.webp){kind=small}
A famosa equipe Qwen de pesquisadores de IA da gigante chinesa de comércio eletrônico e nuvem Alibaba revelou na noite passada o Qwen3.8-Max, um novo modelo multimodal de linguagem grande (LLM) de mistura de especialistas (MoE) de 2,4 trilhões de parâmetros que visa um dos cantos mais competitivos do mercado de IA de fronteira: engenharia de software autônoma e trabalho empresarial de longo horizonte.
Se os benchmarks publicados pela empresa se mantiverem sob testes independentes mais amplos, o Qwen3.8-Max não competirá apenas com os principais modelos proprietários da atualidade – ele superará vários deles em alguns benchmarks importantes na computação agente.
Mais notavelmente, Qwen relata que Qwen3.8-Max obteve pontuação de 86,1 no benchmark OSWorld-Verified, medindo quão bem à frente de GPT-5.6 Sol Max (83,2) e Fable 5 (85,0), ao mesmo tempo em que postou a pontuação mais alta relatada no PaperBench e liderando ou permanecendo altamente competitivo em engenharia de software, reprodução de pesquisa, raciocínio multimodal e benchmarks de desenvolvimento visual da web.
O lançamento também sinaliza uma mudança estratégica potencialmente significativa para o Alibaba: a empresa afirma que os pesos em aberto para Qwen3.8-Max serão lançados na próxima semana, juntamente com Qwen3.8-27B.
Se isso acontecer sob uma licença permissiva, representaria a primeira vez que um modelo Qwen da classe Max ficaria disponível para implantação auto-hospedada – uma mudança que poderia remodelar substancialmente a adoção empresarial.
Uma advertência importante permanece, no entanto: o Alibaba ainda não divulgou os termos de licenciamento, deixando aberta a possibilidade de que o lançamento possa usar uma licença personalizada mais restritiva, como vimos recentemente com o modelo de fronteira aberta Kimi K3 do rival chinês Moonshot, em vez de um modelo amplamente permissivo como o Apache 2.0.
Uma definição diferente de 'fronteira'
Durante o ano passado, o cenário competitivo para modelos de fundação se tornou cada vez mais especializado.
A OOpenAI concentrou amplamente sua série GPT no raciocínio geral, na interação multimodal e na produtividade empresarial.
A série Claude da Anthropic enfatizou a codificação e o raciocínio confiável de longo contexto. O Google continua impulsionando a Gemini em direção à produtividade multimodal e fluxos de trabalho nativos da web.
Kimi K3 da Moonshot AI recentemente entrou na conversa combinando desempenho de classe de fronteira com um lançamento de peso aberto.
Qwen3.8-Max tenta combinar muitos desses pontos fortes em um único modelo voltado diretamente para a automação empresarial.
Em vez de enfatizar a inteligência conversacional, a Alibaba está posicionando o modelo como um colega de trabalho autônomo, capaz de executar projetos que duram dias em vez de minutos.
De acordo com a empresa, o Qwen3.8-Max pode concluir de forma autônoma projetos de software com duração superior a 10 dias, reproduzir trabalhos de pesquisa envolvendo milhares de linhas de código, realizar otimização iterativa do design do chip e revisar continuamente os planos usando ciclos de feedback multimodais.
Essas demonstrações continuam a ser produzidas pelas empresas e ainda não foram amplamente replicadas por avaliadores independentes. No entanto, ilustram uma tendência crescente da indústria: os modelos de fronteira competem cada vez mais na sua capacidade de concluir fluxos de trabalho inteiros, em vez de responder a solicitações individuais.
Benchmarks recompensam cada vez mais a execução autônoma
O conjunto de benchmarks lançado junto com o Qwen3.8-Max reflete essa mudança.
Em vez de se concentrar apenas em exames de raciocínio tradicionais ou em quebra-cabeças de codificação, muitas das avaliações destacadas medem a execução em longo prazo.
No OSWorld-Verified, que avalia agentes de uso de computador interagindo com ambientes de desktop, Qwen3.8-Max registra 86,1, à frente de 83,2 do GPT-5.6 Sol Max, 85,0 do Fable 5 e 76,2 do Gemini 3.1 Pro.
O modelo também lidera:
Banco de papel: 93,0
TerminalBench 2.1: 86,6
Visão2Web: 69,0
Em outros lugares, permanece competitiva com líderes proprietários, ao mesmo tempo que perde em diversas categorias.
No benchmark de engenharia de software profissional SWE-Pro, por exemplo, o modelo da OOpenAI apresenta a pontuação mais alta relatada, enquanto o Opus 4.8 continua a liderar em certas avaliações de engenharia de software e no Último Exame dos Agentes.
Em vez de dominar todos os benchmarks, Qwen parece oferecer um dos perfis de desempenho mais amplos e equilibrados disponíveis atualmente.
Esse equilíbrio pode, em última análise, ser mais importante para os compradores empresariais do que vitórias isoladas em benchmarks.
