بزرگ‌ترین و توانمندترین مدل هوش مصنوعی چینی رونمایی شد + تصویر

شرکت چینی علی‌بابا از مدل هوش مصنوعی Qwen3.8-Max با ۲.۴ تریلیون پارامتر برای برنامه‌نویسی، پژوهش، انجام کارهای حرفه‌ای، پردازش محتوای چندوجهی و اجرای وظایف طولانی‌مدت رونمایی کرد.

به گزارش سرویس هوش مصنوعی تک‌ناک، تیم Qwen این محصول را توانمندترین مدل خانواده خود تا امروز معرفی کرده است و قصد دارد وزن‌های آن را نیز به‌ صورت متن‌باز منتشر کند.

مدل هوش مصنوعی Qwen3.8-Max بر پایه معماری Qwen3.5 توسعه یافته است. این مدل ۲.۴ تریلیون پارامتر دارد که ۹۵ میلیارد پارامتر آن در هر مرحله فعال می‌شوند. علی‌بابا اعلام کرده است که مدل جدید در مقایسه با نسل قبلی، پیشرفت جامعی در برنامه‌نویسی، کارهای سازمانی، پژوهش، وظایف چندمرحله‌ای و مأموریت‌های بلندمدت ارائه می‌کند. همچنین این شرکت تأکید کرده است که Qwen3.8-Max می‌تواند وظایف پیچیده را از ابتدا تا انتها با دخالت محدود انسان انجام دهد و خروجی‌های قابل استفاده تولید کند.

01
از 06
تمرکز بر برنامه‌نویسی خودکار و پروژه‌های چندروزه

یکی از مهم‌ترین محورهای معرفی Qwen3.8-Max، توانایی این مدل در انجام پروژه‌های نرم‌افزاری طولانی‌مدت است. تیم Qwen برای ارزیابی این قابلیت، مدل را در چند پروژه واقعی و پیچیده آزمایش کرده است. در یکی از این آزمایش‌ها، Qwen3.8-Max مأمور شد پروژه oh-my-cli را از ابتدا ایجاد کند و یک سامانه خودتکامل‌یابنده برای مدیریت فرایند توسعه نرم‌افزار بسازد.

این مدل هوش مصنوعی چینی طی بیش از ۱۰ روز فعالیت مداوم، سامانه‌ای ایجاد کرد که بازخورد کاربران، تجربه‌های جامعه توسعه‌دهندگان و نتایج آزمون‌های داخلی را در یک چرخه مهندسی واحد قرار می‌داد. در این فرایند، نیازهای جدید به Issue تبدیل می‌شدند. عامل‌های هوش مصنوعی آنها را دریافت می‌کردند و پس از تکمیل کدنویسی، آزمون‌های خودکار، بررسی‌های CI و ارزیابی نهایی اجرا می‌شد.

این پروژه پس از حدود ۱۶ روز فعالیت کاملا خودکار به ۲۶۵ کامیت، ۱۲۷ درخواست ادغام و ۱۵۱ Issue رسید. تیم Qwen این آمار را نشانه‌ای از توانایی مدل در حفظ تمرکز، اصلاح خطاها و ادامه توسعه نرم‌افزار در یک بازه زمانی طولانی می‌داند.

مدل Qwen3.8-Max در آزمایشی دیگر مأمور شد مقاله پژوهشی «انتخاب یکپارچه داده برای استدلال مدل‌های زبانی بزرگ» را بازتولید کند. این مدل تنها مقاله و مجموعه‌ای از پردازنده‌های گرافیکی را در اختیار داشت و هیچ کد اولیه یا خط لوله آماده‌ای دریافت نکرد.

این مدل طی حدود ۱۲۵ ساعت فعالیت مداوم، نزدیک به ۷۶۰۰ خط کد نوشت، بیش از ۱۱۰۰ اقدام انجام داد و ۳۳ مرحله آموزش روی پردازنده‌های گرافیکی اجرا کرد. Qwen3.8-Max ابتدا خط لوله کامل مقاله را بازسازی کرد و سپس شش نتیجه اصلی پژوهش را دوباره به دست آورد.

