Qwen 3.8 dirilis

• Alibaba Qwen merilis Qwen3.8 dengan skala 2,4 triliun parameter, dan berencana segera membuka open weight
• Qwen3.8 disebut sebagai model yang terus berevolusi, dan dinyatakan kompatibel dengan model AI frontier terdepan
• Pihak Qwen menilai Qwen3.8 sebagai salah satu model terkuat saat ini dan berada di level setelah Fable 5
• Qwen3.8-Max-Preview sudah bisa langsung dicoba di Alibaba Token Plan, Qoder, dan QoderWork
• Token Plan mengoperasikan halaman harga terpisah untuk pengguna internasional dan pengguna di Tiongkok
  • Untuk pengguna internasional, tersedia dalam 3 tingkat: Lite/Standard/Pro, dengan harga promosi masing-masing $6/$18/$68 per bulan
  • Setiap paket menyediakan 2.500/10.000/40.000 Credits per 7 hari, dan 700/3.000/12.000 Credits per 5 jam
  • Agen yang dapat dijalankan secara bersamaan masing-masing 1~2/3~4/6~8, dan bisa terhubung melalui API Key dan Base URL di alat yang mendukung protokol OpenAI/Anthropic

[fanotify]

Saya membawanya karena ada infografik: https://i.postimg.cc/63yLvz16/modelsize202607.png
(memperbarui yang Kimi dengan menambahkan sedikit isi Qwen 3.8 kali ini)

[thkweon]

Iklan di situsnya sangat banyak ya

[GN⁺]

Komentar Hacker News

• Pengumuman ini tampaknya menyusul pengumuman Moonshot AI bahwa mereka akan merilis LLM open-weight Kimi K3 dengan 2,8 triliun parameter di Hugging Face paling lambat 27 Juli.
  Alibaba juga merespons dengan mengatakan akan segera merilis Qwen 3.8 dengan 2,4 triliun parameter sebagai open-weight; saya penasaran apakah ini memang sudah direncanakan atau diputuskan untuk bersaing dengan Moonshot AI.
  Bagaimanapun, pemenang dari persaingan LLM seperti ini adalah pengguna.

  • Sulit memastikan motivasinya, tetapi perusahaan-perusahaan Tiongkok tampaknya berupaya menjadikan kecerdasan sebagai komoditas umum.
    Ini mungkin cara paling efektif untuk menurunkan nilai lab riset terdepan AS, dan juga sangat bermanfaat bagi umat manusia.
  • Di media sosial Tiongkok sering muncul lelucon bahwa “pemerintah negara lain campur tangan untuk mencegah perilaku antipersaingan, sedangkan pemerintah Tiongkok campur tangan untuk menekan persaingan.”
    https://www.reuters.com/business/autos-transportation/what-i...
  • Alasan pengumuman dilakukan sekarang adalah karena World AI Conference sedang berlangsung.
    Di tengah robot-robot yang bertinju dan perusahaan AI besar Tiongkok yang memamerkan model terbaru mereka, Xi Jinping juga mengumumkan pembentukan WAICO.
    https://en.wikipedia.org/wiki/World_Artificial_Intelligence_...
  • Bisa juga pengumuman ini disesuaikan dengan momen ketika Xi Jinping meluncurkan aliansi politik di World AI Conference dan mengatakan bahwa “pengembangan AI seharusnya bukan solo satu negara, melainkan simfoni kerja sama internasional.”
    Konferensi besar biasanya dibanjiri peluncuran produk baru dan pengumuman.
    https://www.cnbc.com/2026/07/17/x-china-ai-summit-risks-secu...
  • Daripada model raksasa, saya berharap mereka merilis Qwen 3.7-27B·122B atau versi 3.8 yang setara.
    Kekuatan Qwen dan QwQ selalu pada inferensi lokal kelas atas yang bisa dijalankan di rumah.

• Alibaba Cloud memblokir alamat email saya sehingga saya tidak bisa membayar biaya penggunaan, jadi kali ini saya tidak bisa melakukan tes pelikan.
  Saya menunggu rilis open-weight atau pendaftaran di OpenRouter.

  • Benchmark pelikan kini hampir menjadi satu-satunya prosedur evaluasi yang saya percaya.
    Aneh juga perusahaan seperti Alibaba membuat orang sulit membayar, padahal mereka semestinya ingin developer terkenal menguji model mereka.
    Biasanya cepat masuk ke OpenRouter, jadi semoga segera bisa digunakan. Ada juga cara mengunduh aplikasi Qwen dan mengujinya dari antarmuka chat sebagai tool MCP untuk pengembangan lokal.

• Saya berharap model kecil Qwen 3.8 juga dirilis.
  Saya memakai model 35B MoE dan model dense 27B secara lokal, dan sebagian besar kebutuhan tidak sampai perlu memanggil Claude.
  Ini sangat berguna terutama untuk permintaan yang berisi data sensitif atau pribadi.

