Qwen3.8-Max pasó de promesa a repositorio real. El 12 de agosto, la página Qwen/Qwen3.8-2.4T-A95B en ModelScope indicaba que contiene pesos post-entrenados y archivos de configuración en formato Hugging Face Transformers.
La tarjeta del modelo menciona compatibilidad con vLLM, SGLang y TokenSpeed. Los metadatos de ModelScope muestran un tamaño cercano a 4,89TB. Qwen3.8-Max ya estaba disponible en Qoder y Token Plan; lo nuevo es que ahora existe un artefacto open-weight de clase Max.
Los pesos son el nuevo punto de auditoría
“This repository contains model weights and configuration files for the post-trained model in the Hugging Face Transformers format.”
Las especificaciones incluyen 2,4T parámetros totales, 95B parámetros activos, contexto nativo de 262.144 tokens y extensión hasta 1.010.000 tokens. La arquitectura usa 92 capas, 512 expertos, 10 routed experts más un shared expert y vocabulario de 248.320 tokens.
La versión de ModelScope no es idéntica al servicio Qwen3.8-Max gestionado. El modelo abierto es solo texto y exige thinking mode; Qwen Cloud añade entrada visual, modo sin thinking, contexto por defecto de 1M y herramientas integradas.
El valor está en el control
Para los equipos técnicos, un descuento de API no equivale a pesos abiertos. El descuento puede terminar; los pesos permiten probar motores de inferencia, cuantización, repositorios privados, documentos largos y separación de permisos en un entorno propio.
El tamaño de 4,89TB también marca el límite. No es un modelo casual para portátil. Muchos usuarios lo usarán mediante inferencia hospedada, builds cuantizados o clústeres empresariales. La apertura sirve para permitir reproducción externa y optimización de motores.
La tabla oficial muestra 86,6 en Terminal Bench 2.1, 67,7 en SWE-bench Pro, 93,0 en PaperBench y 86,1 en OSWorld-Verified. Pero los harnesses, límites de tiempo, ventanas de contexto y fuentes de baseline varían. Los próximos controles son licencia, descargas estables, recetas de vLLM y SGLang, benchmarks independientes y rendimiento tras cuantización.
Fuentes: tarjeta del modelo ModelScope Qwen3.8-2.4T-A95B, blog oficial Qwen3.8-Max, documentación de Qwen Cloud, DataCamp, CocoLoop; se verificaron estado open-weight, tamaño del repositorio, parámetros totales y activos, contexto, compatibilidad de frameworks, límites de thinking mode, benchmarks y diferencias con la API gestionada.