مدل Qwen3.8-Max پس از بازتولید مقاله، روند بهبود خودکار را آغاز کرد. این مدل طی چهار مرحله، ۱۸ ایده جدید را آزمایش کرد و نتایج هر مرحله را برای طراحی مرحله بعد به کار گرفت. این فرایند در نهایت به روشی منجر شد که در بنچمارک ریاضی AIME24، حدود ۲.۷ امتیاز بهتر از روش اصلی مقاله عمل کرد.

همچنین علی‌بابا این مدل را در رقابت WWW2025 Multimodal Dialogue Intent Recognition Challenge شرکت داد. در این رقابت، ۵۲۶ تیم انسانی حضور داشتند. Qwen3.8-Max باید متن مکالمات خدمات مشتریان و تصاویر مرتبط را تحلیل می‌کرد و هدف کاربر را تشخیص می‌داد.

این مدل هوش مصنوعی چینی طی ۲۴ ساعت، چند مدل زبانی و بینایی را آموزش داد و آنها را در یک سامانه رأی‌گیری ترکیب کرد. دقت مدل پس از ۴۵ بار ارسال پاسخ از ۰.۶۰ به ۰.۸۵۳ رسید. Qwen3.8-Max با این نتیجه از ۴۵۸ تیم انسانی پیشی گرفت و در میان ۱۳ درصد برتر رقابت قرار گرفت.

بیشتر بخوانید: گوگل مدل هوش مصنوعی Lyria 3.5 را برای تولید موسیقی معرفی کرد

02
از 06
کاربرد در مشاغل حرفه‌ای و فرایندهای سازمانی

نمودار روند بهبود عملکرد Qwen3.8-Max در رقابت WWW 2025 که افزایش دقت مدل را در ۴۵ مرحله ارسال و عملکرد آن در مقایسه با تیم‌های انسانی و مدل‌های رقیب نمایش می‌دهد

شرکت علی‌بابا بیان کرده که Qwen3.8-Max تنها برای برنامه‌نویسی طراحی نشده است. این مدل در مجموعه‌ای از وظایف حرفه‌ای نیز آزمایش شده است. حوزه‌های حقوق، طراحی، مهندسی، پزشکی، ورزش و مدیریت کسب‌وکار از جمله بخش‌هایی هستند که تیم Qwen برای ارزیابی مدل انتخاب کرده است.

در یکی از نمونه‌ها، مدل ۱۲۸۴ بند حقوقی مرتبط را در میان صدها سند شناسایی کرد و کل فرایند بررسی را در کمتر از یک ساعت به پایان رساند. انجام چنین کاری در روش سنتی می‌تواند حدود یک هفته زمان یک تیم حقوقی را مصرف کند.

در حوزه طراحی رابط کاربری، Qwen3.8-Max یک نمونه تعاملی و باکیفیت برای اپلیکیشن بانکداری دیجیتال NOVA تولید کرد. این نمونه شامل هشت صفحه بود و مدل آن را بدون مرحله بازبینی انسانی تکمیل کرد.

در حوزه صنایع غذایی، مدل بیش از ۱۰۰ سند مربوط به تأمین مواد اولیه را بررسی کرد و یک منوی کامل شامل ۲۶ غذا ارائه داد. اطلاعات مربوط به میزان کالری و منشأ مواد اولیه نیز در این منو قرار داشت و نسبت هزینه مواد غذایی در سطح ۳۳.۸ درصد حفظ شد.

در بخش مهندسی سازه، Qwen3.8-Max با استفاده از یک مجموعه نقشه، مدل لرزه‌ای یک ساختمان اداری ۳۰ طبقه را در مرورگر بازسازی کرد. کاربران می‌توانستند اطلاعاتی مانند دوره طبیعی سازه، برش پایه و میزان جابه‌جایی طبقات را بررسی کنند.

همچنین این مدل هوش مصنوعی چینی در حوزه توان‌بخشی، یک فرم ارزیابی دوبعدی را به نمونه‌ای سه‌بعدی و تعاملی تبدیل کرد. بیماران می‌توانستند محل آسیب و روند بهبود را در لایه‌های مختلف مشاهده کنند.

در بخش تحلیل ورزشی، Qwen3.8-Max حدود ۸۴۰۰ موقعیت تهاجمی و دفاعی را برای هر بازیکن پردازش کرد و گزارش‌های تاکتیکی آماده استفاده در اختیار مربیان قرار داد.