  • Akan bagus jika ada model MoE kelas menengah di antara 35B dari 3.6 dan 122B dari 3.5.
    Pada komputer rumahan yang cukup kuat tetapi tidak kelewat mahal, model seperti itu bisa memberi keseimbangan kecepatan dan performa yang sangat baik.
  • Persaingan kali ini tampaknya lebih mengarah ke supremasi AI garis depan, jadi saya khawatir model kecil yang mumpuni akan tertinggal.
    Lab besar tidak ingin menyerahkan angsa bertelur emas kepada pengguna akhir, dan perusahaan hardware seperti Nvidia juga bisa masuk ke pasar ini untuk memperoleh pendapatan dari semua pihak.
  • Saya mempertanyakan bagaimana model 2,4 triliun parameter bisa diperkecil menjadi 35B sambil mempertahankan akurasi.
    Untuk membuatnya seperti itu, diperlukan arsitektur yang sepenuhnya berbeda.
  • Saya penasaran hardware apa yang digunakan.

• Saya mencoba Qwen 3.6 27B di LMStudio; memang agak lambat, tetapi melampaui ekspektasi.
  Setelah menerapkan mtplx, tanpa berlebihan, kecepatannya benar-benar naik 2–3 kali lipat dan sangat mengesankan.
  Saya sedang sebisa mungkin beralih ke model lokal, dan itu makin menjadi pilihan yang praktis. Namun saya memakai laptop seharga 6.000 dolar, yaitu M5 Max MacBook dengan spesifikasi maksimum, jadi hardwarenya masih memberatkan bagi kebanyakan orang.
  Ke depannya, sepertinya arahnya adalah menjalankan model kecil yang dilatih lebih terfokus secara lokal. Risiko menyerahkan semua data ke penyedia cloud terlalu besar, dan ketika saatnya tiba mereka harus membuktikan profitabilitas, saya memperkirakan mereka akan mengenakan biaya yang tidak masuk akal.

  • Setelah kenaikan harga baru-baru ini, laptop itu kemungkinan sekarang sudah mendekati 8.000 dolar.

• Qwen 3.7 Pro yang saya pakai setiap hari selama sebulan pada dasarnya tidak bisa digunakan
  Terlalu banyak membuang waktu, kehilangan arah pekerjaan atau terjebak dalam pengulangan yang tidak bermakna, dan bahkan debugging pun tidak dilakukan dengan benar
  Perbedaannya dengan DeepSeek V4 Pro sangat mencolok, dan sejauh ini Qwen terlihat seperti model terburuk untuk software engineering. Jauh lebih mahal daripada DeepSeek, tetapi tidak bisa diberi delegasi pekerjaan maupun dipakai untuk pekerjaan low-level real-time

  • Saya menjalankan Qwen3.6-35B dan 27B yang dikuantisasi ke Q8 secara lokal di llama.cpp, dan juga mencoba model kuantisasi DS4-flash dari antirez
    Semuanya berada di level yang mirip, dan DS4 sedikit lebih efisien, tetapi semuanya memberikan hasil yang sangat baik untuk skrip Bash, debugging, Python, dan beberapa pekerjaan C++
    Saya penasaran di aplikasi atau bahasa apa Qwen gagal. Chat template Qwen rusak, jadi saya harus men-debug-nya sendiri, dan pekerjaan untuk memperbaikinya juga sedang berjalan; hal serupa juga terjadi pada Gemma
  • Menurut standar saya, Qwen 3.7 Max lebih unggul daripada Opus sekaligus jauh lebih cepat, dan sedikit di bawah Fable
    Dibanding DeepSeek 4 Pro, ia jauh lebih unggul dalam kecepatan dan pemahaman secara umum, dan saya terutama menggunakannya bersama Claude Code
    Qwen 3.7 Plus juga cukup bagus untuk sub-agent dan jauh lebih baik daripada Sonnet. Qwen 3.8 Max Preview saat ini juga bekerja dengan baik, tetapi masih terlalu dini untuk menilai; jika harganya 10% dari harga normal, value for money-nya luar biasa
  • Qwen 3.7 Pro biasa saja, tetapi 3.7 Max adalah model yang sangat bagus
  • Saya mengisi 2 dolar ke DeepSeek API dan memasukkan key-nya ke Void Editor untuk membuat alat kripto dengan HTML
    Saya melakukan coding ringan selama satu-dua jam dan memperbaiki bug menggunakan file contoh CSV ratusan baris, dan biayanya sekitar 1,8 dolar
    Jika biaya seperti ini normal, rasanya jika dipakai untuk pekerjaan selama sebulan biayanya akan lebih besar daripada gaji; saya penasaran apakah penyedia cloud memang semahal ini
  • Anthropic seharusnya tidak menghalangi serangan knowledge distillation

