Alibaban Qwen-tekoäly saavutti 3 miljardia latausta – ohitti Metan ja Googlen avointen tekoälymallien kisassa

Elokuun 15. päivänä 2026 Alibaba ilmoitti, että sen Qwen-avointen painojen tekoälymalliperhe oli ylittänyt 3 miljardia kumulatiivista maailmanlaajuista latausta kuuden kuukauden tarkastelujaksolla, tehden siitä maailman ladatuimman avointen painojen tekoälymalliekosysteemin . Hugging Face -metriikoiden mukaan Qwen ohitti sekä Metan (Llama-perhe, 227 miljoonaa latausta) että Googlen (Gemma-perhe, 418 miljoonaa latausta) sekä kotimaiset kiinalaiset kilpailijat latausmäärillä mitattuna . Qwen-ekosysteemiin kuuluu nyt yli 460 avoimen lähdekoodin mallia, ja se on synnyttänyt yli 300 000 yhteisön kehittämää hienosäädettyä versiota (johdannaisia) .

Avoimien painojen julkaisut: Qwen3.8-Max ja Qwen3.8-27B

3 miljardin latauksen virstanpylvästä tuki kaksi merkittävää avointen painojen julkaisua elokuussa 2026: lippulaivamalli Qwen3.8-Max ja pienempi Qwen3.8-27B.

Qwen3.8-Max (Qwen3.8-2.4T-A95B) — julkaistiin alun perin API-tuotteena 3. elokuuta 2026, ja sen painot julkaistiin avoimesti Hugging Facessa 13. elokuuta 2026 räätälöidyllä Qwen-lisenssillä . Tämä oli ensimmäinen kerta, kun Alibaba julkaisi Max-luokan mallin painot . Keskeiset tiedot:

• 2,4 biljoonaa kokonaisparametria, harva mixture-of-experts (MoE) -arkkitehtuuri, jossa noin 95 miljardia aktiivista parametria tokenia kohden
• 1 miljoonan tokenin konteksti-ikkuna (991 000 suurin syöte, 131 000 suurin tuloste)
• Natiivi multimodaalinen syöte (teksti + kuva) hybridiajattelulla oletuksena

Qwen3.8-27B — pienempi tiivis kumppanimalli, jonka painot julkaistiin 13.–14. elokuuta 2026 Hugging Facessa Apache 2.0 -lisenssillä . Tämä malli on suunniteltu ajettavaksi yhdellä GPU:lla, ja se sisältää natiivin kuvakooderin, jossa on 262 000 tokenin konteksti . Alibaba raportoi, että Qwen3.8-27B sai pisteet 61,7 SWE-bench Prossa ja 84,3 OSWorld-Verifiedissä, ylittäen useita suurempia omia malleja agenttipohjaisissa koodausvertailuissa .

Kilpailukehitys: Yhdysvaltalaisten jättiläisten ohittaminen

Qwenin dominanssi merkitsee huomattavaa muutosta kehittäjien mieltymyksissä:

• Vs. Meta: Qwen ohitti Metan Llama-perheen latausmäärissä: 3 miljardia Qwen-latausta verrattuna Metan 227 miljoonaan .
• Vs. Google: Alibaba ohitti Googlen Gemma/Gemini-avoimet mallit, jotka kirjasivat 418 miljoonaa latausta .
• Vs. Anthropic: Alibaba asemoi Qwen3.8-Maxin kilpailukykyiseksi Anthropicin Fable-luokan mallien kanssa suorituskykyvertailuissa .
• Vs. Moonshot AI: Kotimainen kilpailija Moonshot oli juuri lanseerannut Kimi K3 -mallin (2,8 biljoonaa parametria); Alibaban Qwen3.8-Maxin kuvailtiin olevan "ei kaukana" Moonshotin mallista kooltaan, mutta sijoittuvan korkeammalle useissa vertailuissa .
• Osakevaikutus: Alibaban osake nousi 7 % Hongkongin pörssissä Qwen3.8-Maxin 3. elokuuta tapahtuneen julkistuksen jälkeen .

Tulonjakosuunnitelmat suurille kaupallisille käyttäjille

7. elokuuta 2026 Reuters raportoi, että Alibaba suunnitteli vaativan suuria kaupallisia Qwen3.8-Maxin avointen painojen käyttäjiä jakamaan osan tuloistaan, jotka on saatu mallin avulla rakennetuista tuotteista tai palveluista . Keskeiset yksityiskohdat:

• Suunnitelma kohdistuu suuriin yrityskäyttäjiin, ei tutkijoihin tai pienimuotoisiin kehittäjiin .
• Tarkkaa tulonjakoprosenttia ei ollut vahvistettu raportoinnin aikaan, neuvottelut olivat yhä kesken .
• Alibaba seurasi kiinalaisen kilpailijansa Moonshot AI:n esimerkkiä, jonka Kimi K3 -lisenssin kerrottiin tavoittelevan jopa 30 %:n tulonjakoa yrityksiltä, joiden vuosittainen liikevaihto ylittää noin 20 miljoonaa dollaria .
• Ehtojen odotettiin tulevan voimaan avointen painojen julkaisun yhteydessä elokuun 10. päivän jälkeisellä viikolla .
• Tätä siirtoa kuvailtiin uraauurtavaksi muutokseksi avointen painojen tekoälyn taloudessa — kaupallistamiskerrokseksi näennäisesti avointen painojen päällä, mikä muuttaa perusteellisesti "ilmaisen avoimen tekoälyn" mallia laajamittaisessa kaupallisessa käytössä . Alibaba oli aiemmin veloittanut mallin käytöstä omassa pilvessään, mutta salli yleensä avointen painojen mallien ajamisen asiakkaiden omissa datakeskuksissa ilman lisämaksuja .