Alibaba baru saja memperkenalkan Qwen3.8-Max sebagai model AI terbarunya yang terbilang cukup ambisius. Model ini langsung mencuri perhatian setelah berhasil menempati posisi kelima di Text Arena. Tidak hanya itu, Qwen3.8-Max juga meraih peringkat kedua di Vision Arena. Dua capaian tersebut menunjukkan bahwa model ini cukup kompetitif di kancah global.
Dari sisi arsitektur, Qwen3.8-Max dibangun di atas fondasi model Qwen 3.5 yang sudah ada sebelumnya. Model ini mengadopsi arsitektur Sparse Mixture-of-Experts yang dipadukan dengan mekanisme hybrid attention. Total parameternya mencapai angka fantastis 2,4 triliun, namun hanya 95 miliar yang aktif saat inferensi. Pendekatan ini membuat beban komputasi dan latensi jauh lebih ringan dibanding model dense konvensional.
Inovasi arsitektur tersebut bukan sekadar angka di atas kertas. Kombinasi skala besar dan efisiensi tinggi memungkinkan Qwen3.8-Max menangani tugas kompleks dengan lebih gesit. Alibaba tampaknya ingin membuktikan bahwa model besar tidak harus selalu lambat dan boros sumber daya.
Di bidang coding, Qwen3.8-Max menempati peringkat keempat di Frontend Code Arena. Posisi ini mencerminkan kemampuannya mengembangkan kode secara mandiri tanpa intervensi manusia dalam jangka panjang. Dalam pengujian internal, model ini menyelesaikan proyek rekayasa perangkat lunak selama 16 hari penuh.
Hasil dari proyek marathon tersebut adalah framework AI agent bernama oh-my-cli. Framework ini kini sudah tersedia sebagai proyek open-source di GitHub dan bisa diakses siapa saja. Selama proses pembangunannya, Qwen3.8-Max memanfaatkan masukan pengguna serta praktik terbaik dari komunitas secara berulang.
Menariknya, kemampuan model ini ternyata tidak berhenti di urusan otomatisasi coding saja. Qwen3.8-Max juga mampu mereplikasi eksperimen riset ilmiah dan bahkan mengembangkan metode baru. Beberapa hasilnya diklaim melampaui temuan penelitian yang sudah dipublikasikan sebelumnya.
Model ini juga berhasil mengungguli peserta manusia di ajang WWW2025 Multimodal Dialogue Intent Recognition Challenge. Dalam kompetisi tersebut, Qwen3.8-Max menunjukkan kepiawaiannya menganalisis transkrip layanan pelanggan secara akurat. Ia mampu memahami kebutuhan pengguna yang kompleks tanpa banyak kesulitan.
Untuk tugas dunia nyata, cakupan Qwen3.8-Max terbilang sangat luas dan beragam. Mulai dari perancangan aplikasi, tinjauan dokumen legal, hingga analisis olahraga dan riset keuangan. Model ini juga bisa menangani pengembangan konsep kuliner serta pemodelan arsitektur tiga dimensi.
Kemampuan perencanaan mandiri di tingkat sistem menjadi salah satu keunggulan utamanya. Qwen3.8-Max juga dibekali pembelajaran adaptif end-to-end dalam satu siklus untuk tugas bertahap. Hal ini membuatnya cukup andal menangani pekerjaan dengan banyak batasan sekaligus.
Sebagai model multimodal, Qwen3.8-Max mampu mengolah informasi visual menjadi pengetahuan yang interaktif. Ia bisa memproses dokumen ratusan halaman hingga siaran langsung berdurasi 100 jam. Semua konten itu lalu diubah menjadi basis pengetahuan yang mudah ditelusuri oleh pengguna.
Model ini juga bisa mengubah video pribadi menjadi vlog profesional secara otomatis. Bahkan ia mampu membangun ulang proyek frontend hanya dari satu tangkapan layar antarmuka. Denah dua dimensi pun bisa dikonversi menjadi visualisasi interior tiga dimensi yang utuh. Qwen3.8-Max juga dapat membuat permainan interaktif langsung dari perintah bahasa alami.
Untuk membuktikan semua kemampuan tersebut, Alibaba memperkenalkan tolok ukur bernama RecreationBench. Tolok ukur ini menguji kemampuan model merekonstruksi aplikasi melalui proses kompleks dan bertahap. Tanpa akses internet maupun kode sumber, Qwen3.8-Max berhasil membangun ulang aplikasi hanya lewat interaksi visual. Hasil ini menegaskan posisinya sebagai AI agent hibrida yang cukup tangguh di kelasnya.