بیشتر بدانید: علی‌بابا با معرفی مدل چندوجهی Qwen3.8 Max به Kimi K3 رقیب پاسخ داد

03
از 06
طراحی خودکار تراشه و کاهش شدید تعداد گیت‌ها

نمودار بهینه‌سازی طراحی تراشه توسط Qwen3.8-Max که کاهش تعداد گیت‌های منطقی از ۸۲۹۸ به ۶۷۸ و نمای سه‌بعدی مدار دیجیتال تولیدشده را نمایش می‌دهد.

یکی از پیچیده‌ترین آزمایش‌های Qwen3.8-Max به طراحی تراشه دیجیتال مربوط می‌شود. این مدل مأمور شد یک شتاب‌دهنده سخت‌افزاری رمزنگاری مبتنی بر GCD و RSA را طراحی و بهینه‌سازی کند.

مدل Qwen3.8-Max فرایند طراحی را در محیطی انجام داد که ابزارهای شبیه‌سازی Iverilog، سنتز Yosys و طراحی فیزیکی OpenROAD در آن قرار داشتند. مدل بدون طرح مرجع و بدون دخالت انسان، معماری مدار، کد RTL، آزمایش عملکرد و بهینه‌سازی چندمرحله‌ای را انجام داد.

نخستین طراحی قابل استفاده مدل ۸۲۹۸ گیت داشت. Qwen3.8-Max با تغییر معماری محاسبات، حذف بخش‌های اضافی، کاهش عرض بیت‌ها، ادغام ماژول‌ها و اشتراک‌گذاری منطق، تعداد گیت‌ها را به ۶۷۸ رساند.

همچنین این مدل طرح نهایی را وارد مرحله چیدمان فیزیکی کرد. اندازه تراشه از ۱۰۶ در ۱۰۶ میکرومتر به ۴۶ در ۴۶ میکرومتر کاهش یافت. طول سیم‌کشی نیز از ۳۳ هزار و ۳۶۹ میکرومتر به ۴۱۸۷ میکرومتر رسید. طراحی نهایی توانست در فرکانس ۵۰۰ مگاهرتز به زمان‌بندی مناسب دست پیدا کند.

04
از 06
هوش مصنوعی چینی در شبیه‌سازی تجارت الکترونیک

نمودار مقایسه عملکرد Qwen3.8-Max با مدل‌های GPT، Claude، Gemini و نسخه‌های قبلی Qwen در مجموعه‌ای از بنچمارک‌های برنامه‌نویسی، استدلال، بینایی ماشین و عامل‌های هوش مصنوعی

تیم Qwen این مدل را در یک شبیه‌سازی ۳۶۵ روزه تجارت الکترونیک نیز آزمایش کرده است. این محیط شامل ۱۲ نوع فروشگاه، ۶۰ گروه محصول، نزدیک به ۶۰۰ تأمین‌کننده و ۷۰۰۰ کالا بود.

مدل با سرمایه اولیه ۱۰۰ هزار یوان فعالیت خود را آغاز کرد. Qwen3.8-Max باید انتخاب محصول، مذاکره با تأمین‌کنندگان، مدیریت موجودی، قیمت‌گذاری، مرجوعی کالا و تخصیص سرمایه را مدیریت می‌کرد.

این شبیه‌سازی ۱۵۲ فروشنده متقلب نیز داشت. مدل باید روش‌هایی مانند دریافت حق عضویت جعلی، قیمت‌گذاری فریبنده و تحویل کالای نامرتبط را شناسایی می‌کرد. بحران‌های زنجیره تأمین، کمبود مواد اولیه و افزایش تقاضا در جشنواره‌های فروش نیز در طول آزمایش رخ دادند.

مدل Qwen3.8-Max در پایان، موجودی خود را به ۴۱۶ هزار و ۲۵۲ یوان رساند. این رقم معادل بازده ۴.۱۶ برابری بود. همچنین این مدل ۳۸ درصد بهتر از GLM 5.2، نزدیک‌ترین رقیب خود عمل کرد.

