مرداد
اخبار
Qwen3.8-Max؛ غول ۲.۴ تریلیونی علی‌بابا که پا به پای کلود می‌دود
علی‌بابا با رونمایی از Qwen3.8-Max، مدلی با ۲.۴ تریلیون پارامتر، فاصله‌ی خود را با غول‌های آمریکایی هوش مصنوعی به کم‌ترین حد رسانده و طبق بنچمارک‌های اولیه فقط یک پله از Claude Fable 5 آنتروپیک عقب‌تر ایستاده است.
لیست مطالب
۱. عرضه‌ی Qwen3.8-Max؛ چه اتفاقی افتاد؟
تیم Qwen وابسته به علی‌بابا در روزهای اخیر مرداد ۱۴۰۵ (اوایل آگوست ۲۰۲۶)، نسخه‌ی پیش‌نمایش Qwen3.8-Max را معرفی کرد؛ مدلی که به گفته‌ی این شرکت اولین محصول علی‌بابا است که از مرز تریلیون پارامتر عبور می‌کند. دسترسی اولیه به این مدل از طریق پلتفرم‌های توسعه‌دهندگان مانند Token Plan و Qoder فراهم شده و کاربران عادی هنوز باید منتظر بمانند تا نسخه‌ی نهایی و عمومی آن در دسترس قرار گیرد. این رونمایی درست چند روز پس از عرضه‌ی مدل متن‌باز Kimi K3 توسط Moonshot AI اتفاق افتاد؛ روندی که نشان می‌دهد شرکت‌های چینی با سرعتی بی‌سابقه در حال رقابت با یکدیگر و با غول‌های آمریکایی هستند. برای آشنایی بیشتر با این رقابت جهانی، می‌توانید سری اخبار هوش مصنوعی اخبار روز هوش مصنوعی در سایت ما را دنبال کنید.
۲. مشخصات فنی: ۲.۴ تریلیون پارامتر یعنی چه؟
Qwen3.8-Max بر پایه‌ی معماری Mixture-of-Experts یا به‌اختصار MoE ساخته شده است. در این معماری، برخلاف مدل‌های «متراکم» سنتی، کل شبکه‌ی عصبی برای پردازش هر درخواست فعال نمی‌شود؛ بلکه تنها بخشی از «متخصص‌ها» (experts) بسته به نوع ورودی انتخاب و فعال می‌شوند. این مدل به‌صورت چندوجهی (multimodal) طراحی شده، یعنی می‌تواند علاوه بر متن، ورودی‌های تصویری و داده‌های دیگر را نیز پردازش کند. عدد ۲.۴ تریلیون پارامتر، به کل ظرفیت شبکه اشاره دارد، نه لزوماً بخشی که در هر لحظه درگیر پاسخ‌گویی است؛ نکته‌ای که در بخش‌های بعدی همین مقاله به آن بازمی‌گردیم. اگر با مفهوم پرامپت‌نویسی و نحوه‌ی تعامل بهینه با این نوع مدل‌ها آشنا نیستید، راهنمای نوشتن پرامپت برای مبتدیان نقطه‌ی شروع خوبی است.
۳. مقایسه با Claude Fable 5 آنتروپیک
نکته‌ای که بیشترین توجه رسانه‌ها را به خود جلب کرده، جایگاه Qwen3.8-Max در بنچمارک‌های داخلی است. بر اساس گزارش‌های منتشرشده، این مدل درست پشت سر Claude Fable 5 محصول آنتروپیک قرار گرفته و در برخی سنجه‌ها فاصله‌ی بسیار کمی با آن دارد. این موضوع به معنای آن است که یک مدل چینی و متن‌باز، از نظر عملکرد خام، در حال نزدیک شدن به یکی از پیشرفته‌ترین مدل‌های بسته‌ی جهان است. بلومبرگ نیز در گزارشی این حرکت را نشانه‌ای از کوچک‌تر شدن فاصله‌ی فناورانه‌ی چین با شرکت‌هایی مانند OpenAI و Google DeepMind توصیف کرده است. برای درک بهتر تفاوت رویکرد مدل‌های مختلف در حل مسائل واقعی، مقاله‌ی مقایسه‌ی ChatGPT و DeepSeek در شطرنج را نیز بخوانید.
