Alibaba выпустила из превью Qwen 3.8-Max 🇨🇳

А на следующей неделе они пообещали выложить веса в опенсорс. И вытворяет эта штука в автономных долгоживущих агентах (long-horizon tasks) весьма серьезные вещи:

1️⃣ Автономная разработка на 10+ дней подряд. Модели дали задачу с нуля построить проект oh-my-cli. 16 дней без какого-либо участия человека: от обработки GitHub Issues до ревью, автотестов, E2E и самоисправления багов. На выходе — 265 коммитов и 127 замердженных PR. Модель сама себе строила тест-стенды и чинила упавшие билды.

2️⃣ Воспроизведение и УЛУЧШЕНИЕ научных статей: Qwen 3.8-Max скармили свежий пейпер по Data Selection для ML. За 125 часов работы модель с нуля написала 7 600 строк кода, прогнала 33 цикла обучения на GPU, сгенерировала 18 собственных гипотез и изобрела новый метод отбора данных, который переплюнул результаты авторов оригинальной статьи (+2.7 балла на бенчмарке AIME24).

3️⃣ Низкоуровневый чип-дизайн. Модель прогнали через полный цикл проектирования кристаллов (RTL → Yosys → OpenROAD). Без подсказок и готовых шаблонов Qwen за 500 итераций отрефакторила архитектуру крипто-ускорителя, уменьшив площадь схемы с 8 298 гейтов до 678 (минус 81% площади на физическом лейауте чипа) с сохранением полной корректности.

4️⃣ Нативный гибрид GUI и кода. Модели дали возможность не просто писать код, но и взаимодействовать с интерфейсами (Linux, macOS, Android, Web). Она пишет скрипт, сама запускает приложение, смотрит на него «глазами» через мультимодальный фидбек-луп и сама фиксит верстку или баги в логике.

Я превью версию уже давно активно использую в чатике, теперь и релиз там доступен. Из китайцев пока вроде лидер, ждем Deepseek V4 Pro новый ☕️