Muitas organizações avaliam cada vez mais modelos com base na confiabilidade com que completam fluxos de trabalho heterogêneos – escrever código, ler documentos, navegar em interfaces, gerar relatórios, inspecionar imagens e coordenar múltiplas subtarefas – em vez de otimizar para um recurso restrito.
Onde Qwen3.8-Max parece mais forte
Supondo que os resultados publicados do Alibaba se traduzam em implantações de produção, várias cargas de trabalho empresariais se destacam como particularmente adequadas para o Qwen3.8-Max.
1. Engenharia de software de longa duração
A principal demonstração do Alibaba envolve o desenvolvimento autônomo de software que se estende por mais de dez dias.
Embora as empresas devam tratar essas demonstrações como reivindicações do fornecedor até serem reproduzidas de forma independente, elas se alinham com um interesse crescente em agentes de codificação persistentes que operam continuamente, em vez de interativamente.
As organizações que fazem experiências com equipes de engenharia autônomas, automação de CI/CD, manutenção de repositórios, testes de regressão ou implementação de recursos podem achar o Qwen particularmente atraente se seu desempenho de agente for consistente fora dos ambientes de laboratório.
2. Agentes de uso de computador
O diferenciador mais forte pode ser o uso do computador.
O OSWorld se tornou rapidamente um dos benchmarks mais observados da indústria porque mede a capacidade de um modelo interagir com sistemas operacionais em vez de simplesmente gerando texto.
Modelos capazes de navegar de forma confiável em software de desktop podem automatizar inúmeros processos de negócios repetitivos, incluindo processamento de documentos, integração de software empresarial, operações internas e fluxos de trabalho legados onde APIs podem não existir.
Liderar o OSWorld poderia, portanto, traduzir-se em vantagens operacionais reais se o desempenho do benchmark fosse generalizado para ambientes de produção.
3. Automação de pesquisa
A liderança da Qwen no PaperBench sugere um forte potencial para organizações que realizam computação científica, revisão de literatura, reprodução de experimentos e análise técnica.
Instituições de pesquisa, empresas farmacêuticas e equipes industriais de P&D utilizam cada vez mais LLMs não apenas para resumo, mas também para execução de fluxos de trabalho computacionais reproduzíveis. Modelos capazes de manter o contexto em sessões estendidas tornam-se cada vez mais valiosos nesses ambientes.
4. Fluxos de trabalho industriais multimodais
Ao contrário dos sistemas multimodais anteriores que analisam principalmente imagens carregadas, Qwen descreve a visão como um mecanismo de feedback contínuo integrado ao planejamento e execução.
Essa arquitetura pode ser particularmente útil na fabricação, logística, inspeção de engenharia e revisão de projetos, onde as informações visuais informam continuamente as decisões operacionais, em vez de servirem como avisos isolados.
A economia pode ser igualmente importante
Talvez a maior pressão competitiva não venha das pontuações de benchmark, mas dos preços por meio da interface de programação de aplicativos (API) da Qwen no QwenCloud (com sede na China):
Qwen3.8-Max é lançado a US$ 2/US$ 6 por milhão de tokens de entrada/saída, um modelo de preço médio, mas que supera as principais ofertas proprietárias dos EUA, às quais é comparado por porcentagens significativas, menos de 1/3 do preço combinado de entrada/saída de Claude Opus 5 e menos de 1/4 do preço do GPT-5.6 Sol Max.
MiniMax-V2.5 Flash deepseek-v4-flash deepseek-v4-pro
LongCat-2.0 – promoção por tempo limitado
Gemini 3.1 Flash-Lite
Gemini 3.5 Flash-Lite
LongCat-2.0 – padrão
MiniMax-V2.5 Pro (≤256K)
MiniMax-V2.5 Pro (>256K)
Gemini 3.6 Flash
Gemini 3.5 Flash
Pré-visualização do Gemini 3.1 Pro (≤200K)
GPT-5.5 Instant (chat mais recente)
Sakana Fugu Ultra (≤272K)
GPT-5.6 Sol — Modo padrão
Claude Sonnet 5 / Claude Haiku 5
GPT-5.6 Sol – Modo rápido
Os custos de inferência mais baixos são cada vez mais importantes porque os sistemas de agente consomem dramaticamente mais tokens do que os chatbots convencionais – uma realidade que provavelmente foi levada em consideração na decisão da OOpenAI no final da semana passada de reduzir os preços da API de sua linha de modelos GPT-5.6 de gama média e baixa (Terra e Luna) em 20% e 80%, respectivamente.
Na verdade, como podem atestar aqueles que executam esses sistemas, fluxos de trabalho autônomos de várias horas, planejamento iterativo e autocorreção contínua podem gerar milhões de tokens durante uma única tarefa.
| ℹ️ | Nota do editor: O AR NEWS 24H publica conteúdos baseados em fontes externas. As informações e opiniões presentes no material original são de responsabilidade de seus respectivos autores. Este conteúdo foi traduzido e adaptado para o português do Brasil com o auxílio de ferramentas automatizadas. |