۴. نکته‌ی مهم: پارامتر کل در برابر پارامتر فعال
پیش از آنکه هیجان‌زده شویم، باید به یک هشدار فنی مهم توجه کرد. در معماری‌های MoE، عدد «۲.۴ تریلیون پارامتر» به‌تنهایی گمراه‌کننده است، چون تنها بخشی از این پارامترها در هر درخواست فعال می‌شوند. علی‌بابا تاکنون عدد دقیق «پارامترهای فعال» (active parameters) این مدل را اعلام نکرده و همین موضوع مقایسه‌ی مستقیم و منصفانه با رقبای غربی را دشوار می‌کند. به بیان دیگر، بزرگ بودن یک مدل روی کاغذ، لزوماً به معنای برتری عملکردی تضمین‌شده در همه‌ی کاربردها نیست. تحلیل‌گران معتقدند تنها با انتشار بنچمارک‌های مستقل و شفاف‌سازی بیشتر می‌توان قضاوت دقیقی درباره‌ی جایگاه واقعی این مدل داشت. برای دیدن تصویر واقع‌بینانه‌تری از توانایی و محدودیت‌های فناوری هوش مصنوعی امروز، پیشنهاد می‌کنیم مقاله‌ی پتانسیل واقعی و محدودیت‌های هوش مصنوعی را مطالعه کنید.
۵. جنگ قیمت؛ تخفیف تا ۹۰ درصد روی API
در کنار ادعاهای فنی، علی‌بابا حرکتی تهاجمی در حوزه‌ی قیمت‌گذاری انجام داده است. طبق گزارش‌ها، دسترسی به API این مدل با تخفیف‌هایی تا سقف ۹۰ درصد نسبت به قیمت استاندارد عرضه شده است. این استراتژی می‌تواند برای شرکت‌های ارائه‌دهنده‌ی مدل‌های بسته و گران‌قیمت بسیار مخرب باشد، چرا که توسعه‌دهندگان و کسب‌وکارهای کوچک‌تر انگیزه‌ی قوی‌تری برای مهاجرت به گزینه‌های ارزان‌تر و متن‌باز پیدا می‌کنند. کارشناسان هشدار داده‌اند که این روند می‌تواند مدل درآمدی شرکت‌های آمریکایی را در میان‌مدت تحت فشار قرار دهد. اگر می‌خواهید بدانید هوش مصنوعی چه تأثیری بر کسب‌وکار شما می‌گذارد و چرا انتخاب مدل درست اهمیت دارد، مقاله‌ی اهمیت هوش مصنوعی در کسب‌وکار ۲۰۲۵ راهنمای خوبی است.
۶. زمینه‌سازی: از Kimi K3 تا Qwen3.8-Max؛ موج مدل‌های چینی
Qwen3.8-Max در خلأ ظاهر نشده است. تنها چند روز پیش، Moonshot AI با انتشار Kimi K3 به‌عنوان یکی از بزرگ‌ترین مدل‌های متن‌باز جهان، توجه زیادی را به خود جلب کرد. پیش از آن نیز شرکت‌هایی مانند Meituan با LongCat و آزمایشگاه‌های دیگر چینی، مدل‌های بزرگ خود را روانه‌ی بازار کرده بودند. این توالی سریع نشان می‌دهد رقابت هوش مصنوعی دیگر یک میدان دو نفره میان چند شرکت آمریکایی نیست، بلکه اکوسیستمی چندقطبی با بازیگران قدرتمند آسیایی شکل گرفته است. برنامه‌ریزی برای انتشار وزن‌های آزاد Qwen3.8-Max در هفته‌ی آینده، این مدل را به یکی از بزرگ‌ترین مدل‌های در دسترس عموم تبدیل خواهد کرد. نکته‌ی جالب این است که فاصله‌ی زمانی میان عرضه‌ی مدل‌های بزرگ چینی هر بار کوتاه‌تر می‌شود؛ روندی که برخی تحلیل‌گران آن را «چرخه‌ی تسلیحاتی هوش مصنوعی» در آسیا نامیده‌اند. هر شرکت به‌محض دیدن پیشرفت رقیب داخلی خود، عرضه‌ی محصول بعدی را جلو می‌اندازد و همین موضوع سرعت نوآوری در این منطقه را به‌شدت بالا برده است.
۷. چرا انتشار «وزن‌های آزاد» اهمیت دارد؟
وقتی از «وزن‌های آزاد» یا open weights صحبت می‌کنیم، منظور این است که فایل‌های اصلی مدل، پس از آموزش، در اختیار عموم قرار می‌گیرد تا هرکسی بتواند آن را روی زیرساخت خودش اجرا، تنظیم دقیق (fine-tune) یا حتی تجاری‌سازی کند؛ برخلاف مدل‌های بسته مانند بسیاری از محصولات آمریکایی که تنها از طریق API قابل دسترسی هستند. این تفاوت رویکرد، پیامدهای مهمی دارد: نخست، توسعه‌دهندگان مستقل و استارتاپ‌های کوچک می‌توانند بدون پرداخت هزینه‌ی هنگفت API، مدل را روی سرورهای خود اجرا کنند. دوم، پژوهشگران امکان بررسی دقیق‌تر رفتار مدل و شناسایی نقاط ضعف امنیتی یا سوگیری‌های احتمالی را پیدا می‌کنند. سوم، وابستگی کامل بازار به چند شرکت بزرگ کاهش می‌یابد و رقابت سالم‌تری شکل می‌گیرد. البته این آزادی مسئولیت‌هایی نیز به همراه دارد، از جمله احتمال سوءاستفاده از مدل‌های قدرتمند بدون محدودیت‌های ایمنی‌ای که شرکت‌های ارائه‌دهنده‌ی API معمولاً روی محصولات خود اعمال می‌کنند.
