#ia #dev #programação #ferramentas
Alibaba atualiza Qwen3.8-Max com foco em código e agentes — cache a US$ 0,17 por milhão de tokens
A Alibaba liberou nesta quarta-feira (2) uma nova versão do seu modelo carro-chefe hospedado. O Qwen3.8-Max-0902 é um snapshot atualizado do Qwen3.8-Max — o modelo MoE de 2,4 trilhões de parâmetros (com cerca de 95 bilhões ativados por token) — que recebeu pós-treinamento adicional focado em coding, trabalho colaborativo de agentes e tarefas de longo horizonte.
O rótulo escolhido pela equipe Qwen para essa direção é “Coding & Cowork”: em vez de mexer na arquitetura, a atualização tenta extrair mais desempenho do modelo existente em situações que exigem várias etapas — como desenvolver projetos de engenharia inteiros, coordenar múltiplas ferramentas e levar uma tarefa até a entrega final.
O que muda na prática
A Alibaba destaca três frentes principais:
- Coding em escala de engenharia: trabalho em projetos maiores, geração de aplicações completas e manutenção de progresso em tarefas longas de desenvolvimento.
- Trabalho colaborativo de agentes: coordenação de várias ferramentas, gestão de etapas intermediárias e execução até o entregável final.
- Compreensão multimodal: leitura de gráficos, parsing de documentos e raciocínio sobre imagens e vídeo junto com texto.
A janela de contexto de 1 milhão de tokens permanece no serviço hospedado — espaço suficiente para múltiplos repositórios de código, documentos de arquitetura e longos históricos de agentes numa única requisição. (A versão de pesos abertos suporta 262.144 tokens nativamente, extensível a ~1,01 milhão com YaRN.)
Há um sinal externo inicial de que o coding melhorou: no leaderboard Code Arena WebDev, o Qwen3.8-Max-0902 marca 1691 ±19, contra 1669 ±16 da versão anterior — resultado preliminar que o coloca perto do topo da lista geral.
Preços pensados para agentes
O QwenCloud mantém uma tabela agressiva para um modelo dessa escala:
| Categoria de token | Preço por 1M de tokens |
|---|---|
| Entrada padrão | US$ 2,00 |
| Saída | US$ 6,00 |
| Criação de cache explícito | US$ 2,50 |
| Cache explícito (hit) | US$ 0,17 |
| Cache implícito (hit) | US$ 0,25 |
O preço baixo de leitura de cache é especialmente relevante para sistemas de agentes: um agente de programação pode reutilizar documentação do repositório, instruções de arquitetura e fontes compartilhadas enquanto só muda a tarefa corrente — o que derruba o custo de rodadas repetidas de contexto pesado. Vale o aviso: cache exige prefixos de prompt estáveis e, no cache explícito, expira em cerca de cinco minutos sem um novo hit.
A API é compatível com o padrão OpenAI (Chat Completions), aceita texto, imagem e vídeo como entrada e oferece modos com e sem thinking. Para quem quer reprodutibilidade, o modelo pode ser fixado como qwen3.8-max-0902 (ou qwen3.8-max-2026-09-02); o alias qwen3.8-max agora aponta para esse snapshot.
Pesos abertos? Depende
Detalhe importante: os pesos abertos do Qwen3.8-2.4T-A95B (a base do modelo) já estão disponíveis no Hugging Face e no GitHub. Mas o Qwen3.8-Max-0902 em si é um snapshot hospedado — a Alibaba não listou um checkpoint separado para download. Ou seja: dá para rodar localmente a base aberta, mas sem garantia de comportamento idêntico ao serviço.
Minha opinião: o 0902 é mais interessante como atualização de comportamento do que de especificação — não cresceu em parâmetros nem em contexto, mas tentou ensinar o modelo a trabalhar melhor em fluxos longos de agentes. O ponto de atenção é que as evidências públicas mais fortes (Code Arena) são preliminares e concentradas em desenvolvimento web; para uso corporativo e científico, ainda falta avaliação específica da Alibaba.
Fonte: Zeniteq