Alibaba a présenté Qwen 3.8 Max le 19 juillet lors du World AI Conference à Shanghai : un modèle multimodal de 2,4 trillions de paramètres qui, selon des tests utilisateurs indépendants, exécute certaines tâches — notamment du code et du rendu Three.js — plus rapidement que la plupart de ses concurrents.
## Architecture et efficacité de Qwen 3.8 Max
Qwen 3.8 Max repose sur une architecture sparse Mixture-of-Experts (MoE). Plutôt que d’activer l’intégralité des 2,4 trillions de paramètres pour chaque requête, le modèle sélectionne et sollicite uniquement des sous-réseaux « experts » pertinents pour la tâche. Ce choix d’architecture vise à conserver une capacité très élevée tout en limitant le coût de calcul pour les usages multimodaux (texte, images, vidéo, documents).
## Résultats de performance observés
Des évaluations menées par des utilisateurs indépendants placent Qwen 3.8 Max deuxième en performance globale, derrière Claude Fable 5 d’Anthropic dans ces tests. Sur les tâches de programmation, le modèle a notamment devancé Moonshot AI Kimi K3 et OpenAI GPT-5.6 Sol. Les mêmes retours mentionnent des rendus Three.js 3D plus rapides que ceux produits par plusieurs concurrents. Qwen 3.8 Max offre par ailleurs une fenêtre de contexte d’environ un million de tokens, ce qui facilite le traitement de longues conversations ou de documents volumineux.
## Disponibilité et tarification
Alibaba distribue Qwen 3.8 Max via sa Cloud Model Studio et propose un tarif annoncé correspondant à environ 10 % des prix habituels du marché. La société a également évoqué la possibilité de rendre les poids du modèle ouverts, mais aucun fichier de poids public, suite de benchmarks complète ou détail de licence n’avait été publié au 23 juillet, laissant des points d’incertitude sur l’accès et les conditions d’utilisation.
## Impacts potentiels pour l’écosystème et les investisseurs crypto
Plusieurs variables clés sont à surveiller. D’abord, une ouverture effective des poids accélérerait l’adoption dans des projets d’IA décentralisée en permettant fine-tuning et déploiement sans frais API par token. Ensuite, une guerre des prix entre grands acteurs de l’IA pourrait modifier la demande d’infrastructures de calcul alternatives. Enfin, la supériorité affichée de Qwen 3.8 Max sur des tâches agentiques pose la question de son intégration et de son adoption au sein des frameworks d’agents natifs de l