• Versi final DeepSeek 4 juga akan segera dirilis
  Mungkin akan setara Opus 4.8, dan mengingat harga DeepSeek, ini tampaknya akan menjadi peristiwa yang cukup besar

  • Rasio harga terhadap performa DeepSeek sangat dominan
    Belakangan saya sering memakai V4 Flash, dan itu cukup bagus
  • DeepSeek V4 10–30 kali lebih murah daripada kebanyakan model, sekaligus cukup untuk sebagian besar pekerjaan
  • Besok adalah hari terakhir WAIC, jadi kemungkinan paling besar dirilis saat itu
  • Ini model yang paling saya nantikan
    Selama beberapa minggu terakhir, saat memakai DeepSeek Pro secara langsung, saya makin sering menerima respons yang jelas berasal dari model yang jauh lebih unggul
    Karena performanya terlalu bagus, kubu model tertutup sudah menyebarkan ketakutan, ketidakpastian, dan keraguan seperti “dark routing” atau “mencuri Fable apa adanya”
    Bahkan harga yang sudah dinaikkan pun masih memberikan nilai yang luar biasa. Jika tidak punya waktu untuk menguji semua model dan hanya ingin memakai yang tampaknya terbaik saat ini, mungkin lebih baik tidak menggunakannya. Anda akan menyesal saat menyadari betapa jauh lebih banyak pekerjaan yang bisa diselesaikan jika pada paruh pertama tahun ini Anda menghabiskan 1.200 dolar untuk DeepSeek, bukan OpenAI

• Saat mengecek Artificial Analysis, ada setidaknya 12 penyedia yang performanya lebih baik daripada Opus 4.5, yang dinilai Anthropic rilis pada Desember dan memicu akselerasi terbaru
  Mengingat biaya switching juga rendah, kompetisinya benar-benar sudah terlalu panas. Secara pribadi, saya rasa level Opus 4.5 sudah cukup untuk sebagian besar aplikasi dan penggunaan

  • Karena itu OpenAI dan Anthropic kemungkinan besar akan makin keras menuntut regulasi dan larangan dari pemerintah
    Jika tidak, seluruh model pendapatan mereka akan runtuh

• Untuk menjalankannya di OpenCode dengan Qwen Cloud Token Plan, konfigurasi berikut berfungsi
  Karena saya tidak tahu batas pastinya, saya menyetelnya sama dengan limit Qwen 3.7 Max

  "provider": {  
    "alibaba-token-plan": {  
      "models": {  
        "qwen3.8-max-preview": {  
          "limit": {  
            "context": 1048576,  
            "output": 65536  
          },  
          "modalities": {  
            "input": ["text"],  
            "output": ["text"]  
          },  
          "name": "Qwen3.8 Max Preview"  
        }  
      }  
    }  
  }  
  

  • Harus memilih API endpoint dan token yang tepat
    Jika memanggil endpoint yang benar, kuota akan berkurang hampir seketika, jadi ini perlu dicek
    Jika salah, Anda bisa menghabiskan API token yang tidak termasuk dalam membership Credits dan kehilangan 200 dolar dalam 3 hari; hal yang sama berlaku jika menggunakan bonus pendaftaran 200 dolar dari Alibaba Cloud

• Ungkapan “terbaik setelah Fable 5” cukup bermakna
  Pada awalnya banyak skeptisisme bahwa Fable hampir tidak berkembang dibanding Opus, tetapi suka atau tidak, dengan asumsi Anthropic terus mengizinkan penggunaannya, mereka memperoleh moat nyata dengan model itu
  Jika model terbuka mampu melampauinya, itu akan benar-benar menarik

  • Sulit menyebutnya moat, tetapi jelas itu model yang lebih baik
    Untuk pekerjaan saya, penilaiannya adalah Fable > K3 > Sol
    Namun Fable tidak begitu dominan atas dua model lain sampai saya akan terpukul parah jika tidak bisa memakainya lagi. Ketiganya hebat, dan satu-satunya model yang secara berkala menolak permintaan adalah Fable
  • “Moat” mereka terletak pada fakta bahwa Mythos saat ini adalah satu-satunya model superbesar
    Melatih model 10 triliun parameter untuk mendapatkan performa 10% lebih tinggi daripada model 1 triliun selalu memungkinkan
    Jika Mythos adalah Opus 5 dengan ukuran dan harga yang sama seperti Opus sebelumnya, itu akan menjadi pembeda yang menentukan, tetapi kenyataannya tidak begitu
  • Meski modelnya lebih baik, batasannya terlalu banyak, sehingga tidak seberguna Opus
  • Kualitas output Fable sering menurun
    Saya memakai Sol sebagai utama; Fable bisa kreatif, tetapi lemah dalam menjalankan pekerjaan secara stabil tanpa menghabiskan token tanpa akhir

• Persaingan AI di Tiongkok sedang makin panas
  Saya menantikan apa yang akan dirilis Anthropic dan OpenAI berikutnya