce qui correspond bien à 2 400 milliards en français.
Quand les poids de Qwen3.8-Max seront-ils publiés ?
Ils le sont depuis le 8 août 2026, sur Hugging Face (Qwen/Qwen3.8-2.4T-A95B, avec une variante FP8) et ModelScope, sous une licence maison (Qwen3.8-Max License). Le Qwen3.8-27B annoncé en même temps n'est pour l'instant en ligne que sur ModelScope.
Peut-on faire tourner Qwen3.8-Max sur son ordinateur ?
Non. Même en poids ouverts, un modèle de 2 400 milliards de paramètres représente de l'ordre du téraoctet de fichiers et suppose un serveur multi-GPU. Pour un usage local, visez plutôt les modèles Qwen de 27 à 35 milliards de paramètres.
Qwen3.8-Max est-il meilleur que Kimi K3 ?
Cela dépend de l'épreuve. Au relevé Artificial Analysis du 7 août 2026, Kimi K3 devance Qwen3.8-Max à l'Intelligence Index (59,7 contre 58,1), mais reste derrière à l'indice agentique (54,3 contre 58,4). Alibaba, lui, ne compare pas son modèle à Kimi K3 dans son tableau principal.
Peut-on utiliser Qwen3.8-Max dans Claude Code ?
Oui. L'API de QwenCloud est compatible avec le protocole d'Anthropic, et le billet officiel documente la configuration à poser dans les variables d'environnement.