۸. واکنش بازار و سهام علی‌بابا
بازارهای مالی نیز نسبت به این خبر واکنش نشان دادند؛ سهام علی‌بابا در پی این اعلام با رشدی محسوس همراه شد. تحلیل‌گران معتقدند بازار پیش‌تر ارزش کامل پیشرفت‌های اخیر شرکت‌های چینی در هوش مصنوعی را در قیمت‌ها لحاظ نکرده بود و این رونمایی می‌تواند بازنگری در ارزش‌گذاری این شرکت‌ها را به دنبال داشته باشد. با این حال، تا زمانی که بنچمارک‌های مستقل و کاربرد واقعی این مدل در پروژه‌های واقعی به اثبات نرسد، بسیاری از سرمایه‌گذاران محتاطانه به این موضوع نگاه می‌کنند.
۹. این خبر برای کاربران فارسی‌زبان چه معنایی دارد؟
برای توسعه‌دهندگان و کسب‌وکارهای فارسی‌زبان، عرضه‌ی مدل‌های متن‌باز قدرتمند و ارزان‌تر مانند Qwen3.8-Max فرصتی برای دسترسی گسترده‌تر به فناوری‌های پیشرفته با هزینه‌ی کمتر است. با این حال، انتخاب مدل مناسب همیشه باید بر اساس نیاز واقعی پروژه انجام شود، نه صرفاً بر اساس عدد پارامترها یا تبلیغات بازاریابی.
نکاتی برای انتخاب مدل مناسب پروژه شما
پیش از مهاجرت به هر مدل جدیدی، بهتر است عملکرد آن را در سناریوهای واقعی خودتان بسنجید، نه فقط بنچمارک‌های رسمی شرکت‌ها. همچنین توجه به هزینه‌ی واقعی نگه‌داری زیرساخت، کیفیت مستندسازی و پشتیبانی جامعه‌ی توسعه‌دهندگان اهمیت زیادی دارد. برای جلوگیری از سردرگمی در میان انبوه ابزارها و ادعاهای بازاریابی، مطالعه‌ی مقاله‌ی توهم هوش مصنوعی؛ توسعه‌دهنده‌ی تنها در برابر مهندس واقعی می‌تواند دیدی واقع‌بینانه به شما بدهد.
۱۰. پرسش‌های متداول
آیا Qwen3.8-Max از Claude یا ChatGPT بهتر است؟ بر اساس بنچمارک‌های اولیه‌ی داخلی، این مدل به Claude Fable 5 نزدیک است، اما تا انتشار ارزیابی‌های مستقل نمی‌توان با قطعیت آن را «بهتر» دانست. برای آشنایی با جایگاه OpenAI در این میدان رقابتی، مقاله‌ی OpenAI چیست؟ را بخوانید.
وزن‌های آزاد این مدل چه زمانی منتشر می‌شود؟ طبق برنامه‌ی اعلام‌شده، انتشار عمومی و متن‌باز آن حدود یک هفته پس از معرفی اولیه انجام خواهد شد.
آیا استفاده از این مدل برای کاربران عادی هم‌اکنون ممکن است؟ در حال حاضر دسترسی محدود به توسعه‌دهندگان از طریق پلتفرم‌هایی مانند Token Plan و Qoder است؛ دسترسی عمومی‌تر پس از انتشار نهایی فراهم خواهد شد. برای یادگیری کار عملی با ابزارهای مشابه، آموزش‌های آموزش ChatGPT در سایت ما را ببینید.
آیا تخفیف ۹۰ درصدی روی API همیشگی است؟ معمولاً این نوع تخفیف‌ها در مرحله‌ی معرفی و جذب کاربر اولیه اعمال می‌شود و ممکن است در آینده با تعدیل قیمت رسمی جایگزین شود؛ بنابراین برای برنامه‌ریزی بلندمدت پروژه‌های تجاری بهتر است روی قیمت‌های نهایی و رسمی حساب باز کنید.
نسخهٔ فوری این مطلب در تلگرام: اینجا بخوانید