بیشتر بخوانید: مدل هوش مصنوعی چینی Kimi K3 همه را شگفت‌زده کرد

05
از 06
قابلیت‌های چندوجهی و پردازش اسناد و ویدیو

نمودار روند افزایش امتیاز Qwen3.8-Max در بیش از ۱۰ بنچمارک مختلف هم‌زمان با افزایش محیط‌های آموزش یادگیری تقویتی (RL) که رسیدن مدل به بهترین عملکرد در مرحله ۴۰۰۰ آموزش را نشان می‌دهد — روند بهبود عملکرد Qwen3.8-Max در بیش از ۱۰ بنچمارک با افزایش مراحل آموزش یادگیری تقویتی (RL). بر اساس داده‌های منتشرشده از سوی علی‌بابا، امتیاز مدل از ۰.۴۷۴ در ابتدای آموزش به اوج ۰.۷۲۵ در حدود ۴۰۰۰ محیط آموزشی رسیده و سپس با ادامه آموزش اندکی کاهش یافته است.

مدل Qwen3.8-Max از قابلیت‌های چندوجهی گسترده‌ای برخوردار است. این مدل می‌تواند متن، تصویر، ویدیو، نمودار و ساختار صفحات را به‌ صورت هم‌زمان تحلیل کند.

علی‌بابا اعلام کرده است که مدل جدید می‌تواند گزارش‌های مالی و فایل‌های PDF با بیش از ۲۰۰ صفحه را بررسی کند. این مدل اطلاعات مهم را از متن، جدول‌ها و نمودارها استخراج می‌کند و آنها را به گزارش‌های ساختاریافته یا تجربه‌های تحت وب تبدیل می‌کند.

همچنین Qwen3.8-Max می‌تواند ویدیوهایی با مدت بیش از ۱۰۰ ساعت را تحلیل کند. این مدل افراد، رویدادها، زمان‌ها و صحنه‌ها را به یک ساختار قابل جست‌وجو تبدیل می‌کند.

این مدل علاوه بر تحلیل محتوا، توانایی تولید و ویرایش محتوای بصری را نیز دارد. تدوین ویدیو، ساخت انیمیشن آموزشی، بازسازی رابط کاربری از روی تصویر، تولید محیط سه‌بعدی در Blender و ساخت بازی‌های تعاملی از جمله قابلیت‌های اعلام‌شده هستند.

06
از 06
انتشار وزن‌های متن‌باز هوش مصنوعی چینی

مدل Qwen3.8-Max اکنون از طریق QwenCloud در دسترس قرار دارد. این سرویس از APIهای سازگار با استاندارد OpenAI و Anthropic پشتیبانی می‌کند.

توسعه‌دهندگان می‌توانند سطح استدلال مدل را در سه حالت low، medium و xhigh تنظیم کنند. حالت xhigh برای وظایف پیچیده، حالت medium برای تعادل میان سرعت و دقت و حالت low برای کاهش هزینه و افزایش سرعت پاسخ‌گویی در نظر گرفته شده است.

این مدل با ابزارهایی مانند Claude Code، Codex، Qoder CLI، Qwen Code و OpenClaw نیز سازگار است. علی‌بابا اعلام کرده است که وزن‌های Qwen3.8-Max را هفته آینده در Hugging Face و ModelScope منتشر خواهد کرد.

انتشار وزن‌های این مدل اهمیت زیادی دارد. Qwen3.8-Max نخستین مدل در سطح Max از خانواده Qwen است که با وزن‌های متن‌باز عرضه می‌شود. این تصمیم می‌تواند استفاده پژوهشگران، توسعه‌دهندگان و شرکت‌ها را از یک مدل بسیار بزرگ و چندمنظوره گسترش دهد.

علی‌بابا با معرفی Qwen3.8-Max تلاش کرده است مدل هوش مصنوعی خود را از یک سامانه پاسخ‌گو به یک عامل خودکار برای انجام پروژه‌های واقعی تبدیل کند. نتایج ارائه‌شده نشان می‌دهند که این مدل می‌تواند در برنامه‌نویسی، پژوهش، طراحی تراشه، تجارت الکترونیک، تحلیل اسناد و تولید محتوای چندوجهی فعالیت کند. با وجود این، بخش زیادی از این نتایج بر پایه آزمایش‌ها و بنچمارک‌های اعلام‌شده از سوی خود تیم Qwen است.

برچسب‌ها: p6